論文の概要: Hybrid Quantum Classical Surrogate for Real Time Inverse Finite Element Modeling in Digital Twins
- arxiv url: http://arxiv.org/abs/2508.00029v1
- Date: Wed, 30 Jul 2025 04:09:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-04 18:08:53.589462
- Title: Hybrid Quantum Classical Surrogate for Real Time Inverse Finite Element Modeling in Digital Twins
- Title（参考訳）: ディジタル双晶における実時間逆有限要素モデリングのためのハイブリッド量子古典サロゲート
- Authors: Azadeh Alavi, Sanduni Jayasinghe, Mojtaba Mahmoodian, Sam Mazaheri, John Thangarajah, Sujeeva Setunge,
- Abstract要約: 橋、パイプライン、およびオフショアプラットフォームのような大規模な土木構造物は、予期せぬ失敗が経済的・安全的な影響を引き起こす現代のインフラにとって不可欠である。
FEモデリングは、リアルタイム構造健康モニタリング(SHM)に広く用いられているが、その計算コストが高く、逆FE分析の複雑さは、現在進行中の課題である。
本稿では,これらの問題に対処するハイブリッド量子古典多層パーセプトロンフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 4.978621186982144
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Large-scale civil structures, such as bridges, pipelines, and offshore platforms, are vital to modern infrastructure, where unexpected failures can cause significant economic and safety repercussions. Although finite element (FE) modeling is widely used for real-time structural health monitoring (SHM), its high computational cost and the complexity of inverse FE analysis, where low dimensional sensor data must map onto high-dimensional displacement or stress fields pose ongoing challenges. Here, we propose a hybrid quantum classical multilayer perceptron (QMLP) framework to tackle these issues and facilitate swift updates to digital twins across a range of structural applications. Our approach embeds sensor data using symmetric positive definite (SPD) matrices and polynomial features, yielding a representation well suited to quantum processing. A parameterized quantum circuit (PQC) transforms these features, and the resultant quantum outputs feed into a classical neural network for final inference. By fusing quantum capabilities with classical modeling, the QMLP handles large scale inverse FE mapping while preserving computational viability. Through extensive experiments on a bridge, we demonstrate that the QMLP achieves a mean squared error (MSE) of 0.0000000000316, outperforming purely classical baselines with a large margin. These findings confirm the potential of quantum-enhanced methods for real time SHM, establishing a pathway toward more efficient, scalable digital twins that can robustly monitor and diagnose structural integrity in near real time.
- Abstract（参考訳）: 橋、パイプライン、およびオフショアプラットフォームのような大規模な土木構造物は、予期せぬ失敗が経済的・安全的な影響を引き起こす現代のインフラにとって不可欠である。
有限要素(FE)モデリングは、リアルタイム構造健康モニタリング(SHM)に広く用いられているが、その計算コストが高く、低次元センサデータが高次元の変位や応力場にマッピングされなければならない逆FE分析の複雑さは、現在進行中の課題である。
本稿では,量子古典多層パーセプトロン(QMLP)フレームワークを提案する。
提案手法は, 対称正定値行列と多項式特徴を用いてセンサデータを埋め込み, 量子処理に適した表現を与える。
パラメータ化量子回路(PQC)はこれらの特徴を変換し、結果の量子出力は最終推論のために古典的なニューラルネットワークにフィードする。
量子能力を古典的モデリングと融合させることで、QMLPは計算可能性を維持しながら大規模な逆FEマッピングを処理する。
橋梁上の広範な実験を通して、QMLPが0.0000000000316の平均二乗誤差(MSE)を達成することを示す。
これらの結果は、リアルタイムSHMのための量子強化手法の可能性を確認し、より効率的でスケーラブルなデジタル双生児への道を確立し、ほぼリアルタイムで構造的整合性を監視し診断することができる。
関連論文リスト
- Quantum Convolutional Neural Network with Nonlinear Effects and Barren Plateau Mitigation [0.0]
量子ニューラルネットワーク(QNN)は、量子エンタングルメントと重畳を利用して、大規模並列線形計算を可能にする。
しかし,本質的な非線形操作の欠如やバレンプラトー現象により,実用的展開が妨げられている。
両問題に同時に対処する量子ニューラル畳み込みネットワーク(QCNN)アーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-08-04T14:26:48Z) - Neural Network Architectures for Scalable Quantum State Tomography: Benchmarking and Memristor-Based Acceleration [0.9572566550427288]
量子状態トモグラフィ(QST)は、量子システムの特徴付けと検証に不可欠である。
以前の性能の主張は、体系的な検証よりもアーキテクチャ上の仮定に依存していた。
いくつかのニューラルネットワークアーキテクチャをベンチマークして、キュービット数で効果的にスケールするかを判断し、システムサイズが大きくなるにつれて高い忠実性を維持することができない。
論文 参考訳（メタデータ） (2025-07-30T18:12:10Z) - Coupled Cluster Downfolding Theory in Simulations of Chemical Systems on Quantum Hardware [9.389379035303165]
古典的資源が、現在の量子デバイスの制約に適合する次元によって特徴づけられる有効ハミルトニアンを構築するためにどのように使用されるかを示す。
このようなフレキシブルなハイブリッドアルゴリズムは、問題のサイズを利用可能な量子資源に合わせることができ、ノイズの多い中間スケール量子(QNIS)デバイスと将来のフォールトトレラント量子コンピュータの間の橋渡しとして機能する、と我々は主張する。
論文 参考訳（メタデータ） (2025-07-01T21:34:29Z) - VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [60.996803677584424]
変分量子回路(VQC)は、量子機械学習のための新しい経路を提供する。
それらの実用的応用は、制約付き線形表現性、最適化課題、量子ハードウェアノイズに対する鋭敏感といった固有の制限によって妨げられている。
この研究は、これらの障害を克服するために設計されたスケーラブルで堅牢なハイブリッド量子古典アーキテクチャであるVQC-MLPNetを導入している。
論文 参考訳（メタデータ） (2025-06-12T01:38:15Z) - A Survey of Quantum Transformers: Architectures, Challenges and Outlooks [82.4736481748099]
量子変換器は古典変換器の表現力と量子コンピューティングの計算上の利点を統合する。
2022年以降、この地域の研究は急速に拡大し、様々な技術パラダイムや初期の応用がもたらされた。
本稿では,量子トランスモデルの包括的,体系的,詳細な調査を行う。
論文 参考訳（メタデータ） (2025-04-04T05:40:18Z) - Toward Large-Scale Distributed Quantum Long Short-Term Memory with Modular Quantum Computers [5.673361333697935]
我々は、ノイズ中間スケール量子(NISQ)デバイス上でのスケーラビリティ問題に対処するために、分散量子長短期メモリ(QLSTM)フレームワークを導入する。
QLSTMは長期の時間的依存関係をキャプチャし、分散アーキテクチャは基礎となる変分量子回路をより小さく管理可能なサブ回路に分割する。
分散QLSTMは,古典的アプローチと比較して,安定した収束とトレーニングダイナミクスの向上を実現している。
論文 参考訳（メタデータ） (2025-03-18T10:07:34Z) - Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [63.733312560668274]
d可変RZゲートとG-dクリフォードゲートを含む量子回路を与えられた場合、学習者は純粋に古典的な推論を行い、その線形特性を効率的に予測できるだろうか?
我々は、d で線形にスケーリングするサンプルの複雑さが、小さな予測誤差を達成するのに十分であり、対応する計算の複雑さは d で指数関数的にスケールすることを証明する。
我々は,予測誤差と計算複雑性をトレードオフできるカーネルベースの学習モデルを考案し,多くの実践的な環境で指数関数からスケーリングへ移行した。
論文 参考訳（メタデータ） (2024-08-22T08:21:28Z) - Quantum Classical Algorithm for the Study of Phase Transitions in the Hubbard Model via Dynamical Mean-Field Theory [0.0]
本稿では, 量子コンピューティング, 多体理論, 量子機械学習を連携させて, 強相関系の研究を行うワークフローを提案する。
DMFT近似におけるHubbardモデルのゼロ温度波動関数のデータベースを生成する。
次に、QMLアルゴリズムを用いて金属相とモット絶縁体相を区別し、金属-モット絶縁体相転移を捉える。
論文 参考訳（メタデータ） (2023-08-02T19:11:04Z) - Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the
Race to Practical Quantum Advantage [43.3054117987806]
本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。
本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。
古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
論文 参考訳（メタデータ） (2022-08-29T15:24:03Z) - QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。
短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
論文 参考訳（メタデータ） (2022-07-14T12:22:51Z) - A scalable superconducting quantum simulator with long-range
connectivity based on a photonic bandgap metamaterial [0.0]
超伝導フォトニックバンドギャップメタマテリアルに局所的に接続された量子ビットの線形配列に基づく量子シミュレータアーキテクチャを提案する。
メタマテリアルは量子バスとして、量子ビットと量子ビットの相互作用を媒介し、また多重量子ビット状態測定のための読み出しチャネルとして機能する。
我々は、量子多体カオスに基づく測定効率の高いプロトコルを用いて、システムのハミルトニアンを特徴づける。
論文 参考訳（メタデータ） (2022-06-26T06:51:54Z) - Electronic structure with direct diagonalization on a D-Wave quantum
annealer [62.997667081978825]
本研究は、D-Wave 2000Q量子アニール上の分子電子ハミルトニアン固有値-固有ベクトル問題を解くために、一般量子アニール固有解法(QAE)アルゴリズムを実装した。
そこで本研究では,D-Waveハードウェアを用いた各種分子系における基底および電子励起状態の取得について述べる。
論文 参考訳（メタデータ） (2020-09-02T22:46:47Z)
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。