48
4.
D.
Rozenblum,
“Understanding
Intrusion
Detection
System,”
www.sans.org/reading_room/whitepapers/detection/understanding-
intrusiondetection-systems_337, October 31, 2003.
VARIATSION KVANT ALGORITMLARINI QO‘LLASHNING
SAMARADORLIGI
Istamov Ismoilzoda Uktamovich
Samarqand davlat universiteti tadqiqotchisi
Sulaymonov Mirobid Abduxolikovich
Samarqand davlat veterinariya meditsinasi, chorvachilik
va biotexnologiyalar universiteti
istamovismoilzoda@gmail.com
Annotatsiya:
Murakkab kvant tizimlarini simulyatsiya qilish yoki keng ko‘lamli
chiziqli algebra masalalarini yechish juda yuqori hisoblash klassik kompyuterlar uchun
juda qiyin. Kvant kompyuterlari va algoritmlari esa yechimni yuqori darajada aniqlikda
olish imkonini bermoqda.
Parametrlashtirilgan
kvant
sxemasini
o‘rgatish
uchun
klassik
optimallashtiruvchidan foydalanadigan variatsion kvant algoritmlari (VKA) ushbu
cheklovlarni hal qilishning ilg’or texnologiyasi sifatida paydo bo‘ldi. Kvant
kompyuterlari uchun mo‘ljallangan deyarli barcha ilovalar uchun VKAlar taklif qilindi
va ular kvant ustunligiga erishish uchun eng yaxshi yechimni topib berish xolati bilan
afzal bo‘lib ko‘rinadi. Shunday bo‘lsa-da, muammolar, jumladan, VKAlarni o‘qitish
qobiliyati, aniqligi va samaradorligi bilan bog'liq muammolar saqlanib qolmoqda. Bu
ushbu tadqiqot ishida VKA sohasini ko‘rib chiqiladi, ularning qiyinchiliklarini yengish
strategiyalarini muhokama qilinadi va kvant ustunligiga erishish uchun ulardan
foydalanishning qiziqarli istiqbollarini ta'kidlanadi. Kvant algoritmlarini sinab ko‘rish
va kvant kompyuterlari afzallik beruvchi sun’iy intellekt orqali yangi muammolarni
aniqlash mumkin bo‘ladi.
Kalit so‘zlar:
Kvant, variatsion kvant algoritmlari, sun’iy intellekt, machine
learning, shovqinli oraliq miqyosli kvant (ShO‘MK).
Bugungi kunda variatsion kvant algoritmlari yordamida murakkab matematik
hisoblashni amalga oshirish va sun’iy intellekt tezligini, samaradorligini va aniqligini
oshirish orqali uni takomillashtirib bormoqda. Ushbu soha kvant hisoblashni turli xil
jarayonlarni, jumladan har qanday jarayon uchun matematik modelni qurishda sun’iy
intellektdan foydalanish imkonini beradi.
Kvant hisoblashlari zarur jismoniy jihozlarni yaratish uchun o‘nlab yillar davom
etgan izlanishlarga turtki bo‘lgan bir qator ilovalar uchun va'da beradi. Masalan,
klassik usullarga nisbatan eksponensial tezlik bilan kvant algoritmlari raqamlarni
faktorlashtirishi, kvant tizimlarini taqlid qilishi yoki chiziqli tenglamalar tizimini
echishi mumkin.
49
2016 yilda birinchi bulutli kvant kompyuteriga kirish imkoni paydo bo‘ldi,
ammo shovqin va kubit cheklovlari yuqorida aytib o‘tilgan kvant algoritmlarini jiddiy
amalga oshirishga to‘sqinlik qildi. Biroq, shovqinli o‘rta miqyosli kvant kompyuterlari
deb nomlangan ushbu yangi qurilmalar bilan ko‘pgina sohalarni rivojlantirish
mumkinligi haqida turli go‘yalar olg’a surilib kelinmoqda. Hozirgi zamonaviy
qurilmalarning o‘lchamlari 50 dan 100 kubitgacha bo‘lib, bu “kvant ustunligiga”
erishishga imkon beradi. Bu esa o‘ylab topilgan matematik vazifalarni bajarish uchun
eng yaxshi klassik superkompyuterdan ustunlik qiladi.
Shunga qaramay, kvant kompyuterlarining haqiqiy ishlash prinspi - amaliy
dasturlarni tezlashtirish, bu ko‘pincha kvant ustunligi deb ataladi - hali amalga
oshirilmagan jarayonlar uchun muhim turtki bo‘lib xizmat qilmoqda. Bundan tashqari,
nosozliklarga chidamli kvant kompyuterlarining paydo bo‘lishi jamiyat rivojlanishini
tezlashtirishga olib kelmoqda. Shunday qilib, asosiy texnologik savolvujudga keladi,
ya’ni - kvant ustunligiga erishish uchun bugungi ShO‘MK qurilmalaridan qanday qilib
to‘g'ri foydalanish kerak. Bunda har qanday strategiya cheklangan miqdordagi
kubitlarni, qubitlarning cheklangan ulanishini va kvant zanjiri chuqurligini
cheklaydigan izchil va izchil bo‘lmagan xatolarni hisobga olishi kerak.
Variatsion kvant algoritmlari ShO‘MK qurilmalarida kvant ustunligiga erishish
uchun yetakchi strategiya sifatida paydo bo‘ldi. Bitta strategiya bilan NISQ
kompyuterlari tomonidan qo‘yilgan barcha cheklovlarni hisobga olish
optimallashtirish yoki o‘rganishga asoslangan yondashuvni talab qiladi, aniqrog'i
variatsion kvant algoritmlaridan foydalanadi. VKAlar, shubhasiz, neyron tarmoqlar
kabi juda muvaffaqiyatli mashinali o‘qitish usullarining kvant analogidir. Bundan
tashqari, VKAlar klassik optimallashtirish asboblar to‘plamidan foydalanadi, chunki
ular kvant kompyuterida ishlash uchun parametrlashtirilgan kvant sxemalaridan
foydalanadi va keyin parametrlarni optimallashtirishni klassik optimallashtiruvchi
jarayonga o‘tkazadi. Ushbu yondashuv xatoga chidamli davr uchun ishlab chiqilgan
kvant algoritmlaridan farqli o‘laroq, kvant zanjirining chuqurligini sayoz saqlash va
shu sababli shovqinni yumshatishning qo‘shimcha afzalligiga ega.
1-rasm. Variatsion kvant algoritmlarining sohalarda qo‘llanilishi sxemasi.
Jamlama
σ
1
ρ
2
Kvant
kimyo
Klassifik
atorlar
Asosiy
holatlarni
topish
Variatsion kvant
algoritmlari
Mashinali
o'qitish
Kondensatsiy
alangan
modda
Matematik
ilovalar
Kombinativ
optimallashtiri
sh
faktorial
lar
Kvant
Kvant
information
Prinsplar
Kvant
components
50
Variatsion kvant algoritmlari 1-rasmda ko‘rstailganidek ko‘plab ilovalar uchun
ko‘rib chiqilgan, tadqiqotlar kvant kompyuterlari uchun mo‘ljallangan barcha
ilovalarni qamrab oladi. Garchi ular yaqin muddatli kvant ustunligiga erishishning
kaliti bo‘lishi mumkin bo‘lsa-da, VKA hali ham muhim muammolarga duch
kelmoqda, jumladan ularning o‘rgatilishi, aniqligi va samaradorligi bilan bog’liq
muammolani hal qilish asosiy vazifadir.
Biroq, mukammal o‘qitish farazi ostida ishlash mumkin va xarajat landshaftidagi
global optimallik bunday shovqinga chidamlimi yoki yo‘qligini talab qilishi mumkin.
Bu REFning yondashuvi bo‘lib, unda kvant kompilyatsiyasi uchun VKAlar optimal
parametr chidamliligi deb nomlanuvchi shovqinga chidamlilikning maxsus turini
ko‘rsatishi ko‘rsatilgan. Optimal parametr chidamliligi shovqinli xarajat
funksiyasining global minimal qiymati shovqinsiz xarajat funksiyasining global
minimaliga mos keladi.
Gibrid kvant-klassik modellar VKA ning tabiiy kengaytmasi bo‘lib, ulardan biri
klassik (masalan, neyron tarmog'i) va kvant algoritmlar yordamida parametrlashtiradi
va bunday modellar yaqin kelajakdagi juda ko‘plab ilovalarni ham osonlashtirishi
mumkin (2-rasm).
2-rasm. Variatsion kvant algoritmining sxematik diagrammasi
Garchi bu sxemaning umumiy murakkabligini nazorat qilish imkonini bersa-da,
fizik jarayonlar uchun kontaktlarni zanglashiga olib keladigan tuzilishini
optimallashtirish, jumladan, keraksiz elektron elementlarni qo‘shish yoki olib tashlash
orqali erishilgan takomillashtirishni o‘tkazib yuborishi mumkin.
Xulosa o‘rnida shuni aytish mumkinki, Kvant ustunligiga intilishda VKAning
analitik va evristik masshtabli tahlili tobora muhim ahamiyat kasb etib bormoqda.
Gibrid halqa
Kvant kompyuter
ρ
k
Optimallash
-tirilgan
yechim
Kvant holati
ehtimollar
taqsimoti
Kirish
Chiqish
51
VKA miqyosini tahlil qilishning yaxshiroq usullari orqali fizik, kimyo va matematika
sohalarida ilg’or natijalarga erishish kutilmoqda. Bular, ehtimol, gradient miqyosi va
boshqa masshtablash aspektlarini, masalan, mahalliy minimallarning zichligi va
xarajat landshaftining shaklini o‘z ichiga oladi. Ushbu fundamental natijalar kvant
ustunligini izlashga yordam beradi.
Foydalanilgan adabiyotlar ro‘yxati:
1.
Zhao, A. et al. Measurement reduction in variational quantum algorithms.
Phys. Rev. A 101, 062322 (2020).
2.
Beckey, J. L., Cerezo, M., Sone, A. & Coles, P. J. Variational quantum
algorithm for estimating the quantum Fisher information. Preprint at
https://arxiv.org/abs/2010.10488 (2020).
3.
Arrasmith, A., Cincio, L., Somma, R. D. & Coles, P. J. Operator sampling for
shot-frugal optimization in variational algorithms. Preprint at https://arxiv.org/
abs/2004.06252 (2020).
4.
Scherer, A. et al. Concrete resource analysis of the quantum linear-system
algorithm used to compute the electromagnetic scattering cross section of a 2D target.
Quantum Inf. Process. 16, 60 (2017).
5.
Magann, A. B. et al. From pulses to circuits and back again: a quantum
optimal control perspective on variational quantum algorithms. Phys. Rev. X Quantum
2, 010101 (2021).
6.
Santha, M. Quantum walk based search algorithms. in Theory Appl. Model.
Comput. 4978, 31–46 (2008).
7.
Parrish, R. M., Iosue, J. T., Ozaeta, A. & McMahon, P. L. A Jacobi
diagonalization and Anderson acceleration algorithm for variational quantum
algorithm parameter optimization. Preprint at https://arxiv.org/abs/ 1904.03206 (2019).
УЛУЧШЕНИЕ ОПТИМИЗАЦИИ ПАТЧА ДЛЯ МНОГОСЕКЦИОННЫХ
ОШИБОК ПРИ АВТОМАТИЗИРОВАННОМ ВОССТАНОВЛЕНИИ
ПРОГРАММ
1
Abdinabiev Aslan Safarovich,
2
Turdiyev Sirojiddin Sayfiddin oʻgʻli
1
Dept. of Computer Science, University of Seoul, South Korea
2
Toshkent Davlat Transport Universiteti, Oʻzbekiston
sayfiddinovichsirojiddin@gmail.com
Аннотация:
Методы автоматизированного исправления программ,
основанные на глубоком обучении, продемонстрировали значительные
улучшения в устранении ошибок. В этих методах часто используются
предварительно обученные модели нейро-машинного перевода для создания
исправлений для ошибочного исходного кода. Для исходного кода с множеством
ошибок в разных местах были предложены различные подходы, в том числе
генерация множества патчей-кандидатов для каждого дефектного участка и их
