論文の概要: Quantum Genetic Optimization for Negative Selection Algorithms in Anomaly Detection
- arxiv url: http://arxiv.org/abs/2605.22527v1
- Date: Thu, 21 May 2026 14:19:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 20:14:18.58
- Title: Quantum Genetic Optimization for Negative Selection Algorithms in Anomaly Detection
- Title（参考訳）: 異常検出における負選択アルゴリズムの量子遺伝的最適化
- Authors: Giancarlo P. Gamberi, Calebe P. Bianchini,
- Abstract要約: 本稿では、量子遺伝的アルゴリズム(QGA)をEvoSeedRNSAアルゴリズムに統合する新しいアプローチである量子遺伝的負選択アルゴリズム(QGNSA)を提案する。
提案手法は、量子重ね合わせと確率振幅調整を利用して検出器生成効率を向上させる。
実証的な評価は、QGNSAが従来のものよりも優れた異常検出精度を達成していることを示している。
- 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: Negative Selection Algorithms (NSAs), inspired by the self/non-self discrimination mechanism of the human immune system, have been widely employed in anomaly detection. However, their effectiveness is often constrained by the efficiency of detector generation. This paper presents the Quantum Genetic Negative Selection Algorithm (QGNSA), a novel approach that integrates a Quantum Genetic Algorithm (QGA) into the EvoSeedRNSA algorithm, replacing its classical evolutionary optimization process. The proposed method exploits quantum superposition and probabilistic amplitude adjustment to enhance search space exploration and convergence efficiency in the detector generation process. Empirical evaluations using the Metaverse Financial Transactions Dataset demonstrate that QGNSA achieves superior anomaly detection accuracy compared to its classical counterpart while maintaining robustness under varying hyperparameter configurations. The experimental results highlight the potential advantages of quantum computing in artificial immune systems, particularly in high-dimensional anomaly detection tasks. Future research will focus on further optimizing quantum circuit design, deploying the algorithm on real quantum hardware, and exploring hybrid quantum-classical approaches for improved computational efficiency.
- Abstract（参考訳）: 陰性選択アルゴリズム(NSA)は、ヒト免疫系の自己・非自己識別機構にインスパイアされ、異常検出に広く利用されている。
しかし、その効果は検出器生成の効率に制約されることが多い。
本稿では、量子遺伝的アルゴリズム(QGA)をEvoSeedRNSAアルゴリズムに統合し、従来の進化的最適化プロセスを置き換える新しいアプローチである量子遺伝的負選択アルゴリズム(QGNSA)を提案する。
提案手法は量子重ね合わせと確率振幅調整を利用して探索空間探索と検出器生成過程の収束効率を向上させる。
Metaverse Financial Transactions Datasetを用いた実証評価では、QGNSAは様々なハイパーパラメータ構成下で堅牢性を維持しながら、従来のものよりも優れた異常検出精度を達成している。
実験結果は、特に高次元異常検出タスクにおいて、人工免疫系における量子コンピューティングの潜在的な利点を浮き彫りにした。
今後の研究は、量子回路設計のさらなる最適化、実際の量子ハードウェアへのアルゴリズムの展開、計算効率向上のためのハイブリッド量子古典的アプローチの探求に焦点をあてる予定である。
関連論文リスト
- Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming [47.98440449939344]
多重入力多重出力(MIMO)は6G通信において重要であり、スペクトル効率と信頼性の向上を提供する。
本稿では、送信機と受信機の両方でbビット量子化位相シフト器の問題に対処するために、量子近似最適化アルゴリズム(QAOA)と交互最適化を適用することを検討する。
この量子化ビームフォーミング問題の構造はQAOAのようなハイブリッド古典的手法と自然に一致し、ビームフォーミングで使われる位相シフトは量子回路の回転ゲートに直接マッピングできる。
論文 参考訳（メタデータ） (2025-10-07T17:53:02Z) - RhoDARTS: Differentiable Quantum Architecture Search with Density Matrix Simulations [44.13836547616739]
変分量子アルゴリズム(VQA)は、ノイズ中間スケール量子(NISQ)コンピュータを活用するための有望なアプローチである。
与えられたVQA問題を効率的に解く最適な量子回路を選択することは、非自明な作業である。
量子アーキテクチャ探索(QAS)アルゴリズムは、与えられた問題に合わせた量子回路の自動生成を可能にする。
論文 参考訳（メタデータ） (2025-06-04T08:30:35Z) - Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise [49.97673761305336]
ノイズは、信頼できる量子アルゴリズムを達成するための大きな障害である。
本稿では,パラメータ化量子回路分類器のロバスト性を高めるための雑音耐性学習理論とアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-05-24T02:51:34Z) - Using quantum annealing to generate test cases for cyber-physical systems [35.26972474219581]
本稿では,サイバー物理システムにおけるテストケース生成の高速化のための突然変異に基づく手法を提案する。
我々は、量子アニールを用いて、改善のためのテストケースの重要な領域を特定し、ターゲットにします。
我々のアプローチは、このプロセスをD-Waveの量子アニールを用いて解を見つけるアルゴリズムに機械化する。
論文 参考訳（メタデータ） (2025-04-30T14:20:58Z) - Evaluating Mutation Techniques in Genetic Algorithm-Based Quantum Circuit Synthesis [6.122499977051124]
遺伝的アルゴリズム(GA)は、効率的な量子回路合成のための有望なアプローチを提供する。
本研究は、量子回路合成のためのGAフレームワークにおける様々な突然変異戦略の影響について検討する。
論文 参考訳（メタデータ） (2025-04-08T20:14:35Z) - Incorporating Quantum Advantage in Quantum Circuit Generation through Genetic Programming [10.573861741540853]
遺伝的アルゴリズムの適合度関数に量子優位性指標を組み込むための2つの新しい手法を提案する。
本稿では,Bernstein-Vazirani問題とUnstructured Database Search問題に基づくアプローチを事例として評価する。
量子優位性の尺度を組み込んだ遺伝的アルゴリズムを用いた自動量子回路設計は、量子アルゴリズムの開発を加速するための有望なアプローチであることが示唆された。
論文 参考訳（メタデータ） (2025-01-16T17:34:34Z) - Quantum-Inspired Genetic Algorithm for Designing Planar Multilayer Photonic Structure [40.27913742030096]
量子アルゴリズムは、機能性材料の設計における新しいツールである。
量子コンピューティングリソースの高価格と成長するコンピューティングニーズのバランスをとる方法は、解決すべき緊急の問題となっている。
改良された量子遺伝的アルゴリズム(QGA)と機械学習サロゲートモデル回帰を組み合わせた能動的学習方式に基づく新しい最適化手法を提案する。
論文 参考訳（メタデータ） (2024-05-08T03:03:10Z) - Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。
どの場の量子スピードアップが達成できるかという新たな課題が生じる。
量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文 参考訳（メタデータ） (2024-02-26T09:32:07Z) - Automatic and effective discovery of quantum kernels [41.61572387137452]
量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。
本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。
その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
論文 参考訳（メタデータ） (2022-09-22T16:42:14Z) - Quantum vs classical genetic algorithms: A numerical comparison shows
faster convergence [0.0]
いくつかの量子変種は、収束速度において全ての古典的変種よりも近い最適結果に対して優れていることを示す。
もしこの利点がより大きなシステムに当てはまるなら、量子遺伝アルゴリズムは量子コンピュータの最適化問題に対処するための新しいツールを提供するだろう。
論文 参考訳（メタデータ） (2022-07-19T13:07:44Z) - Optimal quantum control via genetic algorithms for quantum state
engineering in driven-resonator mediated networks [68.8204255655161]
進化的アルゴリズムに基づく量子状態工学には、機械学習によるアプローチを採用しています。
我々は、単一のモード駆動マイクロ波共振器を介して相互作用する、量子ビットのネットワーク(直接結合のない人工原子の状態に符号化された)を考える。
アルゴリズムは理想的なノイズフリー設定で訓練されているにもかかわらず、高い量子忠実度とノイズに対するレジリエンスを観測する。
論文 参考訳（メタデータ） (2022-06-29T14:34:00Z)
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。