論文の概要: Efficient Mutation Testing of Quantum Machine Learning Models

• arxiv url: http://arxiv.org/abs/2605.00107v1
• Date: Thu, 30 Apr 2026 18:03:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.696793
• Title: Efficient Mutation Testing of Quantum Machine Learning Models
• Title（参考訳）: 量子機械学習モデルの効率的な突然変異試験
• Authors: Emma Andrews, Prabhat Mishra,
• Abstract要約: 突然変異試験を量子機械学習アプリケーション、主に量子ニューラルネットワークモデルに拡張する。 我々は、最先端のアプローチと比較して、効率的な故障挿入のための新しい突然変異操作を定義する。 また、冗長な突然変異回路を減らすために、有向突然変異生成手法を提案する。
• 参考スコア（独自算出の注目度）: 2.6713452353326717
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum machine learning integrates the strengths of quantum computing and machine learning, enabling models to learn complex features using fewer parameters than their classical counterparts. Due to the increasing complexity of quantum machine learning models, it is necessary to verify that the implementation of these models satisfy the design specification and be free of bugs and faults. Mutation testing is a promising avenue to identify faulty quantum circuits that do not meet design specifications or contain defects by intentionally inserting faults into the quantum circuit. It is necessary to define mutation operations to inject faults into quantum circuits to ensure that a test suite is robust enough to evaluate an implementation against its design specification. In this paper, we extend mutation testing to quantum machine learning applications, primarily quantum neural network models. Specifically, this paper makes two important contributions. We define new mutation operations for efficient fault insertion compared to state-of-the-art approaches. We also present a directed mutation generation technique to reduce redundant mutant circuits. Extensive experimental evaluation demonstrates that our approach generates a more diverse and representative set of mutants, effectively addressing faults that traditional techniques fail to expose.
• Abstract（参考訳）: 量子機械学習は量子コンピューティングと機械学習の強みを統合し、モデルが従来のパラメータよりも少ないパラメータで複雑な特徴を学習できるようにする。 量子機械学習モデルの複雑さが増大しているため、これらのモデルの実装が設計仕様を満たし、バグや欠陥がないことを検証する必要がある。 突然変異試験は、設計仕様を満たしていない、または量子回路に意図的に欠陥を挿入することによって欠陥を含む、欠陥のある量子回路を特定するための有望な方法である。 量子回路に障害を注入する突然変異操作を定義して、テストスイートが設計仕様に対する実装を評価するのに十分な堅牢性を保証する必要がある。 本稿では、突然変異試験を量子機械学習アプリケーション、主に量子ニューラルネットワークモデルに拡張する。 具体的には,2つの重要な貢献を行う。 我々は、最先端のアプローチと比較して、効率的な故障挿入のための新しい突然変異操作を定義する。 また、冗長な突然変異回路を減らすために、有向突然変異生成手法を提案する。 大規模な実験的評価は、我々のアプローチがより多様で代表的なミュータントのセットを生成し、従来のテクニックが露呈しない欠陥に効果的に対処していることを示している。

関連論文リスト

• Demonstration of Efficient Predictive Surrogates for Large-scale Quantum Processors [64.50565018996328]
  本稿では,与えられた量子プロセッサの平均値挙動を計算効率よくエミュレートする予測代理の概念を導入する。 これらのサロゲートを用いて、最大20個のプログラム可能な超伝導量子ビットを持つ量子プロセッサをエミュレートし、変分量子固有解器の効率的な事前学習を可能にする。 実験結果から, 予測サロゲートは測定オーバーヘッドを桁違いに低減するだけでなく, 従来の量子リソース集約的な手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-07-23T12:51:03Z)
• QCircuitBench: A Large-Scale Dataset for Benchmarking Quantum Algorithm Design [63.02824918725805]
  量子コンピューティングは、量子アルゴリズムによる古典的コンピューティングよりも大幅にスピードアップされていることが認識されている。 QCircuitBenchは、量子アルゴリズムの設計と実装におけるAIの能力を評価するために設計された最初のベンチマークデータセットである。
  論文  参考訳（メタデータ） (2024-10-10T14:24:30Z)
• Efficient Learning for Linear Properties of Bounded-Gate Quantum Circuits [62.46800898243033]
  量子学習理論の最近の進歩は、様々な古典的な入力によって生成された測定データから、大きな量子ビット回路の線形特性を効率的に学習できるのか? 我々は、小さな予測誤差を達成するためには、$d$で線形にスケーリングするサンプルの複雑さが必要であることを証明し、それに対応する計算複雑性は、dで指数関数的にスケールする可能性がある。 そこで本研究では,古典的影と三角展開を利用したカーネルベースの手法を提案し,予測精度と計算オーバーヘッドとのトレードオフを制御可能とした。
  論文  参考訳（メタデータ） (2024-08-22T08:21:28Z)
• Quantum Circuit Mutants: Empirical Analysis and Recommendations [7.582630148228262]
  実世界の382個の量子回路を変異させた700K以上の故障ベンチマーク(量子回路)を用いて,大規模な実験評価を行った。 この結果に基づいて、量子突然変異解析手法を体系的に定義する上で、研究者にとって貴重な知見を提供する。
  論文  参考訳（メタデータ） (2023-11-28T16:15:50Z)
• Near-Term Distributed Quantum Computation using Mean-Field Corrections and Auxiliary Qubits [77.04894470683776]
  本稿では,限られた情報伝達と保守的絡み合い生成を含む短期分散量子コンピューティングを提案する。 我々はこれらの概念に基づいて、変分量子アルゴリズムの断片化事前学習のための近似回路切断手法を作成する。
  論文  参考訳（メタデータ） (2023-09-11T18:00:00Z)
• Compilation of a simple chemistry application to quantum error correction primitives [44.99833362998488]
  我々は、最小限の化学例に基づいて、フォールトトレラントに量子位相推定を行うために必要な資源を推定する。 単純な化学回路でさえも1000キュービットと2300の量子誤差補正ラウンドを必要とすることがわかった。
  論文  参考訳（メタデータ） (2023-07-06T18:00:10Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)

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。