論文の概要: The Impact of Software Testing with Quantum Optimization Meets Machine Learning

• arxiv url: http://arxiv.org/abs/2506.02090v1
• Date: Mon, 02 Jun 2025 15:04:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:34.909792
• Title: The Impact of Software Testing with Quantum Optimization Meets Machine Learning
• Title（参考訳）: 量子最適化によるソフトウェアテストが機械学習に与える影響
• Authors: Gopichand Bandarupalli,
• Abstract要約: 本研究では、CI/CDパイプラインにおけるテストケースの優先順位付けを最適化するために、Quantum AnnealingとMLを統合するハイブリッドフレームワークを提案する。 欠陥検出効率は25%向上し、テスト実行時間の30%削減を実現している。 このフレームワークは、2025年代のハイブリッド量子古典的エコシステムの量子ハードウェア制限、CI/CD統合、スケーラビリティに対処する。
• 参考スコア（独自算出の注目度）: 0.4779196219827508
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern software systems complexity challenges efficient testing, as traditional machine learning (ML) struggles with large test suites. This research presents a hybrid framework integrating Quantum Annealing with ML to optimize test case prioritization in CI/CD pipelines. Leveraging quantum optimization, it achieves a 25 percent increase in defect detection efficiency and a 30 percent reduction in test execution time versus classical ML, validated on the Defects4J dataset. A simulated CI/CD environment demonstrates robustness across evolving codebases. Visualizations, including defect heatmaps and performance graphs, enhance interpretability. The framework addresses quantum hardware limits, CI/CD integration, and scalability for 2025s hybrid quantum-classical ecosystems, offering a transformative approach to software quality assurance.
• Abstract（参考訳）: 現代のソフトウェアシステムの複雑さは、従来の機械学習(ML)が大規模なテストスイートで苦労しているため、効率的なテストに挑戦する。 本研究では、CI/CDパイプラインにおけるテストケースの優先順位付けを最適化するために、Quantum AnnealingとMLを統合するハイブリッドフレームワークを提案する。 量子最適化を活用することで、欠陥検出効率の25%向上と、Defects4Jデータセットで検証された古典的なMLに対するテスト実行時間の30%削減を実現している。 シミュレーションされたCI/CD環境は、進化するコードベース間で堅牢性を示す。 欠陥ヒートマップやパフォーマンスグラフを含む可視化は、解釈可能性を高める。 このフレームワークは、2025年代のハイブリッド量子古典的エコシステムの量子ハードウェア制限、CI/CD統合、スケーラビリティに対処し、ソフトウェア品質保証に対する変革的なアプローチを提供する。

関連論文リスト

• New Insights on Unfolding and Fine-tuning Quantum Federated Learning [12.248184406275405]
  本研究は,Quantum Federated Learning(QFL)の中核的な限界に対処し,医療やゲノム研究などの複雑な課題への適用性を合理化したものである。 自己適応型微調整の開発により, 遺伝子発現解析や癌検出, 診断精度の向上, 量子システム内における予測モデリングなどの重要な応用に特に有効であることが証明された。
  論文  参考訳（メタデータ） (2025-06-24T21:17:48Z)
• Branch-and-bound digitized counterdiabatic quantum optimization [39.58317527488534]
  分岐とバウンドのアルゴリズムは、厳密な下界を得るために目的関数の緩和に依存する凸最適化問題を効果的に解く。 本稿では,緩和困難に対処する分枝・分枝・分枝・分枝・分枝対応量子最適化法 (BB-DCQO) を提案する。
  論文  参考訳（メタデータ） (2025-04-21T18:19:19Z)
• Quantum Annealing for Combinatorial Optimization: A Benchmarking Study [39.125366249242646]
  現状の量子解法は,従来の解法よりも精度が0.013%高く,解法時間も6,561xであることを示す。 この結果から,特にハイブリッド構成において,従来のQAよりもQAを活用できるという利点が浮かび上がっている。
  論文  参考訳（メタデータ） (2025-04-08T16:43:24Z)
• BenchQC: A Benchmarking Toolkit for Quantum Computation [0.4037357056611557]
  変分量子固有解法 (VQE) は化学および材料科学における量子コンピューティング応用のための有望なアルゴリズムである。 本研究は、アルミニウムクラスターの基底状態エネルギーを計算するためのVQEの性能をベンチマークする。
  論文  参考訳（メタデータ） (2025-02-13T18:51:08Z)
• Hybrid Quantum Neural Networks with Amplitude Encoding: Advancing Recovery Rate Predictions [6.699192644249841]
  回収率予測は、リスク評価の強化、ポートフォリオ割り当ての最適化、価格精度の向上など、債券投資戦略において重要な役割を担っている。 本稿では,Amplitudeを用いたハイブリッド量子機械学習(QML)モデルを提案する。 我々は1996年から2023年までの1,725の観測結果からなる地球規模の回復率データセット上でモデルを評価した。
  論文  参考訳（メタデータ） (2025-01-27T07:27:23Z)
• Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
  我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。 この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。 我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
  論文  参考訳（メタデータ） (2024-11-13T12:03:39Z)
• Bias-Field Digitized Counterdiabatic Quantum Algorithm for Higher-Order Binary Optimization [39.58317527488534]
  本稿では,高次非拘束二元最適化(HUBO)問題に対処するため,BF-DCQOアルゴリズムを改良した。 我々のプロトコルは、重いヘックスアーキテクチャを持つIBM量子プロセッサ上で、156量子ビットを用いて実験的に検証されている。
  論文  参考訳（メタデータ） (2024-09-05T17:38:59Z)
• ML-QLS: Multilevel Quantum Layout Synthesis [6.706813469929441]
  ML-QLSは、新しいコスト関数とクラスタリング戦略を統合したスケーラブルな改善操作を備えた、最初のマルチレベル量子レイアウトツールである。 実験の結果,ML-QLSは数百の量子ビットを含む問題にスケールアップでき,大規模回路用QLSツールよりも優れた52%の性能向上を達成できることがわかった。
  論文  参考訳（メタデータ） (2024-05-28T17:10:20Z)
• Bias-field digitized counterdiabatic quantum optimization [39.58317527488534]
  我々はこのプロトコルをバイアス場デジタルダイアバティック量子最適化(BF-DCQO)と呼ぶ。 私たちの純粋に量子的なアプローチは、古典的な変分量子アルゴリズムへの依存を排除します。 基底状態の成功確率のスケーリング改善を実現し、最大2桁まで増大する。
  論文  参考訳（メタデータ） (2024-05-22T18:11:42Z)
• LLMC: Benchmarking Large Language Model Quantization with a Versatile Compression Toolkit [55.73370804397226]
  鍵圧縮技術である量子化は、大きな言語モデルを圧縮し、加速することにより、これらの要求を効果的に軽減することができる。 本稿では,プラグアンドプレイ圧縮ツールキットであるLLMCについて,量子化の影響を公平かつ体系的に検討する。 この汎用ツールキットによって、我々のベンチマークはキャリブレーションデータ、アルゴリズム(3つの戦略)、データフォーマットの3つの重要な側面をカバーしています。
  論文  参考訳（メタデータ） (2024-05-09T11:49:05Z)
• On-Chip Hardware-Aware Quantization for Mixed Precision Neural Networks [52.97107229149988]
  エッジデバイス上でハードウェア対応の混合精度量子化を行うOn-Chipハードウェア・アウェア量子化フレームワークを提案する。 このパイプラインは、量子化プロセスが量子化演算子の実際のハードウェア効率を知覚することを可能にする。 精度測定のために,マルチチップシナリオにおける演算子の精度への影響を効果的に推定するMask-Guided Quantization Estimation技術を提案する。
  論文  参考訳（メタデータ） (2023-09-05T04:39:34Z)
• A Novel Spatial-Temporal Variational Quantum Circuit to Enable Deep Learning on NISQ Devices [12.873184000122542]
  本稿では,量子学習における非線形性を統合するために,新しい時空間設計,ST-VQCを提案する。 ST-VQCは、実際の量子コンピュータ上の既存のVQCと比較して30%以上の精度向上を達成できる。
  論文  参考訳（メタデータ） (2023-07-19T06:17:16Z)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

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。