論文の概要: Predictive control of blast furnace temperature in steelmaking with hybrid depth-infused quantum neural networks

• arxiv url: http://arxiv.org/abs/2504.12389v1
• Date: Wed, 16 Apr 2025 18:00:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-18 14:38:12.057588
• Title: Predictive control of blast furnace temperature in steelmaking with hybrid depth-infused quantum neural networks
• Title（参考訳）: ハイブリッド深度拡散型量子ニューラルネットワークによる鉄鋼製造における高炉温度の予測制御
• Authors: Nayoung Lee, Minsoo Shin, Asel Sagingalieva, Ayush Joshi Tripathi, Karan Pinto, Alexey Melnikov,
• Abstract要約: 伝統的な方法では、高炉内の温度変動の複雑で非線形の性質に苦しむことが多い。 本稿では,ハイブリッド量子機械学習と微粉炭噴射制御を組み合わせた新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.10555513406636088
• License:
• Abstract: Accurate prediction and stabilization of blast furnace temperatures are crucial for optimizing the efficiency and productivity of steel production. Traditional methods often struggle with the complex and non-linear nature of the temperature fluctuations within blast furnaces. This paper proposes a novel approach that combines hybrid quantum machine learning with pulverized coal injection control to address these challenges. By integrating classical machine learning techniques with quantum computing algorithms, we aim to enhance predictive accuracy and achieve more stable temperature control. For this we utilized a unique prediction-based optimization method. Our method leverages quantum-enhanced feature space exploration and the robustness of classical regression models to forecast temperature variations and optimize pulverized coal injection values. Our results demonstrate a significant improvement in prediction accuracy over 25 percent and our solution improved temperature stability to +-7.6 degrees of target range from the earlier variance of +-50 degrees, highlighting the potential of hybrid quantum machine learning models in industrial steel production applications.
• Abstract（参考訳）: 製鋼の効率と生産性を最適化するためには,高炉温度の正確な予測と安定化が不可欠である。 伝統的な方法では、高炉内の温度変動の複雑で非線形の性質に苦しむことが多い。 本稿では,これらの課題に対処するために,ハイブリッド量子機械学習と微粉炭噴射制御を組み合わせた新しいアプローチを提案する。 古典的な機械学習技術と量子コンピューティングアルゴリズムを統合することにより、予測精度を高め、より安定した温度制御を実現することを目指している。 そこで我々は,一意の予測に基づく最適化手法を用いた。 提案手法は, 古典回帰モデルの量子化特徴空間探索とロバスト性を利用して, 温度変化を予測し, 微粉炭注入値の最適化を行う。 その結果,25パーセント以上の予測精度が向上し,温度安定性が+-50度から+-7.6度まで向上し,工業用鋼製造におけるハイブリッド量子機械学習モデルの可能性が示された。

関連論文リスト

• Forecasting the steam mass flow in a powerplant using the parallel hybrid network [0.0]
  本研究では,パラメタライズド量子回路と従来のフィードフォワードニューラルネットワークを組み合わせた並列ハイブリッドニューラルネットワークアーキテクチャを提案する。 その結果、並列ハイブリッドモデルは、スタンドアロンの古典的および量子的モデルよりも優れていた。
  論文  参考訳（メタデータ） (2023-07-18T17:59:25Z)
• Accurate melting point prediction through autonomous physics-informed learning [52.217497897835344]
  NPTアンサンブルにおける共存シミュレーションから自律的に学習することで融点を計算するアルゴリズムを提案する。 固液共存進化の物理モデルを統合することで、アルゴリズムの精度が向上し、最適な意思決定が可能になることを実証する。
  論文  参考訳（メタデータ） (2023-06-23T07:53:09Z)
• Critical behavior of Ising model by preparing thermal state on quantum computer [3.570760625392093]
  量子コンピューティング技術を用いて調製した熱状態を利用して,Isingモデルの臨界挙動をシミュレートする。 我々は、長距離相互作用型Isingモデルの比熱と感受性を計算し、Ising臨界度を小さな格子サイズで観測する。
  論文  参考訳（メタデータ） (2023-02-28T03:29:19Z)
• Sharp Calibrated Gaussian Processes [58.94710279601622]
  キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。 本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。 我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:17:36Z)
• Machine learning based surrogate models for microchannel heat sink optimization [0.0]
  本稿では,二次チャネルとリブを用いたマイクロチャネルの設計を計算流体力学を用いて検討する。 ラテンハイパーキューブサンプリング、機械学習に基づく代理モデリング、多目的最適化を組み合わせたワークフローを提案する。
  論文  参考訳（メタデータ） (2022-08-20T13:49:11Z)
• Parameterized Temperature Scaling for Boosting the Expressive Power in Post-Hoc Uncertainty Calibration [57.568461777747515]
  我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。 最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。 当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2021-02-24T10:18:30Z)
• Optimal control of a nitrogen-vacancy spin ensemble in diamond for sensing in the pulsed domain [52.77024349608834]
  固体材料の欠陥は、量子センシングに理想的なプラットフォームを提供する。 このようなアンサンブルの制御は、欠陥エネルギーレベルとマクロサンプル間の任意の制御領域の両方の空間的変動のために困難である。 Floquet理論と最適制御最適化法を用いて,これらの課題を克服できることを実験的に実証した。
  論文  参考訳（メタデータ） (2021-01-25T13:01:05Z)
• Adiabatic Sensing Technique for Optimal Temperature Estimation using Trapped Ions [64.31011847952006]
  捕捉イオンを用いた最適なフォノン温度推定のための断熱法を提案する。 フォノンの熱分布に関する関連する情報は、スピンの集合的な自由度に伝達することができる。 それぞれの熱状態確率は、各スピン励起構成に近似的にマッピングされることを示す。
  論文  参考訳（メタデータ） (2020-12-16T12:58:08Z)
• Variational preparation of finite-temperature states on a quantum computer [0.0]
  凝縮物質と宇宙論のシミュレーションには熱平衡状態の調製が重要である。 本稿では, ゲート型量子プロセッサを用いて, このような混合状態をユニタリ演算子と合成する方法を実験的に示す。
  論文  参考訳（メタデータ） (2020-12-07T18:19:58Z)
• Reservoir engineering with arbitrary temperatures for spin systems and quantum thermal machine with maximum efficiency [50.591267188664666]
  貯留層工学は、量子情報科学と量子熱力学にとって重要なツールである。 この手法を用いて、任意の(有効)負および正の温度の貯水池を単一スピン系に設計する。
  論文  参考訳（メタデータ） (2020-01-28T00:18:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。