論文の概要: Quantum Spectral Anomaly Detection

• arxiv url: http://arxiv.org/abs/2607.05307v1
• Date: Mon, 06 Jul 2026 16:47:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.243855
• Title: Quantum Spectral Anomaly Detection
• Title（参考訳）: 量子スペクトル異常検出
• Abstract要約: 量子異常検出のコアタスクは、テスト量子状態が正常であると仮定された特定の量子データセットからどれだけ強く逸脱するかを定量化する異常スコアを計算することである。 通常のデータセットの平均状態のスペクトルから直接PCAライクな異常スコアを算出する量子スペクトル異常検出(QSPADE)を提案する。
• 参考スコア（独自算出の注目度）: 9.811303336285961
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A core task in quantum anomaly detection is to compute an anomaly score that quantifies how strongly a test quantum state deviates from a given quantum dataset assumed to be normal. Classically, principal component analysis (PCA) for centered data computes the anomaly score by evaluating the test sample relative to the subspace spanned by the selected leading eigenvectors. However, for quantum data that lack a standard centering, explicitly recovering principal eigenvectors, constructing full Gram matrices, or loading quantum-random-access-memory-style data can be more costly than estimating the anomaly score itself. To avoid these costs, we propose Quantum Spectral Anomaly Detection (QSPADE), which computes PCA-like anomaly scores directly from the spectrum of the average state of the normal dataset. By replacing hard PCA rank selection with a smooth, temperature-controlled spectral threshold, QSPADE makes near-threshold spectral components contribute partially to the anomaly score. This makes the score vary continuously rather than jump when a borderline component is included or excluded, and makes it less sensitive to noise or arbitrary hard cutoffs near the threshold. In the zero-temperature limit, QSPADE recovers the hard-projector PCA score. The proposed measurement-based quantum detector can be calibrated with a sample complexity independent of the data dimension. Numerical simulations show that QSPADE behaves like kernel-PCA on encoded classical data and detects changes across a transverse-field Ising transition without predefined order parameters. Consequently, QSPADE gives an efficient framework for both quantum-kernel anomaly detection on encoded classical data and the monitoring of quantum-native systems where diagnostic observables are unknown.
• Abstract（参考訳）: 量子異常検出のコアタスクは、テスト量子状態が正常であると仮定された特定の量子データセットからどれだけ強く逸脱するかを定量化する異常スコアを計算することである。 古典的には、中心データに対する主成分分析(PCA)は、選択された先導固有ベクトルによって分散された部分空間に対するテストサンプルを評価することにより、異常スコアを算出する。 しかし、標準中心を持たない量子データや、主固有ベクトルの明示的に復元、完全なグラム行列の構築、量子ランダムアクセスメモリスタイルのデータのロードは、異常スコア自体を推定するよりもコストがかかる。 これらのコストを回避するために、通常のデータセットの平均状態のスペクトルから直接PCAライクな異常スコアを算出する量子スペクトル異常検出(QSPADE)を提案する。 ハードPCAランク選択をスムーズで温度制御されたスペクトルしきい値に置き換えることで、QSPADEは近閾値のスペクトル成分を部分的に異常スコアに寄与させる。 これにより、境界線成分が含まれたり除外されたりする際には、ジャンプよりも連続的にスコアが変化し、しきい値付近のノイズや任意のハードカットオフに対する感度が低下する。 ゼロ温度制限では、QSPADEはハードプロジェクタPCAスコアを回復する。 提案した測定に基づく量子検出器は、データ次元に依存しないサンプルの複雑さで校正することができる。 数値シミュレーションにより、QSPADEは符号化された古典データ上でカーネルPCAのように振る舞い、事前定義された順序パラメータなしで横フィールドIsing遷移の変化を検出する。 その結果、QSPADEは、符号化された古典的データに対する量子カーネル異常検出と、診断可観測値が不明な量子ネイティブシステムの監視の両方に効率的なフレームワークを提供する。

関連論文リスト

• Quantum principal component analysis without eigenvector recovery [9.811303336285961]
  我々は、ハードトップ$kのプロジェクタをエントロピー規則化されたFermi-Diracフィルタに置き換える測定ベースのソフトPCAフレームワークを提案する。 このフィルタは量子測定として直接解釈され、自然に量子的アプローチを示唆する。 新しい入力に対して、同じ量子回路はソフトプリンシパル部分空間スコア、スペクトルエネルギープロファイル、ポストセレクトされたフィルター状態を得る。
  論文  参考訳（メタデータ） (2026-05-27T04:27:47Z)
• Universal Sequential Changepoint Detection of Quantum Observables via Classical Shadows [62.751483592497806]
  本研究では,前と後の状態が特定された環境での逐次量子変化点検出について検討する。 シャドーベース逐次変化点検出(eSCD)を導入する。 eSCDは、古典的な影に基づく普遍的な測定戦略と、電子検出器上に構築された非パラメトリックシーケンシャルテストを組み合わせる。
  論文  参考訳（メタデータ） (2026-02-12T11:38:40Z)
• Quantum Gated Recurrent GAN with Gaussian Uncertainty for Network Anomaly Detection [10.435718832887988]
  時系列データの異常検出は、ネットワークセキュリティに重要な意味を持つ重要な課題である。 最近の量子機械学習アプローチでは、異常検出のための複雑なデータ分布をキャプチャするが、制限されたキュービット数によって制限される。 本稿では,QGRU(Quantum Gated Recurrent Unit)をベースとしたGAN(Generative Adversarial Network)によるネットワーク異常検出手法を提案する。
  論文  参考訳（メタデータ） (2025-10-30T13:39:44Z)
• From VQE To SQD: Modern Quantum Algorithms For The Electronic Structure Problem [0.0]
  本論文は,電子状態エネルギー推定のためのサンプリングベース量子アルゴリズムについて考察する。 変分量子固有解法(VQE)の短期的な代替手段として、量子選択構成相互作用(QSCI)とサンプルベース量子対角化(SQD)に焦点を当てている。 この分析は、IBMの127キュービットのIBM Brisbaneプロセッサ上でのシミュレーション、ハードウェアキャリブレーションによるノイズ研究、実行を通じて検証される。
  論文  参考訳（メタデータ） (2025-09-25T20:39:14Z)
• Calibration of Quantum Devices via Robust Statistical Methods [45.464983015777314]
  量子パラメータ学習の最先端技術に対するベイズ推論の高度な統計的手法を数値解析する。 既存のアプローチ、すなわち多モード性および高次元性において、これらのアプローチの利点を示す。 我々の発見は、オープン量子システムの力学を学習する量子キャラクタリゼーションの課題に応用できる。
  論文  参考訳（メタデータ） (2025-07-09T15:22:17Z)
• Quantum-assisted anomaly detection with multivariate Gaussian distribution [1.752215225501591]
  Gassian Anomaly Detection (GAD)は、データマイニングと機械学習において重要なタスクである。 算術自由ブラックボックス量子状態準備(AFQSP)におけるGADバイアルトのための量子アルゴリズムを提案する。 提案アルゴリズムは,低次元データセットを扱う場合の古典的GADの指数的高速化を実現する。
  論文  参考訳（メタデータ） (2025-05-05T02:21:11Z)
• Quantum Patch-Based Autoencoder for Anomaly Segmentation [44.99833362998488]
  画像の異常セグメンテーションのためのパッチベースの量子オートエンコーダ(QPB-AE)を提案する。 QPB-AEは、組み込まれた入力パッチの量子状態を再構成し、測定から直接異常マップを計算する。 複数のデータセットとパラメータ構成でその性能を評価する。
  論文  参考訳（メタデータ） (2024-04-26T08:42:58Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• Quantum Conformal Prediction for Reliable Uncertainty Quantification in Quantum Machine Learning [47.991114317813555]
  量子モデルは暗黙の確率予測器を実装し、測定ショットを通じて各入力に対して複数のランダムな決定を生成する。 本稿では、そのようなランダム性を利用して、モデルの不確実性を確実に捉えることができる分類と回帰の両方の予測セットを定義することを提案する。
  論文  参考訳（メタデータ） (2023-04-06T22:05:21Z)
• Quantum Approximate Optimization Algorithm Based Maximum Likelihood Detection [80.28858481461418]
  量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。 量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
  論文  参考訳（メタデータ） (2021-07-11T10:56:24Z)
• Sampling Overhead Analysis of Quantum Error Mitigation: Uncoded vs. Coded Systems [69.33243249411113]
  パウリの誤差は、多数の現実的な量子チャネルの中で最も低いサンプリングオーバーヘッドをもたらすことを示す。 我々はQEMと量子チャネル符号化を併用する手法を考案し、純粋なQEMと比較してサンプリングオーバーヘッドの低減を解析する。
  論文  参考訳（メタデータ） (2020-12-15T15:51:27Z)

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。