論文の概要: An Improved Quantum Software Challenges Classification Approach using Transfer Learning and Explainable AI

• arxiv url: http://arxiv.org/abs/2509.21068v1
• Date: Thu, 25 Sep 2025 12:19:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.894936
• Title: An Improved Quantum Software Challenges Classification Approach using Transfer Learning and Explainable AI
• Title（参考訳）: トランスファーラーニングと説明可能なAIを用いた量子ソフトウェア課題分類手法の改良
• Authors: Nek Dil Khan, Javed Ali Khan, Mobashir Husain, Muhammad Sohail Khan, Arif Ali Khan, Muhammad Azeem Akbar, Shahid Hussain,
• Abstract要約: 開発者はStack Overflow(SO)を使用して、課題について議論し、特殊な量子タグでポストをラベル付けする。 量子関連タグを用いてQ&Aプラットフォームから2829の質問を抽出した。 ポストは、頻繁な課題を特定し、新しい根拠理論を開発するために分析された。
• 参考スコア（独自算出の注目度）: 2.765435313371949
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum Software Engineering (QSE) is a research area practiced by tech firms. Quantum developers face challenges in optimizing quantum computing and QSE concepts. They use Stack Overflow (SO) to discuss challenges and label posts with specialized quantum tags, which often refer to technical aspects rather than developer posts. Categorizing questions based on quantum concepts can help identify frequent QSE challenges. We conducted studies to classify questions into various challenges. We extracted 2829 questions from Q&A platforms using quantum-related tags. Posts were analyzed to identify frequent challenges and develop a novel grounded theory. Challenges include Tooling, Theoretical, Learning, Conceptual, Errors, and API Usage. Through content analysis and grounded theory, discussions were annotated with common challenges to develop a ground truth dataset. ChatGPT validated human annotations and resolved disagreements. Fine-tuned transformer algorithms, including BERT, DistilBERT, and RoBERTa, classified discussions into common challenges. We achieved an average accuracy of 95% with BERT DistilBERT, compared to fine-tuned Deep and Machine Learning (D&ML) classifiers, including Feedforward Neural Networks (FNN), Convolutional Neural Networks (CNN), and Long Short-Term Memory networks (LSTM), which achieved accuracies of 89%, 86%, and 84%, respectively. The Transformer-based approach outperforms the D&ML-based approach with a 6\% increase in accuracy by processing actual discussions, i.e., without data augmentation. We applied SHAP (SHapley Additive exPlanations) for model interpretability, revealing how linguistic features drive predictions and enhancing transparency in classification. These findings can help quantum vendors and forums better organize discussions for improved access and readability. However,empirical evaluation studies with actual developers and vendors are needed.
• Abstract（参考訳）: 量子ソフトウェア工学(Quantum Software Engineering、QSE)は、テクノロジー企業による研究分野である。 量子コンピューティングとQSEの概念を最適化する上で、量子開発者は課題に直面している。 Stack Overflow(SO)を使用して、問題について議論し、特殊な量子タグでポストをラベル付けする。 量子概念に基づく質問の分類は、頻繁なQSE課題の特定に役立つ。 質問を様々な課題に分類する研究を行った。 量子関連タグを用いてQ&Aプラットフォームから2829の質問を抽出した。 ポストは、頻繁な課題を特定し、新しい根拠理論を開発するために分析された。 課題には、ツール、理論的、学習、概念、エラー、API利用などが含まれる。 コンテンツ分析と基底理論を通じて、基礎となる真理データセットを開発するための共通の課題が議論された。 ChatGPTは人間のアノテーションを検証し、意見の相違を解消した。 BERT、DistilBERT、RoBERTaなどの微調整トランスフォーマーアルゴリズムは、議論を共通の課題に分類した。 我々は,FNN(Feedforward Neural Networks),CNN(Convolutional Neural Networks),LSTM(Long Short-Term Memory Network)など,微調整されたDeep and Machine Learning(D&ML)分類器と比較して,BERT DistilBERTの平均95%の精度を達成し,それぞれ89%,86%,84%の精度を達成した。 Transformerベースのアプローチは、データ拡張なしで実際の議論を処理することによって、D&MLベースのアプローチよりも6倍の精度でパフォーマンスを向上する。 SHAP(SHapley Additive exPlanations)をモデル解釈性に適用し,言語的特徴が予測をどのように促進し,分類の透明性を高めるかを明らかにする。 これらの発見は、量子ベンダーやフォーラムが、アクセス性と可読性を改善するための議論を整理するのに役立ちます。 しかし、実際の開発者やベンダーとの実証的な評価研究が必要である。

関連論文リスト

• Advances in Machine Learning: Where Can Quantum Techniques Help? [0.0]
  量子機械学習(QML)は、量子コンピューティングと人工知能の交差点における有望なフロンティアである。 本稿では,従来の機械学習の計算ボトルネックに対処するQMLの可能性について検討する。
  論文  参考訳（メタデータ） (2025-07-11T07:47:47Z)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Question-Aware Knowledge Graph Prompting for Enhancing Large Language Models [51.47994645529258]
  本稿では,問合せをGNNアグリゲーションに組み込んでKG関連性を動的に評価するQAP(QA-Aware Knowledge Graph Prompting)を提案する。 実験の結果、QAPは複数のデータセットで最先端の手法よりも優れており、その有効性を強調している。
  論文  参考訳（メタデータ） (2025-03-30T17:09:11Z)
• Artificial Intelligence for Quantum Error Correction: A Comprehensive Review [17.607918324306596]
  このサーベイは、量子エラー補正スキームを強化するために人工知能(AI)ツールの使用の進歩をレビューする。 我々は機械学習(ML)戦略に重点を置いており、教師なし、教師なし、半教師付きから強化学習方法まで幅広い。 この結果から, これらの手法は従来手法に比べてQECパイプラインの効率と精度が優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-12-29T06:58:21Z)
• Quantum Bayesian Networks for Machine Learning in Oil-Spill Detection [3.9554540293311864]
  量子機械学習は、環境モニタリング、医療診断、金融モデリングといった様々な応用において有望であることを示している。 重要な課題のひとつは、希少なイベントがスキューデータ分散によって誤って分類される、不均衡なデータセットを扱うことだ。 本稿では,QBNを用いて衛星由来の不均衡データセットを分類し,非スパイル領域とオイルスパイル'を区別するベイズ的手法を提案する。
  論文  参考訳（メタデータ） (2024-12-24T15:44:26Z)
• Generalization Error Bound for Quantum Machine Learning in NISQ Era -- A Survey [37.69303106863453]
  我々は、NISQ時代における教師付き量子機械学習(QML)の最先端の一般化について、システムマッピング研究(SMS)を実施している。 本研究は,既存の計算プラットフォームを,量子ハードウェア,データセット,最適化手法,文献に見られる境界の共通特性で体系的に要約する。 SMSはまた、NISQ時代のQMLの限界と課題を強調し、分野を前進させる今後の研究の方向性について論じている。
  論文  参考訳（メタデータ） (2024-09-11T21:17:30Z)
• From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
  量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。 本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。 我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
  論文  参考訳（メタデータ） (2024-08-12T22:53:14Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• QA-GNN: Reasoning with Language Models and Knowledge Graphs for Question Answering [122.84513233992422]
  学習済み言語モデル(LM)と知識グラフ(KG)の知識を用いて質問に答える問題に対処する新しいモデルであるQA-GNNを提案する。 既存のLMとLM+KGモデルに対する改善と、解釈可能で構造化された推論を行う能力を示しています。
  論文  参考訳（メタデータ） (2021-04-13T17:32:51Z)

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。