AIが解く世界の難問 · 核融合・エネルギー · arXiv · 2026-10-23
産業・エネルギー系の状態監視と故障分類のための、ノイズに頑健な量子着想型合成少数オーバーサンプリング
原題: Noise-Robust Quantum-Inspired Synthetic Minority Oversampling for Condition Monitoring and Fault Classification in Industrial and Energy Systems
産業の状態監視や故障分類では、少数派の故障パターンが機械学習で十分に表現されないクラス不均衡が大きな課題となっている。本研究は、量子着想型合成少数オーバーサンプリング（QSMOTE）を拡張し、合成サンプル生成時の類似度推定に量子着想のノイズを導入する手法を提案した。4つの公開データセットと5種類の古典的分類器で評価した結果、エンジン故障データセットでは最大170%の改善が見られ、産業故障検出データセットでは正解率0.99を超えた。ノイズモデルや分類器によって下流への影響が大きく異なることも示された。