論文の概要: Bug Classification in Quantum Software: A Rule-Based Framework and Its Evaluation
- arxiv url: http://arxiv.org/abs/2506.10397v1
- Date: Thu, 12 Jun 2025 06:42:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-13 15:37:22.610205
- Title: Bug Classification in Quantum Software: A Rule-Based Framework and Its Evaluation
- Title（参考訳）: 量子ソフトウェアにおけるバグ分類:ルールベースのフレームワークとその評価
- Authors: Mir Mohammad Yousuf, Shabir Ahmad Sofi,
- Abstract要約: 本稿では,量子ソフトウェアリポジトリの問題をバグタイプ,カテゴリ,重大度,品質特性によって分類するフレームワークを提案する。
フレームワークは85.21%の精度で、F1スコアは0.7075から0.8393までである。
1,550の量子特化バグのレビューでは、半分以上が量子回路レベルの問題であり、その後にゲートエラーとハードウェア関連の問題があった。
- 参考スコア（独自算出の注目度）: 1.1510009152620668
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate classification of software bugs is essential for improving software quality. This paper presents a rule-based automated framework for classifying issues in quantum software repositories by bug type, category, severity, and impacted quality attributes, with additional focus on quantum-specific bug types. The framework applies keyword and heuristic-based techniques tailored to quantum computing. To assess its reliability, we manually classified a stratified sample of 4,984 issues from a dataset of 12,910 issues across 36 Qiskit repositories. Automated classifications were compared with ground truth using accuracy, precision, recall, and F1-score. The framework achieved up to 85.21% accuracy, with F1-scores ranging from 0.7075 (severity) to 0.8393 (quality attribute). Statistical validation via paired t-tests and Cohen's Kappa showed substantial to almost perfect agreement for bug type (k = 0.696), category (k = 0.826), quality attribute (k = 0.818), and quantum-specific bug type (k = 0.712). Severity classification showed slight agreement (k = 0.162), suggesting room for improvement. Large-scale analysis revealed that classical bugs dominate (67.2%), with quantum-specific bugs at 27.3%. Frequent bug categories included compatibility, functional, and quantum-specific defects, while usability, maintainability, and interoperability were the most impacted quality attributes. Most issues (93.7%) were low severity; only 4.3% were critical. A detailed review of 1,550 quantum-specific bugs showed that over half involved quantum circuit-level problems, followed by gate errors and hardware-related issues.
- Abstract（参考訳）: ソフトウェア品質を改善するためには、ソフトウェアのバグの正確な分類が不可欠です。
本稿では,量子ソフトウェアリポジトリの問題をバグタイプ,カテゴリ,重大度,品質特性によって分類するルールベースの自動フレームワークを提案する。
このフレームワークは、量子コンピューティングに適したキーワードとヒューリスティックベースのテクニックを適用している。
信頼性を評価するため,36のQiskitリポジトリにわたる12,910件のデータセットから,4,984件の階層化サンプルを手作業で分類した。
自動分類は、精度、精度、リコール、F1スコアを用いて、地上の真理と比較した。
このフレームワークは85.21%の精度を達成し、F1スコアは0.7075から0.8393まで変化した。
ペアt-testとCohen's Kappaによる統計的検証では、バグタイプ(k = 0.696)、カテゴリ(k = 0.826)、品質属性(k = 0.818)、量子固有のバグタイプ(k = 0.712)について、ほぼ完全な一致を示した。
重症度分類では軽微な一致(k = 0.162)を示し,改善の余地が示唆された。
大規模分析の結果、古典的なバグが67.2%を占め、量子固有のバグは27.3%であった。
多くのバグカテゴリには、互換性、機能、量子固有の欠陥が含まれ、ユーザビリティ、保守性、相互運用性が最も影響を受けていた。
ほとんどの問題(93.7%)は深刻度が低く、4.3%に過ぎなかった。
1,550の量子特化バグの詳細なレビューでは、半分以上が量子回路レベルの問題であり、その後にゲートエラーとハードウェア関連の問題があった。
関連論文リスト
- Diagnosing and Addressing Pitfalls in KG-RAG Datasets: Toward More Reliable Benchmarking [56.27361644734853]
知識グラフ質問 回答システムは、複雑なマルチホップ推論を評価するために高品質なベンチマークに依存している。
広く使われているにもかかわらず、WebQSPやCWQのような一般的なデータセットは、重要な品質問題に悩まされている。
我々はこれらの落とし穴を体系的に解決するLLM-in-the-loopフレームワークであるKGQAGenを紹介する。
本研究は,KGQA評価を推し進めるスケーラブルなフレームワークとして,より厳密なベンチマーク構築とKGQAGenの位置づけを提唱する。
論文 参考訳（メタデータ） (2025-05-29T14:44:52Z) - Practical estimation of the optimal classification error with soft labels and calibration [52.1410307583181]
我々は,ベイズ誤差,最適誤差率を推定するために,ソフトラベルを用いた以前の研究を拡張した。
我々は、破損したソフトラベルによる推定という、より困難な問題に取り組みます。
私たちのメソッドはインスタンスフリーです。つまり、入力インスタンスへのアクセスを前提としません。
論文 参考訳（メタデータ） (2025-05-27T06:04:57Z) - QuCheck: A Property-based Testing Framework for Quantum Programs in Qiskit [0.5735035463793009]
プロパティベースのテストはQSharpCheckを使ってQ#の量子プログラムに提案されている。
我々はQiskitにおける拡張プロパティベースのテストフレームワークQuCheckを提案する。
論文 参考訳（メタデータ） (2025-03-28T17:30:09Z) - EquiBench: Benchmarking Large Language Models' Understanding of Program Semantics via Equivalence Checking [55.81461218284736]
EquiBenchは、大規模言語モデル(LLM)を評価するための新しいベンチマークである。
2つのプログラムが全ての可能な入力に対して同一の出力を生成するかどうかを決定する。
19の最先端LCMを評価し、最高の精度は63.8%と76.2%であり、これは50%のランダムベースラインよりわずかに高い。
論文 参考訳（メタデータ） (2025-02-18T02:54:25Z) - CITADEL: Context Similarity Based Deep Learning Framework Bug Finding [36.34154201748415]
既存のディープラーニング(DL)フレームワークテストツールには、バグタイプが限定されている。
我々はCitadelを提案する。Citadelは効率と有効性の観点からバグの発見を高速化する手法だ。
論文 参考訳（メタデータ） (2024-06-18T01:51:16Z) - Analyzing Quantum Programs with LintQ: A Static Analysis Framework for Qiskit [21.351834312054844]
本稿では,量子プログラムのバグを検出するための静的解析フレームワークLintQを提案する。
我々のアプローチは、基礎となる量子コンピューティングプラットフォームを参照することなく、量子コンピューティングの共通概念を推論するために設計された一連の抽象化によって実現されている。
提案手法は,実世界の7,568個のQiskitベースの量子プログラムを新たに収集したデータセットに適用し,LintQが様々なプログラミング問題を効果的に同定することを示す。
論文 参考訳（メタデータ） (2023-10-01T16:36:09Z) - An Empirical Study of Bugs in Quantum Machine Learning Frameworks [5.868747298750261]
人気の高い9つのQMLフレームワークの22のオープンソースリポジトリから収集された391の実際のバグを調査した。
バグの28%は、誤ったユニタリ行列の実装など、量子固有である。
われわれはQMLプラットフォームで5つの症状と9つの根本原因の分類を手作業で抽出した。
論文 参考訳（メタデータ） (2023-06-10T07:26:34Z) - Experimental violations of Leggett-Garg's inequalities on a quantum
computer [77.34726150561087]
単一および多ビット系におけるLeggett-Garg-Bellの不等式違反を実験的に観察する。
本分析では, 量子プラットフォームの限界に注目し, 上記の相関関数は, 量子ビットの数や回路深さが大きくなるにつれて, 理論的予測から逸脱することを示した。
論文 参考訳（メタデータ） (2021-09-06T14:35:15Z) - Solving correlation clustering with QAOA and a Rydberg qudit system: a
full-stack approach [94.37521840642141]
量子近似最適化アルゴリズム(QAOA)とクォーディットを用いた相関クラスタリング問題について検討する。
具体的には、中性原子量子コンピュータを検討し、相関クラスタリングのためのフルスタックアプローチを提案する。
ゲート数によって定量化されるように、quditの実装はqubitエンコーディングよりも優れていることを示す。
論文 参考訳（メタデータ） (2021-06-22T11:07:38Z) - Provable tradeoffs in adversarially robust classification [96.48180210364893]
我々は、ロバストなイソペリメトリに関する確率論の最近のブレークスルーを含む、新しいツールを開発し、活用する。
この結果から,データの不均衡時に増加する標準精度とロバスト精度の基本的なトレードオフが明らかになった。
論文 参考訳（メタデータ） (2020-06-09T09:58:19Z)
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。