HQDeTransformer: hybrid quantum denoising Transformer for time series forecasting
Seon-Geun Jeong、Kyeong-Hwan Moon、Won–Joo Hwang
1. HQDeTransformer: hybrid quantum denoising Transformer for time series forecasting
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | DOI/出版社页面；Nature页面；未取得 PDF 链接 URL |
| 发现来源 | source_history: OpenAlex；来源链接：DOI |
| 期刊/会议/平台 | Scientific Reports；出版社页面为提前发布的同行评审接受稿，称后续将替换为 Version of Record |
| 发表日期 | 2026-10-01；Nature页面列 Published 01 October 2026，接收日期 2026-05-22 |
| 作者/机构 | Seon-Geun Jeong、Kyeong-Hwan Moon、Won-Joo Hwang；庆尚国立大学电子工程系、釜山国立大学计算机科学与工程学院 |
| 通讯作者 | Won-Joo Hwang；Nature作者信息页明确列为 Corresponding author |
| 脚本评分/证据等级 | 74；命中电池RUL、Transformer/注意力、NASA/CALCE及开放获取；无权威作者加分命中；摘要/页面片段级，全文关键实验细节未能完整获取 |
| 核验路径 | pdf_url：未提供 → URL/Nature页面：成功取得摘要、作者信息与部分附录 → Nature PDF及reference.pdf：web_extract超时 → DOI页面初次请求失败，后由Nature文章页确认 |
纳入理由与原文证据
- 主题/边界： 直接预测锂离子电池 RUL，属于核心电池寿命预测。标题没有写明电池，但摘要明确限定任务和电池对象，纳入而非因题名缺词排除。
- 证据： 摘要称模型用于“prediction of the remaining useful life (RUL) of lithium-ion batteries”；并称在 NASA 和 CALCE benchmark datasets 上评估。Nature摘要
数据集/电池体系
- 体系/数据： 锂离子电池；使用 NASA 与 CALCE。出版社附录片段列出 NASA B0005、B0006、B0007、B0018，以及 CALCE CS2_35、CS2_36、CS2_37、CS2_38。电芯总数、化学体系、容量和原始采样结构未能从可访问片段确认。
- 工况/跨域： 摘要提到不同电池子集的评估；温度、倍率、训练/测试电芯划分及是否跨数据集迁移均未能确认。
EOL/RUL/SOH 定义
- 目标/定义： 目标为电池 RUL，但标签单位、失效阈值/EOL判据、预测时点和标签生成方式未说明/未能从当前可访问内容确认；不得默认采用80%容量阈值。
- 未来信息风险： 需核对输入序列截断位置、完整寿命轨迹是否参与归一化/特征构造，以及是否按电芯隔离测试。当前页面未显示相关协议，风险为信息不足。
模型方法
- 流程： 容量退化序列经混合量子-经典去噪自编码器降噪，再由包含变分量子电路、量子增强注意力的 Transformer 预测 RUL；摘要称量子-经典模块构成轻量多头注意力和前馈块。完整输入变量、损失函数、消融和基线设置未能确认。
- 部署： 论文动机强调资源受限环境模型成本/规模问题，摘要声称参数数目减少；实际推理延迟、硬件、量子电路资源及在线部署未说明。
验证设计
- 划分/泛化： 使用 NASA 与 CALCE 多个电池子集；逐电芯划分、外部测试、重复次数及调参隔离未能确认。附录仅呈现分子集结果的定性文字。
- 可信度： 信息不足；期刊页面确认同行评审接受稿及数据集名称，但未能取得完整方法与拆分方案，无法判断跨电芯泛化的独立性。
指标与结果
- 摘要称模型优于传统机器学习和量子机器学习对照，并减少可训练参数；可访问Nature附录仅定性报告在若干NASA/CALCE子集上与DeTransformer相比的误差表现。具体RMSE、MAE、RE及对应测试集数值未能确认，以上仅为摘要/附录文字的主张，不补造数字。
- 本次不将脚本评分74当作实验指标；未见可核验的不确定性区间或分类/预警结果。
泄漏风险、复现性与局限性
- 泄漏风险： 信息不足；优先检查按电芯切分、退化序列全程标准化、预测时点可用数据边界及模型选择是否使用测试电池。
- 复现性： 信息不足；当前未确认代码、超参数、随机种子或模型权重；论文开放许可为 CC BY-NC-ND 4.0，但开放许可不等于代码开放。
- 局限性： ①量子模块的硬件/模拟器成本和实际推理优势未由当前可访问内容证实；②测试规模和跨工况范围未能核验；③接受稿仍可能被正式版修改，需注意版本变化。
是否值得跟进
- 结论： 跟进。
- 理由与下一步： 主题高度匹配，采用NASA/CALCE且提出压缩参数量的量子混合方案，值得作为新型RUL架构观察；但现阶段证据不支持判断有效性强弱。下一步获取全文，整理各电池误差表、拆分协议、基线和模型复杂度，并按电芯留出复核。
查看关键词分类依据
- RUL prediction · 摘要包含「remaining useful life」
Accurate prediction of the remaining useful life (RUL) of lithium-ion batteries is critical for enhancing the reliability and sa - Foundation model / LLM · 摘要包含「large model」
limited due to high computational costs and large model sizes. In this paper, we propose a novel hybrid quantum-classical denoising Tra - Transformer / attention · 标题包含「transformer」
HQDeTransformer: hybrid quantum denoising Transformer for time series forecasting - Autoencoder · 摘要包含「autoencoder」
ansformer employs a hybrid quantum denoising autoencoder to mitigate noise in capacity degradation sequences and utilizes hybrid quantum - Generic neural network / deep learning · 摘要包含「neural network」
pproaches such as Transformers and recurrent neural networks have shown promising results, their deployment in resource-constrained environ - Generic machine learning · 摘要包含「machine learning」
specially in electric vehicles. While recent machine learning approaches such as Transformers and recurrent neural networks have shown promis - Hybrid model · 标题包含「hybrid」
HQDeTransformer: hybrid quantum denoising Transformer for time series forecasting - NASA · 摘要包含「nasa」
ward blocks. Experimental evaluations on the NASA and CALCE benchmark datasets demonstrate that HQDeTransformer achieves superior - CALCE · 摘要包含「calce」
ks. Experimental evaluations on the NASA and CALCE benchmark datasets demonstrate that HQDeTransformer achieves superior performan - Self-built / experimental dataset · 摘要包含「experimental」
multi-head attention and feedforward blocks. Experimental evaluations on the NASA and CALCE benchmark datasets demonstrate that HQDeTrans - Li-ion / LIB · 摘要包含「lithium-ion」
iction of the remaining useful life (RUL) of lithium-ion batteries is critical for enhancing the reliability and safety of battery-power