| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-12-11 13:30 点群データを利用した量子回路学習における屋内伝搬推定手法 ○廣瀬 幸（九工大）  AP2025-172 |
|
| 抄録 | （和） | 本論文では，点群データを用いた効率的な屋内伝搬予測のためにトポロジ情報を活用した新たな点群サンプリングと量子回路を利用した伝搬推定技術を提案する．提案手法は，（1）トポロジ指向サンプリングを組み合わせた PointNet ベースの古典深層学習モデル，（2）相関ベース抽出と変分量子回路（VQC）を用いた量子–古典ハイブリッドモデルの 2 つのモデルにより評価した．反射，フレネルゾーン，遮蔽情報など伝搬推定に影響を与える点群データの抽出により，サンプリングを最適化した．ハイブリッドモデルでは，トポロジ情報を圧縮した 8 次元の特徴を量子エンコードし，メモリ使用量を 90% 削減しつつ 推定精度を実現した．これらの結果により，空間構造と電波伝搬の関係を効果的に捉える点群サンプリングと量子特徴エンコーディングによる伝搬推定の可能性について示した． |
| （英） | This paper introduces a topology-guided framework for efficient indoor propagation prediction using point cloud data. Two complementary approaches are developed: (1) a classical deep-learning model based on PointNet combined with topology-aware sampling, and (2) a quantum–classical hybrid model employing correlation-driven feature extraction with Variational Quantum Circuits (VQC). The classical model enhances propagation-relevant feature selection by exploiting geometric and topological cues—including reflectors, obstructions, and Fresnel zones—achieving a root mean square error (RMSE) of 1.66 dB across ten diverse indoor environments. The hybrid model encodes a topologically compressed representation into eight quantum features, maintaining comparable accuracy (RMSE = 2.13 dB) while reducing memory usage by 90% and enabling faster inference. These findings demonstrate that topology-guided geometric sampling effectively links spatial structure with radio propagation behavior, and that quantum feature encoding provides an efficient and scalable solution for next-generation wireless systems. | |
| キーワード | （和） | 屋内伝搬損失推定 / 点群データ / 量子機械学習 / 変分量子回路 / / / / |
| （英） | Indoor propagation prediction / Point Cloud Data / Quantum machine learning / Variational quantum circuits / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 284, AP2025-172, pp. 1-6, 2025年12月. | |
| 資料番号 | AP2025-172 | |
| 発行日 | 2025-12-04 (AP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | AP2025-172 |
|
| 研究会情報 | |
| 研究会 | AP |
| 開催期間 | 2025-12-11 - 2025-12-11 |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | Kikai-Shinko-Kaikan Bldg. |
| テーマ（和） | 一般 |
| テーマ（英） | Antennas and Propagation |
| 講演論文情報の詳細 | |
| 申込み研究会 | AP |
| 会議コード | 2025-12-AP |
| 本文の言語 | 日本語 |
| タイトル（和） | 点群データを利用した量子回路学習における屋内伝搬推定手法 |
| サブタイトル（和） | |
| タイトル（英） | Quantum Circuit-Based Learning for Indoor Propagation Estimation Using Point Cloud Data |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 屋内伝搬損失推定 / Indoor propagation prediction |
| キーワード(2)（和/英） | 点群データ / Point Cloud Data |
| キーワード(3)（和/英） | 量子機械学習 / Quantum machine learning |
| キーワード(4)（和/英） | 変分量子回路 / Variational quantum circuits |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 廣瀬 幸 / Miyuki Hirose / ヒロセ ミユキ |
| 第1著者 所属（和/英） | 九州工業大学 (略称： 九工大) Kyushu Institute of Technology (略称： Kyutech) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-12-11 13:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | AP |
| 資料番号 | AP2025-172 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.284 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2025-12-04 (AP) |
[研究会発表申込システムのトップページに戻る]