ИТ моделирования самоорганизующихся интеллектуальных контроллеров на основе квантового глубокого машинного обучения

  • Sergey Victorovich Ulyanov Объединенный институт ядерных исследований; Государственный университет "Дубна" http://orcid.org/0000-0001-7409-9531
  • Andrey Gennadievich Reshetnikov Объединенный институт ядерных исследований; Государственный университет "Дубна" http://orcid.org/0000-0003-2528-5201
  • Daria Petrovna Zrelova Объединенный институт ядерных исследований; Государственный университет "Дубна" http://orcid.org/0000-0002-7146-2494

Аннотация

Обсуждается физическая интерпретация процесса управления самоорганизацией на квантовом уровне на основе квантовых информационно-термодинамических моделей обмена и извлечения квантовой (скрытой) ценностной информации из/между классическими траекториями частиц в модели «рой взаимодействующих частиц». Представлены и описываются основные физические и информационно-термодинамические аспекты модели квантового интеллектуального управления классическими объектами управления. Рассматривается подход построения эталонных моделей управления на основе новых законов квантового глубокого машинного обучения с применением квантовых нейронных сетей Лагранжа/Гамильтона.
Данная работа развивает подход самоорганизующегося интеллектуального управления, описывая стратегию проектирования интеллектуальных систем когнитивного управления на основе квантовых и мягких вычислений. Продемонстрирован синергетический эффект квантовой самоорганизации базы знаний, извлеченный из не робастных баз знаний интеллектуального нечеткого регулятора. Применяется информационно-термодинамический закон квантовой самоорганизации оптимального распределения базисных качеств управления (устойчивость, управляемость и робастность) и закон квантовой информационной термодинамики о возможности извлечения дополнительной полезной работы на основе извлеченной квантовой информации, скрытой в классических состояниях. Сформированная (без нарушения второго закона квантовой термодинамики) на основе извлеченного количества скрытой квантовой информации «термодинамическая» сила управления позволяет роботу (как объекту управления) совершить количественно большую полезную работу по сравнению с количеством затраченной (на извлечение квантовой скрытой информации) работу. Гарантированное достижение цели управления роботом осуществляется на основе спроектированной интеллектуальной когнитивной системы управления с применением инструментария квантового оптимизатора баз знаний QCOptKBTM, в структуру которого включен квантовый нечеткий вывод – КНВ. Квантовый алгоритм самоорганизации не робастных баз знаний КНВ структурно опирается на синергетические эффекты от скрытой квантовой информации для осуществления реализации оптимального распределения качеств управления. Данная технология позволяет повысить надежность интеллектуальных когнитивных систем управления в ситуациях управления в условиях неопределенности. Примеры продемонстрировали эффективность введения схемы КНВ в качестве готового программируемого алгоритмического решения для встраиваемых интеллектуальных систем управления.

Сведения об авторах

Sergey Victorovich Ulyanov, Объединенный институт ядерных исследований; Государственный университет "Дубна"

главный научный сотрудник Лаборатории информационных технологий имени М.Г. Мещерякова; профессор кафедры системного анализа и управления Института системного анализа и управления, доктор физико-математических наук, профессор

Andrey Gennadievich Reshetnikov, Объединенный институт ядерных исследований; Государственный университет "Дубна"

старший научный сотрудник Лаборатории информационных технологий имени М.Г. Мещерякова; доцент кафедры геоинформационных систем и технологий Института системного анализа и управления, кандидат технических наук

Daria Petrovna Zrelova, Объединенный институт ядерных исследований; Государственный университет "Дубна"

стажер-исследователь Лаборатории информационных технологий имени М.Г. Мещерякова; аспирант Института системного анализа и управления

Литература

1. Ulyanov S.V. Self-organization of robust intelligent controller using quantum fuzzy inference. In: 2008 3rd International Conference on Intelligent System and Knowledge Engineering. Xiamen, China: IEEE Computer Society; 2008. p. 726-732. https://doi.org/10.1109/ISKE.2008.4731026
2. Litvintseva L.V., Ulyanov S.V., Ulyanov S.S. Design of robust knowledge bases of fuzzy controllers for intelligent control of substantially nonlinear dynamic systems: II. A soft computing optimizer and robustness of intelligent control systems. Journal of Computer and Systems Sciences International. 2006;45(5):744-771. https://doi.org/10.1134/S106423070605008X
3. Ulyanov S.V. Quantum soft computing in control processes design: Quantum genetic algorithms and quantum neural network approaches. In: Proceedings World Automation Congress. Seville, Spain: IEEE Computer Society; 2004. p. 99-104. Available at: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1439352 (accessed 01.04.2023).
4. Ulyanov S.V., Litvintseva L.V., Panfilov S.A. Design of self-organized intelligent control systems based on quantum fuzzy inference: intelligent system of systems engineering approach. In: 2005 IEEE International Conference on Systems, Man and Cybernetics, Waikoloa. HI, USA: IEEE Computer Society; 2005. Vol. 4. p. 3835-3840. https://doi.org/10.1109/ICSMC.2005.1571744
5. Ulyanov S.V. Self-Organized Intelligent Robust Control Based on Quantum Fuzzy Inference. In: Mller A. (ed) Recent Advances in Robust Control Novel Approaches and Design Methods. Ch. 9. InTech; 2011. p. 187-220. https://doi.org/10.5772/17189
6. Lahoz-Beltra R. Quantum genetic algorithms for computer scientists. Computers. 2016;5(4):31-47. https://doi.org/10.3390/computers5040024
7. Liu Y., Feng S., Zhao Z., Ding E. Highly Efficient Human Action Recognition with Quantum Genetic Algorithm Optimized Support Vector Machine. arXiv:1711.09511. 2017. https://doi.org/10.48550/arXiv.1711.09511
8. Fen W., Min L., Gang W., Xu J., Ren B., Wang G. Fault diagnosis approach of gearbox based on Support Vector Machine with improved bi-layers quantum genetic optimization. In: 2016 13th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI). Xi'an, China: IEEE Computer Society; 2016. p. 997-1002. https://doi.org/10.1109/URAI.2016.7734125
9. Litvintseva L.V., Ulyanov S.V. Quantum fuzzy inference for knowledge base design in robust intelligent controllers. Journal of Computer and Systems Sciences International. 2007;46(6):908-961. https://doi.org/10.1134/S1064230707060081
10. Ivancova O., Korenkov V., Ryabov N., Ulyanov S. Quantum Software Engineering: Quantum Gate-Based Computational Intelligence Supremacy. In: Voevodin V., Sobolev S. (eds.) Supercomputing. RuSCDays 2020. Communications in Computer and Information Science. Vol. 1331. Cham: Springer; 2020. p. 110-121. https://doi.org/10.1007/978-3-030-64616-5_10
11. Mishin A., Ulyanov S. Intelligent Robust Control of Dynamic Systems with Partial Unstable Generalized Coordinates Based on Quantum Fuzzy Inference. In: Batyrshin I., Sidorov G. (eds.) Advances in Soft Computing. MICAI 2011. Lecture Notes in Computer Science. Vol. 7095. Berlin, Heidelberg: Springer; 2011. p. 24-36. https://doi.org/10.1007/978-3-642-25330-0_3
12. Dong D., Chen Z.-L., Chen Z.-H., Zhang C.-B. Quantum mechanics helps in learning for more intelligent robots. Chinese Physics Letters. 2006;23(7):1691-1694. https://doi.org/10.1088/0256-307X/23/7/010
13. Ulyanov S.V. Quantum Algorithm of Imperfect KB Self-organization Pt I: Smart Control-Information-Thermodynamic Bounds. Artificial Intelligence Advances. 2021;3(1):13-36. https://doi.org/10.30564/aia.v3i2.3171
14. Ulyanov S.V. Quantum Fuzzy Inference Based on Quantum Genetic Algorithm: Quantum Simulator in Intelligent Robotics. In: Aliev R., Kacprzyk J., Pedrycz W., Jamshidi M., Babanli M., Sadikoglu F. (eds.) 10th International Conference on Theory and Application of Soft Computing, Computing with Words and Perceptions ICSCCW-2019. ICSCCW 2019. Advances in Intelligent Systems and Computing. Vol. 1095. Cham: Springer; 2020. p. 78-85. https://doi.org/10.1007/978-3-030-35249-3_9
15. Zhao C., Gao X. QDNN: deep neural networks with quantum layers. Quantum Machine Intelligence. 2021;3(1):15. https://doi.org/10.1007/s42484-021-00046-w
16. Butenko A.V., Zrelov P.V., Korenkov V.V., et al. Intelligent System for Remote Control of Liquid Nitrogen Pressure and Flow in the Cryogenic System of Superconducting Magnets: Hardware and Software Platform. Physics of Particles and Nuclei Letters. 2023;20:172-182. https://doi.org/10.1134/S1547477123020152
17. Ahmadi B., Salimi S., Khorashad A.S., Kheirandish F. The quantum thermodynamic force responsible for quantum state transformation and the flow and backflow of information. Scientific Reports. 2019;9:8746. https://doi.org/10.1038/s41598-019-45176-1
18. Nakamura T., Hasegawa H.H., Driebe D.J. Reconsideration of the generalized second law based on information geometry. Journal of Physics Communications. 2019;3(1):015015. https://doi.org/10.1088/2399-6528/aafe1b
19. Brandão F. The second laws of quantum thermo-dynamics. Proceedings of the National Academy of Sciences. 2015:112(11): 3275-3279. https://doi.org/10.1073/pnas.1411728112
20. Vanchurin V. The World as a Neural Network. Entropy. 2020;22(11):1210. https://doi.org/10.3390/e22111210
21. Gyongyosi L., Imre S. Quantum Cellular Automata Controlled Self-Organizing Networks. In: Salcido A. (ed.) Cellular Automata Innovative Modelling for Science and Engineering. Ch. 6. InTech; 2011. p. 113-152. https://doi.org/10.5772/15750
22. Kim Y.H., Kim J.H. Multiobjective quantum-inspired evolutionary algorithm for fuzzy path planning of mobile robot. In: IEEE Congress on Evolutionary Computation (CEC 2009). Trondheim, Norway: IEEE Computer Society; 2009. p. 1185-1192. https://doi.org/10.1109/CEC.2009.4983080
23. Masood A. A Perspective on Whether Robot Localization Can be Effectively Simulated by Quantum Mechanics. International Journal Of Multidisciplinary Sciences And Engineering. 2021;3(9):15-18. Available at: https://www.ijmse.org/Volume3/Issue9/paper3.pdf (accessed 01.04.2023).
24. Dong D., Chen C. Quantum robot: Structure, algorithms and applications. Robotica. 2006;24(4):513-521. https://doi.org/10.1017/S0263574705002596
25. Chen C., Dong D. Quantum intelligent mobile system. Quantum Inspired Intelligent Systems. Studies in Computational Intelligence. 2008;121:77-102. https://doi.org/10.1007/978-3-540-78532-3_4
Опубликована
2023-06-30
Как цитировать
ULYANOV, Sergey Victorovich; RESHETNIKOV, Andrey Gennadievich; ZRELOVA, Daria Petrovna. ИТ моделирования самоорганизующихся интеллектуальных контроллеров на основе квантового глубокого машинного обучения. Современные информационные технологии и ИТ-образование, [S.l.], v. 19, n. 2, p. 365-380, june 2023. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/935>. Дата доступа: 23 nov. 2024
Форматы библиографических ссылок
Выпуск
Том 19 № 2 (2023): Современные информационные технологии и ИТ-образование
Раздел
Исследования и разработки в области новых ИТ и их приложений
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.