論文の概要: Predictive Maintenance at the Edge: An Embedded Anomaly Detection Pipeline Trained with Quantum Optimization

• arxiv url: http://arxiv.org/abs/2610.40848v1
• Date: Thu, 29 Oct 2026 18:31:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.469822
• Title: Predictive Maintenance at the Edge: An Embedded Anomaly Detection Pipeline Trained with Quantum Optimization
• Title（参考訳）: エッジにおける予測的メンテナンス:量子最適化による組込み異常検出パイプライン
• Abstract要約: 本稿では,振動信号から軸受の異常を検出する予測維持パイプラインを提案する。 低コストのマイクロコントローラ上でのエッジへの展開に適応している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article presents a predictive-maintenance pipeline that detects anomalies in bearings from vibration signals, adapted for deployment at the edge on low-cost microcontrollers, and that uses quantum optimization in two steps of its training. The pipeline consists of a step of vibration feature extraction and a step of classification with a one-class support vector machine (OCSVM). The features are selected by minimum redundancy and maximum relevance (mRMR) with the variational quantum eigensolver (VQE), under a limit on computing time. The OCSVM is adapted for inference at the edge without floating-point operations and is trained by a variational quantum algorithm with Pauli-correlation encoding (PCE). In small-scale tests on a simulator, with the Paderborn bearing dataset, the VQE found the optimal selection in 36% of the runs with Adam, and PCE chose better support vectors than chance, until a classical local search made the two equal. A classical baseline, the usual OCSVM trained by SMO with its weights rounded, matched them without any search.
• Abstract（参考訳）: 本稿では、振動信号から軸受の異常を検出し、低コストマイクロコントローラのエッジへの展開に適応し、トレーニングの2ステップで量子最適化を利用する予測保守パイプラインを提案する。 このパイプラインは、振動特徴抽出のステップと、一級支持ベクトルマシン(OCSVM)による分類のステップで構成されている。 これらの特徴は、最小冗長性と最大相対性(mRMR)と変分量子固有解法(VQE)によって、計算時間に限って選択される。 OCSVMは浮動小数点演算なしでエッジでの推論に適応し、パウリ相関符号化(PCE)を用いた変分量子アルゴリズムによって訓練される。 シミュレーションの小さなテストでは、パダーボーン軸受のデータセットを用いて、VQEはアダムとのランニングの36%で最適な選択をし、PCEは古典的なローカルサーチが同等になるまで、偶然よりもより良いサポートベクターを選択した。 古典的なベースラインである、SMOによって訓練された通常のOCSVMは、その重みが丸く、検索なしでそれらと一致した。

関連論文リスト

• AxisQ: Depth-Adaptive Channel--Frequency Quantization for Camouflaged Object Detection [51.79422663088994]
  カモフラージュされた物体検出は、攻撃的な後量子化によって破壊できる弱いテクスチャと境界の手がかりに依存する。 ここでは,特徴深度で有用なアロケーション軸が変化するという観測を動機とした,奥行き適応型ビット割り当てフレームワークであるAxisQを紹介する。 複数のCODモデルと多様なベンチマークによる実験では、低ビット幅で最強のベースラインよりも精度が向上した。
  論文  参考訳（メタデータ） (2026-10-27T08:41:01Z)
• Benchmarking Modular Optimization Strategies for Parameterized Quantum Circuits [0.0]
  パラメータ化量子回路の訓練には、限られた評価予算による最適化の進捗のバランスが必要である。 本稿では,古典的更新規則から量子探索方向推定を分離するモジュール型ベンチマークフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-07T15:32:48Z)
• Formulation-Level Auto-Tuning for QUBO-Based Machine Learning: A Case Study Across Multiple Quantum-Inspired Annealers [0.0]
  本稿では,サポートベクトルマシン(SVM)のためのOptunaベースの定式化レベル自動チューニングフレームワークを提案する。 連続双対変数は離散化され、2次非制約バイナリ最適化(QUBO)モデルに変換される。 0-20%のラベルノイズを持つ線形および非線形分類タスクの実験では, それぞれ0.8点と2.1点のグリッド探索よりも平均的なゲインが得られた。
  論文  参考訳（メタデータ） (2026-07-21T06:56:43Z)
• Comparing the Performance of Leading VQE Algorithms for Computing Ground-State Energies of Amino Acids [0.0]
  論文から10以上の異なるアンサーゼの再現可能なベンチマークを備えた統合リポジトリを提案する。 QMProtデータセットから得られたハミルトニアンを用いて、異なるアミノ酸をシミュレートする。
  論文  参考訳（メタデータ） (2026-07-02T06:38:31Z)
• Randomized neural operator for parametric PDEs with fast training and conformal uncertainty quantification [47.720075875232226]
  我々は,PCAに基づく次元還元と固定ランダム特徴を組み合わせたニューラル演算子であるPCA-RaNNを紹介する。 演算子学習を固定回帰として再キャストし、遅延回帰を3桁まで削減する。
  論文  参考訳（メタデータ） (2026-06-28T15:02:26Z)
• Analog Quantum Feature Selection with Neutral-Atom Quantum Processors [31.458406135473805]
  我々は、中性原子配列を用いたアナログ量子シミュレーションに基づく量子特徴選択(QFS)に対する量子ネイティブなアプローチを提案する。 このプロトコルは、アダルト所得、銀行マーケティング、テルコ・チャーンという3つのベンチマークバイナリ分類データセットのシミュレーションによって評価される。 2-5 つの特徴のコンパクトな部分集合では、アナログ QFS は平均 AUC スコアを 1.5-2.3% 改善し、特徴の数を 75-84% 削減した。
  論文  参考訳（メタデータ） (2025-10-23T17:57:34Z)
• Extending Quantum Perceptrons: Rydberg Devices, Multi-Class Classification, and Error Tolerance [67.77677387243135]
  量子ニューロモーフィックコンピューティング(QNC)は、量子計算とニューラルネットワークを融合して、量子機械学習(QML)のためのスケーラブルで耐雑音性のあるアルゴリズムを作成する QNCの中核は量子パーセプトロン(QP)であり、相互作用する量子ビットのアナログダイナミクスを利用して普遍的な量子計算を可能にする。
  論文  参考訳（メタデータ） (2024-11-13T23:56:20Z)
• One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from Electromagnetic Solvers [57.441926088870325]
  Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。 本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-06T20:28:37Z)
• Quantum Approximate Optimization Algorithm Based Maximum Likelihood Detection [80.28858481461418]
  量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。 量子技術の最近の進歩は、ノイズの多い中間スケール量子(NISQ)デバイスへの道を開く。
  論文  参考訳（メタデータ） (2021-07-11T10:56:24Z)
• APQ: Joint Search for Network Architecture, Pruning and Quantization Policy [49.3037538647714]
  本稿では,リソース制約のあるハードウェア上での効率的なディープラーニング推論のためのAPQを提案する。 ニューラルアーキテクチャ、プルーニングポリシー、量子化ポリシーを別々に検索する従来の方法とは異なり、我々はそれらを共同で最適化する。 同じ精度で、APQはMobileNetV2+HAQよりもレイテンシ/エネルギーを2倍/1.3倍削減する。
  論文  参考訳（メタデータ） (2020-06-15T16:09:17Z)
• Classical Optimizers for Noisy Intermediate-Scale Quantum Devices [1.43494686131174]
  本稿では,NISQ(Noisy Intermediate-Scale Quantum)デバイス上でのチューニングについて述べる。 VQEのケーススタディにおいて、異なる最小値の効率と有効性について分析した。 これまでのほとんどの結果は量子VQE回路のチューニングに集中しているが、量子ノイズの存在下では、古典的な最小化ステップを慎重に選択して正しい結果を得る必要がある。
  論文  参考訳（メタデータ） (2020-04-06T21:31:22Z)

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。