論文の概要: From IceCube to IT-Sphere: A Hybrid Quantum-Classical GNN for Banking IT Root Cause Analysis
- arxiv url: http://arxiv.org/abs/2609.22822v1
- Date: Sat, 19 Sep 2026 06:49:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:00.566836
- Title: From IceCube to IT-Sphere: A Hybrid Quantum-Classical GNN for Banking IT Root Cause Analysis
- Title（参考訳）: IceCubeからIT-Sphereへ:ITルーツ原因分析の銀行化のためのハイブリッド量子古典型GNN
- Abstract要約: HQ-RCA(Hybrid Quantum Root Cause Analysis)は、銀行IT運用における根本原因分析のワークフローである。
HQ-RCAは、DynEdgeの古典的なバックボーンであるハイブリッド量子グラフニューラルネットワーク(QGNN)上に構築されている。
- 参考スコア（独自算出の注目度）: 2.6109033135086777
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present Hybrid Quantum Root Cause Analysis (HQ-RCA), an industrially grounded workflow for root cause analysis in banking IT operations, built on a hybrid Quantum Graph Neural Network (QGNN): the classical backbone of DynEdge (the IceCube neutrino-reconstruction GNN, which we call standalone DynEdge), with its classification head replaced by a Variational Quantum Circuit (VQC). On 13 months of anonymised IT data (13k alarm clusters) from a major European bank, the hybrid QGNN matches standalone DynEdge -- the strongest classical baseline -- on $F_1$, while standalone DynEdge leads the ranking metrics. A readout-sensitivity and layout-robustness study, analysed via Dimensional Expressivity Analysis (DEA), shows that the effective parameter dimensionality (rank) of the quantum observable has no measurable correlation with $F_1$; we therefore keep the simplest readout $\langle Z_0\rangle$ (the Pauli-$Z$ expectation on the first qubit), which in the deployed layout is rank-1, collapsing optimisation to a 1-D problem solvable by a gradient-free grid scan. Execution on IBM Heron r2 (no error mitigation) shows this gradient-free readout is executable on NISQ hardware after threshold recalibration.
- Abstract（参考訳）: 本稿では,DynEdge (IceCube neutrino-reconstruction GNN) の古典的バックボーンであるQuantum Graph Neural Network (QGNN) をベースとした,銀行ITオペレーションの根本原因分析のための産業用ワークフローであるHybrid Quantum Root Cause Analysis (HQ-RCA) について述べる。
ヨーロッパの大手銀行から匿名化されたITデータ(13kのアラームクラスタ)の13ヶ月で、ハイブリッドQGNNはスタンドアロンの古典的ベースラインであるDynEdgeとF_1$で一致し、スタンドアロンのDynEdgeがランキングをリードする。
次元表現性解析 (DEA) を用いて解析された読み出し感度とレイアウト難解性の研究は、量子可観測器の有効パラメータ次元(ランク)が$F_1$と測定可能な相関を持たないことを示し、従って、最も単純な読み出し値である$\langle Z_0\rangle$(第1量子ビット上のPauli-$Z$予想)は、配置レイアウトにおいてランク1であり、勾配のないグリッドスキャンで解ける1-D問題に最適化を崩壊させる。
IBM Heron r2 の実行(エラーの軽減)は、閾値修正後の NISQ ハードウェア上でこの勾配なし読み出しが実行可能であることを示している。
関連論文リスト
- Reducing ANN-SNN Conversion Error via Residual Membrane Potential Alignment [52.910770415431244]
スパイキングニューラルネットワーク(SNN)は、ニューロモルフィックコンピューティングのコアアーキテクチャとして機能する。
ANN-SNN変換は、低レイテンシでエネルギー効率のよい推論のために、よく訓練されたANN重みを再利用することで問題を回避している。
既存の変換方式は、小さなタイミングで精度の低下、大きな推論遅延、累積量子化誤差に悩まされている。
論文 参考訳（メタデータ） (2026-08-14T04:46:03Z) - Fixed-Reservoir vs Variational Quantum Architectures for Chaotic Dynamics: Benchmarking QRC and QPINN on the Lorenz System [0.14323566945483496]
ロレンツ系におけるカオス時系列予測のための2つの量子的アプローチを比較する。
本研究では,QRCパイプライン内の時間的ウィンドウ化手法を定式化し,アトラクタ再構成を改善する。
以上の結果から, 固定貯留層構造がQRCの優位性の主要な要因であることが示唆された。
論文 参考訳（メタデータ） (2026-04-26T14:43:03Z) - Edge-Local and Qubit-Efficient Quantum Graph Learning for the NISQ Era [0.0]
ノイズの多い中間規模量子状態における教師なし学習のために明示的に設計された完全量子グラフ畳み込みアーキテクチャを導入する。
我々のモデルは、ハードウェアネイティブなシングルビットゲートと2ビットゲートのみを使用して、グラフエッジに沿ったペアワイズインタラクションにメッセージパッシングを分解する。
論文 参考訳（メタデータ） (2026-02-17T21:17:42Z) - Benchmarking Quantum and Classical Algorithms for the 1D Burgers Equation: QTN, HSE, and PINN [0.0]
本稿では1次元バーガー方程式をシミュレーションするための量子ネットワーク(QTN)、流体力学シュルディンガー方程式(Difference)、物理情報ニューラルネットワーク(PINN)の比較ベンチマークを提案する。
我々は、N=4$から128$までのグリッド解決におけるソリューションの正確性、実行時のスケーリング、リソースオーバーヘッドを分析します。
論文 参考訳（メタデータ） (2026-02-04T05:57:27Z) - Quantum-Enhanced Neural Contextual Bandit Algorithms [50.880384999888044]
本稿では,Quantum Neural Tangent Kernel-Upper Confidence Bound (QNTK-UCB)アルゴリズムを提案する。
QNTK-UCBは、量子ニューラルタンジェントカーネル(QNTK)を利用してこれらの制限に対処する新しいアルゴリズムである。
論文 参考訳（メタデータ） (2026-01-06T09:58:14Z) - Hybrid Quantum-Classical Neural Networks for Few-Shot Credit Risk Assessment [52.05742536403784]
この仕事は、数発の信用リスク評価の課題に取り組む。
我々は、新しいハイブリッド量子古典ワークフローを設計、実装する。
量子ニューラルネットワーク(QNN)はパラメータシフト規則によって訓練された。
実世界の279のサンプルデータを用いて、QNNはシミュレーションで0.852 +/-0.027の堅牢な平均AUCを達成し、ハードウェア実験で0.88の印象的なAUCを得た。
論文 参考訳（メタデータ） (2025-09-17T08:36:05Z) - Exact Certification of (Graph) Neural Networks Against Label Poisoning [50.87615167799367]
グラフニューラルネットワーク(GNN)におけるラベルフリップの正確な認証手法を提案する。
本稿では,ノード分類タスクにおける広範囲なGNNアーキテクチャの認証に本手法を適用した。
私たちの研究は、ニューラルネットワークによって引き起こされた毒殺攻撃に対する最初の正確な認証を提示します。
論文 参考訳（メタデータ） (2024-11-30T17:05:12Z) - Backdoor Attacks against Hybrid Classical-Quantum Neural Networks [11.581538622210896]
ハイブリッド量子ニューラルネットワーク(HQNN)は量子機械学習(QML)における将来性を示す
HQNNに対するバックドア攻撃に関する最初の体系的研究について述べる。
論文 参考訳（メタデータ） (2024-07-23T08:25:34Z) - Neural quantum kernels: training quantum kernels with quantum neural networks [0.0]
本稿では,量子カーネル構築のための量子ニューラルネットワークのトレーニングを提案する。
我々は、ニューラルネットワークを構築するためのいくつかの戦略を提案し、量子ニューラルネットワーク(QNN)をトレーニングするためのスケーラブルな方法を提案する。
論文 参考訳（メタデータ） (2024-01-09T16:08:32Z) - Toward Trainability of Deep Quantum Neural Networks [87.04438831673063]
ランダムな構造を持つ量子ニューラルネットワーク(QNN)は、回路深さと量子ビット数が増加するにつれて指数関数的に減少する勾配のため、トレーニング性に乏しい。
理論的保証のある深部QNNに対して、消滅する勾配問題に対する最初の実現可能な解決策を提供する。
論文 参考訳（メタデータ） (2021-12-30T10:27:08Z)
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。