Найти

Результаты поиска

• ИССЛЕДОВАНИЕ ВОЗМОЖНОСТЕЙ ПРИМЕНЕНИЯ ФОТОННЫХ И КВАНТОВЫХ ВЫЧИСЛИТЕЛЬНЫХ ТЕХНОЛОГИЙ ДЛЯ РАСЧЕТА ТОЧНЫХ РАСПРЕДЕЛЕНИЙ ВЕРОЯТНОСТЕЙ ЗНАЧЕНИЙ СТАТИСТИК КОНЕЧНЫХ ДИСКРЕТНЫХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ

  А.К. Мельников

  121-136

  2025-12-30

  Аннотация ▼

  Проведено исследование возможности применения фотонных и квантовых вычислительных технологий для расчета точных распределений вероятностей значений статистик дискретных последовательностей в предположении о наличии работающих технических образцов вычислительных систем и создания требуемых квантовых алгоритмов. Оценка производительности вычислительных систем на базе фотонных вычислительных технологий базируется на материалах НЦФМ РАН г. Саров. Оценка производительности квантовой вычислительной системы проведена методом сравнения времени решения задачи отбора проб бозонов из заданного распределения на вычислительной системе с известной производительностью и времени её выполнения на квантовой вычислительной системе. Для оценки возможности применения фотонных и квантовых вычислительных технологий к расчету точных распределений рассмотрены современные методы их вычисления, основанные на решении уравнения кратности типов и системы линейных уравнений в неотрицательных целых числах. Приводятся аналитические выражения, определяющие вычислительную сложность этих методов. Проведено определения значений границ параметров точных распределений доступных для вычисления с помощью применения фотонных и квантовых вычислительных технологий. Приводится сравнение полученных результатов с результатами применения многопроцессорных вычислительных технологий для расчета точных распределений различными методами. Проведен анализ возможностей применения фотонных и квантовых вычислительных технологий для расчета точных распределений методом сравнения количества пар параметров возможных к расчету точных распределений с общим числом параметров распределений, входящих в область Р. Фишера, определяющую пятикратное превосходство объема выборки над мощностью алфавита. Анализ данных о числе параметров выборок показывает, что при увеличении производительности используемых вычислительных технологий происходит рост возможностей по расчету точных распределений, но даже при использовании самых производительных из них квантовых технологий он не превосходит десятой доли от общего количества точных распределений, необходимых для расчета при проведения статистического анализа дискретных последовательностей в алфавитах мощности до 256 знаков.

• КВАНТОВОЕ ГЛУБОКОЕ ОБУЧЕНИЕ СВЁРТОЧНОЙ НЕЙРОННОЙ СЕТИ С ИСПОЛЬЗОВАНИЕМ ВАРИАЦИОННОЙ КВАНТОВОЙ СХЕМЫ

  С.М. Гушанский , В. Е. Буглов

  167-177

  2021-10-05

  Аннотация ▼

  Квантовый компьютинг в общем и квантовое глубокое обучение, в частности, представляют собой перспективную область, связанную с исследованиями современных методов и алгоритмов квантовых вычислений, применяемых с целью обучения и разработки новых архитектур искусственных нейронных сетей. В последнее время наблюдается тенденция, состоящая в том, что исследования, проводимые в области квантового глубокого обучения, получают всё большее распространение среди специалистов. Это можно объяснить тем, что было установлено – квантовые схемы способны функционировать подобно искусственным нейронным сетям, демонстрируя при этом лучшие результаты при решении ряда задач, среди которых, например, актуальная задача классификации объектов на изображении или в видеопотоке. Благодаря стремительному развитию квантовых вычислений в области глубокого обучения были найдены оптимальные способы решений для та-ких актуальных задач, как – проблема исчезающего градиента, нахождение локального минимума, повышение эффективности функционирования крупномасштабных параметри-ческих алгоритмов машинного обучения, устранение декогеренции и квантовых ошибок и пр. В рамках данной работы описан процесс функционирования квантовой вариационной схемы, установлены её основные характеристики и выявлены недостатки. Также проана-лизированы ключевые особенности квантовых вычислений, на которых основывается про-цесс реализации квантового глубокого обучения с подкреплением свёрточной нейросети. Кроме того, осуществлено квантовое глубокое обучение свёрточной нейронной сети с помощью применения вариационной квантовой схемы, что приводит к повышению производительности свёрточной нейросети в решении задачи обработки изображения, а именно его классификации, за счёт использования квантовой среды вычислений. Актуальность данной статьи состоит в реализации алгоритма квантового глубокого обучения с подкреплением свёрточной нейросети для обработки изображений, а также большом значении тематики данного исследования для будущей разработки квантовых вычислительных устройств, которые могут быть использованы в системах искусственного интеллекта и т.п., что соответствует приоритетному направлению развития отечественной науки