論文の概要: Quantum Kernel Anomaly Detection Using AR-Derived Features from Non-Contact Acoustic Monitoring for Smart Manufacturing

• arxiv url: http://arxiv.org/abs/2510.05594v1
• Date: Tue, 07 Oct 2025 05:42:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 17:57:08.114746
• Title: Quantum Kernel Anomaly Detection Using AR-Derived Features from Non-Contact Acoustic Monitoring for Smart Manufacturing
• Title（参考訳）: スマートマニュファクチャリングのための非接触音響モニタリングによるAR特性を用いた量子カーネル異常検出
• Authors: Takao Tomono, Kazuya Tsujimura,
• Abstract要約: 本研究は,非接触センサを用いた異常検出のための量子カーネルの利用について検討する。 最小限の非接触センサを用いて, ノイズの多い工場環境において, 量子カーネル法が頑健なマルチクラス異常検出を実現することを示す。
• 参考スコア（独自算出の注目度）: 0.28647133890966986
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The evolution of manufacturing toward smart factories has underscored major challenges in equipment maintenance, particularly the dependence on numerous contact sensors for anomaly detection, leading to increased sensor complexity and computational costs. This study explores the use of quantum kernels to enhance anomaly detection based on noncontact sensors. We hypothesize that the expressive power of quantum feature spaces can effectively discriminate among multiple anomaly types using fewer sensors. Experiments were conducted on two types of manufacturing equipment a conveyor and a chain belt machine where a single directional microphone was placed at varying distances (0 to 3 m) to capture audio data. The signals were processed using autoregressive (AR) modeling to extract coefficient based features, which were then mapped into quantum feature space via quantum kernels for one class SVM classification. The quantum kernel classifiers achieved consistently high accuracy and F1 scores (more than 0.92) across all distances, while classical counterparts exhibited significant degradation beyond 0 m. Visualization of the feature space revealed clear separability, with distinct quadrants corresponding to different anomaly types: conveyor anomalies were mainly distributed in the second quadrant, and chain belt anomalies clustered in the fourth. These results demonstrate that quantum kernel methods can achieve robust, multi class anomaly detection in noisy factory environments using minimal non contact sensors. This represents a significant advancement toward quantum enhanced smart factories with reduced sensing infrastructure and improved maintenance efficiency. This work has been accepted for presentation at IEEE QCE25 and will appear in the IEEE Xplore Digital Library.
• Abstract（参考訳）: スマートファクトリーへの製造の進化は、機器のメンテナンスにおける大きな課題、特に異常検出のための多数のコンタクトセンサーへの依存を浮き彫りにしており、センサの複雑さと計算コストが増大している。 本研究は,非接触センサを用いた異常検出のための量子カーネルの利用について検討する。 量子特徴空間の表現力は、より少ないセンサを用いて複数の異常タイプを効果的に識別できるという仮説を立てる。 コンベアとチェーンベルトの2種類の製造装置で実験を行い, 単方向マイクロホンを異なる距離(0～3m)に配置し, 音声データをキャプチャした。 信号は自己回帰(AR)モデルを用いて処理され、係数に基づく特徴を抽出し、量子カーネルを介して量子特徴空間にマッピングし、SVMを1つのクラスに分類した。 量子カーネル分類器は、常に高い精度を達成し、F1スコア(0.92以上)は全ての距離にわたって達成された。 特徴空間の可視化により, 異種異型に対応し, 異型異型異型異型異型異型異型異型異型異型異型異型異型異型異型異型同型異型異型異型異型異型異型異型異型異型異型異型異型異型同型異型異型異型異型異型異型異型異型異型異型異型異型異型異型異型異型異型異型異型異型異型異型同型異型異型異型異型異型異性異性異性異性が認められた。 これらの結果は、最小限の非接触センサを用いて、ノイズの多い工場環境において、量子カーネル法が堅牢なマルチクラス異常検出を実現することを実証している。 これは、検知インフラを減らし、メンテナンス効率を向上した量子強化スマートファクトリへの大きな進歩を示している。 この研究はIEEE QCE25で発表され、IEEE Xplore Digital Libraryに掲載される予定である。

関連論文リスト

• Anticipating Decoherence: a Predictive Framework for Enhancing Coherence in Quantum Emitters [96.41185946460115]
  遠隔量子エミッタにおける予測とデコヒーレンスエンジニアリングのための予測フレームワークを開発する。 限られたデータに基づいてトレーニングされた機械学習モデルは、目に見えないスペクトルの振る舞いを正確に予測できることを示す。 これらの結果は、スケーラブル量子システムにおけるリアルタイムデコヒーレンスエンジニアリングの道を開いた。
  論文  参考訳（メタデータ） (2025-08-04T17:23:14Z)
• Experimental distributed quantum sensing in a noisy environment [0.10840985826142428]
  我々は、トラップイオンセンサーを用いて、関連するセンシングプロトコルを実験的に実証した。 多次元センサの絡み合った状態が生成され、信号を分離し、最適に検出する。
  論文  参考訳（メタデータ） (2025-01-15T16:42:55Z)
• Quantum-enhanced learning with a controllable bosonic variational sensor network [0.40964539027092906]
  絡み合ったセンサネットワーク(SLAEN)による教師付き学習 本稿では非線形データ分類タスクを処理できるSLAENを提案する。 分類誤差のしきい値現象は、プローブのエネルギーが一定のしきい値を超えると、誤差は劇的にゼロになる。
  論文  参考訳（メタデータ） (2024-04-28T19:41:40Z)
• Dual-path Frequency Discriminators for Few-shot Anomaly Detection [12.956761809902167]
  本稿では、これらの問題に対処するために、周波数観点からDual-Path Frequency Discriminator (DFD)ネットワークを提案する。 識別者は擬似アノマリーの形で共同表現を学ぶ。 MVTec AD と VisA ベンチマークで行った実験では、DFD が現在の最先端手法を超越していることが示されている。
  論文  参考訳（メタデータ） (2024-03-07T02:17:59Z)
• Quantum error mitigation for Fourier moment computation [49.1574468325115]
  本稿では、超伝導量子ハードウェアにおける核効果場理論の文脈におけるフーリエモーメントの計算に焦点を当てる。 この研究は、制御反転ゲートを用いたアダマール試験にエコー検証と雑音再正規化を統合した。 ノイズモデルを用いて解析した結果,2桁のノイズ強度が顕著に低下することが判明した。
  論文  参考訳（メタデータ） (2024-01-23T19:10:24Z)
• Non-Markovian cost function for quantum error mitigation with Dirac Gamma matrices representation [0.0]
  我々は,NISQデバイスに対して,量子状態進化の非マルコフモデルと対応するQEMコスト関数を導入する。 入力状態の異なる2ビット動作におけるアイデンティティとSWAPゲート操作に対する出力量子状態の変動を評価する。 この結果から,量子システムと環境との結合強度が増大するにつれて,QEMコスト関数も増大することがわかった。
  論文  参考訳（メタデータ） (2023-05-23T18:38:09Z)
• Noisy Quantum Kernel Machines [58.09028887465797]
  量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。 消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。 量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
  論文  参考訳（メタデータ） (2022-04-26T09:52:02Z)
• Giant-cavity-based quantum sensors with enhanced performance [0.0]
  本稿では,初めて巨大キャビティ型量子センサを提案する。 複数の位置依存結合は、キャビティ間の本質的に非相互結合を誘導することができる。
  論文  参考訳（メタデータ） (2022-04-05T08:22:47Z)
• Multi-level Quantum Noise Spectroscopy [40.434546680037606]
  既存の量子ノイズ分光プロトコルは、量子システムに影響を与えるノイズの集合量を測定する。 超伝導量子ビットのマルチレベルエネルギー構造を利用するスピンロックベースのQNSプロトコルを提案し,実験的に検証する。
  論文  参考訳（メタデータ） (2020-03-05T17:31:30Z)

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。