quantum-anomaly-detect (tipo de cenário)

Tipo de cenário do motor v0.40.0, família Sensores inerciais, de fusão e quânticos. Consultivo: saída de análise de uma ferramenta de pesquisa e engenharia, não um equipamento de navegação homologado e não um serviço de segurança da vida humana. Todo rótulo aqui é do motor ou da matriz de verificação; um tipo de cenário é MODELLED, a menos que a matriz diga outra coisa (como um rótulo é conquistado: a seção Evidence do README).

O que faz#

Detecção de falhas/anomalias MODELLED para sistemas PNT quânticos: um catálogo rotulado de falhas (salto de frequência/deriva/perda de sincronismo do relógio; salto de viés/perda de dados do sensor), uma AUC ROC da estatística de detecção (com um IC bootstrap a partir do eval_stats validado externamente) e uma falha mínima detectável a uma taxa fixa de falso alarme, com o monitor auxiliado por relógio quântico (menor ruído) detectando falhas menores — como TradeEvidence honesto + representatividade. Modelo gaussiano da estatística de detecção (AUC = Phi(mu/(sigma*sqrt2))); modela a classe, com parâmetros ilustrativos de fonte pública, sem TRL, voo nem certificação.

Uma execução de scenarios/quantum-anomaly-detect.toml resume-se assim: quantum-anomaly-detect | AUC quantum 0,9908 vs classical 0,7603 | min-detectable fault quantum 1,312 vs classical 4,372 | 5 fault classes | trade quantum wins 2/2 | MODELLED

Entradas#

A partir do esquema (kshana kinds --json):

• Campos obrigatórios: nenhum
• Campos opcionais: fault_mu, quantum_sigma, classical_sigma, pfa, pd, samples, seed

O exemplo scenarios/quantum-anomaly-detect.toml define, entre outros:

Execute#

kshana scenarios/quantum-anomaly-detect.toml

O que ele fornece#

Os resultados escalares dessa execução, com as unidades que o motor declara:

Evidências#

Nenhuma linha da matriz nomeia este tipo de cenário pelo nome; o rótulo do seu resultado é o do próprio motor, acima.

As linhas que a própria execução exercitou, com a referência independente que a matriz dá a cada uma (as fontes públicas são nomeadas ali):

• VALIDATED AUC ROC binormal analítica = Φ(μ/(σ√2)) e a falha mínima detectável σ·(Φ⁻¹(1−P_fa)+Φ⁻¹(P_d)) que sustentam os detectores de falhas e de anomalias quânticas. Referência independente (ExternalDataset): scipy 1,17 (Cephes ndtr/ndtri) + scikit-learn roc_auc_score (Pedregosa et al., JMLR 2011), ambos BSD-3-Clause — bibliotecas independentes que calculam as mesmas grandezas univocamente definidas de cauda gaussiana / AUC, coincidentes até o piso da erf de A&S (~7e-8). A vantagem quântico-versus-clássico construída sobre isso continua MODELLED
• MODELLED Portões determinísticos, com hash de cenário, de SBOM e de golden entre plataformas. Referência independente (ExternalDataset): aderência à norma do SBOM ao JSON Schema oficial do CycloneDX 1,5 (+ identificadores SPDX válidos) — um padrão externo publicado, zero erros de validação em todo o grafo de dependências; a parte de determinismo das FoMs / reprodutibilidade byte a byte continua sendo uma verificação de autoconsistência fixada, de modo que a linha permanece MODELLED
• PARTNER Não fornecido — apenas modelos de desempenho; o hardware de átomos frios/relógio é de um parceiro. Referência independente (NoneKind): nenhuma: uma disciplina de propriedade do parceiro, sem módulo e sem teste por projeto
• MODELLED Um objeto TradeEvidence reproduzível (referencial fixo: cenário+semente+motor; valores comuns por figura de mérito, quântico contra clássico, com benefício de polaridade correta, opcional 95%. Referência independente (InternalConsistency): identidades de benefício/vencedor em forma fechada + envoltório fiel do quantum_trade::TradeResult existente; a honestidade está ligada ao registro de representatividade e aos rótulos de verificação
• MODELLED Catálogo rotulado de falhas quânticas (salto de frequência/deriva/perda de sincronismo do relógio; salto de viés/perda de dados do sensor), uma AUC ROC da estatística de detecção com um IC bootstrap, e uma mínim. Referência independente (InternalConsistency): AUC gaussiana em forma fechada = Phi(mu/(sigma*sqrt2)) verificada de forma cruzada contra o eval_stats::bootstrap_auc_ci validado externamente (contra scikit-learn) + limiares analíticos de detecção

Limitações#

O que o próprio relatório da execução diz que não é modelado ou não é validado:

• Detecção de falhas/anomalias MODELLED para sistemas PNT quânticos: um catálogo rotulado de falhas (salto de frequência/deriva/perda de sincronismo do relógio; salto de viés/perda de dados do sensor), uma AUC ROC da estatística de detecção (com um IC bootstrap a partir do eval_stats validado externamente) e uma falha mínima detectável a uma taxa fixa de falso alarme, com o monitor auxiliado por relógio quântico (menor ruído) detectando falhas menores — como TradeEvidence honesto + representativ (catálogo de tipos de cenário (kshana kinds --json))
• Detecção de falhas/anomalias para sistemas PNT quânticos — catálogo rotulado de falhas + AUC ROC + falha mínima detectável, monitor auxiliado por relógio quântico contra monitor clássico. MODELLED; parâmetros ilustrativos de fonte pública; modela a classe, sem alegação de TRL nem de voo. (comentário do arquivo de cenário, linhas 1 a 3)
• Reprodutibilidade e garantia de software é MODELLED, não validada: uma subafirmação é verificada externamente, mas a capacidade inteira compõe peças modeladas, de modo que a capacidade permanece modelada. (matriz de verificação (docs/MODELLED-RATIONALE.md))
• A evidência de comparação quântico-versus-clássico (forma comum) é MODELLED, não validada: verificada contra a sua própria identidade analítica ou de forma fechada, o que detecta erros de transcrição e de coeficientes, mas não é uma referência externa independente. (matriz de verificação (docs/MODELLED-RATIONALE.md))
• A detecção de falhas/anomalias para sistemas PNT quânticos é MODELLED, não validada: verificada contra a sua própria identidade analítica ou de forma fechada, o que detecta erros de transcrição e de coeficientes, mas não é uma referência externa independente. (matriz de verificação (docs/MODELLED-RATIONALE.md))

Veja também#

• Página da família: Sensores inerciais, de fusão e quânticos
• Todos os tipos de cenário: KINDS.md
• Página do tópico: QUANTUM-MODELS.md