量子极限学习机在工业场景下电梯软件QoS预测中的应用
软件工程
2024-02-26 v2
摘要
量子极限学习机（QELM）是一种利用量子动力学和易于训练的策略来高效解决分类和回归等问题的新兴技术。尽管QELM具有许多潜在优势，但其在现实世界中的应用仍然有限。为此，我们通过提出一种名为QUELL的方法，展示了QELM在电梯场景中的工业应用。在QUELL中，我们使用QELM进行与电梯调度软件相关的等待时间预测，并应用于软件回归测试、电梯数字孪生和实时性能预测。该调度软件由我们的工业合作伙伴Orona实现，Orona是全球公认的电梯技术领导者。我们证明QUELL能够高效预测等待时间，其预测质量显著优于现有实践中采用的经典ML模型。此外，我们表明QUELL在使用更少特征时预测质量不会下降。基于我们的工业应用，我们进一步提供了在Orona其他应用中使用QELM的见解，并讨论了QELM如何应用于其他工业应用。
引用
@article{arxiv.2402.12777,
title = {Application of Quantum Extreme Learning Machines for QoS Prediction of Elevators' Software in an Industrial Context},
author = {Xinyi Wang and Shaukat Ali and Aitor Arrieta and Paolo Arcaini and Maite Arratibel},
journal= {arXiv preprint arXiv:2402.12777},
year = {2024}
}