論文の概要: Machine Failure Detection Based on Projected Quantum Models

• arxiv url: http://arxiv.org/abs/2601.15641v1
• Date: Thu, 22 Jan 2026 04:43:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.49177
• Title: Machine Failure Detection Based on Projected Quantum Models
• Title（参考訳）: 予測量子モデルに基づく機械故障検出
• Authors: Larry Bowden, Qi Chu, Bernard Cena, Kentaro Ohno, Bob Parney, Deepak Sharma, Mitsuharu Takeori,
• Abstract要約: 本稿では,量子コンピューティングに基づく故障検出アルゴリズムと統計的変化点検出手法を提案する。 このアルゴリズムはIBMの133量子ビットのHeron量子プロセッサで実行された。
• 参考スコア（独自算出の注目度）: 5.964124989065923
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting machine failures promptly is of utmost importance in industry for maintaining efficiency and minimizing downtime. This paper introduces a failure detection algorithm based on quantum computing and a statistical change-point detection approach. Our method leverages the potential of projected quantum feature maps to enhance the precision of anomaly detection in machine monitoring systems. We empirically validate our approach on benchmark multi-dimensional time series datasets as well as on a real-world dataset comprising IoT sensor readings from operational machines, ensuring the practical relevance of our study. The algorithm was executed on IBM's 133-qubit Heron quantum processor, demonstrating the feasibility of integrating quantum computing into industrial maintenance procedures. The presented results underscore the effectiveness of our quantum-based failure detection system, showcasing its capability to accurately identify anomalies in noisy time series data. This work not only highlights the potential of quantum computing in industrial diagnostics but also paves the way for more sophisticated quantum algorithms in the realm of predictive maintenance.
• Abstract（参考訳）: 機械故障の迅速検出は、産業において、効率の維持とダウンタイムの最小化において最も重要である。 本稿では,量子コンピューティングに基づく故障検出アルゴリズムと統計的変化点検出手法を提案する。 提案手法は, 予測量子特徴写像のポテンシャルを利用して, マシン監視システムにおける異常検出の精度を高める。 我々は,マルチ次元時系列データセットのベンチマークと,オペレーショナルマシンからのIoTセンサ読み取りを含む実世界のデータセットに対するアプローチを実証的に検証し,本研究の実践的妥当性を確認した。 このアルゴリズムはIBMの133量子ビットのHeron量子プロセッサ上で実行され、量子コンピューティングを産業保守手順に統合する可能性を示した。 その結果, 故障検出システムの有効性を実証し, ノイズのある時系列データ中の異常を正確に識別する能力を示した。 この研究は、産業診断における量子コンピューティングの可能性を強調するだけでなく、予測的保守の領域におけるより洗練された量子アルゴリズムの道を開いた。

関連論文リスト

• Opportunities and Challenges for Data Quality in the Era of Quantum Computing [2.206623168926072]
  データ品質向上のための量子コンピューティングの潜在的な利点について検討する。 株式市場データにおけるボラティリティ体制の変化を検出するための技術的実装を提案する。 データ品質タスクに量子コンピューティングを適用する際の未解決の課題と制限を特定します。
  論文  参考訳（メタデータ） (2025-11-30T12:41:26Z)
• Quantum Pattern Detection: Accurate State- and Circuit-based Analyses [2.564905016909138]
  状態および回路ベースコード解析を用いた量子パターンの自動検出のためのフレームワークを提案する。 経験的評価では、我々のフレームワークは量子パターンを非常に正確に検出することができ、既存の量子パターン検出手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-01-27T09:42:41Z)
• The curse of random quantum data [62.24825255497622]
  量子データのランドスケープにおける量子機械学習の性能を定量化する。 量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。 この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
  論文  参考訳（メタデータ） (2024-08-19T12:18:07Z)
• Quantum Visual Feature Encoding Revisited [8.839645003062456]
  本稿では,量子機械学習の初期段階である量子視覚符号化戦略を再考する。 根本原因を調べた結果,既存の量子符号化設計では符号化処理後の視覚的特徴の情報保存が不十分であることが判明した。 我々は、このギャップを最小限に抑えるために、量子情報保存と呼ばれる新しい損失関数を導入し、量子機械学習アルゴリズムの性能を向上した。
  論文  参考訳（メタデータ） (2024-05-30T06:15:08Z)
• 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)
• Robustness Verification of Quantum Classifiers [1.3534683694551501]
  我々は、雑音に対する量子機械学習アルゴリズムの検証と解析のための正式なフレームワークを定義する。 堅牢な境界が導出され、量子機械学習アルゴリズムが量子トレーニングデータに対して堅牢であるか否かを確認するアルゴリズムが開発された。 我々のアプローチはGoogleのQuantum分類器に実装されており、ノイズの小さな乱れに関して量子機械学習アルゴリズムの堅牢性を検証することができる。
  論文  参考訳（メタデータ） (2020-08-17T11:56:23Z)
• Statistical Limits of Supervised Quantum Learning [90.0289160657379]
  精度の制約を考慮すると、教師付き学習のための量子機械学習アルゴリズムは入力次元における多対数ランタイムを達成できないことを示す。 より効率的な古典的アルゴリズムよりも、教師あり学習のための量子機械学習アルゴリズムの方が、ほとんどの場合スピードアップできると結論付けている。
  論文  参考訳（メタデータ） (2020-01-28T17:35:32Z)

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。