論文の概要: Quantum enhanced ensemble GANs for anomaly detection in continuous biomanufacturing

• arxiv url: http://arxiv.org/abs/2508.21438v1
• Date: Fri, 29 Aug 2025 09:05:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.982371
• Title: Quantum enhanced ensemble GANs for anomaly detection in continuous biomanufacturing
• Title（参考訳）: 連続バイオマニュファクチャリングにおける異常検出のための量子増強型アンサンブルGAN
• Authors: Rajiv Kailasanathan, William R. Clements, Mohammad Reza Boskabadi, Shawn M. Gibford, Emmanouil Papadakis, Christopher J. Savoie, Seyed Soheil Mansouri,
• Abstract要約: バイオマニュファクチャリングプロセスは、プロセス変数間の複雑な関係を持つ非線形ダイナミクスを示す。 本稿では,GAN(Generative Adversarial Network)のアンサンブルに基づく連続バイオ製造における教師なし異常検出のための新しい枠組みを提案する。 シミュレーション量子回路と実フォトニック量子プロセッサの両方を用いたハイブリッド量子/古典的GANアプローチが異常検出性能に与える影響を評価する。
• 参考スコア（独自算出の注目度）: 0.9869989987231337
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The development of continuous biomanufacturing processes requires robust and early anomaly detection, since even minor deviations can compromise yield and stability, leading to disruptions in scheduling, reduced weekly production, and diminished economic performance. These processes are inherently complex and exhibit non-linear dynamics with intricate relationships between process variables, thus making advanced methods for anomaly detection essential for efficient operation. In this work, we present a novel framework for unsupervised anomaly detection in continuous biomanufacturing based on an ensemble of generative adversarial networks (GANs). We first establish a benchmark dataset simulating both normal and anomalous operation regimes in a continuous process for the production of a small molecule. We then demonstrate the effectiveness of our GAN-based framework in detecting anomalies caused by sudden feedstock variability. Finally, we evaluate the impact of using a hybrid quantum/classical GAN approach with both a simulated quantum circuit and a real photonic quantum processor on anomaly detection performance. We find that the hybrid approach yields improved anomaly detection rates. Our work shows the potential of hybrid quantum/classical approaches for solving real-world problems in complex continuous biomanufacturing processes.
• Abstract（参考訳）: 連続的なバイオマニュファクチャリングプロセスの開発には、小さな偏差でさえ収量や安定性を損なう可能性があるため、堅牢で早期な異常検出が必要である。 これらのプロセスは本質的に複雑であり、プロセス変数間の複雑な関係を持つ非線形ダイナミクスを示す。 本研究では,GAN(Generative Adversarial Network)のアンサンブルに基づく連続バイオ製造における教師なし異常検出のための新しい枠組みを提案する。 まず, 分子生成の連続過程において, 正常かつ異常な操作条件をシミュレートしたベンチマークデータセットを構築した。 次に,突然の飼料変動による異常検出におけるGANベースのフレームワークの有効性を実証した。 最後に、シミュレーション量子回路と実フォトニック量子プロセッサの両方を用いたハイブリッド量子/古典的GANアプローチが異常検出性能に与える影響を評価する。 その結果,ハイブリッド手法は異常検出率の向上をもたらすことがわかった。 本研究は, 複雑な連続バイオ製造プロセスにおける実世界の問題を解決するための, ハイブリッド量子/古典的アプローチの可能性を示す。

関連論文リスト

• Generate Aligned Anomaly: Region-Guided Few-Shot Anomaly Image-Mask Pair Synthesis for Industrial Inspection [53.137651284042434]
  異常検査は製造業において重要な役割を担っているが、異常サンプルの不足は既存の方法の有効性を制限している。 本稿では,GAA (Generate grained Anomaly) を提案する。 GAAは少数のサンプルのみを用いて現実的で多様で意味的に整合した異常を発生させる。
  論文  参考訳（メタデータ） (2025-07-13T12:56:59Z)
• Process mining-driven modeling and simulation to enhance fault diagnosis in cyber-physical systems [5.065341495341096]
  CPS(Cyber-Physical Systems)の故障診断は,システムの信頼性と運用効率の確保に不可欠である。 本稿では, 時系列, プロセスマイニング, シミュレーションにおける集団異常検出を統合した, 教師なし故障診断手法を提案する。 これにより、予測保守と産業環境のためのデジタルツインの開発を支援する総合的なフォールト辞書の作成が可能になる。
  論文  参考訳（メタデータ） (2025-06-26T17:29:37Z)
• Enhanced semi-supervised stamping process monitoring with physically-informed feature extraction [4.357691364971652]
  本研究では、加速度計信号と物理情報を利用して、プロセス異常を効果的に捕捉する半教師付きプロセス内異常監視フレームワークを提案する。 提案フレームワークは,プロセス内状態をリアルタイムで監視し,バッチ異常を防止できる不均衡なサンプル分布をもつモニタリングモデルの構築を容易にする。
  論文  参考訳（メタデータ） (2025-04-30T07:42:19Z)
• Component-aware Unsupervised Logical Anomaly Generation for Industrial Anomaly Detection [31.27483219228598]
  異常検出は、製品の品質を確保し、自動化プロセスの効率を向上させるために、工業生産において重要である。 最近の生成モデルは、しばしば偽陽性を増大させる非現実的な異常を発生させるか、訓練のために現実世界の異常サンプルを必要とする。 本稿では,論理的異常生成のギャップに対処するコンポーネント・アウェアで教師なしのフレームワークであるComGENを提案する。
  論文  参考訳（メタデータ） (2025-02-17T11:54:43Z)
• High-Dimensional Markov-switching Ordinary Differential Processes [23.17395115394655]
  まず, 離散サンプルから連続サンプル経路を復元し, プロセスのパラメータを推定する2段階アルゴリズムを開発した。 我々は,その過程が$beta$-mixingである場合の統計的誤差と線形収束保証に関する新しい理論的知見を提供する。 本モデルを用いて,ADHD群と正常制御群における静止状態脳ネットワークの差異について検討する。
  論文  参考訳（メタデータ） (2024-12-30T18:41:28Z)
• Observation of disorder-free localization using a (2+1)D lattice gauge theory on a quantum processor [118.01172048932149]
  量子多体系における障害によって引き起こされる現象は、解析法や数値シミュレーションに重大な課題をもたらす。 チューナブルな状態における量子回路を、全ての障害構成上の重ね合わせについて検討する。
  論文  参考訳（メタデータ） (2024-10-09T05:28:14Z)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• Causality-Based Multivariate Time Series Anomaly Detection [63.799474860969156]
  我々は、因果的観点から異常検出問題を定式化し、多変量データを生成するための通常の因果的メカニズムに従わない事例として、異常を考察する。 次に、まずデータから因果構造を学習し、次に、あるインスタンスが局所因果機構に対して異常であるかどうかを推定する因果検出手法を提案する。 我々は、実世界のAIOpsアプリケーションに関するケーススタディと同様に、シミュレートされたデータセットとパブリックなデータセットの両方を用いて、私たちのアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-30T06:00:13Z)
• Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
  経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。 分散による離散乗法雑音のパラメータによく現れることを示す。 最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
  論文  参考訳（メタデータ） (2020-06-11T09:58:01Z)

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。