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

• ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ КВАНТОВЫХ ВЫЧИСЛЕНИЙ ДЛЯ БОРТОВЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ РОБОТОТЕХНИЧЕСКИХ КОМПЛЕКСОВ

  Н.А. Бочаров , Н.Б. Парамонов

  229-239

  2025-12-30

  Аннотация ▼

  Современные робототехнические комплексы решают всё более сложные задачи, что предъявляет повышенные требования к быстродействию и эффективности бортовых вычислительных систем. Традиционные методы наращивания производительности (масштабирование аппаратуры, параллельные вычисления и др.) уже приближаются к своим пределам, поэтому возникает необходимость поиска принципиально новых подходов. Квантовые вычисления рассматриваются как перспективное направление, способное значительно превзойти классические вычислительные мощности в ряде задач. В этой связи целью данного исследования является изучение применимости квантовых вычислений для бортовых вычислительных систем робототехнических комплексов (РТК). Для достижения поставленной цели проведён всесторонний анализ требований (производительность, энергопотребление, массогабаритные показатели, надёжность и др.), предъявляемых к бортовым вычислительным системам РТК. Оценён потенциал квантовых алгоритмов в решении типовых задач робототехники, в том числе оптимизационных задач и задач машинного обучения, и проведено их имитационное моделирование с последующим сравнением результатов с классическими методами. Кроме того, рассмотрены текущие ограничения современных квантовых компьютеров (например, ограниченное число кубитов и проблемы декогеренции) и на основе тенденций развития технологий сделан прогноз их совершенствования в ближайшие годы. Проведённое исследование подтверждает перспективность применения квантовых вычислений для решения задач оптимизации и машинного обучения, которые являются ключевыми для интеллектуальных РТК. Однако текущие технологические ограничения (габариты, требования к условиям работы и нестабильность квантовых процессоров) пока не позволяют использовать квантовые компьютеры непосредственно на борту. Тем не менее, предложены направления дальнейших исследований и рассмотрены возможные сценарии постепенного внедрения квантовых вычислений в архитектуру РТК в ближайшие 5–15 лет, например, по мере миниатюризации квантовых процессоров и развития методов их интеграции в бортовые системы. Таким образом, по мере устранения существующих барьеров квантовые вычислители могут со временем стать неотъемлемой частью бортовых систем управления РТК, обеспечивая качественный скачок в их производительности.