論文の概要: Digital twins for compact hybrid quantum classical learning in FMCW radar detection
- arxiv url: http://arxiv.org/abs/2605.24187v1
- Date: Fri, 22 May 2026 20:26:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:17.730644
- Title: Digital twins for compact hybrid quantum classical learning in FMCW radar detection
- Title（参考訳）: FMCWレーダ検出における小型ハイブリッド量子古典学習のためのディジタルツイン
- Authors: Sebastian Ratto Valderrama, Ahmed N. Sayed, Arien Sligar, Jose R. Rosas-Bustos, Omar M. Ramahi, George Shaker,
- Abstract要約: 2つのレーダベンチマークが考慮されている: 無人航空機の射程ドップラーマップからの分類と、ドップラー時間分光図からの人間の落下検出である。
どちらのタスクでも、入力は標準化され、主成分分析によって削減される。
量子ハードウェアは使用せず、量子アドバンテージクレームも作成されていない。
- 参考スコア（独自算出の注目度）: 0.3720085454074873
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Frequency-modulated continuous-wave radar sensing often relies on labeled measurements that are costly, restricted, or difficult to collect at scale. This work evaluates physics-informed digital twins as controlled testbeds for early-stage quantum-classical radar learning. Two synthetic radar benchmarks are considered: unmanned aerial vehicle classification from range-Doppler maps and human fall detection from Doppler-time spectrograms. For both tasks, inputs are standardized, reduced using principal component analysis, and classified using either a radial basis function support vector classifier or a quantum support vector classifier. All quantum-kernel results are obtained using noiseless classical simulation; no quantum hardware is used, and no quantum-advantage claim is made. Across five random seeds, the quantum support vector classifier improves the UAV benchmark from four principal components onward, reaching an accuracy of 0.941 +/- 0.012 at eight components, compared with 0.880 +/- 0.029 for the classical baseline. On the fall-detection benchmark, both classifiers perform similarly, with a small quantum-kernel improvement at higher feature dimensions. A Gaussian-noise robustness study shows limited performance degradation across the tested noise levels, while preserving the UAV quantum-kernel gain. These results support digital twins as useful, controlled environments for radar-QML benchmarking prior to measured-data validation and hardware execution.
- Abstract（参考訳）: 周波数変調連続波レーダセンシングは、しばしば、コストがかかり、制限され、大規模な収集が困難であるラベル付き測定に頼っている。
この研究は、物理インフォームドデジタルツインを早期量子古典レーダー学習のための制御テストベッドとして評価する。
2つの合成レーダベンチマークが考慮されている: 無人航空機の射程ドップラーマップからの分類とドップラー時間スペクトルからの人間の落下検出である。
どちらのタスクでも、入力は標準化され、主成分分析を用いて減少し、放射基底関数サポートベクトル分類器または量子支援ベクトル分類器を用いて分類される。
量子カーネルの結果はすべてノイズレス古典シミュレーションを用いて得られ、量子ハードウェアは使用せず、量子アドバンテージクレームも作成されない。
5つのランダムなシードに対して、量子サポートベクトル分類器は、UAVベンチマークを4つの主成分から改善し、8つの成分で0.941 +/- 0.012の精度を達成し、古典的なベースラインでは0.880 +/- 0.029の精度を達成した。
秋検出ベンチマークでは、両方の分類器も同様に機能し、より高い特徴次元での量子カーネルの改善が小さい。
ガウス雑音のロバスト性の研究は、UAV量子カーネルゲインを保ちながら、試験されたノイズレベルに対して限られた性能劣化を示す。
これらの結果は,測定データ検証やハードウェア実行に先立って,レーダQMLベンチマークを行う上で有用な,制御された環境として,ディジタルツインをサポートする。
関連論文リスト
- Practical Evaluation of Quantum Kernel Methods for Radar Micro-Doppler Classification on Noisy Intermediate-Scale Quantum (NISQ) Hardware [0.0]
本稿では,マイクロドップラーシグネチャを用いたレーダーによる航空目標分類への量子支援ベクトルマシン(QSVM)の適用について検討する。
古典的特徴は、主成分分析(PCA)によって抽出・縮小され、効率的な量子符号化が可能となる。
性能はまず量子シミュレータ上で評価され、超伝導量子ハードウェア上で検証される。
論文 参考訳（メタデータ） (2026-01-29T11:44:01Z) - Quantum Machine Learning Approaches for Coordinated Stealth Attack Detection in Distributed Generation Systems [0.0]
コーディネートステルス攻撃は、分散型システムにとって深刻なサイバーセキュリティの脅威である。
本研究では,マイクログリッドにおける分散生成ユニットにおける協調ステルス攻撃検出のための量子機械学習手法について検討した。
論文 参考訳（メタデータ） (2025-12-30T18:32:13Z) - Analog Quantum Feature Selection with Neutral-Atom Quantum Processors [31.458406135473805]
我々は、中性原子配列を用いたアナログ量子シミュレーションに基づく量子特徴選択(QFS)に対する量子ネイティブなアプローチを提案する。
このプロトコルは、アダルト所得、銀行マーケティング、テルコ・チャーンという3つのベンチマークバイナリ分類データセットのシミュレーションによって評価される。
2-5 つの特徴のコンパクトな部分集合では、アナログ QFS は平均 AUC スコアを 1.5-2.3% 改善し、特徴の数を 75-84% 削減した。
論文 参考訳（メタデータ） (2025-10-23T17:57:34Z) - Comparison and optimisation of hybridization algorithms for onboard classical and quantum accelerometers [31.458406135473805]
本研究では,原子間干渉法と古典的慣性センサを組み合わせた量子慣性センサとを併用した2種類のハイブリッド化アルゴリズムについて検討した。
近年の空中運動で収集された加速度データに実装し、従来のセンサのバイアスとスケールファクター誤差を評価する。
本研究では,2つの加速度計の測定値の相関性の改善と,従来のセンサのバイアス推定における誤差の大幅な低減を実証する。
論文 参考訳（メタデータ） (2025-10-13T09:33:08Z) - Quantum Kernel Anomaly Detection Using AR-Derived Features from Non-Contact Acoustic Monitoring for Smart Manufacturing [0.28647133890966986]
本研究は,非接触センサを用いた異常検出のための量子カーネルの利用について検討する。
最小限の非接触センサを用いて, ノイズの多い工場環境において, 量子カーネル法が頑健なマルチクラス異常検出を実現することを示す。
論文 参考訳（メタデータ） (2025-10-07T05:42:44Z) - Enhancing Network Anomaly Detection with Quantum GANs and Successive Data Injection for Multivariate Time Series [6.576759206183036]
本稿では,異常検出のためのQGANアーキテクチャを提案する。
データ再アップロードとSuDaIを統合することで、アプローチは古典的なデータを量子状態に効率的にマッピングする。
QGANは、異常検出において高いリコールとF1スコアとともに高い精度を達成し、古典モデルと比較して低いMSEを達成する。
論文 参考訳（メタデータ） (2025-05-16T18:47:42Z) - Benchmarking Quantum Convolutional Neural Networks for Signal Classification in Simulated Gamma-Ray Burst Detection [29.259008600842517]
本研究は,ガンマ線バースト(GRB)に似た信号の同定に量子畳み込みニューラルネットワーク(QCNN)を用いたことを評価する。
量子シミュレータでトレーニングしたQCNNを用いて,Qiskitフレームワークを用いたハイブリッド量子古典機械学習手法を実装した。
QCNNは時系列データセット上で堅牢な性能を示し,高い精度でGRB信号の検出に成功した。
論文 参考訳（メタデータ） (2025-01-28T16:07:12Z) - Rydberg Atomic Quantum Receivers for Multi-Target DOA Estimation [77.32323151235285]
ライドバーグ原子量子受信機(RAQR)は、古典的な無線通信とセンシングのための有望なソリューションとして登場した。
まず、マルチターゲットDOA検出のためのRydberg原子量子一様線形アレイ(RAQ-ULA)を用いた無線受信機を提案し、このセンシングシステムの対応する信号モデルを提案する。
このセンサゲインミスマッチ問題を解決するために,我々のモデルに依存するRydberg原子量子ESPRIT(RAQ-ESPRIT)を提案する。
論文 参考訳（メタデータ） (2025-01-06T07:42:23Z) - Remote Detection of Applications for Improved Beam Tracking in mmWave/sub-THz 5G/6G Systems [37.35086075012511]
ビームトラッキングはミリ波(mmWave, 30-100 GHz)とサブテラヘルツ(サブTHz, 100-300 GHz)の5G/6Gシステムに不可欠な機能である。
基地局(BS)とユーザ機器(UE)の両方でアンテナ掃除を行う。
本稿では,エアインターフェースにおける適用形態の明示的なシグナリングがない場合,受信信号強度パターンに基づいて,BS側でリモートで検出する方法を提案する。
論文 参考訳（メタデータ） (2024-10-24T10:55:21Z) - Algorithmic Shadow Spectroscopy [0.0]
ごく少数の回路繰り返し(ショット)と余剰資源(アンシラ量子ビット)を使わずにエネルギーギャップを推定するためのシミュレータ非依存の量子アルゴリズムを提案する。
我々は,本手法が実用的には直感的に使いやすく,ゲートノイズに対して頑健であり,新しいタイプのアルゴリズム的エラー軽減手法であり,時間ステップ当たり10ショットという通常の近距離量子アルゴリズムよりも桁違いに少ないショット数を用いることを実証した。
論文 参考訳（メタデータ） (2022-12-21T14:23:48Z) - Detection of gravitational-wave signals from binary neutron star mergers
using machine learning [52.77024349608834]
本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。
信号対雑音比が25未満の信号に対する感度は6因子改善した。
保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
論文 参考訳（メタデータ） (2020-06-02T10:20:11Z)
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。