quantum-anomaly-detect (tipo de cenário)

Tipo de cenário do motor v0.40.0, família Sensores inerciais, de fusão e quânticos. Consultivo: resultado de análise de uma ferramenta de investigação e engenharia, não um equipamento de navegação homologado e não um serviço de segurança da vida humana. Cada etiqueta aqui é do motor ou da matriz de verificação; um tipo de cenário é MODELLED salvo indicação em contrário da matriz (como se obtém um rótulo: a secção Evidence do README).

O que faz#

Deteção MODELLED de falhas/anomalias para sistemas PNT quânticos: um catálogo etiquetado de falhas (relógio: salto de frequência/deriva/perda de bloqueio; sensor: degrau de enviesamento/perda de sinal), uma AUC da ROC da estatística de deteção (com um IC bootstrap a partir do eval_stats validado externamente) e uma falha mínima detetável a uma taxa fixa de falsos alarmes, com o monitor assistido por relógio quântico (menor ruído) a detetar falhas mais pequenas — como TradeEvidence honesta + representatividade. Modelo gaussiano da estatística de deteção (AUC = Phi(mu/(sigma*sqrt2))); modela a classe, parâmetros ilustrativos de fontes públicas, sem TRL/voo/certificação.

Uma execução de scenarios/quantum-anomaly-detect.toml resume-se assim: quantum-anomaly-detect | AUC quântico 0,9908 vs clássico 0,7603 | falha mínima detetável quântico 1,312 vs clássico 4,372 | 5 classes de falhas | no compromisso o quântico vence 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-o#

kshana scenarios/quantum-anomaly-detect.toml

O que dá#

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

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 estão aí nomeadas):

• VALIDATED AUC da ROC binormal analítica = Φ(μ/(σ√2)) e falha mínima detetável σ·(Φ⁻¹(1−P_fa)+Φ⁻¹(P_d)) que sustentam os detetores de falhas quânticas e de anomalias. Referência independente (ExternalDataset): scipy 1,17 (Cephes ndtr/ndtri) + scikit-learn roc_auc_score (Pedregosa et al., JMLR 2011), ambas BSD-3-Clause — bibliotecas independentes que calculam as mesmas grandezas de cauda gaussiana / AUC definidas de forma única, coincidentes até ao limite do erf de A&S (~7e-8). A vantagem quântico-vs-clássico construída por cima continua MODELLED
• MODELLED Determinista, com hash do cenário, SBOM + portões de referência multiplataforma. Referência independente (ExternalDataset): aderência à norma do SBOM ao esquema JSON oficial CycloneDX 1,5 (+ identificadores SPDX válidos) — uma norma externa publicada, zero erros de validação em todo o grafo de dependências; a parte de determinismo das FoM / reprodutibilidade byte a byte permanece uma verificação de autoconsistência fixada, pelo 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 quântico-vs-clássico por FoM com benefício de polaridade correta, opcional 95%. Referência independente (InternalConsistency): identidades de forma fechada de benefício/vencedor + envolvimento fiel do quantum_trade::TradeResult existente; honestidade ligada ao registo de representatividade e às etiquetas de verificação
• MODELLED Catálogo etiquetado de falhas quânticas (relógio: salto de frequência/deriva/perda de bloqueio; sensor: degrau de enviesamento/perda de sinal), uma AUC da ROC da estatística de deteção com um IC bootstrap e uma mínim. Referência independente (InternalConsistency): AUC gaussiana de forma fechada = Phi(mu/(sigma*sqrt2)) verificada por comparação com o eval_stats::bootstrap_auc_ci validado externamente (vs scikit-learn) + limiares analíticos de deteção

Limitações#

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

• Deteção MODELLED de falhas/anomalias para sistemas PNT quânticos: um catálogo etiquetado de falhas (relógio: salto de frequência/deriva/perda de bloqueio; sensor: degrau de enviesamento/perda de sinal), uma AUC da ROC da estatística de deteção (com um IC bootstrap a partir do eval_stats validado externamente) e uma falha mínima detetável a uma taxa fixa de falsos alarmes, com o monitor assistido por relógio quântico (menor ruído) a detetar falhas mais pequenas — como TradeEvidence honesta + representativ (catálogo de tipos (kshana kinds --json))
• Deteção de falhas/anomalias para sistemas PNT quânticos — catálogo etiquetado de falhas + AUC da ROC + falha mínima detetável, monitor assistido por relógio quântico vs clássico. MODELLED; parâmetros ilustrativos de fontes públicas; modela a classe, sem alegação de TRL/voo. (comentário do ficheiro de cenário, linhas 1 a 3)
• A reprodutibilidade e a garantia de software são MODELLED, não validadas: uma subafirmação é verificada externamente, mas a capacidade no seu conjunto compõe partes modeladas, pelo que a capacidade permanece modelada. (matriz de verificação (docs/MODELLED-RATIONALE.md))
• A evidência de compromisso quântico-vs-clássico (forma comum) é MODELLED, não validada: verificada face à sua própria identidade analítica / de forma fechada — deteta erros de transcrição e de coeficientes, mas não é uma referência independente externa. (matriz de verificação (docs/MODELLED-RATIONALE.md))
• A deteção de falhas/anomalias para sistemas PNT quânticos é MODELLED, não validada: verificada face à sua própria identidade analítica / de forma fechada — deteta erros de transcrição e de coeficientes, mas não é uma referência independente externa. (matriz de verificação (docs/MODELLED-RATIONALE.md))

Ver também#

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