講演情報
[5K2-OS-38a-04]一つのマイクロフォンを用いた2種類の異常音の検知：古典機械学習 vs. 量子機械学習
〇友野 孝夫1、辻村 和也2 (1. 慶應義塾大学、2. TOPPANホールディングス)
キーワード：
量子機械学習、異常検知、時系列
我々は製造における複数装置の異常検知を目指している．従来の製造装置には各周波数毎に振動センサーが取り付けられているため多数のセンサーを必要とし、その結果、計算コストが増大する課題があった．さらには、各センサーの配線も多数になる課題もあった．このような課題を解決するために、本研究ではまず単一のマイクを用いて2種類の異常を同時に検知できるかを調べた。ここでは、1クラスSVMに組み込まれた古典的カーネルと量子カーネルの正確なモデル構築能力を比較した。実験ではコンベアとチェーンベルトからの異音を検知し、距離の依存性を調べた。その結果、異常検知において量子手法が古典的手法を上回ることが示された。古典的カーネルを用いた分類では、センサー距離の増加に伴い性能が低下するのに対し、量子カーネルでは距離が長くても高い精度とF1スコアを維持した。三方向のマイクの向きが変化しても、量子カーネルの優位性を確認できた．さらに、特徴空間にデータをプロットすると、それぞれの異常が別々の場所に現れ、どの異常であるかを区別できる可能性が示唆された。