ҚАЗІРГІ ЕСЕПТЕУЛЕРДЕГІ КВАНТТЫҚ ЖӘНЕ КЛАССИКАЛЫҚ АЛГОРИТМДЕРДІ САЛЫСТЫРМАЛЫ ТАЛДАУ
Кілт сөздер:
Машиналық оқыту, кванттық алгоритмдер, классикалық алгоритмдер, есептеу технологиялары, гибридті есептеу, факторизация, іздеу, оңтайландыру, технологиялық шектеулер, есептеудің болашағы.Аңдатпа
Бұл мақала есептеу саласындағы кванттық және классикалық алгоритмдерге шолу және салыстырмалы талдау болып табылады. Қазіргі заманда бүкіл әлемде жоғары технологиялар даму кезеңі жүріп жатыр. Осы заманда адамзат өз алдына қойған мақсаттарды тек адам миын қолдана ғана қоймай оған қоса машинаның ойлау қасиеттерін қолдануды іске асыру аса тиімді болып тұр. Жасанды интеллект пен машиналық оқыту салалары аса қарқынды дамуда, ол оған дейін тек адам прерогативасы болып саналған тапсырмаларды шешуге мүмкіндік береді. Классикалық тәсіл үшін тізімді алдын-ала реттеу үшін жылдам сұрыптау қолданылады, содан кейін мақсатты элемент ізделеді. Кванттық тәсіл үшін реттелмеген тізімдегі элементті жылдам іздеу үшін кванттық есептеулердің артықшылықтарын пайдаланатын Гровер алгоритмі қолданылады. Салыстыру нәтижелері әр алгоритмнің орындалу уақытын және табылған элементтерді қамтиды. Бұл жұмыс іздеу есептерін шешуде кванттық алгоритмдердің әлеуетін көрсетеді және классикалық және кванттық әдістерді салыстырудың практикалық мысалын ұсынады. Машиналық оқыту – өндірістегі және басқа да салалардағы процестерді оптимизациялау мен автоматтандырудың басты жолы болып табылады. Кванттық компьютерлерде атқарылатын кванттық есептеулер мен оның жеке жағдайы «кванттық машиналық оқыту» нағыз болашақ технологиясы болып табылады. Алайда бүкіл артықшылықтарына қарамастан бұл технологиялар қазіргі таңда нашар зерттелген болып табылады. Әдеби шолу, гипотезаларды тұжырымдау, бағдарламалау әдістерін қолдану және эксперименттер жүргізу негізінде зерттеу алгоритмдердің әр түрінің көптеген есептерге қолданылуына жаңа түсініктер береді. Нәтижелер жоғары мамандандырылған есептердегі кванттық алгоритмдердің бірегей артықшылықтарын, технологиялық қоңырауларға байланысты оларды пайдаланудағы шектеулерді көрсетеді және есептеудің болашағы ретінде гибридті тәсілді ұсынады.
Әдебиеттер тізімі
Лю К. Сравнение подходов к традиционным вычислениям и квантовым вычислениям //Основные события в науке, технике и технологиях. – 2023. – Т. 38. – С. 502-507.
Рана А.,Вайдья П., Гупта Г.Сравнительное исследование алгоритма квантовой машины опорных векторов для распознавания рукописного текста с алгоритмом машины опорных векторов //Материалы сегодня: Труды. – 2022. – Т. 56. – С. 2025-2030.
Канамори Ю., Ю С. М. Квантовые вычисления: принципы и приложения //Журнал международных технологий и управления информацией. – 2020. – Т. 29. – №. 2. – С. 43-71.
Нильсен М. А., Чжуанг И. Л. Квантовые вычисления и квантовая информация. – Издательство Кембриджского университета, 2010. – C. 171.
Кормен Т. Х. и др. Введение в алгоритмы. – Издательство Массачусетского технологического института, 2022. – C. 36.
Шор П. В. Первые дни квантовых вычислений //Препринт arXiv arXiv: 2208.09964. – 2022.
Алексеев Ю. и др. Квантовые компьютерные системы для научных открытий //PRX Quantum. – 2021. – Т. 2. – № 1.– С. 017001-13
Мур С., Мертенс С. Природа вычислений. – OUP Oxford, 2011. – С. 204.
Хавенштейн С., Томас Д., Чандрасекаран С. Сравнение производительности квантового и классического машинного обучения //SMU Data Science Review. – 2018. – Т. 1. – №. 4. – С. 11.
Улла М. Х. и др. Квантовые вычисления для приложений smart grid //Генерация, передача и распределение IET. – 2022. – Т. 16. – №. 21. – С. 4239-4257.
Менезес Х.М. Сравнительный анализ алгоритмов машинного обучения в классической и квантовой версиях //18-я contecsi-международная конференция по информационным системам и управлению технологиями виртуальная. – 2019.
Шарма Д., Сингх П., Кумар А. Сравнительное исследование классической и квантовой моделей машинного обучения для сентиментального анализа //Препринт arXiv arXiv: 2209.05142. – 2022
Георге-Поп И. Д. и др. Взгляд компьютерщика и программиста на квантовые алгоритмы: отображение API–интерфейсов функций и входных данных в oracles //Интеллектуальные вычисления: Материалы компьютерной конференции 2021 года, том 1. – Springer International Publishing, 2022. - С. 188-203.
Арора А. С. и др. Квантовая глубина в модели случайного оракула //Материалы 55-го ежегодного симпозиума ACM по теории вычислений. – 2023. – С. 1111-1124.
Мандвивалла А., Охширо К., Джи Б. Реализация алгоритма Гровера на квантовых компьютерах IBM //Международная конференция IEEE 2018 по большим данным (big data). – IEEE, 2018. – С. 2531-2537.
Уилш Д. и др. Крупномасштабное моделирование алгоритма квантового факторинга Шора //Математика. – 2023. – Т. 11. – №. 19. – С. 4222.
Liu Q. Comparisons of Conventional Computing and Quantum Computing Approaches //Highlights in Science, Engineering and Technology. – 2023. – Т. 38. – C. 502-507.
Rana A., Vaidya P., Gupta G. A comparative study of quantum support vector machine algorithm for handwritten recognition with support vector machine algorithm //Materials Today: Proceedings. – 2022. – Т. 56. – C. 2025-2030.
Kanamori Y., Yoo S. M. Quantum computing: principles and applications //Journal of International Technology and Information Management. – 2020. – Т. 29. – №. 2. – C. 43-71.
Nielsen M. A., Chuang I. L. Quantum computation and quantum information. – Cambridge university press, 2010. – C. 171.
Cormen T. H. et al. Introduction to algorithms. – MIT press, 2022. – C. 36.
Shor P. W. The early days of quantum computation //arXiv preprint arXiv:2208.09964. – 2022.
Alexeev Y. et al. Quantum computer systems for scientific discovery //PRX Quantum. – 2021. – Т. 2. – №. 1. – С. 017001-13
Moore C., Mertens S. The nature of computation. – OUP Oxford, 2011. – С. 204.
Havenstein C., Thomas D., Chandrasekaran S. Comparisons of performance between
quantum and classical machine learning //SMU Data Science Review. – 2018. – Т. 1. – №. 4. – С. 11.
Ullah M. H. et al. Quantum computing for smart grid applications //IET Generation,
Transmission & Distribution. – 2022. – Т. 16. – №. 21. – С. 4239-4257.
Menezes h. M. Comparative analysis of machine learning algorithms in classical and quantum versions //18th contecsi-international conference on information systems and technology management virtual. – 2019.
Sharma D., Singh P., Kumar A. A Comparative Study of Classical and Quantum Machine Learning Models for Sentimental Analysis //arXiv preprint arXiv:2209.05142. – 2022.
Gheorghe-Pop I. D. et al. Computer scientist’s and programmer’s view on quantum algorithms: mapping functions’ APIs and inputs to oracles //Intelligent Computing: Proceedings of the 2021 Computing Conference, Volume 1. – Springer International Publishing, 2022. – С. 188-203.
Arora A. S. et al. Quantum depth in the random oracle model //Proceedings of the 55th Annual ACM Symposium on Theory of Computing. – 2023. – С. 1111-1124.
Mandviwalla A., Ohshiro K., Ji B. Implementing Grover’s algorithm on the IBM quantum computers //2018 IEEE international conference on big data (big data). – IEEE, 2018. – С. 2531-2537.
Willsch D. et al. Large-scale simulation of Shor’s quantum factoring algorithm //Mathematics. – 2023. – Т. 11. – №. 19. – С. 4222.
