論文の概要: Quantum Artificial Intelligence for Software Engineering: the Road Ahead
- arxiv url: http://arxiv.org/abs/2505.04797v1
- Date: Wed, 07 May 2025 20:47:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-09 21:43:49.677374
- Title: Quantum Artificial Intelligence for Software Engineering: the Road Ahead
- Title（参考訳）: ソフトウェアエンジニアリングのための量子人工知能
- Authors: Xinyi Wang, Shaukat Ali, Paolo Arcaini,
- Abstract要約: 量子AI(QAI)は、古典的なソフトウェア工学の問題を解決する大きな可能性を秘めている。
ソフトウェアエンジニアリングにおけるQAIの初期応用には、ソフトウェアテストの最適化など、すでにいくつか存在する。
本稿では,ソフトウェア工学のQAIにおけるオープンな研究の機会と課題について述べる。
- 参考スコア（独自算出の注目度）: 41.52375818551277
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial Intelligence (AI) has been applied to various areas of software engineering, including requirements engineering, coding, testing, and debugging. This has led to the emergence of AI for Software Engineering as a distinct research area within software engineering. With the development of quantum computing, the field of Quantum AI (QAI) is arising, enhancing the performance of classical AI and holding significant potential for solving classical software engineering problems. Some initial applications of QAI in software engineering have already emerged, such as software test optimization. However, the path ahead remains open, offering ample opportunities to solve complex software engineering problems with QAI cost-effectively. To this end, this paper presents open research opportunities and challenges in QAI for software engineering that need to be addressed.
- Abstract（参考訳）: 人工知能(AI)は、要件エンジニアリング、コーディング、テスト、デバッグなど、ソフトウェア工学のさまざまな分野に適用されている。
このことがソフトウェア工学における研究分野としてAI for Software Engineeringの出現につながった。
量子コンピューティングの発展に伴い、量子AI(QAI)の分野が生まれ、古典的なAIの性能を高め、古典的なソフトウェア工学の問題を解決する大きな可能性を秘めている。
ソフトウェアエンジニアリングにおけるQAIの初期応用には、ソフトウェアテストの最適化など、すでにいくつか存在する。
しかし、今後の道は依然としてオープンであり、QAIのコスト効率で複雑なソフトウェアエンジニアリング問題を解決するための十分な機会を提供する。
この目的のために,ソフトウェア工学におけるQAIのオープンな研究の機会と課題について述べる。
関連論文リスト
- Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。
まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。
次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文 参考訳（メタデータ） (2025-03-28T17:17:57Z) - Artificial Intelligence for Quantum Computing [30.639337493477242]
量子コンピューティングは、AIのデータ駆動学習機能の主要な候補である。
AIからQCにリードする技術を導入するには、おそらくコンピュータ科学の最も先進的で難解な領域の2つから専門知識を引き出す必要がある。
本稿では、最先端のAI技術が、有用なQCを開発するために必要なハードウェアとソフトウェアスタック間の課題をすでに進めている方法についてレビューする。
論文 参考訳（メタデータ） (2024-11-14T02:11:16Z) - Making Software Development More Diverse and Inclusive: Key Themes, Challenges, and Future Directions [50.545824691484796]
ソフトウェア開発者の多様性と包摂性(SDDI)を改善するための課題と機会に関する6つのテーマを特定します。
4つのテーマの利点、害、今後の研究の方向性を特定します。
残りの2つのテーマ、人工知能とSDDIとAIとコンピュータサイエンスの教育について論じる。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - Quantum Software Engineering: Roadmap and Challenges Ahead [11.117076871633165]
この研究では、アクティブな研究者のグループが量子ソフトウェア工学の研究の現状を深く分析している。
この分析から、量子ソフトウェア工学の重要な領域を特定し、今後数年で解決すべき最も関連性の高いオープン課題を決定するために探索する。
論文 参考訳（メタデータ） (2024-04-10T08:24:53Z) - AI in Software Engineering: A Survey on Project Management Applications [3.156791351998142]
機械学習(ML)はデータセットでトレーニングを行うアルゴリズムを採用しており、特定のタスクを自律的に実行することができる。
AIは、特にプロジェクト管理と計画において、ソフトウェアエンジニアリングの分野で大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-07-27T23:02:24Z) - Artificial Intelligence Impact On The Labour Force -- Searching For The
Analytical Skills Of The Future Software Engineers [0.0]
この体系的な文献レビューは、人工知能がソフトウェア工学における労働力に与える影響を調査することを目的としている。
それは、将来のソフトウェアエンジニアに必要なスキル、ソフトウェアエンジニアリングスキルの需要に対するAIの影響、そしてソフトウェアエンジニアの仕事の未来に焦点を当てている。
論文 参考訳（メタデータ） (2023-02-26T03:49:53Z) - Physical Computing for Materials Acceleration Platforms [81.09376948478891]
我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。
シミュレーションに基づくMAPプログラムの概要を述べる。
我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
論文 参考訳（メタデータ） (2022-08-17T23:03:54Z) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。