論文の概要: Noise-Awareness in Quantum Software Testing: An Empirical Landscape Analysis
- arxiv url: http://arxiv.org/abs/2610.25233v1
- Date: Sun, 18 Oct 2026 12:54:10 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 22:13:44.43791
- Title: Noise-Awareness in Quantum Software Testing: An Empirical Landscape Analysis
- Title（参考訳）: 量子ソフトウェアテストにおける騒音認識:経験的景観分析
- Abstract要約: ノイズ技術スケール量子(NISQ)ハードウェアは、量子コンピューティングを実用的な実験プラットフォームに変えた。
既存のテスト方法論が、ノイズやハードウェアに制約のある実行環境にどの程度関与しているかは、まだ不明である。
本稿では,QST研究における騒音認識の系統的景観解析について,決定論的・分類学的指導型分析フレームワークを用いて述べる。
- 参考スコア（独自算出の注目度）: 0.5735035463793009
- License:
- Abstract: Noisy Intermediate-Scale Quantum (NISQ) hardware has transformed quantum computing into a practical experimental platform while introducing fundamental challenges associated with hardware noise, decoherence, and probabilistic execution. Although quantum software testing (QST) has rapidly emerged as an active research area, it remains unclear to what extent existing testing methodologies explicitly engage with noisy and hardware-constrained execution environments. This paper presents a systematic empirical landscape analysis of noise-awareness in QST research through a deterministic, taxonomy-guided analytical framework applied to 61 papers published between 2018 and 2025 across eight testing paradigms, contrasting how contributions are framed with how they are evaluated. Among the analyzed papers, 47 (77.0%) are noise-oblivious and only 14 (23.0%) explicitly engage with noise-related execution concerns, while only 11 (18.0%) report evaluation on physical hardware or a noisy simulator. Test generation, the largest paradigm, exhibits a noise-awareness rate of only 14.3%, and debugging and repair 18.2%; coverage-based, metamorphic, and differential testing contain no noise-aware contributions. Noise-aware methodologies emerged late and remain outnumbered in all analyzed years. Framing and evaluation are strongly associated (odds ratio 40.5, p < 0.001) yet diverge for individual papers: 5 of the 14 noise-aware papers evaluate only on ideal simulators. Inferential statistical tests are reported in only 16.4% of papers. The classification framework was validated against a blinded, human-coded reference sample, achieving almost perfect inter-rater agreement on testing-technique classification and substantial agreement on noise-awareness. The framework provides a reusable empirical basis for longitudinal analysis of hardware-conscious testing practice.
- Abstract（参考訳）: ノイズのある中間スケール量子(NISQ)ハードウェアは、量子コンピューティングを実用的な実験プラットフォームに変え、ハードウェアノイズ、デコヒーレンス、確率的実行に関する根本的な課題を提起した。
量子ソフトウェアテスト(QST)は、活発な研究領域として急速に現れてきたが、既存のテスト方法論が明らかにノイズやハードウェア制約のある実行環境にどの程度関与しているかは、まだ不明である。
本稿では,2018年から2025年にかけて,8つの試験パラダイムにまたがる61の論文に適用される決定論的・分類学的指導型分析フレームワークを用いて,QST研究における騒音認識の体系的景観分析を行った。
分析された論文の中で、47(77.0%)はノイズに満ちたものであり、ノイズに関連した実行に明示的に関与するのはわずか14(23.0%)であり、物理ハードウェアまたはノイズシミュレータに関するレポートは11(18.0%)に過ぎなかった。
最大のパラダイムであるテスト生成では、ノイズ認識率は14.3%であり、デバッグと修復は18.2%である。
騒音に敏感な手法が最近出現し、分析された年数で圧倒され続けている。
フラーミングと評価は強く関連している(オード比40.5, p < 0.001)が、個々の論文では異なっており、14のノイズ対応論文のうち5つが理想的なシミュレータでのみ評価されている。
推論統計テストは16.4%の論文でのみ報告されている。
分類の枠組みは、盲目で人間のコードによる参照サンプルに対して検証され、テスト技術分類とノイズ認識に関する実質的な合意についてほぼ完璧に一致した。
このフレームワークは、ハードウェアを意識したテストプラクティスの経時的分析のための再利用可能な経験的基盤を提供する。
関連論文リスト
- Noise-Resilient Testing of Quantum Programs Based on Output Dominance [3.850881411429383]
ノイズ推定と緩和を別途行わずにノイズサンプルから検査を判定するための支配誘導QST手法であるQominoを提案する。
我々は,6つのQiskitプログラムと6つのシミュレートされたノイズバックエンドから,30の制御バギー変種について,Qominoを統計的,量子固有,学習に基づく6つのベースラインと比較した。Qominoは6つのプログラムすべてに対して85.65%,制限された2つのプログラム評価において99.95%の精度を達成し,対応するベースラインを著しく上回った。
論文 参考訳（メタデータ） (2026-10-03T11:55:07Z) - Robust Mutation Analysis of Quantum Programs Under Noise [4.829367290065316]
ノイズのない,ノイズの多いシミュレータ上で実行される41個の量子プログラムを用いて,ノイズがミュータント検出に与える影響を分析する。
ノイズはプログラムとミュータント間の行動距離を著しく変化させ、等価なミュータントを実際の故障と区別しにくくする。
論文 参考訳（メタデータ） (2026-05-13T09:56:05Z) - Pattern-Dependent Performance of the Bernstein-Vazirani Algorithm [0.0]
本稿では,超伝導量子プロセッサ上での11種類の試験パターンにまたがるベルンシュタイン・ヴァジラニアルゴリズムのベンチマーク研究について述べる。
その結果、平均成功率は100.0%(理想シミュレーション)、85.2%(ノイズエミュレーション)、26.4%(リアルハードウェア)であることが判明した。
量子状態トモグラフィーは、パターン密度と状態忠実度劣化のほぼ完全な相関を示す。
論文 参考訳（メタデータ） (2025-11-18T15:36:14Z) - Noise-Robust Self-Testing: Detecting Non-Locality in Noisy Non-Local Inputs [0.0]
非局所ゲームは量子系の非局所性と絡み合いをテストする。
これらは、信頼できないデバイスにおける量子状態の証明にセルフテストで使用される。
現在の文献には、ノイズ・ロバスト性の標準化された尺度が欠けている。
論文 参考訳（メタデータ） (2025-05-18T16:55:33Z) - SoftPatch+: Fully Unsupervised Anomaly Classification and Segmentation [84.07909405887696]
本論文は、完全教師なし産業異常検出(すなわち、ノイズデータ付き教師なしAD)を初めて検討したものである。
メモリベースの非教師なしAD手法であるSoftPatchとSoftPatch+を提案する。
既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
様々なノイズシナリオで実施された総合的な実験により、SoftPatchとSoftPatch+はMVTecAD、ViSA、BTADのベンチマークで最先端のADメソッドよりも優れていた。
論文 参考訳（メタデータ） (2024-12-30T11:16:49Z) - SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。
本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。
既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
論文 参考訳（メタデータ） (2024-03-21T08:49:34Z) - Improving the Robustness of Summarization Models by Detecting and
Removing Input Noise [50.27105057899601]
本研究では,様々な種類の入力ノイズから,様々なデータセットやモデルサイズに対する性能損失を定量化する大規模な実験的検討を行った。
本稿では,モデル推論中の入力中のそのようなノイズを検出し,除去するための軽量な手法を提案する。
論文 参考訳（メタデータ） (2022-12-20T00:33:11Z) - The Optimal Noise in Noise-Contrastive Learning Is Not What You Think [80.07065346699005]
この仮定から逸脱すると、実際により良い統計的推定結果が得られることが示される。
特に、最適な雑音分布は、データと異なり、また、別の家族からさえも異なる。
論文 参考訳（メタデータ） (2022-03-02T13:59:20Z) - Statistical Hypothesis Testing for Class-Conditional Label Noise [3.6895394817068357]
この作業は、機械学習の実践者に質問に答えるためのツールを提供することを目的としています。
特に,あるインスタンスラベル対のデータセットが,クラス条件ラベルノイズによって破損したかどうかを確認するための仮説テストを提案する。
論文 参考訳（メタデータ） (2021-03-03T19:03:06Z) - Learning based signal detection for MIMO systems with unknown noise
statistics [84.02122699723536]
本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。
実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。
我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
論文 参考訳（メタデータ） (2021-01-21T04:48:15Z)
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。