論文の概要: Quantum Artificial Intelligence (QAI): Foundations, Architectural Elements, and Future Directions

• arxiv url: http://arxiv.org/abs/2511.09884v1
• Date: Fri, 14 Nov 2025 01:16:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.549855
• Title: Quantum Artificial Intelligence (QAI): Foundations, Architectural Elements, and Future Directions
• Title（参考訳）: 量子人工知能(QAI):基礎、建築要素、今後の方向性
• Authors: Siva Sai, Rajkumar Buyya,
• Abstract要約: ミッションクリティカル(MC)アプリケーションは不確実性の下での信頼性、決定論的、低レイテンシな意思決定を必要とする。 量子人工知能(QAI)は、古典的なMLモデルが直面する課題に対して、変革的なソリューションを提供することができる。 航空宇宙、防衛、サイバーセキュリティ、スマートグリッド、災害管理といった主要なアプリケーション分野について論じる。
• 参考スコア（独自算出の注目度）: 17.656437749277575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mission critical (MC) applications such as defense operations, energy management, cybersecurity, and aerospace control require reliable, deterministic, and low-latency decision making under uncertainty. Although the classical Machine Learning (ML) approaches are effective, they often struggle to meet the stringent constraints of robustness, timing, explainability, and safety in the MC domains. Quantum Artificial Intelligence (QAI), the fusion of machine learning and quantum computing (QC), can provide transformative solutions to the challenges faced by classical ML models. In this paper, we provide a comprehensive exploration of QAI for MC systems. We begin with a conceptual background to quantum computing, MC systems, and quantum machine learning (QAI). We then examine the core mechanisms and algorithmic principles of QAI in MC systems, including quantum-enhanced learning pipelines, quantum uncertainty quantification, and quantum explainability frameworks. Subsequently, we discuss key application areas like aerospace, defense, cybersecurity, smart grids, and disaster management, focusing on the role of QA in enhancing fault tolerance, real-time intelligence, and adaptability. We provide an exploration of the positioning of QAI for MC systems in the industry in terms of deployment. We also propose a model for management of quantum resources and scheduling of applications driven by timeliness constraints. We discuss multiple challenges, including trainability limits, data access, and loading bottlenecks, verification of quantum components, and adversarial QAI. Finally, we outline future research directions toward achieving interpretable, scalable, and hardware-feasible QAI models for MC application deployment.
• Abstract（参考訳）: 防衛、エネルギー管理、サイバーセキュリティ、航空宇宙管理といったミッションクリティカルな応用には、不確実性の下での信頼性、決定性、低レイテンシな意思決定が必要である。 古典的な機械学習(ML)アプローチは効果的だが、MCドメインの堅牢性、タイミング、説明可能性、安全性の厳しい制約を満たすのに苦労することが多い。 機械学習と量子コンピューティング(QC)の融合である量子人工知能(QAI)は、古典的なMLモデルが直面する課題に対する変革的な解決策を提供する。 本稿では,MCシステムを対象としたQAIの総合的な探索を行う。 まず、量子コンピューティング、MCシステム、量子機械学習(QAI)の概念的な背景から始める。 次に、量子強化学習パイプライン、量子不確実性量子化、および量子説明可能性フレームワークを含む、MCシステムにおけるQAIのコアメカニズムとアルゴリズム原理について検討する。 次に、空域、防衛、サイバーセキュリティ、スマートグリッド、災害管理といった主要な応用分野について論じ、耐故障性、リアルタイムインテリジェンス、適応性の向上におけるQAの役割に焦点を当てる。 我々は,産業界におけるMCシステムにおけるQAIの位置づけを,展開の観点から調査する。 また、スケジュール制約によって駆動される量子リソースの管理とアプリケーションのスケジューリングのモデルを提案する。 トレーニング可能性制限、データアクセス、ロードボトルネック、量子コンポーネントの検証、敵QAIなど、さまざまな課題について論じる。 最後に、MCアプリケーションデプロイメントのための解釈可能、スケーラブル、およびハードウェア対応QAIモデルの実現に向けた今後の研究方向性について概説する。

関連論文リスト

• Quantum Resource Management in the NISQ Era: Challenges, Vision, and a Runtime Framework [41.99844472131922]
  我々は,実行時対応の量子ソフトウェア開発のためのビジョンを提案し,その実現に向けた重要な課題を特定する。 本稿では,動的リソース評価に基づく量子プログラムの条件付き実行を可能にするプロトタイプフレームワークであるQonsciousを紹介する。
  論文  参考訳（メタデータ） (2025-08-23T15:34:12Z)
• Quantum Resource Management in the NISQ Era: Implications and Perspectives from Software Engineering [44.99833362998488]
  NISQデバイスの利用における資源の役割を分析し、量子ソフトウェア工学におけるその意義と意義を明らかにする。 我々は、量子資源推定(QRE)の分野を強化し、スケーラブルで信頼性の高い量子ソフトウェア開発へと進むことを目指している。
  論文  参考訳（メタデータ） (2025-08-06T19:15:57Z)
• 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)
• 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)
• Quantum Machine Learning: An Interplay Between Quantum Computing and Machine Learning [54.80832749095356]
  量子機械学習(QML)は、量子コンピューティングの原理と従来の機械学習を組み合わせた急速に成長する分野である。 本稿では,変分量子回路を用いてQMLアーキテクチャを開発する機械学習パラダイムの量子コンピューティングについて述べる。
  論文  参考訳（メタデータ） (2024-11-14T12:27:50Z)
• 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)
• Potential and limitations of quantum extreme learning machines [55.41644538483948]
  本稿では,QRCとQELMをモデル化するフレームワークを提案する。 我々の分析は、QELMとQRCの両方の機能と限界をより深く理解するための道を開いた。
  論文  参考訳（メタデータ） (2022-10-03T09:32:28Z)
• Recent Advances for Quantum Neural Networks in Generative Learning [98.88205308106778]
  量子生成学習モデル(QGLM)は、古典的な学習モデルを上回る可能性がある。 機械学習の観点からQGLMの現状を概観する。 従来の機械学習タスクと量子物理学の両方におけるQGLMの潜在的な応用について論じる。
  論文  参考訳（メタデータ） (2022-06-07T07:32:57Z)

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。