論文の概要: Q-SafeML: Safety Assessment of Quantum Machine Learning via Quantum Distance Metrics

• arxiv url: http://arxiv.org/abs/2509.04536v1
• Date: Thu, 04 Sep 2025 07:20:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-08 14:27:25.364518
• Title: Q-SafeML: Safety Assessment of Quantum Machine Learning via Quantum Distance Metrics
• Title（参考訳）: Q-SafeML: 量子距離メトリックによる量子機械学習の安全性評価
• Authors: Oliver Dunn, Koorosh Aslansefat, Yiannis Papadopoulos,
• Abstract要約: 本稿では,量子機械学習(QML)の安全性監視手法であるQ-SafeMLを紹介する。 Q-SafeMLの適応バージョンには量子中心距離測度が組み込まれており、QML出力の確率的性質と一致している。 QCNNとVQC Modelsの実験によると、これは人間の情報監視を可能にし、システムの透明性と安全性を高める。
• 参考スコア（独自算出の注目度）: 0.5097809301149341
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rise of machine learning in safety-critical systems has paralleled advancements in quantum computing, leading to the emerging field of Quantum Machine Learning (QML). While safety monitoring has progressed in classical ML, existing methods are not directly applicable to QML due to fundamental differences in quantum computation. Given the novelty of QML, dedicated safety mechanisms remain underdeveloped. This paper introduces Q-SafeML, a safety monitoring approach for QML. The method builds on SafeML, a recent method that utilizes statistical distance measures to assess model accuracy and provide confidence in the reasoning of an algorithm. An adapted version of Q-SafeML incorporates quantum-centric distance measures, aligning with the probabilistic nature of QML outputs. This shift to a model-dependent, post-classification evaluation represents a key departure from classical SafeML, which is dataset-driven and classifier-agnostic. The distinction is motivated by the unique representational constraints of quantum systems, requiring distance metrics defined over quantum state spaces. Q-SafeML detects distances between operational and training data addressing the concept drifts in the context of QML. Experiments on QCNN and VQC Models show that this enables informed human oversight, enhancing system transparency and safety.
• Abstract（参考訳）: 安全クリティカルなシステムにおける機械学習の台頭は、量子コンピューティングの進歩を平行させ、量子機械学習(QML)の新たな分野へと繋がった。 古典的MLでは安全性の監視が進んでいるが、量子計算の基本的な違いのため、既存の手法は直接QMLに適用できない。 QMLの新規性を考えると、専用の安全機構はまだ未開発である。 本稿では,QMLの安全性監視手法であるQ-SafeMLを紹介する。 この手法は、統計距離測定を利用してモデル精度を評価し、アルゴリズムの推論に信頼性を与える新しい手法であるSafeMLに基づいて構築される。 Q-SafeMLの適応版には量子中心距離測度が組み込まれており、QML出力の確率的性質と一致している。 このモデルに依存した後分類評価へのシフトは、データセット駆動で分類器に依存しない古典的なSafeMLから重要な離脱を意味する。 この区別は量子系のユニークな表現的制約によって動機付けられ、量子状態空間上で定義された距離メトリクスを必要とする。 Q-SafeMLは、概念のドリフトに対処する運用データとトレーニングデータの間の距離をQMLのコンテキストで検出する。 QCNNとVQC Modelsの実験によると、これは人間の情報監視を可能にし、システムの透明性と安全性を高める。

関連論文リスト

• Quantum Machine Learning [0.8544206632559302]
  量子機械学習(QML)は、量子コンピューティングの先進的なユースケースの一つとして広く考えられている。 本章では、QMLの基本について紹介し、QMLの分野における最近の進歩と今後の動向について概観する。 MLタスクにおいて量子優位を達成するための重要な機会を強調し、現在QMLの分野で直面しているいくつかのオープンな課題について説明する。
  論文  参考訳（メタデータ） (2025-06-14T00:58:54Z)
• QML-IDS: Quantum Machine Learning Intrusion Detection System [1.2016264781280588]
  本稿では量子コンピューティングと古典コンピューティングを組み合わせた新しい侵入検知システムQML-IDSを提案する。 QML-IDSはQuantum Machine Learning(QML)手法を用いてネットワークパターンを分析し、攻撃活動を検出する。 我々は,QML-IDSが攻撃検出に有効であることを示し,バイナリおよびマルチクラス分類タスクで良好に動作することを示す。
  論文  参考訳（メタデータ） (2024-10-07T13:07:41Z)
• Predominant Aspects on Security for Quantum Machine Learning: Literature Review [0.0]
  量子機械学習(Quantum Machine Learning, QML)は、量子コンピューティングと古典的な機械学習の有望な交わりとして登場した。 本稿では,セキュリティ上の懸念と強みがQMLとどのように結びついているのかを,系統的な文献レビューを用いて論じる。
  論文  参考訳（メタデータ） (2024-01-15T15:35:43Z)
• Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
  我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。 評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-26T18:23:21Z)
• QKSAN: A Quantum Kernel Self-Attention Network [53.96779043113156]
  量子カーネル法(Quantum Kernel Methods, QKM)のデータ表現能力とSAMの効率的な情報抽出能力を組み合わせた量子カーネル自己認識機構(Quantum Kernel Self-Attention Mechanism, QKSAM)を導入する。 量子カーネル自己保持ネットワーク(QKSAN)フレームワークは,DMP(Dederred Measurement Principle)と条件測定技術を巧みに組み込んだQKSAMに基づいて提案されている。 4つのQKSANサブモデルはPennyLaneとIBM Qiskitプラットフォームにデプロイされ、MNISTとFashion MNISTのバイナリ分類を実行する。
  論文  参考訳（メタデータ） (2023-08-25T15:08:19Z)
• Robust and efficient verification of graph states in blind measurement-based quantum computation [52.70359447203418]
  Blind Quantum Computing (BQC) は、クライアントのプライバシを保護するセキュアな量子計算手法である。 資源グラフ状態が敵のシナリオで正確に準備されているかどうかを検証することは重要である。 本稿では,任意の局所次元を持つ任意のグラフ状態を検証するための,堅牢で効率的なプロトコルを提案する。
  論文  参考訳（メタデータ） (2023-05-18T06:24:45Z)
• Single-photon-memory measurement-device-independent quantum secure direct communication [63.75763893884079]
  量子セキュアダイレクト通信(QSDC)は、量子チャネルを使用して情報を確実かつ安全に送信する。 実用検出器によるセキュリティの抜け穴を取り除くため,測定デバイス非依存(MDI)QSDCプロトコルが提案されている。 高速な量子メモリを不要とする単一光子メモリ MDI QSDC プロトコル (SPMQC) を提案する。
  論文  参考訳（メタデータ） (2022-12-12T02:23:57Z)
• 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)

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。