H 10

Improving Quantum Bayesian Inference Algorithm– Applications in Medical Care During Space Travelling

كارشناسي ارشد

هوش مصنوعي

دانشگاه پيام نور مركز نجف آباد

1402

آيت، سيد سعيد

Quantum Computing , Quantum Bayesian Networks , Quantum Bayesian Inference

شبكه هاي بيزي بطور روز افزون در علوم طبيعي و اجتماعي به كار مي روند. شبكه هاي بيزي كه به آنها شبكه هاي باور نيز گفته مي شود براي نمايش (بازنمايي ) وابستگي بين تعدادي متغير تصادفي استفاده مي شوند. شبكه هاي بيزي در هنگام عدم قطعيت، مساله مورد نظر را مدل سازي كرده و استنتاج روي آن انجام مي دهند. استنتاج روي شبكه هاي بيزي در محاسبات كلاسيك با استفاده از رايانه هاي كلاسيك امروزي، از كلاس محاسباتي NP- دشوار است و بنابراين بار محاسباتي سنگيني به رايانه وارد مي كند. ضمن اينكه رايانه هاي كلاسيك انرژي الكتريكي زيادي براي انجام اينگونه محاسبات به مصرف مي رسانند. رايانه هاي كوانتومي بر اساس اصول حاكم بر ذرات كوانتومي (قوانين مكانيك كوانتوم) كار مي كنند. نتايج نشان داده است كه محاسبات به شيوه كوانتومي سرعت انجام محاسبات در برخي الگوريتمها را به ميزان قابل توجهي افزايش مي دهد مضاف بر اينكه انرژي الكتريكي بسيار پايينتري مصرف مي كنند. اين پايان نامه بر آن بوده است تا اين حوزه را مورد كاوش قرار دهند. بدين معني كه از معدود الگوريتمهايي كه تاكنون براي استنتاج بيزي كوانتومي ابداع شده در يك فرآيند تصميم گيري استفاده كند و بررسي نمايد آيا منجر به افزايش سرعت مي شود. بدين منظور سعي شده براي بهبود استنتاج روي شبكه بيزي كوانتومي راههايي ابداع شود. نتيجه، يك افزايش سرعت درجه دو را به ارمغان آورد. علاوه بر اين، براي هر الگوريتمهاي جديدي كه ابداع شدند، پيچيدگي محاسباتي تعيين گرديد در پايان بخش اول، الگوريتم ابداعي توسط زبان برنامه نويسي Qiskit نوشته و بر روي رايانه كوانتومي IBM Q اجرا گرفته شد. در بخش دوم، مساله مراقبتهاي پزشكي حين سفرهاي فضائي با استفاده از شبكه بيزي مدل سازي و سپس توسط دو نوع الگوريتم بيز كلاسيك و بيز كوانتومي حل شده و نتايج حاصل با هم مورد مقايسه قرار گرفت.

1402/08/21

سميه طاهري

76035