EISSN 2071-9612

· Язык: ru

Статья: МОДЕЛИ КВАНТОВОГО "СИЛЬНОГО" ВЫЧИСЛИТЕЛЬНОГО ИНТЕЛЛЕКТА И КВАНТОВЫХ НЕЙРОННЫХ СЕТЕЙ ГЛУБОКОГО ОБУЧЕНИЯ: ПЛАТФОРМА ИНТЕЛЛЕКТУАЛЬНОГО УПРАВЛЕНИЯ ПРОМЫШЛЕННЫМИ РОБОТИЗИРОВАННЫМИ СОЦИОТЕХНИЧЕСКИМИ СИСТЕМАМИ (2024)

Читать

Читать онлайн

Рассмотрены принципы и методы построения моделей квантового «сильного» вычислительного интеллекта на основе инструментария квантового глубокого обучения с применением квантовых нейронных сетей и квантового генетического алгоритма. Обсуждаются дополнительные особенности моделей квантового перцептрона и модели инженерии квантового глубокого обучения при применении инструментария оптимизации баз знаний интеллектуальных регуляторов на основе QCOptKBTM в задачах квантового интеллектуального управления роботизированными социотехническими системами в проектах «Индустрия 4.0 / 5.0 /6.0». Описание особенностей квантового глубокого обучения позволяет точнее и глубже освоить возможности инструментария QCOptKBTM, который включает в себя этапы обучения и извлечения (из исходных данных) сигнала обучения за счет инструментария SCOptKBTM на технологии мягких вычислений, и далее рассматривается как классические данные. За счет операторов квантовых вычислений классические данные кодируются кубитами, осуществляется оптимальный выбор квантовой корреляции между искомыми решениями и применением конструктивной интерференции извлекается искомый результат путем измерения. Таким образом, разработанный интеллектуальный инструментарий SCOptKBTM и QCOptKBTM включает принципы квантового глубокого обучения, и также как в случае технологии мягких вычислений, формирует оптимальную структуру теперь квантовой нейронной сети, а за счет применения квантового генетического алгоритма ускоряет поиск искомого решения.

Ключевые фразы: роботизированные социотехнические производственные системы, индустрия 50, квантовые сквозные ит, квантовая программная инженерия, квантовый «сильный» вычислительный интеллект, квантовые нейронные сети глубокого обучения

Автор (ы): Ульянов Сергей Викторович, Тятюшкина Ольга Юрьевна, Капков Роман Юрьевич

Журнал: СИСТЕМНЫЙ АНАЛИЗ В НАУКЕ И ОБРАЗОВАНИИ

Предпросмотр статьи

Идентификаторы и классификаторы

УДК: 512.62. Поля и многочлены

Для цитирования:

УЛЬЯНОВ С. В., ТЯТЮШКИНА О. Ю., КАПКОВ Р. Ю. МОДЕЛИ КВАНТОВОГО "СИЛЬНОГО" ВЫЧИСЛИТЕЛЬНОГО ИНТЕЛЛЕКТА И КВАНТОВЫХ НЕЙРОННЫХ СЕТЕЙ ГЛУБОКОГО ОБУЧЕНИЯ: ПЛАТФОРМА ИНТЕЛЛЕКТУАЛЬНОГО УПРАВЛЕНИЯ ПРОМЫШЛЕННЫМИ РОБОТИЗИРОВАННЫМИ СОЦИОТЕХНИЧЕСКИМИ СИСТЕМАМИ // СИСТЕМНЫЙ АНАЛИЗ В НАУКЕ И ОБРАЗОВАНИИ. 2024. № 3

Текстовый фрагмент статьи

Список литературы

1. Physical limits and information bounds of micro control. Part 2: Quantum soft computing and quantum searching algorithms / S. V. Ulyanov [et al.] // Proceedings of the 1998 International Symposium on Micromechatronics and Human Scienc (MHS’98). Nagoya, Japan. - 1998. - Pp. 217-224. -. DOI: 10.1109/MHS.1998.745785
2. Information analysis of quantum gates for simulation of quantum algorithms on classical computers / S. V. Ulyanov [et al.] // International Conference on Quantum Communication, Measurements and Computing (QCM&C’2000). - Capri. Italy, 2000. KluwerAcad. PlenumPubl. - 2001. - pp. 207-214.
3. Ulyanov S. V., Litvintseva L. V., Hagiwara T. Design of self-organized intelligent control systems based on quantum fuzzy inference: intelligent system of systems engineering approach // IEEE International Conference on System, Man and Cybernetics (SMC’2005). - Hawaii, USA, 2005. - Vol. 4. - Pp. 3835-3840. -. DOI: 10.1109/ICSMC.2005.1571744
4. Valdez F., Melin P. A review on quantum computing and deep learning algorithms and their applications // Soft Computing. - Springer-Verlag GmbH Germany, part of Springer Nature, 2022. - 10.1007/s00500-022-07037-4 (published online: 07 April 2022). DOI: 10.1007/s00500-022-07037-4(publishedonline
5. Ulyanov S.V. Quantum Soft Computing in Control Process Design: Quantum Genetic Algorithms and Quantum Neural Network Approaches // Proceedings World Automation Congress, Fifth Intern. Symposium on Soft Computing for Industry. - Seville, Spain June 28th-July 1st, 2004 (paper No ISSCI028).
6. Quantum machine learning for chemistry and physics / M. Sajjan [et al.] // Chem Soc Rev. - 2022. - Vol. 51. - Pp. 6475-6573. -. DOI: 10.1039/d2cs00203e EDN: BHXARE
7. A Quantum Neural Network-Based Approach to Power Quality Disturbances Detection and Recognition / D.-G. Li [et al.] // arXive.org e-Print archive. - arXiv:2406.03081v1 [quant-ph] 5 Jun 2024.
8. Huang H-Y., Kueng R., Preskill J. Information-theoretic bounds on quantum advantage in machine learning // arXive.org e-Print archive. - arXiv:2101.02464v1 [quant-ph] 7 Jan 2021.
9. Synergy of machine learning with quantum computing and communication / Debasmita Bhoumik, Susmita Sur-Kolay, Latesh Kumar K. J., Sundaraja Sitharama Iyengar // arXive.org e-Print archive. - arXiv:2310.03434v1 [quant-ph] 5 Oct 2023.
10. A General Approach to Dropout in Quantum Neural Networks / F. Scala, A. Ceschini, M. Panella, D. Gerace // arXive.org e-Print archive. - arXiv:2310.04120v1 [quant-ph] 6 Oct 2023.
11. A Survey on Quantum Machine Learning: Current Trends, Challenges, Opportunities, and the Road Ahead / Kamila Zaman, Alberto Marchisio, Muhammad Abdullah Hanif, Muhammad Shafique // arXive.org e-Print archive. - arXiv:2310.10315v1 [quant-ph] 16 Oct 2023.
12. Chen Z.-B. Quantum Neural Network and Soft Quantum Computing // arXive.org e-Print archive. - arXiv:1810.05025v1 [quant-ph] 10 Oct 2018.
13. sQUlearn - A Python Library for Quantum Machine Learning / D. A. Kreplin [et al.] // arXive.org e-Print archive. - arXiv:2311.08990v1 [quant-ph] 15 Nov 2023.
14. An artificial neuron implemented on an actual quantum processor / F. Tacchino, C. Macchiavello, D. Gerace, D. Bajoni // npj Quantum Information. - 2019. - Vol. 5. - Article number: 26 (2019). -. DOI: 10.1038/s41534-019-0140-4
15. Explaining Grover’s algorithm with a colony of ants: a pedagogical model for making quantum technology comprehensible / Merel A. Schalkers, Kamiel Dankers, Michael Wimmer, Pieter Vermaas // arXive.org e-Print archive. - arXiv:2405.00014v1 [physics.pop-ph] 9 Feb 2024.
16. Stoudenmire E.M., Waintal X. Grover’s Algorithm Offers No Quantum Advantage // arXive.org e-Print archive. - arXiv:2303.11317v1 [quant-ph] 20 Mar 2023.
17. Innan N., Bennai M. Simulation of a Variational Quantum Perceptron using Grover’s Algorithm // arXive.org e-Print archive. - arXiv:2305.11040v1 [quant-ph] 18 May 2023.
18. Интеллектуальная когнитивная робототехника. Ч. 4.1. Квантовый “сильный” вычислительный интеллект в интеллектуальном управлении роботизированными автономными системами в “Индустрия 4.0 / 5.0” / Р. Ю. Капков, А.Г. Решетников, О. Ю. Тятюшкина, С. В. Ульянов. - Москва: Курс, 2024.
19. Интеллектуальная когнитивная робототехника. Ч. 4.2. Квантовый “сильный” вычислительный интеллект в интеллектуальном управлении роботизированными социотехническими системами / Р. Ю. Капков, А.Г. Решетников, О. Ю. Тятюшкина, С. В. Ульянов. - Москва: Курс, 2024.

Выпуск

№ 3 (2024)

Кол-во страниц: 147 страниц

Другие статьи выпуска

О НОВОМ КОНЦЕПТУАЛЬНОМ ПОДХОДЕ ПОДГОТОВКИ БАКАЛАВРОВ ПО ПРОФИЛЮ "БЕЗОПАСНОСТЬ ИНФОРМАЦИОННЫХ СИСТЕМ" (2024)

Авторы: Немчанинова София Вадимовна, Минзов Анатолий Степанович, Токарева Надежда Александровна, Шевченко Алексей Валерьевич

Представлен анализ опыта подготовки бакалавров кафедры информационных технологий по профилю «Безопасность информационных систем», определены тенденции развития этого направления подготовки и обоснование требований дальнейшего его развития с учетом современных повышенных требований к ИТ-проектам по безопасности и доверию к ним. При проведении исследований использовался системный анализ для анализа требований к специалистам ИТ и ИБ в условиях повышения уровня требований к надёжности, безопасности и уровня доверия к разрабатываемому программному обеспечению. Полученные результаты позволят провести коррекцию учебного плана и рабочих учебных программ для совершенствования компетенций выпускников по профилю «Безопасность информационных систем» в области обеспечения информационной безопасности ИТ-проектов и уровня доверия к ним.

Сохранить в закладках

МОДЕЛИ И ПРИНЦИПЫ ПОСТРОЕНИЯ СИСТЕМЫ АДАПТИВНОГО ОБУЧЕНИЯ (2024)

Авторы: Гвоздева Татьяна Вадимовна, Сидорова Анастасия Дмитриевна

Адаптивное обучение в современных условиях имеет важную роль в организации образовательной деятельности. На данный момент разработано множество систем обучения с претензией на адаптивность. Для разработки системы адаптивного обучения необходимо разработать общие принципы построения таких систем. Авторы статьи на основе исследования существующих адаптивных моделей обучения выделяют принципы построения системы адаптивного обучения.

Сохранить в закладках

КВАНТОВАЯ ПРОГРАММНАЯ ИНЖЕНЕРИЯ И ИНДУСТРИЯ 4.0 КАК ПЛАТФОРМА ДЛЯ ИНТЕЛЛЕКТУАЛЬНОГО УПРАВЛЕНИЯ РОБОТИЗИРОВАННЫМИ СОЦИОТЕХНИЧЕСКИМИ СИСТЕМАМИ В ИНДУСТРИИ 5.0 / 6.0 (2024)

Авторы: Капков Роман Юрьевич, Тятюшкина Ольга Юрьевна, Ульянов Сергей Викторович

Рассматриваются основы построения и развития пятой и шестой промышленных революций (I5.0 / I6.0) как развитие результатов проекта Индустрия 4.0 (I4.0) с применением моделей интеллектуальной когнитивной робототехники, квантовой программной инженерии, квантового интеллектуального управления и дружественных интерфейсов типа «мозг - компьютер», «человек - робот». Обсуждаются вопросы построения физических законов интеллектуального управления роботизированными социотехническими системами на основе законов информационно-термодинамического распределения критериев устойчивости, управляемости и робастности. Извлеченная квантовая информация позволяет сформировать дополнительную «социальную» термодинамическую силу управления, скрытую в информационном обмене между агентами многокомпонентной социотехнической системе.

Сохранить в закладках

РАСПОЗНАВАНИЕ ИСТОРИЧЕСКИХ РУКОПИСНЫХ ДОКУМЕНТОВ С ПРИМЕНЕНИЕМ МЕТОДОВ ГЛУБОКОГО МАШИННОГО ОБУЧЕНИЯ (2024)

Авторы: Ершов Николай Михайлович, Мамедов Тимур Русланович

Настоящая работа посвящена разработке и анализу нейросетевых подходов и методов к решению задачи распознавания рукописных документов. Для решения данной задачи в работе предлагается использовать модели глубоких нейронных сетей. Рассматриваются вопросы конфигурации и обучения рассматриваемых моделей, также описываются и анализируются возможные их усовершенствования. Приводятся результаты численного исследования всех предложенных подходов и сравнение их эффективности в решении поставленной задачи.

Сохранить в закладках

РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ВЕРХНЕГО УРОВНЯ SCADA IDE ДЛЯ ПАО "ТЕНЗОР" (2024)

Авторы: Плотников Антон Андреевич, Миловидова Анна Александровна

Цель работы - разработать перспективную SCADA IDE для ПАО «ТЕНЗОР», отвечающую современным стандартам и обеспечивающую комплексную поддержку создания систем промышленной автоматизации. В ходе исследования проведен анализ текущего состояния и трендов развития SCADA-систем, выполнен сравнительный анализ существующих SCADA IDE, выявлены их ограничения. На основе этого определены ключевые требования к проектируемой системе. Разработанный программный прототип прошел апробацию на реальном индустриальном проекте, подтвердив свою практическую применимость и эффективность. Полученные результаты закладывают основы для перехода ПАО «ТЕНЗОР» на качественно новый уровень разработки современных систем промышленной автоматизации на базе SCADA. Дальнейшие направления развития включают интеграцию с облачными платформами Интернета вещей, реализацию веб-ориентированных средств разработки.

Сохранить в закладках

АРХИТЕКТУРНОЕ РЕШЕНИЕ ДЛЯ ЦИФРОВОЙ ТРАНСФОРМАЦИИ ПРОЦЕССА РАСТОРЖЕНИЯ ДОГОВОРОВ ДОБРОВОЛЬНОГО СТРАХОВАНИЯ (2024)

Авторы: Калугин Андрей Вячеславович, Миловидова Анна Александровна

В статье рассматривается процесс цифровой трансформации расторжения договоров добровольного страхования. Описаны этапы проектирования и реализации архитектурного решения, включающего использование Archimate и предметно-ориентированного подхода к проектированию. Основное внимание уделяется оптимизации бизнес-процессов, повышению эффективности и точности операций, а также снижению затрат и рисков, связанных с ручными операциями. В результате внедрения предложенного архитектурного решения достигается значительное улучшение качества обслуживания клиентов и повышение операционной эффективности компании.

Сохранить в закладках

Издательство

Издательство: ДУБНА
Регион: Россия, Дубна
Почтовый адрес: 141980 г.Дубна Московской обл., ул.Университетская, 19
Юр. адрес: 141980 г.Дубна Московской обл., ул.Университетская, 19
ФИО: Деникин Андрей Сергеевич (ИСПОЛНЯЮЩИЙ ОБЯЗАННОСТИ РЕКТОРА)
E-mail адрес: rector@uni-dubna.ru
Контактный телефон: +8 (496) 2166001
Сайт: https://uni-dubna.ru/

Все права на тексты и товарные знаки принадлежат их законным владельцам. Подробнее...

Сайт https://scinetwork.ru (далее – сайт) работает по принципу агрегатора – собирает и структурирует информацию из публичных источников в сети Интернет, то есть передает полнотекстовую информацию о товарных знаках в том виде, в котором она содержится в открытом доступе.

Сайт и администрация сайта не используют отображаемые на сайте товарные знаки в коммерческих и рекламных целях, не декларируют своего участия в процессе их государственной регистрации, не заявляют о своих исключительных правах на товарные знаки, а также не гарантируют точность, полноту и достоверность информации.

Все права на товарные знаки принадлежат их законным владельцам!

Сайт носит исключительно информационный характер, и предоставляемые им сведения являются открытыми публичными данными.

Администрация сайта не несет ответственность за какие бы то ни было убытки, возникающие в результате доступа и использования сайта.

Спасибо, понятно.