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

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, june 2023. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/935>. Дата доступа: 22 sep. 2023
Раздел
Исследования и разработки в области новых ИТ и их приложений