論文の概要: The Need for Quantitative Resilience Models and Metrics in Classical-Quantum Computing Systems

• arxiv url: http://arxiv.org/abs/2603.06709v1
• Date: Thu, 05 Mar 2026 19:07:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:12.895335
• Title: The Need for Quantitative Resilience Models and Metrics in Classical-Quantum Computing Systems
• Title（参考訳）: 古典量子コンピューティングシステムにおける定量的レジリエンスモデルとメトリクスの必要性
• Authors: Santiago Núñez-Corrales,
• Abstract要約: ここでは、レジリエンスはHPC-QPU統合の後の考えではなく、強調優先設計の制約となる必要があると述べる。 本稿では, 土木工学におけるレジリエンス手法が, 古典量子コンピューティングスタックの様々なレベルに適用可能であることを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Increasingly deeper integration of HPC resources and QPUs unveils new challenges in computer architecture and engineering. As a consequence, dependability arises again as a concern encompassing resilience, reproducibility and security. The properties of quantum computing systems involve a reinterpretation of these factors in retrodictive, predictive, and prescriptive ways. We state here that resilience must become an \emph{a priori} design constraint rather than an afterthought of HPC-QPU integration. This article describes the need for conceptual and quantitative models to estimate and assess the resilience hybrid classical-quantum computing infrastructure. We suggest how resilience methods in civil engineering can apply at various levels of the classical-quantum computing stack. We also discuss implications of a model of end-user value for the estimation of consequences resulting from the propagation of vulnerabilities from a given level of the stack upwards. Finally, we argue in favor of new resilience models can help the impact of improving specific components in quantum technology stacks to provide a clearer picture about the value of separation of concerns across different layers. Ultimately, HPC-QPU integration will increasingly demand more precise statements about the cost-benefit ratio of specific system improvements and their cascading consequences against estimates of delivered value to users.
• Abstract（参考訳）: HPCリソースとQPUのより深い統合は、コンピュータアーキテクチャとエンジニアリングにおける新たな課題を浮き彫りにする。 その結果、レジリエンス、再現性、セキュリティに関する懸念として、信頼感が再び浮かび上がっている。 量子コンピューティングシステムの特性は、回帰的、予測的、規範的な方法でこれらの因子を再解釈することを含む。 ここでは、レジリエンスはHPC-QPU統合の後で考えるのではなく、emph{a priori}設計制約となる必要があると述べる。 本稿では、古典量子コンピューティング基盤のレジリエンスを推定し評価するための概念的および定量的モデルの必要性について述べる。 本稿では, 土木工学におけるレジリエンス手法が, 古典量子コンピューティングスタックの様々なレベルに適用可能であることを提案する。 また,スタック上の所定のレベルからの脆弱性の伝播による影響を推定するために,エンドユーザー値のモデルがもたらす影響についても論じる。 最後に、新しいレジリエンスモデルが量子技術スタックにおける特定のコンポーネントの改善に与える影響について論じ、異なるレイヤ間での関心の分離の価値についてより明確な視点を提供する。 最終的に、HPC-QPU統合は、特定のシステム改善のコスト対効果比と、ユーザへの提供価値の推定に対するカスケード結果について、より正確な声明を要求するようになる。

関連論文リスト

• QERS: Quantum Encryption Resilience Score for Post-Quantum Cryptography in Computer, IoT, and IIoT Systems [0.0]
  PQC(Post-quantum Cryptography)は、IoT(Internet of Things)とIIoT(Industrial IoT)システムを量子対応敵に対してセキュアにするために欠かせないものになりつつある。 本稿では,PQCの可読性を評価するために,暗号性能,システム制約,マルチ基準決定分析を統合する普遍的な測定フレームワークであるQERS(Quantum Encryption Resilience Score)を紹介する。
  論文  参考訳（メタデータ） (2026-01-19T21:10:27Z)
• Adversarially Robust Quantum Transfer Learning [1.3113458064027566]
  量子機械学習(QML)は、古典的な機械学習システムの性能向上のための研究分野として期待されている。 この章では、量子コンピューティングの利点と転送学習技術を組み合わせて高解像度画像分類に対処するハイブリッド量子古典アーキテクチャを紹介する。
  論文  参考訳（メタデータ） (2025-10-18T02:16:34Z)
• 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)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Dependable Classical-Quantum Computer Systems Engineering [37.16076237842031]
  本稿では,統合の課題を特定し,失敗を予測し,HPC-QCシステムの多種多様な共同設計を促進することを目的とする。 この新たな学際的取り組みの焦点は、ハイブリッドシステムの信頼性を保証するエンジニアリング原則を開発することである。
  論文  参考訳（メタデータ） (2024-08-20T01:57:17Z)
• Quantum Computing Enhanced Service Ecosystem for Simulation in Manufacturing [56.61654656648898]
  本稿では,製造シミュレーションのための量子コンピューティングによるサービスエコシステムの枠組みを提案する。 我々は,これらの新しい計算パラダイムを定量的に評価することを目的とした2つの高価値ユースケースを分析した。
  論文  参考訳（メタデータ） (2024-01-19T11:04:14Z)
• Hyperparameter optimization, quantum-assisted model performance prediction, and benchmarking of AI-based High Energy Physics workloads using HPC [0.0]
  本研究は,高性能コンピューティングシステムにおいてHPOプロセスを支援するために,モデル性能予測を利用する可能性について検討する。 量子アニールは性能予測器の訓練に用いられ、量子系の現在の限界から生じる問題を克服する手法が提案されている。 衝突イベント再構成のためのAIモデルに基づくコンテナ化されたベンチマークの開発から結果が提示される。
  論文  参考訳（メタデータ） (2023-03-27T09:55:33Z)
• 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)

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。