Core Concepts
量子正規化フローを用いて、任意の分布から標準正規分布への双方向の写像を学習し、その逸脱度を異常検知に利用する。
Abstract
本研究では、量子正規化フロー(Quantum Normalizing Flows)を提案し、異常検知タスクに適用する。正規化フローは、任意の分布を標準正規分布に写像する双方向の変換である。この写像を量子ゲートを用いて最適化し、その逸脱度を異常スコアとして利用する。
実験では、従来の異常検知手法(isolation forests、LOF、one-class SVM)と比較し、提案手法が競争力のある性能を示すことを確認した。また、学習した正規化フローを用いて、正常クラスの分布から新しい例を生成することも可能である。
提案手法の最適化には量子アーキテクチャサーチを用いており、得られた量子ゲート列は効率的で実装が容易である。量子コンピューティングの観点から見ると、提案手法は量子アルゴリズムを利用した異常検知の一例となる。
Stats
異常検知タスクにおいて、提案手法は従来手法と比べて高い性能を示す。
例えば、Iris データセットの1-2クラス間の異常検知では、提案手法のAUROCが1.0となり、完全な分類性能を達成した。
Quotes
"量子正規化フローを用いることで、任意の分布から標準正規分布への双方向の写像を学習できる。"
"提案手法は、従来の異常検知手法と比べて競争力のある性能を示す。"
"学習した正規化フローを用いて、正常クラスの分布から新しい例を生成することも可能である。"