論文の概要: Automated Quantum Software and AI Engineering
- arxiv url: http://arxiv.org/abs/2604.19970v1
- Date: Tue, 21 Apr 2026 20:28:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:10.781455
- Title: Automated Quantum Software and AI Engineering
- Title（参考訳）: 量子ソフトウェアとAIエンジニアリングの自動化
- Authors: Nazanin Siavash, Armin Moin,
- Abstract要約: 我々は、量子ソフトウェア工学(QSE)と量子人工知能(QAI)に対する半自動アプローチの体系的な文献レビューを行う。
文献での以前の研究は、ソフトウェアエンジニアリング(SE)と人工知能(AI)の両方のプラクティスが、(セミ)自動化アプローチを使用することで、より効率的になることを示していた。
- 参考スコア（独自算出の注目度）: 1.628589561701473
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we conduct a systematic literature review of (semi-) automated approaches to Quantum Software Engineering (QSE) and Quantum Artificial Intelligence (QAI). Prior work in the literature indicated that both Software Engineering (SE) and Artificial Intelligence (AI) practices may become more efficient by using (semi-) automated approaches. This also holds in the Quantum Computing (QC), Quantum Information Science (QIS), and Quantum Engineering (QE) world, as well as in hybrid quantum-classical applications. In fact, automation is even more crucial in such cases since there is a limited number of developers and AI experts (e.g., data scientists) who possess the required knowledge and skills in QC. Moreover, in hybrid setups, automation may help decide what part of the application should be deployed on quantum hardware and on which of the available quantum platforms, if applicable. This can be a significant help to achieve productivity leap and efficiency even for subject matter experts. Unlike prior literature reviews and surveys, this work focuses on automation in SE and AI for quantum and hybrid quantum-classical applications and identifies the recent trends and future directions through a systematic literature review. We are interested in methods and techniques that can enable a broader development and deployment of quantum and hybrid AI-enabled software systems.
- Abstract（参考訳）: 本稿では、量子ソフトウェア工学(QSE)と量子人工知能(QAI)に対する半自動アプローチの体系的な文献レビューを行う。
文献での以前の研究は、ソフトウェアエンジニアリング(SE)と人工知能(AI)の両方のプラクティスが、(セミ)自動化アプローチを使用することで、より効率的になることを示していた。
これはまた、量子コンピューティング(QC)、量子情報科学(QIS)、量子工学(QE)の世界、およびハイブリッド量子古典的応用にも当てはまる。
事実、QCに必要な知識とスキルを持つ開発者やAI専門家(データサイエンティストなど)の数が限られているため、このようなケースでは自動化がさらに重要になります。
さらに、ハイブリッドセットアップでは、もし適用可能であれば、アプリケーションのどの部分が量子ハードウェアにデプロイされるべきか、どの量子プラットフォームにデプロイされるべきかを決定するのに、自動化が役立ちます。
これは、主題の専門家であっても生産性の飛躍と効率を達成するための重要な助けになる。
以前の文献レビューや調査とは異なり、この研究は量子およびハイブリッド量子古典的アプリケーションのためのSEとAIの自動化に焦点を当て、体系的な文献レビューを通じて最近のトレンドと今後の方向性を特定する。
私たちは、量子およびハイブリッドAI対応ソフトウェアシステムのより広範な開発と展開を可能にする方法や技術に興味を持っています。
関連論文リスト
- Quantum-enhanced Computer Vision: Going Beyond Classical Algorithms [50.573955644831386]
QeCV(Quantum-enhanced Computer Vision)は、コンピュータビジョン、機械学習、量子コンピューティングの交差点における新しい研究分野である。
量子コンピューティングの助けを借りて、視覚信号の処理や解釈の仕方を変える可能性が高い。
本調査はQeCVに関する既存の文献に貢献し,本研究分野の総合的なレビューを行った。
論文 参考訳（メタデータ） (2025-10-08T17:59:51Z) - Artificial intelligence for representing and characterizing quantum systems [49.29080693498154]
大規模量子システムの効率的なキャラクタリゼーションは、量子科学における中心的な課題である。
人工知能(AI)の最近の進歩は、この課題に対処するための強力なツールとして現れている。
本稿では、これらのAIパラダイムが量子システム評価における2つのコアタスクにどのように貢献するかを論じる。
論文 参考訳（メタデータ） (2025-09-05T08:41:24Z) - Quantum-Based Software Engineering [2.0203155038047127]
我々は、量子コンピューティングをソフトウェア工学の問題に適用するための新しい研究の方向性として量子ベースソフトウェア工学(QBSE)を紹介した。
我々は、その範囲を概説し、量子ソフトウェア工学(QSE)と区別し、量子最適化、探索、学習技術から恩恵を受ける可能性のある重要な問題タイプを特定する。
論文 参考訳（メタデータ） (2025-05-29T17:19:38Z) - Quantum Computing and AI: Perspectives on Advanced Automation in Science and Engineering [0.0]
人工知能(AI)と量子コンピューティングの最近の進歩は、科学と工学のプロセスにおける自動化を加速させている。
この視点は、科学的な自動化と確立されたコンピュータ支援工学(CAE)の実践の類似点を強調している。
論文 参考訳（メタデータ） (2025-05-15T06:53:30Z) - Quantum Artificial Intelligence for Software Engineering: the Road Ahead [9.447783914028262]
本稿では,ソフトウェア工学における量子AI(QAI)の適用に向けたロードマップを示す。
量子最適化アルゴリズム(quantum optimization algorithm)と量子機械学習(quantum machine learning)の2つの主要なカテゴリについて考察する。
ソフトウェアエンジニアリングへのQAIの適用を成功させるためには、対処すべき課題のいくつかについて概説する。
論文 参考訳（メタデータ） (2025-05-07T20:47:18Z) - Quantum Software Engineering and Potential of Quantum Computing in Software Engineering Research: A Review [8.626933144631955]
本稿では,ソフトウェア工学研究における量子コンピューティングの役割と,量子ソフトウェア工学の最新展開を概観する。
まず、量子コンピューティングを導入し、その基本的な概念を探求し、ソフトウェア工学における潜在的な応用について議論することから始めます。
論文 参考訳（メタデータ） (2025-02-13T03:22:36Z) - Quantum Machine Learning: from physics to software engineering [58.720142291102135]
古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。
量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2023-01-04T23:37:45Z) - 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) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - MDE4QAI: Towards Model-Driven Engineering for Quantum Artificial
Intelligence [1.7969777786551429]
今後10年間で、古典コンピューティングから量子コンピューティング(QC)への前例のないパラダイムシフトが期待される。
私たちは、量子と量子古典ハイブリッドアプリケーションに関して、モデル駆動工学(MDE)パラダイムが実現可能でありファシリテーターになることを期待しています。
これには、自動コード生成だけでなく、モデルチェックと検証の自動化、および初期の設計フェーズにおけるモデル分析が含まれる。
論文 参考訳（メタデータ） (2021-07-14T13:56:15Z) - On exploring the potential of quantum auto-encoder for learning quantum systems [60.909817434753315]
そこで我々は,古典的な3つのハードラーニング問題に対処するために,QAEに基づく効果的な3つの学習プロトコルを考案した。
私たちの研究は、ハード量子物理学と量子情報処理タスクを達成するための高度な量子学習アルゴリズムの開発に新たな光を当てています。
論文 参考訳（メタデータ） (2021-06-29T14:01:40Z)
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。