| 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 | 2026-04-09 13:20 ［依頼講演］量子機械学習による屋内伝搬推定法のためのトポロジ誘導型点群サンプリング ○廣瀬 幸（九工大）  AP2026-3 |
|
| 抄録 | （和） | 本稿では，屋内環境における電波伝搬予測のために，点群データに基づくトポロジ誘導サンプリングと特徴量設計に基づく手法を提案する．従来の点群処理では，ランダムサンプリングや幾何学的間引きによりデータ削減が行われるが，電波伝搬に重要な壁面境界や遮蔽構造，フレネルゾーン近傍の情報が失われる可能性がある．本研究では，各点に対して曲率，法線変動，境界性などの局所幾何情報を基にトポロジースコアを定義し，伝搬に寄与する点を優先的に抽出する手法を提案する．さらに，抽出された点群から，古典深層学習モデルに適したグローバル特徴と，量子–古典ハイブリッドモデルに適した低次元トポロジを構成する．評価の結果，提案手法は従来のサンプリング手法に比べて高い推定精度を達成するとともに，量子モデルにおいては入力次元の大幅な削減と計算効率の向上を実現した．これにより，トポロジ情報に基づく点群表現が，電波伝搬予測において有効であることを示した． |
| （英） | This paper presents a topology-guided sampling and feature construction method for indoor radio propagation prediction using point cloud data. Conventional point-cloud processing methods typically rely on random or geometric down-sampling, which may discard propagation-relevant structures such as boundaries, obstructions, and points within the Fresnel zone. In this study, a topology score is defined for each point based on local geometric properties, including curvature, normal variation, and boundary characteristics, to prioritize points that significantly contribute to radio propagation. Based on the selected points, two types of feature representations are constructed: (1) global features extracted by a PointNet-based classical deep-learning model, and (2) low-dimensional topology-aware descriptors designed for a quantum–classical hybrid model. Experimental results demonstrate that the proposed topology-guided approach achieves higher prediction accuracy than conventional sampling methods. Furthermore, in the quantum model, the proposed feature representation significantly reduces input dimensionality while maintaining competitive performance. These results indicate that topology-aware point-cloud representation is effective for efficient and accurate radio propagation prediction. |
|
| 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. 126, no. 1, AP2026-3, pp. 9-14, 2026年4月. | |
| 資料番号 | AP2026-3 | |
| 発行日 | 2026-04-02 (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 | AP2026-3 |
|
| 研究会情報 | |
| 研究会 | AP |
| 開催期間 | 2026-04-09 - 2026-04-10 |
| 開催地（和） | 大阪大学中之島センター |
| 開催地（英） | Osaka University Nakanoshima Center |
| テーマ（和） | 一般、電磁界シミュレーション |
| テーマ（英） | Antennas and Propagation, Electoro-magnetic simulation |
| 講演論文情報の詳細 | |
| 申込み研究会 | AP |
| 会議コード | 2026-04-AP |
| 本文の言語 | 日本語 |
| タイトル（和） | 量子機械学習による屋内伝搬推定法のためのトポロジ誘導型点群サンプリング |
| サブタイトル（和） | |
| タイトル（英） | Topology-Guided Point Sampling for Indoor Propagation Prediction Using Quantum Circuit-Based Learning |
| 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 Hirosed / 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 | 2026-04-09 13:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | AP |
| 資料番号 | AP2026-3 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.1 |
| ページ範囲 | pp.9-14 |
| ページ数 | 6 |
| 発行日 | 2026-04-02 (AP) |
[研究会発表申込システムのトップページに戻る]