論文の概要: Hybrid Quantum-MambaVision: A Quantum-enhanced State Space Model for Calibrated Mixed-type Wafer Defect Detection

• arxiv url: http://arxiv.org/abs/2605.16404v1
• Date: Wed, 13 May 2026 09:20:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:46.293858
• Title: Hybrid Quantum-MambaVision: A Quantum-enhanced State Space Model for Calibrated Mixed-type Wafer Defect Detection
• Title（参考訳）: ハイブリッド量子マンバビジョン:校正混合型ウェーハ欠陥検出のための量子拡張状態空間モデル
• Authors: Satwik Sai Prakash Sahoo, Jyoti Prakash Sahoo, Ting Wang, Subrota Kumar Mondal,
• Abstract要約: 本稿では,空間知識発見に適した高効率アーキテクチャであるHybrid Quantum-MambaVisionを紹介する。 高不均衡なMixedWM38データセットでは、Hybrid Quantum-MambaVisionは例外的なマルチラベル分類性能を達成する。
• 参考スコア（独自算出の注目度）: 4.035311316221796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extracting actionable knowledge from industrial visual data is fundamentally bottlenecked by extreme class imbalance and the prohibitive computational complexity of modern foundation models. In semi-conductor manufacturing, identifying multi-label wafer defects is a complex spatial data mining task where overlapping patterns obscure critical root-cause signals. While Vision Transformers (ViTs) excel at global dependency extraction, their quadratic scaling renders them inefficient for high-throughput, real-time anomaly detection. To overcome these computational barriers, this paper introduces Hybrid Quantum-MambaVision, a highly efficient architecture tailored for spatial knowledge discovery. We integrate a linear-complexity State-Space Model (SSM) backbone with a Parameterized Quantum Context Adapter (QCA) and Low-Rank Adaptation (LoRA). The Mamba backbone efficiently captures long-range spatial dependencies, while the quantum adapter maps compressed latent features into a high-dimensional Hilbert space to disentangle complex, overlapping signatures. On the highly imbalanced MixedWM38 dataset, Hybrid Quantum-MambaVision achieves exceptional multi-label classification performance, significantly reducing the error rate on complex multi-defect topologies compared to classical baselines. The quantum regularizer acts as a profound uncertainty calibrator, substantially reducing Maximum Calibration Error (MCE) and minimizing expected false-positive costs. This work establishes a scalable Quantum-Classical hybrid paradigm for efficient representation learning in industrial data mining.
• Abstract（参考訳）: 産業の視覚データから実行可能な知識を抽出することは、極端なクラス不均衡と、現代の基礎モデルの禁止的な計算複雑性によって、基本的にボトルネックとなる。 半導体製造において、マルチラベルウェハ欠陥を特定することは、重なり合うパターンが重要な根起因の信号を明らかにする複雑な空間データマイニングタスクである。 Vision Transformer (ViTs) はグローバルな依存性抽出に優れていますが、その2次スケーリングによって、高速でリアルタイムな異常検出では効率が悪くなります。 このような計算障壁を克服するために,空間知識発見に適した高効率アーキテクチャであるHybrid Quantum-MambaVisionを提案する。 線形複雑状態空間モデル (SSM) のバックボーンとパラメータ化量子コンテキスト適応器 (QCA) とローランド適応 (LoRA) を統合した。 マンバのバックボーンは、長距離空間の依存関係を効率的に捕捉し、量子アダプタは圧縮された潜在特徴をハイ次元ヒルベルト空間にマッピングし、複雑で重なり合うシグネチャを分解する。 高不均衡なMixedWM38データセットでは、Hybrid Quantum-MambaVisionは、古典的なベースラインと比較して、複雑な多重欠陥トポロジ上のエラー率を著しく低減し、例外的なマルチラベル分類性能を達成する。 量子正則化器は深刻な不確実性校正器として機能し、最大校正誤差(MCE)を大幅に低減し、期待される偽陽性コストを最小化する。 この研究は、産業データマイニングにおける効率的な表現学習のためのスケーラブルな量子-古典ハイブリッドパラダイムを確立する。

関連論文リスト

• Digital Quantum Simulation of the Holstein-Primakoff Transformation on Noisy Qubits [40.8066152850216]
  クラウドベースの超伝導量子プロセッサ上でのボソニックモードのディジタル量子シミュレーションについて検討する。 アルゴリズムとハードウェアが引き起こすエラーの相互作用を検証し、最適なシミュレーションパラメータを同定する。
  論文  参考訳（メタデータ） (2026-02-19T20:14:04Z)
• Enriching Earth Observation labeled data with Quantum Conditioned Diffusion Models [38.62950622229361]
  条件付き拡散フレームワーク内で量子演算を適用するハイブリッド量子古典アーキテクチャであるQCU-Netを導入する。 EuroSAT RGBデータセットの実験は、我々のQCU-Netが優れた結果を得ることを示す。 この研究は、地球観測領域におけるクラス条件量子拡散モデリングの最初の成功例である。
  論文  参考訳（メタデータ） (2025-12-23T15:40:31Z)
• Q-BAR: Blogger Anomaly Recognition via Quantum-enhanced Manifold Learning [0.0]
  レコメンデーション駆動のオンラインメディアでは、クリエーターは意味突然変異に悩まされ、悪意のある二次編集は意図した意味を変えながら視覚的忠実を保つ。 低データ状態における意味的異常を検出するためのハイブリッド量子古典的フレームワークQ-BARを提案する。 100人のクリエーターによるキュレートされたデータセットでは、従来のベースラインに比べてトレーニング可能なパラメータが大幅に少ない堅牢な検出性能を実現しています。
  論文  参考訳（メタデータ） (2025-12-11T19:39:45Z)
• Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
  量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。 近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。 QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
  論文  参考訳（メタデータ） (2025-10-15T12:17:23Z)
• Entanglement and Classical Simulability in Quantum Extreme Learning Machines [0.0]
  本稿では,古典的エクストリーム学習マシンの量子アナログである量子エクストリーム学習マシン(QELM)について検討する。 我々のアーキテクチャは、(PCAまたはオートエンコーダを介して)次元の減少、量子状態の符号化、XXハミルトニアンの下での進化、および射影測定を組み合わせたものである。 この性能向上は、古典データの埋め込みを改善する絡み合いの開始と相関することを示す。
  論文  参考訳（メタデータ） (2025-09-08T16:43:37Z)
• An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
  量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。 入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。 我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-04-13T11:49:53Z)
• Quantum benefit of the quantum equation of motion for the strongly coupled many-body problem [0.0]
  量子運動方程式 (quantum equation of motion, QEOM) はフェルミオン多体系の励起特性を計算するためのハイブリッド量子古典アルゴリズムである。 我々は、qEOMが要求される量子測定数の独立性により量子的利益を示すことを明らかに示している。
  論文  参考訳（メタデータ） (2023-09-18T22:10:26Z)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)

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。