論文の概要: A Preliminary Investigation on the Usage of Quantum Approximate Optimization Algorithms for Test Case Selection
- arxiv url: http://arxiv.org/abs/2504.18955v2
- Date: Wed, 30 Apr 2025 17:10:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.064071
- Title: A Preliminary Investigation on the Usage of Quantum Approximate Optimization Algorithms for Test Case Selection
- Title（参考訳）: テストケース選択のための量子近似最適化アルゴリズムの利用に関する予備的検討
- Authors: Antonio Trovato, Martin Beseda, Dario Di Nucci,
- Abstract要約: この研究は、テストケースの選択に量子近似最適化アルゴリズム(QAOAs)の使用を想定している。
QAOAsは、ゲートベースの量子マシンのポテンシャルと、断熱進化の最適化能力とを融合する。
この結果から,QAOAsは効率面ではSelectQAに匹敵する性能を示しながら,ベースラインアルゴリズムよりも優れた性能を示した。
- 参考スコア（独自算出の注目度）: 2.1929683225837078
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Regression testing is key in verifying that software works correctly after changes. However, running the entire regression test suite can be impractical and expensive, especially for large-scale systems. Test suite optimization methods are highly effective but often become infeasible due to their high computational demands. In previous work, Trovato et al. proposed SelectQA, an approach based on quantum annealing that outperforms the traditional state-of-the-art methods, i.e., Additional Greedy and DIV-GA, in efficiency. This work envisions the usage of Quantum Approximate Optimization Algorithms (QAOAs) for test case selection by proposing QAOA-TCS. QAOAs merge the potential of gate-based quantum machines with the optimization capabilities of the adiabatic evolution. To prove the effectiveness of QAOAs for test case selection, we preliminarily investigate QAOA-TCS leveraging an ideal environment simulation before evaluating it on real quantum machines. Our results show that QAOAs perform better than the baseline algorithms in effectiveness while being comparable to SelectQA in terms of efficiency. These results encourage us to continue our experimentation with noisy environment simulations and real quantum machines.
- Abstract（参考訳）: 回帰テストは、ソフトウェアが変更後に正しく動作することを検証する上で重要である。
しかしながら、大規模なシステムでは、回帰テストスイート全体の実行は非現実的でコストがかかる可能性がある。
テストスイート最適化手法は非常に効果的であるが、高い計算要求のためにしばしば実現不可能となる。
以前の研究で、TrovatoらはSelectQAを提案した。これは量子アニールに基づくアプローチで、従来の最先端の手法、すなわちAdvenced GreedyとDIV-GAを効率良く上回る。
この研究は、QAOA-TCSを提案することによって、テストケース選択に量子近似最適化アルゴリズム(QAOAs)を使用することを想定している。
QAOAsは、ゲートベースの量子マシンのポテンシャルと、断熱進化の最適化能力とを融合する。
テストケース選択におけるQAOAの有効性を実証するため,実量子マシン上で評価する前に,理想的な環境シミュレーションを活用するQAOA-TCSを予備検討する。
この結果から,QAOAsの効率性はSelectQAに匹敵するが,ベースラインアルゴリズムよりも優れていることがわかった。
これらの結果は,ノイズの多い環境シミュレーションや実量子マシンによる実験を継続する上で有効である。
関連論文リスト
- Using quantum annealing to generate test cases for cyber-physical systems [35.26972474219581]
本稿では,サイバー物理システムにおけるテストケース生成の高速化のための突然変異に基づく手法を提案する。
我々は、量子アニールを用いて、改善のためのテストケースの重要な領域を特定し、ターゲットにします。
我々のアプローチは、このプロセスをD-Waveの量子アニールを用いて解を見つけるアルゴリズムに機械化する。
論文 参考訳（メタデータ） (2025-04-30T14:20:58Z) - Reformulating Regression Test Suite Optimization using Quantum Annealing -- an Empirical Study [8.11562964318067]
回帰テストは、変更が実装された後、ソフトウェアが期待通りに機能することを保証する。
従来のテストスイート最適化技術は、リソース制約のあるシナリオでは実用的ではないことが多い。
本稿では,回帰テストケース選択問題を量子計算技術をよりよく活用するために再検討する。
論文 参考訳（メタデータ） (2024-11-24T19:30:22Z) - A coherent approach to quantum-classical optimization [0.0]
ハイブリッド量子古典最適化技術は、量子計算資源の削減を可能にすることが示されている。
我々は、コヒーレンスエントロピーを量子状態の適合性を決定する重要な指標とみなす。
本稿では,従来の課題に対するアプローチを大幅に改善する量子古典最適化プロトコルを提案する。
論文 参考訳（メタデータ） (2024-09-20T22:22:53Z) - Solving Combinatorial Optimization Problems with a Block Encoding Quantum Optimizer [0.0]
Block ENcoding Quantum (BEQO) は、ブロック符号化を用いてコスト関数を表現するハイブリッド量子ソルバである。
以上の結果から,BENQOはQAOAよりも有意に優れた性能を示し,VQEと各種のパフォーマンス指標を比較検討した。
論文 参考訳（メタデータ） (2024-04-22T10:10:29Z) - Bayesian Parameterized Quantum Circuit Optimization (BPQCO): A task and hardware-dependent approach [49.89480853499917]
変分量子アルゴリズム(VQA)は、最適化と機械学習問題を解決するための有望な量子代替手段として登場した。
本稿では,回路設計が2つの分類問題に対して得られる性能に与える影響を実験的に示す。
また、実量子コンピュータのシミュレーションにおいて、ノイズの存在下で得られた回路の劣化について検討する。
論文 参考訳（メタデータ） (2024-04-17T11:00:12Z) - Randomized Benchmarking of Local Zeroth-Order Optimizers for Variational
Quantum Systems [65.268245109828]
古典学のパフォーマンスを、半ランダム化された一連のタスクで比較する。
量子システムにおける一般に好適な性能とクエリ効率のため、局所ゼロ階数に着目する。
論文 参考訳（メタデータ） (2023-10-14T02:13:26Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳（メタデータ） (2023-06-15T15:28:12Z) - Quantum Approximate Optimization Algorithm Based Maximum Likelihood
Detection [80.28858481461418]
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
論文 参考訳（メタデータ） (2021-07-11T10:56:24Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - Classical Optimizers for Noisy Intermediate-Scale Quantum Devices [1.43494686131174]
本稿では,NISQ(Noisy Intermediate-Scale Quantum)デバイス上でのチューニングについて述べる。
VQEのケーススタディにおいて、異なる最小値の効率と有効性について分析した。
これまでのほとんどの結果は量子VQE回路のチューニングに集中しているが、量子ノイズの存在下では、古典的な最小化ステップを慎重に選択して正しい結果を得る必要がある。
論文 参考訳（メタデータ） (2020-04-06T21:31:22Z) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳（メタデータ） (2020-03-11T13:52:41Z)
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。