論文の概要: Transformer fault diagnosis using an efficient simulation-driven variational quantum classifier with domain-aware feature encoding

• arxiv url: http://arxiv.org/abs/2609.20214v1
• Date: Tue, 28 Jul 2026 12:36:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.637607
• Title: Transformer fault diagnosis using an efficient simulation-driven variational quantum classifier with domain-aware feature encoding
• Title（参考訳）: ドメイン認識特徴符号化を用いた効率的なシミュレーション駆動変分量子分類器を用いた変圧器故障診断
• Abstract要約: 早期の変圧器故障診断は, 非線形溶存ガス相互作用, 重なり合う断層シグネチャ, ラベル付きデータによる課題である。 本稿では, ガス分析に基づく変圧器故障診断のためのシミュレーション駆動モデリングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.13999481573773068
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early transformer fault diagnosis is challenged by nonlinear dissolved-gas interactions, overlapping fault signatures, and limited labeled data, while practical deployment further requires reliable performance under realistic computational constraints. This paper presents a simulation-driven modeling framework for dissolved gas analysis-based transformer fault diagnosis, in which a carefully engineered variational quantum classifier (VQC) is employed as the computational core and systematically analyzed through simulation. The framework integrates domain-aware feature modeling derived from Duval geometry with a lightweight two-qubit quantum representation, enabling nonlinear gas-interaction effects to be captured within a shallow parameterized circuit. A hybrid ZX-YY quantum feature map is designed to model non-commuting feature interactions, while a full-entanglement EfficientSU2 ansatz provides adequate expressive capacity under strict resource limits. Model behavior is evaluated using a comprehensive simulation pipeline including noise-aware circuit emulation, cross-dataset validation, and limited hardware-in-the-loop execution, allowing key effects of circuit depth, noise, and optimization strategy to be examined. Simulation results on benchmark dissolved-gas-analysis datasets demonstrate high diagnostic accuracy, strong generalization capability, and robustness to realistic noise levels with minimal quantum resources. The results highlight the effectiveness of simulation-informed modeling for practical transformer diagnostic applications, offering a reproducible and resource-efficient pathway for evaluating quantum-enhanced fault diagnosis methods.
• Abstract（参考訳）: 早期の変圧器故障診断は, 非線形溶存ガス相互作用, 重なり合う故障シグネチャ, 限定ラベル付きデータにより困難であり, 実用的な展開には, 現実的な計算制約下での信頼性の高い性能が必要である。 本稿では, 希釈ガス解析に基づく変圧器故障診断のためのシミュレーション駆動型モデリングフレームワークについて, 計算コアとして慎重に設計された変圧器量子分類器(VQC)を用い, シミュレーションにより体系的に解析した。 このフレームワークは、デュヴァル幾何学から派生したドメイン認識特徴モデリングと軽量な2量子ビット量子表現を統合し、浅いパラメータ化回路内で非線形ガス相互作用効果を捕捉する。 ハイブリッドZX-YY量子特徴写像は非可換な特徴相互作用をモデル化するために設計され、フルエンタングルメントSU2アンサッツは厳密な資源制限下で適切な表現能力を提供する。 モデル動作は、ノイズ認識回路エミュレーション、クロスデータセット検証、限られたハードウェア・イン・ザ・ループ実行を含む包括的なシミュレーションパイプラインを用いて評価され、回路深さ、ノイズ、最適化戦略の鍵となる効果を検証できる。 ベンチマークによるガス分析データセットのシミュレーション結果は、最小の量子資源を持つ現実的なノイズレベルに対する高い診断精度、強力な一般化能力、ロバスト性を示す。 その結果, シミュレーションインフォームド・モデリングの実用的トランスフォーマー診断への応用が強調され, 再現性, 資源効率が向上し, 量子化故障診断法の評価が可能となった。

関連論文リスト

• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Process mining-driven modeling and simulation to enhance fault diagnosis in cyber-physical systems [5.065341495341096]
  CPS(Cyber-Physical Systems)の故障診断は,システムの信頼性と運用効率の確保に不可欠である。 本稿では, 時系列, プロセスマイニング, シミュレーションにおける集団異常検出を統合した, 教師なし故障診断手法を提案する。 これにより、予測保守と産業環境のためのデジタルツインの開発を支援する総合的なフォールト辞書の作成が可能になる。
  論文  参考訳（メタデータ） (2025-06-26T17:29:37Z)
• A Hybrid Artificial Intelligence Method for Estimating Flicker in Power Systems [42.76841620787673]
  本稿では,Hフィルタと適応線形ニューロンネットワークを組み合わせたハイブリッドAI手法を提案する。 提案手法はHフィルタのロバスト性を利用して不確実でノイズの多い条件下で電圧エンベロープを抽出し,次にADALINEを用いてエンベロープに埋め込まれたフリック周波数を正確に同定する。
  論文  参考訳（メタデータ） (2025-06-16T15:38:39Z)
• Practical Application of the Quantum Carleman Lattice Boltzmann Method in Industrial CFD Simulations [44.99833362998488]
  この研究は、格子ボルツマン法(LBM)に基づくCFDへのハイブリッド量子古典的アプローチの実用的な数値評価を提示する。 本手法は, 異なる境界条件, 周期性, バウンスバック, 移動壁を有する3つのベンチマークケースで評価した。 提案手法の有効性を検証し,10～3ドル程度の誤差忠実度と,実際の量子状態サンプリングに十分な確率を達成できた。
  論文  参考訳（メタデータ） (2025-04-17T15:41:48Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• Impacts of floating-point non-associativity on reproducibility for HPC and deep learning applications [0.0]
  浮動小数点非連想性に起因する並列プログラムにおける変数の実行は、アルゴリズムに大きな影響を与えることが知られている。 並列プログラミングモデルにおける浮動小数点非連想性の統計的性質について検討する。 我々は、ディープラーニングのためのGPUデプロイメントのコンテキスト内で、最近追加されたPyTorchの決定論的オプションについて検討する。
  論文  参考訳（メタデータ） (2024-08-09T16:07:37Z)
• Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
  多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。 本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。 疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
  論文  参考訳（メタデータ） (2022-06-10T04:54:13Z)
• qopt: An experiment-oriented Qubit Simulation and Quantum Optimal Control Package [0.0]
  我々は、量子ビット力学とロバスト量子最適制御をシミュレートするソフトウェアフレームワークであるqoptを紹介する。 我々は,実音特性と実験制約のシミュレーションに焦点をあてて,オープンかつクローズドな量子ビット系をモデル化する。
  論文  参考訳（メタデータ） (2021-10-12T10:24:50Z)
• Modeling Noisy Quantum Circuits Using Experimental Characterization [0.40611352512781856]
  ノイズの多い中間スケール量子(NISQ)デバイスは、非フォールト耐性量子コンピューティングの挙動をテストし評価するためのユニークなプラットフォームを提供する。 ノイズの多い回路モデリングの複雑さを管理するNISQプログラムを特徴付けるためのテスト駆動方式を提案する。
  論文  参考訳（メタデータ） (2020-01-23T16:45:49Z)

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。