論文の概要: FedQML-Edge: Compact Quantum Feature Sketches for Communication-Constrained Roadside Federated Learning
- arxiv url: http://arxiv.org/abs/2607.28799v1
- Date: Thu, 30 Jul 2026 19:46:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.471657
- Title: FedQML-Edge: Compact Quantum Feature Sketches for Communication-Constrained Roadside Federated Learning
- Title（参考訳）: FedQML-Edge: 通信制約付きロードサイドフェデレーションラーニングのための小型量子特徴スケッチ
- Abstract要約: 連結および自律走行車回廊をサポートする道路側ユニット(RSU)は、いつ協調操作を報奨するか、延期するか、または無効にするかを決定するためのコンパクトモデルを必要とする。
生のセンサストリームとニューラルネットワークの重みチェックポイントは、帯域幅に制限があり、プライバシに敏感なロードサイド学習には適していない。
本稿では,トラフィック安定ゲーティングのための量子機能スケッチパイプラインであるtextttFedQML-Edge$を提案する。
- 参考スコア（独自算出の注目度）: 1.856334276134661
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Roadside units (RSUs) supporting connected and autonomous vehicle corridors need compact models to decide when cooperative maneuvers should be rewarded, deferred, or disabled. Raw sensor streams and neural network weight checkpoints are poorly suited to bandwidth-limited, privacy-sensitive roadside learning. This paper presents $\texttt{FedQML-Edge}$, a federated quantum feature-sketching pipeline for traffic-stability gating. Each RSU constructs a traffic-state summary and sends circuit inputs to a quantum computer; Pauli expectations form a nonlinear sketch processed by a logistic classifier. Only classifier updates are shared with an aggregator, whose head supports reward gating. Raw observations, vehicle records, event traces, and quantum sketches remain private. We evaluate the method using NGSIM trajectories, SUMO predictive gating with sensing noise, and IBM Quantum hardware. On NGSIM, the Pauli sketch reduces test log loss by $14.4\%$ relative to the strongest matched classical sketch. On SUMO, it approaches larger MLPs in stable-window recall while using $7-28$ times less communication per round.
- Abstract（参考訳）: 連結および自律走行車回廊をサポートする道路側ユニット(RSU)は、いつ協調操作を報奨するか、延期するか、または無効にするかを決定するためのコンパクトモデルを必要とする。
生のセンサストリームとニューラルネットワークの重みチェックポイントは、帯域幅に制限があり、プライバシに敏感なロードサイド学習には適していない。
本稿では、トラフィック安定ゲーティングのためのフェデレートされた量子フィーチャースケッチパイプラインである$\texttt{FedQML-Edge}を提示する。
それぞれのRSUは、トラフィック状態の要約を構築し、回路入力を量子コンピュータに送信する。
分類器のアップデートだけがアグリゲータと共有され、ヘッドは報酬ゲーティングをサポートする。
生の観測、車両の記録、イベントトレース、および量子スケッチは非公開のままである。
本手法は,NGSIMトラジェクトリ,知覚ノイズを伴うSUMO予測ゲーティング,IBM Quantumハードウェアを用いて評価する。
NGSIMでは、パウリのスケッチは、最強のマッチした古典的スケッチと比較して、テストログの損失を14.4 %$に減らした。
SUMOでは、安定したウィンドウリコールにおいてより大きなMLPにアプローチし、1ラウンドあたりの通信を7-28ドル削減する。
関連論文リスト
- Quantum Incremental Learning with Mixed State Prototypes [53.319426778720434]
トレーニング可能な混合状態プロトタイプに基づく新しい量子インクリメンタル学習フレームワークを提案する。
本モデルでは,最小数の量子ビットを用いて高次元特徴量を実現する。
論文 参考訳（メタデータ） (2026-08-11T04:22:42Z) - Feasibility-Preserving Quantum Search for Constrained Transportation Routing [2.358614023689616]
交通ルーティングの問題には、顧客の割り当てと訪問ルール、ルートシークエンシング、デポ-リターンロジックを含む厳格な実現可能性要件が含まれる。
ほとんどの量子ルーティングの定式化は、コストハミルトニアンのペナルティ項を通じて間接的に実現可能な準非拘束バイナリ最適化符号化を採用する。
本研究では,移動型制約付き量子交換演算子Ansatzフレームワークを開発し,実現可能性保存論理を直接検索演算子に組み込む。
論文 参考訳（メタデータ） (2026-08-05T20:24:46Z) - Cooperative Platoon Routing and Dispatching via Edge-Assisted Hybrid Quantum Optimization [1.856334276134661]
本稿では,小隊対応車両ルーティングのためのエッジアシスト・クローズドループ評価パイプラインを開発する。
ロードサイドユニットは、ビデオからローカルトラフィックキネマティクスを推定し、セグメントレベルのフロー安定性を分類し、クローズギャップ調整が物理的に適切である道路セグメントのみに小隊報酬を発動する。
我々は、ニューヨーク州トロイの24時間顕微鏡SUMOシミュレーションとIBM Quantumハードウェアベンチマークを用いて、フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-08-01T08:35:27Z) - Quantum Sidecar Architectures for Hybrid AI Training and Inference: Stateful Protected Registers, Stateless Reset-and-Reprepare Circuits and Quantum Weight-State Outlook [0.0]
我々は、将来のハイブリッドAIトレーニングと推論のための量子サイドカーアーキテクチャーファミリを提案する。
古典的大モデルパイプラインに付随する量子コプロセッサに対して、2つの物理的に異なる動作モードを同定する。
論文 参考訳（メタデータ） (2026-05-18T08:21:44Z) - A Scalable Distributed Quantum Optimization Framework via Factor Graph Paradigm [46.08923284345648]
分散量子最適化のための構造認識フレームワークを提案する。
検索スペースが$N$の場合、我々のフレームワークはプロセッサやセパレータに依存した要素に対して$O(sqrtN)$クエリ複雑性を達成する。
構造を考慮した分解は、量子ネットワーク上でのスケーラブルな分散量子最適化に実践的な道をもたらすことを示す。
論文 参考訳（メタデータ） (2026-03-08T15:15:52Z) - Edge-Local and Qubit-Efficient Quantum Graph Learning for the NISQ Era [0.0]
ノイズの多い中間規模量子状態における教師なし学習のために明示的に設計された完全量子グラフ畳み込みアーキテクチャを導入する。
我々のモデルは、ハードウェアネイティブなシングルビットゲートと2ビットゲートのみを使用して、グラフエッジに沿ったペアワイズインタラクションにメッセージパッシングを分解する。
論文 参考訳（メタデータ） (2026-02-17T21:17:42Z) - Domain-Aware Quantum Circuit for QML [0.7999703756441755]
本稿では,局所性保存符号化と絡み合いを導出するために,画像先行情報を利用したドメイン対応量子回路(DAQC)を提案する。
設計ではインターリーブされたエンコード-トレインサイクルを採用しており、隣接するピクセルをホストするキュービット間で絡み合いがデバイス接続に合わせて適用される。
MNIST, FashionMentangle, PneumoniaMNISTデータセット上でDAQCを評価する。
論文 参考訳（メタデータ） (2025-12-19T17:02:58Z) - Lane-Frame Quantum Multimodal Driving Forecasts for the Trajectory of Autonomous Vehicles [6.137648436139678]
自動運転のトレイ予測は、厳密な計算とレイテンシの制約の下で、正確でマルチモーダルなキャリブレーションされた予測を提供する必要がある。
本稿では,エゴ中心のレーン配向フレームで動作することにより,量子帰納バイアスを路面構造に整合させる,コンパクトなハイブリッド量子アーキテクチャを提案する。
Open Motionデータセットでは、SI1.94mのminADEとSI3.56mのminFDEが達成され、ミス率と強いリコールでキネマティックベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2025-11-21T07:00:07Z) - Network-Optimised Spiking Neural Network for Event-Driven Networking [2.5941336499463383]
スパイキングニューラルネットワークは、異常検出、ローカルルーティング制御、エッジでの混雑管理など、時間クリティカルなネットワークタスクに適したイベント駆動型計算を提供する。
本稿では,正規化された待ち行列の占有状態と回復資源を符号化したコンパクトな2変数ユニットであるNetwork-Optimized Spiking (NOS)を紹介する。
我々は、データ駆動初期化、リセットシャープネスに基づくホモトピーによる代理段階トレーニング、リソース制約されたデプロイメントのための境界のトポロジによる明確な安定性チェックのガイダンスを提供する。
論文 参考訳（メタデータ） (2025-09-27T22:31:24Z) - 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) - Q-Newton: Hybrid Quantum-Classical Scheduling for Accelerating Neural Network Training with Newton's Gradient Descent [37.59299233291882]
本稿では,ニュートンのGDを用いたニューラルネットワークトレーニングの高速化を目的とした,ハイブリッド量子古典スケジューラQ-Newtonを提案する。
Q-Newtonは量子と古典的な線形解法を協調する合理化スケジューリングモジュールを使用している。
評価の結果,Q-Newtonは一般的な量子機械と比較してトレーニング時間を大幅に短縮できる可能性が示された。
論文 参考訳（メタデータ） (2024-04-30T23:55:03Z) - Mitigating crosstalk errors by randomized compiling: Simulation of the
BCS model on a superconducting quantum computer [41.94295877935867]
CNOT2量子ゲートを起点とするクロストークエラーは、多くの量子コンピューティングプラットフォームにおけるエラーの重要な原因である。
隣接するキュービットの特別な処理を含むランダム化コンパイルプロトコルを拡張し,適用する。
隣り合う量子ビットのツイリングは、新しい量子ビットや回路を追加することなく、ノイズ推定プロトコルを劇的に改善することを示します。
論文 参考訳（メタデータ） (2023-05-03T18:00:02Z) - Quantum Federated Learning with Entanglement Controlled Circuits and
Superposition Coding [44.89303833148191]
我々は、絡み合ったスリム化可能な量子ニューラルネットワーク(eSQNN)の深さ制御可能なアーキテクチャを開発する。
本稿では,eS-QNNの重畳符号化パラメータを通信する絡み合ったスリム化QFL(eSQFL)を提案する。
画像分類タスクでは、広範囲なシミュレーションがeSQFLの有効性を裏付ける。
論文 参考訳（メタデータ） (2022-12-04T03:18:03Z) - A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。
MNIST画像データセットがそのような条件を満たすことを数値的に示す。
我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
論文 参考訳（メタデータ） (2021-07-19T23:41:03Z) - Edge Federated Learning Via Unit-Modulus Over-The-Air Computation
(Extended Version) [64.76619508293966]
本稿では,効率の良いエッジフェデレーション学習を実現するために,UM-AirCompフレームワークを提案する。
ローカルモデルパラメータを同時にアップロードし、アナログビームフォーミングを通じてグローバルモデルパラメータを更新する。
車両間自動運転シミュレーションプラットフォームにおけるUM-AirCompの実装を実演する。
論文 参考訳（メタデータ） (2021-01-28T15:10:22Z)
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。