論文の概要: Toward Near-Real-Time Marine Oil Spill Detection in SAR Imagery using Quantum-Assisted SVM
- arxiv url: http://arxiv.org/abs/2605.17217v1
- Date: Sun, 17 May 2026 01:28:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:47.737498
- Title: Toward Near-Real-Time Marine Oil Spill Detection in SAR Imagery using Quantum-Assisted SVM
- Title（参考訳）: 量子支援SVMを用いたSAR画像における準リアルタイム海洋油流出検出に向けて
- Authors: Joseph Strauss, Jyotsna Sharma,
- Abstract要約: 海洋油流出は、生態系や経済の深刻な被害を迅速に検出する必要がある。
ディープラーニングモデルは、大規模なデータセットと高いレイテンシを必要とすることが多い。
本研究では,画素単位の量子支援型サポートベクトルマシンのバッキングアンサンブルを開発する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Marine oil spills require rapid detection to mitigate severe ecological and economic damage. While satellite-based Synthetic Aperture Radar (SAR) provides essential all-weather monitoring, analyzing this data remains challenging. Deep learning models often require massive datasets and incur high latency. To address this, a pixel-wise quantum-assisted Support Vector Machine (QSVM) bagging ensemble is developed. Quantum annealing is leveraged to optimize the support vectors of individual weak SVMs on small data subsets, which are then classically aggregated. The approach is evaluated on Sentinel-1 imagery using both quantum simulation and physical quantum annealing hardware. The quantum-assisted pipeline achieved performance comparable to a rigorous classical baseline, yielding an Intersection-over-Union (IoU) of 0.60 and a balanced accuracy of 0.89. Complementary experiments with gate-based quantum computing demonstrated similar segmentation accuracy, although the annealing approach offered superior inference efficiency. Generalization was further assessed on independent oil spill imagery from the Strait of Hormuz, demonstrating the potential transferability of the trained pipeline to geographically distinct spill events. These results establish the feasibility of quantum-assisted, segmentation pipelines for near-real-time environmental monitoring.
- Abstract（参考訳）: 海洋油流出は、深刻な生態系や経済の被害を軽減するために、迅速に検出する必要がある。
衛星ベースのSAR(Synthetic Aperture Radar)は、本質的な全天候監視を提供するが、このデータを解析することは依然として困難である。
ディープラーニングモデルは、大規模なデータセットと高いレイテンシを必要とすることが多い。
これを解決するために,QSVM (Pixel-wise quantum-assisted Support Vector Machine) バッグアンサンブルを開発した。
量子アニールを利用して、個々の弱いSVMのサポートベクトルを小さなデータサブセット上で最適化し、古典的に集約する。
この手法は、量子シミュレーションと物理量子アニールハードウェアの両方を用いて、Sentinel-1画像上で評価される。
量子アシストパイプラインは厳格な古典的ベースラインに匹敵する性能を達成し、インターセクション・オーバー・ユニオン(IoU)は0.60、バランスの取れた精度は0.89となった。
ゲートベースの量子コンピューティングによる相補的な実験は同様のセグメンテーションの精度を示したが、アニール法は推論効率が優れていた。
さらに、ホルムズ海峡からの独立した石油流出画像に基づいて一般化が評価され、訓練されたパイプラインが地理的に異なる流出事象に移行する可能性を実証した。
これらの結果は、ほぼリアルタイムな環境モニタリングのための量子支援セグメンテーションパイプラインの実現可能性を確立する。
関連論文リスト
- Optimal multiparameter quantum estimation in accelerating Unruh-DeWitt detectors [0.09236074230806578]
本研究では、一様加速検出器のバイパートライト系における相対論的量子温度測定の最終的な精度限界について検討する。
消音ノイズは, 純粋に強調するメカニズムよりも, より高精度なノイズ損失をもたらすことを示す。
論文 参考訳（メタデータ） (2026-03-08T01:35:45Z) - The Multiparameter Frontier: Metrological Hierarchy and Robustness in Dispersive Quantum Interferometry [0.0]
逆温度の同時推定のための分散量子温度測定プロトコルを提案する。
量子フィッシャー情報行列の閉形式式を導出する。
我々は、IBMの textttibm_torino プロセッサ上でのデジタル量子回路実装により、これらの予測を検証する。
論文 参考訳（メタデータ） (2026-02-16T03:08:27Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - Anticipating Decoherence: a Predictive Framework for Enhancing Coherence in Quantum Emitters [96.41185946460115]
遠隔量子エミッタにおける予測とデコヒーレンスエンジニアリングのための予測フレームワークを開発する。
限られたデータに基づいてトレーニングされた機械学習モデルは、目に見えないスペクトルの振る舞いを正確に予測できることを示す。
これらの結果は、スケーラブル量子システムにおけるリアルタイムデコヒーレンスエンジニアリングの道を開いた。
論文 参考訳（メタデータ） (2025-08-04T17:23:14Z) - Hybrid Quantum Classical Surrogate for Real Time Inverse Finite Element Modeling in Digital Twins [4.978621186982144]
橋、パイプライン、およびオフショアプラットフォームのような大規模な土木構造物は、予期せぬ失敗が経済的・安全的な影響を引き起こす現代のインフラにとって不可欠である。
FEモデリングは、リアルタイム構造健康モニタリング(SHM)に広く用いられているが、その計算コストが高く、逆FE分析の複雑さは、現在進行中の課題である。
本稿では,これらの問題に対処するハイブリッド量子古典多層パーセプトロンフレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-30T04:09:49Z) - QAMA: Scalable Quantum Annealing Multi-Head Attention Operator for Deep Learning [48.12231190677108]
QAMA(Quantum Annealing Multi-Head Attention)は、エネルギーベースのハミルトン最適化問題として注目を集める新しいドロップイン演算子である。
この枠組みでは、トークン相互作用を二項二項項に符号化し、低エネルギー構成の探索に量子アニールを用いる。
経験的に、自然言語と視覚のベンチマークによる評価は、タスク全体にわたって、標準的なマルチヘッドの注意から少なくとも2.7ポイントの精度が低下していることを示している。
論文 参考訳（メタデータ） (2025-04-15T11:29:09Z) - Quantum Bayesian Networks for Machine Learning in Oil-Spill Detection [3.9554540293311864]
量子機械学習は、環境モニタリング、医療診断、金融モデリングといった様々な応用において有望であることを示している。
重要な課題のひとつは、希少なイベントがスキューデータ分散によって誤って分類される、不均衡なデータセットを扱うことだ。
本稿では,QBNを用いて衛星由来の不均衡データセットを分類し,非スパイル領域とオイルスパイル'を区別するベイズ的手法を提案する。
論文 参考訳（メタデータ） (2024-12-24T15:44:26Z) - Bayesian Quantum Amplitude Estimation [46.03321798937855]
量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。
耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。
本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
論文 参考訳（メタデータ） (2024-12-05T18:09:41Z) - Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
本稿では,革新的な深層学習に基づく量子センシング手法を提案する。
これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。
我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
論文 参考訳（メタデータ） (2023-11-13T09:46:05Z) - QSAN: A Near-term Achievable Quantum Self-Attention Network [73.15524926159702]
SAM(Self-Attention Mechanism)は機能の内部接続を捉えるのに長けている。
短期量子デバイスにおける画像分類タスクに対して,新しい量子自己注意ネットワーク(QSAN)を提案する。
論文 参考訳（メタデータ） (2022-07-14T12:22:51Z) - Reservoir Computing Approach to Quantum State Measurement [0.0]
貯留層計算(Reservoir computing)は、超伝導多ビット系の量子計測における資源効率の高い解である。
このデバイスを動作させて2量子状態トモグラフィーと連続パリティモニタリングを行う方法を示す。
論文 参考訳（メタデータ） (2020-11-19T04:46:15Z)
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。