論文の概要: TARA Test-by-Adaptive-Ranks for Quantum Anomaly Detection with Conformal Prediction Guarantees

• arxiv url: http://arxiv.org/abs/2512.04016v1
• Date: Wed, 03 Dec 2025 17:53:38 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 12:17:01.49139
• Title: TARA Test-by-Adaptive-Ranks for Quantum Anomaly Detection with Conformal Prediction Guarantees
• Title（参考訳）: 等角予測保証を用いた量子異常検出のためのTARAテスト・バイ・アダプティブ・ラーク
• Authors: Davut Emre Tasar, Ceren Ocal Tasar,
• Abstract要約: 量子鍵分布(QKD)のセキュリティは、古典的な盗聴者シミュレーションと真の量子相関を区別する能力に依存する。 量子異常検出のための整合予測とシーケンシャルマーチンゲール検定を組み合わせた新しいフレームワークであるTARAを紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Quantum key distribution (QKD) security fundamentally relies on the ability to distinguish genuine quantum correlations from classical eavesdropper simulations, yet existing certification methods lack rigorous statistical guarantees under finite-sample conditions and adversarial scenarios. We introduce TARA (Test by Adaptive Ranks), a novel framework combining conformal prediction with sequential martingale testing for quantum anomaly detection that provides distribution-free validity guarantees. TARA offers two complementary approaches. TARA k, based on Kolmogorov Smirnov calibration against local hidden variable (LHV) null distributions, achieving ROC AUC = 0.96 for quantum-classical discrimination. And TARA-m, employing betting martingales for streaming detection with anytime valid type I error control that enables real time monitoring of quantum channels. We establish theoretical guarantees proving that under (context conditional) exchangeability, conformal p-values remain uniformly distributed even for strongly contextual quantum data, confirming that quantum contextuality does not break conformal prediction validity a result with implications beyond quantum certification to any application of distribution-free methods to nonclassical data. Extensive validation on both IBM Torino (superconducting, CHSH = 2.725) and IonQ Forte Enterprise (trapped ion, CHSH = 2.716) quantum processors demonstrates cross-platform robustness, achieving 36% security margins above the classical CHSH bound of 2. Critically, our framework reveals a methodological concern affecting quantum certification more broadly: same-distribution calibration can inflate detection performance by up to 44 percentage points compared to proper cross-distribution calibration, suggesting that prior quantum certification studies using standard train test splits may have systematically overestimated adversarial robustness.
• Abstract（参考訳）: 量子鍵分布(QKD)のセキュリティは、古典的な盗聴器シミュレーションと真の量子相関を区別する能力に基本的に依存しているが、既存の認証法では、有限サンプル条件や敵シナリオの下で厳密な統計的保証を欠いている。 本稿では、共形予測と逐次マーチンゲール検定を組み合わせた新しいフレームワークであるTARA(Test by Adaptive Ranks)を紹介する。 TARAは2つの補完的なアプローチを提供する。 TARA k は、局所隠れ変数 (LHV) のnull分布に対するコルモゴロフ・スミルノフ校正に基づいており、量子古典的判別のために ROC AUC = 0.96 を達成する。 そしてTARA-mは、ストリーミング検出にベッティングマーチンガレットを使用し、量子チャネルのリアルタイム監視を可能にする有効なI型エラー制御を行う。 我々は、(コンテキスト条件付き)交換性の下では、強い文脈的量子データであっても共形p-値が均一に分布していることを証明する理論的な保証を確立し、非古典的データへの分布自由法の適用に量子的証明以上の意味を持つ結果が共形予測の妥当性を損なわないことを確認した。 IBM Torino(超伝導、CHSH = 2.725)およびIonQ Forte Enterprise(トラッピングイオン、CHSH = 2.716)の量子プロセッサの広範な検証は、クロスプラットフォームの堅牢性を示し、古典的なCHSH境界の2.6%を超えるセキュリティマージンを達成した。 同分布校正は、適切なクロスディストリビューション校正に比べて最大44パーセントまで検出性能を低下させることができるので、従来の標準列車試験分割を用いた量子認証研究は、体系的に逆方向の堅牢性を過大評価している可能性があることを示唆している。

関連論文リスト

• Adaptive Conformal Prediction for Quantum Machine Learning [1.9116784879310027]
  我々は、量子プロセッサに固有の時間変化ノイズが共形保証を損なう可能性があることを定式化する。 本稿では,任意のハードウェアノイズ条件下での平均カバレッジ保証を保持するアルゴリズムであるAdaptive Quantum Conformal Prediction (AQCP)を紹介する。
  論文  参考訳（メタデータ） (2025-11-23T00:04:03Z)
• TECP: Token-Entropy Conformal Prediction for LLMs [0.10742675209112619]
  Token-Entropy Conformal Prediction (TECP) は、トークンレベルのエントロピーをロジットフリーで参照不要な不確実性尺度として活用する新しいフレームワークである。 本手法は,ブラックボックスLLM設定における信頼に値する生成のための原理的かつ効率的なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-08-30T11:31:04Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Bayesian Quantum Amplitude Estimation [46.03321798937855]
  量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。 耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。 本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
  論文  参考訳（メタデータ） (2024-12-05T18:09:41Z)
• ConU: Conformal Uncertainty in Large Language Models with Correctness Coverage Guarantees [68.33498595506941]
  自己整合性理論に基づく新しい不確実性尺度を導入する。 次に,CPアルゴリズムに正当性に整合した不確かさ条件を組み込むことにより,適合性不確かさの基準を策定する。 実証的な評価は、我々の不確実性測定が過去の最先端手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-06-29T17:33:07Z)
• Classical certification of quantum gates under the dimension assumption [0.1874930567916036]
  本稿では,実用的なサーバユーザシナリオに適した量子ゲートの認証手法を提案する。 単一量子ビットの量子計算の普遍的な集合を構成するものを含む単一量子ビットのゲートに対しては、我々のアプローチが音響性を保証することを実証する。
  論文  参考訳（メタデータ） (2024-01-30T13:40:39Z)
• Conformal Prediction for Federated Uncertainty Quantification Under Label Shift [57.54977668978613]
  Federated Learning(FL)は、多くのクライアントが協力してモデルをトレーニングする機械学習フレームワークである。 我々は、量子回帰に基づく新しいコンフォメーション予測法を開発し、プライバシー制約を考慮した。
  論文  参考訳（メタデータ） (2023-06-08T11:54:58Z)
• Quantum Chernoff divergence in advantage distillation for quantum key distribution and device-independent quantum key distribution [0.0]
  デバイス非依存型量子鍵分布(DIQKD)は、量子デバイスにおける不完全性の敵対的利用を軽減することを目的としている。 量子チャーノフの発散を忠実さに置き換える別の証明構造を提案する。 本結果は、DIQKDが可能である状況に関する量子情報理論の基本的な問題に関する知見を提供する。
  論文  参考訳（メタデータ） (2022-12-14T01:44:23Z)
• Distribution-free uncertainty quantification for classification under label shift [105.27463615756733]
  2つの経路による分類問題に対する不確実性定量化(UQ)に焦点を当てる。 まず、ラベルシフトはカバレッジとキャリブレーションの低下を示すことでuqを損なうと論じる。 これらの手法を, 理論上, 分散性のない枠組みで検討し, その優れた実用性を示す。
  論文  参考訳（メタデータ） (2021-03-04T20:51:03Z)

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。