論文の概要: QSTAformer: A Quantum-Enhanced Transformer for Robust Short-Term Voltage Stability Assessment against Adversarial Attacks

• arxiv url: http://arxiv.org/abs/2512.09936v1
• Date: Sat, 29 Nov 2025 16:45:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 04:16:52.584121
• Title: QSTAformer: A Quantum-Enhanced Transformer for Robust Short-Term Voltage Stability Assessment against Adversarial Attacks
• Title（参考訳）: QSTAformer: 対向攻撃に対するロバスト短期電圧安定性評価のための量子化変換器
• Authors: Yang Li, Chong Ma, Yuanzheng Li, Sen Li, Yanbo Chen, Zhaoyang Dong,
• Abstract要約: 短期電圧安定性評価(STVSA)は、安全な電力系統運用に不可欠である。 本稿では、パラメータ化量子回路をアテンション機構に組み込むQSTAformer-a tailored quantum-enhanced Transformerアーキテクチャを提案する。 ホワイトボックスとグレイボックスの攻撃を防御するために、専用の敵の訓練戦略が開発されている。
• 参考スコア（独自算出の注目度）: 16.136670343047307
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Short-term voltage stability assessment (STVSA) is critical for secure power system operation. While classical machine learning-based methods have demonstrated strong performance, they still face challenges in robustness under adversarial conditions. This paper proposes QSTAformer-a tailored quantum-enhanced Transformer architecture that embeds parameterized quantum circuits (PQCs) into attention mechanisms-for robust and efficient STVSA. A dedicated adversarial training strategy is developed to defend against both white-box and gray-box attacks. Furthermore, diverse PQC architectures are benchmarked to explore trade-offs between expressiveness, convergence, and efficiency. To the best of our knowledge, this is the first work to systematically investigate the adversarial vulnerability of quantum machine learning-based STVSA. Case studies on the IEEE 39-bus system demonstrate that QSTAformer achieves competitive accuracy, reduced complexity, and stronger robustness, underscoring its potential for secure and scalable STVSA under adversarial conditions.
• Abstract（参考訳）: 短期電圧安定性評価(STVSA)は、安全な電力系統運用に不可欠である。 古典的な機械学習に基づく手法は強い性能を示してきたが、敵の条件下では頑強さの課題に直面している。 本稿では、パラメータ化量子回路(PQC)をロバストで効率的なSTVSAに組み込むQSTAformer-a tailored quantum-enhanced Transformerアーキテクチャを提案する。 ホワイトボックスとグレイボックスの攻撃を防御するために、専用の敵の訓練戦略が開発されている。 さらに、多種多様なPQCアーキテクチャをベンチマークして、表現性、収束性、効率性のトレードオフを探索する。 我々の知る限りでは、量子機械学習ベースのSTVSAの敵対的脆弱性を体系的に調査する最初の試みである。 IEEE 39-busシステムに関するケーススタディでは、QSTAformerが競合精度、複雑性の低減、強靭性を達成し、敵の条件下でのセキュアでスケーラブルなSTVSAの可能性を示している。

関連論文リスト

• QuantumShield: Multilayer Fortification for Quantum Federated Learning [7.283533791778357]
  本稿では,分散学習システムを量子対応敵の脅威から守るために設計された量子セキュアフェデレーション学習(QFL)フレームワークを提案する。 我々は、QFLプロセスを古典的および量子的脅威の両方に対して強化するために、先進的な量子および後量子プロトコルを統合し、厳格に評価する。
  論文  参考訳（メタデータ） (2025-10-27T02:59:33Z)
• Game-Theoretic Resilience Framework for Cyber-Physical Microgrids using Multi-Agent Reinforcement Learning [0.26097841018267615]
  本稿では,レジリエンスの評価と向上を目的とした,数学的に厳密なゲーム理論フレームワークを提案する。 このフレームワークは、DERと制御スイッチを備えた拡張33バス配信システムでテストされる。
  論文  参考訳（メタデータ） (2025-09-10T06:07:34Z)
• Performance and Storage Analysis of CRYSTALS Kyber as a Post Quantum Replacement for RSA and ECC [45.88028371034407]
  CRYSTALS-Kyberは、2022年にNISTによって標準化されたポスト量子暗号ソリューションである。 本研究は,様々な実装方式における性能試験を通じて,Kyberの実用可能性を評価する。
  論文  参考訳（メタデータ） (2025-08-03T09:53:45Z)
• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Instantaneous Quantum Polynomial-Time Sampling and Verifiable Quantum Advantage: Stabilizer Scheme and Classical Security [1.5647673631415648]
  安定器方式と呼ばれるIQPサンプリングプロトコルのファミリを導入する。 また,Hydden Structured Code (HSC) 問題を数学的問題として導入する。
  論文  参考訳（メタデータ） (2023-08-14T14:03:33Z)
• Quantum Machine Learning for Power System Stability Assessment [7.146059733442307]
  過渡安定性評価(tsa)は、今日の連系電力網の弾力性運用の基礎である。 低深度で表現性の高い量子ニューラルネットワークである量子TSA(qTSA)法を考案し,スケーラブルかつ効率的なデータ駆動過渡安定性予測を実現する。
  論文  参考訳（メタデータ） (2021-04-10T20:26:09Z)

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。