Доработан функционал приложения с графическим интерфейсом по выработке бинарных последовательностей на облачных квантовых компьютерах в рамках добавления программных инструментов построения регрессионных моделей. Построены модели множественной линейной регрессии и бинарного выбора, где в качестве независимых параметров моделей использованы актуальные на момент эксперимента технические характеристики квантовых состояний. Прогнозируемые значения отражают ожидаемые результаты проверки последовательностей набором статистических тестов NIST STS, а также степень равномерности распределения «0» и «1» в сгенерированных последовательностях. В рамках исследования, основываясь на информации об актуальных технических характеристиках квантового процессора, предложены подходы к прогнозированию результатов генерации случайных чисел на квантовых вычислительных устройствах, что может быть полезным при проектировании квантовой схемы до ее непосредственного запуска.
Для кластеризации имеющейся выборки статистических данных предложена списочная регрессионная модель, содержащая в каждом уравнении списка полный набор входных переменных. Задача оценивания неизвестных параметров этой модели с помощью метода наименьших модулей сведена к задаче частично булевого линейного программирования. Для контроля количества регрессоров в уравнениях списка оптимизационная задача расширена дополнительными ограничениями. Решение этой задачи позволяет получить наилучший состав входящих в уравнения списка регрессоров, коэффициенты уравнений и правило их переключения. Проведены вычислительные эксперименты, подтвердившие корректность разработанного математического аппарата.