論文の概要: Search-Based Generation of Undetected Quantum Circuit Mutants

• arxiv url: http://arxiv.org/abs/2608.09318v1
• Date: Mon, 10 Aug 2026 08:58:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.173659
• Title: Search-Based Generation of Undetected Quantum Circuit Mutants
• Title（参考訳）: 探索に基づく未検出量子回路変異体の生成
• Abstract要約: 本稿では,パラメータ可能な量子ゲートを用いて,課題のある突然変異体を生成するための探索に基づく手法を提案する。 QUMUGは、突然変異パラメータを最適化し、与えられたテストスイートを通過する等価でないミュータントを見つけるために検索アルゴリズムを使用している。
• 参考スコア（独自算出の注目度）: 6.401021954274483
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum mutation analysis is emerging as an essential technique for evaluating test suites due to the limited availability of real faulty quantum programs. However, existing quantum mutation analysis tools use fixed gate-based mutations, resulting in easy-to-detect mutants, which reduces their effectiveness in assessing the quality of test suites. We propose QUMUG, a search-based approach for generating challenging mutants by utilising parameterisable quantum gates. QUMUG employs search algorithms to optimise mutation parameters and find non-equivalent mutants passing a given test suite. In our evaluation over 30 quantum programs, QUMUG produced mutants that are three times more challenging than the mutants generated by existing tools. Among the four evaluated search algorithms, the genetic algorithm was the most effective, generating an average of 494 undetected mutants per program with a 99.67% success rate and 94.3% non-equivalent ratio. The generated mutants demonstrated their effectiveness by requiring the addition of five times more test cases to the test suite than the mutants generated by existing tools. We also analysed the behaviour of higher order mutants in quantum circuits, and showed that while first order mutations are more effective for enhancing the test suite, higher order mutants highlight the need for new unique test cases.
• Abstract（参考訳）: 量子突然変異解析は、真に欠陥のある量子プログラムの可用性が限られているため、テストスイートを評価する上で不可欠な技術として浮上している。 しかし、既存の量子突然変異解析ツールは固定ゲートベースの突然変異を使用しており、簡単に検出できる変異体となり、テストスイートの品質を評価する上での有効性が低下する。 そこで本研究では,パラメータ可能な量子ゲートを応用して,挑戦的なミュータントを生成するための検索ベースアプローチQUMUGを提案する。 QUMUGは、突然変異パラメータを最適化し、与えられたテストスイートを通過する等価でないミュータントを見つけるために検索アルゴリズムを使用している。 30以上の量子プログラムの評価において、QUMUGは既存のツールで生成されたミュータントより3倍難しいミュータントを生成した。 4つの評価された探索アルゴリズムのうち、遺伝的アルゴリズムが最も効果的であり、プログラム毎に平均494個の未検出変異が生成され、99.67%の成功率と94.3%の非等価比が得られた。 生成されたミュータントは、既存のツールで生成されたミュータントよりもテストスイートに5倍のテストケースを追加することで、その効果を実証した。 また、量子回路における高次変異体の挙動を分析し、一階変異がテストスイートの強化に有効である一方で、高次変異は新たなユニークなテストケースの必要性を強調した。

関連論文リスト

• Quantum Mutant Equivalence via Transpilation [3.414738359803266]
  量子ソフトウェアでは、突然変異試験がますます使われているが、等価な突然変異問題は未解決のままである。 本稿では,トランスパイラベース等価性(Transpiler-Based Equivalence, TBE)を提案する。
  論文  参考訳（メタデータ） (2026-06-25T05:06:50Z)
• QMutBench: A Dataset of Quantum Circuit Mutants [6.401021954274483]
  QMutBenchは70,000以上の量子回路変異体を含むデータセットである。 データセットは、選択基準付きオンラインインターフェースを介してアクセスすることができる。 これは新しい突然変異誘導型量子ソフトウェアテスト技術の開発を可能にする。
  論文  参考訳（メタデータ） (2026-04-17T09:20:55Z)
• Accurate de novo sequencing of the modified proteome with OmniNovo [39.43336836259004]
  タンデム質量スペクトルから直接ペプチドの参照なしシークエンシングのための統合ディープラーニングフレームワークであるOmniNovoを紹介する。 オムニノヴォは、質量制限された復号アルゴリズムと厳密な偽発見率の推定を統合することで、最先端の精度を達成し、1%の偽発見率で標準アプローチよりも51%多くのペプチドを同定する。 重要なことに、このモデルは、トレーニング中に見えない生物の部位に一般化し、プロテオームの暗黒物質を照らし、細胞制御の偏りのない包括的解析を可能にする。
  論文  参考訳（メタデータ） (2025-12-13T10:27:14Z)
• Don't Throw Away Your Beams: Improving Consistency-based Uncertainties in LLMs via Beam Search [111.6996614063716]
  整合性に基づく不確実性推定の候補を生成するためにビームサーチを用いる新しい手法のファミリーを導入する。 我々は、6つのQAデータセットに対する我々のアプローチを実証的に評価し、その多項サンプリングに対する一貫した改善が最先端のUQパフォーマンスをもたらすことを発見した。
  論文  参考訳（メタデータ） (2025-12-10T11:24:29Z)
• MutDafny: A Mutation-Based Approach to Assess Dafny Specifications [46.0054630008219]
  潜在的な弱点を自動的に通知することで、Dafny仕様の信頼性を高めるツールであるMutDafnyを提示する。 一般的なツールから突然変異演算子を解析し、Dafnyに適用可能なものを同定する。 実世界の794個のDafnyプログラムのデータセットにおいて,MutDafnyの有効性と効率を評価する。
  論文  参考訳（メタデータ） (2025-11-19T12:58:06Z)
• 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)
• A Simple yet Effective DDG Predictor is An Unsupervised Antibody Optimizer and Explainer [53.85265022754878]
  高速な突然変異スクリーニングのための軽量DDG予測器(Light-DDG)を提案する。 また、Light-DDGを事前学習するための数百万の突然変異データを含む大規模データセットもリリースした。 対象抗体について,変異選好を学習するための新しい変異説明器を提案する。
  論文  参考訳（メタデータ） (2025-02-10T09:26:57Z)
• METFORD -- Mutation tEsTing Framework fOR anDroid [0.0]
  この研究は、Androidの突然変異検査コストの削減に寄与することを目的としている。 突然変異テスト演算子を変異スキーマに従って実装する。 追加の突然変異演算子はJavaScriptで実装でき、フレームワークに簡単に統合できる。
  論文  参考訳（メタデータ） (2025-01-06T09:36:57Z)
• A Comprehensive Study on Large Language Models for Mutation Testing [36.00296047226433]
  大規模言語モデル(LLM)は、最近、研究作業と産業実践の両方においてミュータントを生成するために使用されている。 BugFarm と LLMorpheus (最先端の2つの LLM ベースのアプローチ) を,Java の実世界の2つのバグベンチマークから,851 の実際のバグに対して評価した。 以上の結果から, LLMは既存のルールベースアプローチと比較して, 実際のバグに近づき, 111.29%の障害検出率を持つ, より多様な変異体を生成することが明らかとなった。
  論文  参考訳（メタデータ） (2024-06-14T08:49:41Z)
• An Empirical Evaluation of Manually Created Equivalent Mutants [54.02049952279685]
  手動で作成した突然変異体の10%未満は等価である。 驚くべきことに、我々の発見は、開発者の大部分が同等のミュータントを正確に識別するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2024-04-14T13:04:10Z)
• Towards a tailored mixed-precision sub-8-bit quantization scheme for Gated Recurrent Units using Genetic Algorithms [39.979007027634196]
  ゲーテッド・リカレント・ユニット(GRU)は内部状態に依存しているためチューニングが難しい。 本稿では,各演算子のビット幅を独立に選択できるGRUのモジュラ整数量子化方式を提案する。
  論文  参考訳（メタデータ） (2024-02-19T16:24:20Z)
• Tree Search-Based Evolutionary Bandits for Protein Sequence Optimization [44.356888079704156]
  タンパク質工学は、任意のタンパク質の広大な配列空間のため、大変な作業である。 タンパク質工学は通常、野生型または鉛配列に突然変異を加える反復的なプロセスによって行われる。 本稿では,木探索に基づくバンド学習手法を提案する。この手法は,初期シーケンスから始まる木を,バンド学習モデルのガイダンスで拡張する。
  論文  参考訳（メタデータ） (2024-01-08T06:33:27Z)
• Quantum Circuit Mutants: Empirical Analysis and Recommendations [7.582630148228262]
  実世界の382個の量子回路を変異させた700K以上の故障ベンチマーク(量子回路)を用いて,大規模な実験評価を行った。 この結果に基づいて、量子突然変異解析手法を体系的に定義する上で、研究者にとって貴重な知見を提供する。
  論文  参考訳（メタデータ） (2023-11-28T16:15:50Z)

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。