Selected applications of models based on quantum computing

• Autorzy: Ruciński, Dariusz
• Języki publikacji: EN

Abstrakty

EN

The work discusses mathematical models using paradigms developed for quantum phenomena, including the vector-matrix Hilbert space and quantum gates for linear transformations of states to build a day-ahead market model (DAM). The article presents the most popular directions in the development of models using tools used in the description of quantum phenomena to present the methodology of conducting this type of calculation. Mathematical structures such as Hilbert space and operations on this space were used to build a quantum-inspired Artificial Neural Network. The work presents the proposition of implementation of DAM system to build a Neural Network Model with usage quantum phenomena based on Hilbert space. The concept of quantum processing based on quantum circuits was also noticed due to its large use and the development of implementing tools as a supplement to the entire area of development of building models based on quantum computing.

Słowa kluczowe

EN

Hilbert space; quantum measurement; density matrix; Bloch sphere; quantum gates; quantum circuits; quantum key distribution; Quantum-inspired ANN

• Czasopismo: Studia Informatica : systems and information technology
• Rocznik: 2024
• Tom: vol. 1 (30)
• Strony: 67--80
• Opis fizyczny: Bibliogr. 24 poz., rys., tab., wykr.

Twórcy

autor

Ruciński, Dariusz

• University of Siedlce, Faculty of Exact and Natural Sciences, Institute of Computer Science,

Bibliografia

• 1. Beale M. H. [at all] (1992-2019) Neural Network ToolboxTM User’s Guide, The MathWorks, Inc, str. 846.
• 2. Bernhardt Ch. (2020) Obliczenia kwantowe dla każdego (English: Quantum computing for everyone ). WN PWN, Warszawa, stron 202.
• 3. Chudy. M. (2012) Wprowadzenie do informatyki kwantowej (English: Introduction to quantum computing). AOW EXIT, Warszawa, stron 84.
• 4. Dirac, P., (1939), A New Notation for Quantum Mechanics, Mathematical Proceedings of the Cambridge Philosophical Society, vol. 35, no. 3, pp. 416-18. https://doi.org/10.1017/s0305004100021162.
• 5. Faliński M. (2020) Wstęp do sztucznej inteligencji (English: Introduction to artificial intelligence). WN PWN, Warszawa, stron 332.
• 6. Gawron P., Cholewa M., Kara K., (2016), Rewolucja stanu - fantastyczne wprowadzenie do infor¬matyki kwantowej (English: State Revolution - A fantastic introduction to quantum computing), Instytut Informatyki Teoretycznej i Stosowanej PAN, stron 130.
• 7. Giaro K., Kamiński M. (2003). Wprowadzenie do algorytmów kwantowych (English: Introduction to quantum algorithms). AOW EXIT, Warszawa, stron 165.
• 8. Heller M. (2016) Elementy mechaniki kwantowej dla filozofów. (English: Elements of quantum mechanics for philosophers). Copernicus Center Press, stron 191.
• 9. Hirvensalo M. (2004) Algorytmy kwantowe (English: Quantum algorithms ). WSiP, stron 244.
• 10. Johnston E. R., Harrigan N., Gimeno-Segovia M. (2020) Komputer kwantowy. Programowanie, algorytmy, kod (English: Quantum computer. Programming, algorithms, code). Hellion, Warszawa, stron 278.
• 11. Kosiński, R. A. (2002) Sztuczne sieci neuronowe. Dynamika nieliniowa i chaos (English:. Artificial neural networks. Dynamika nieliniowa i chaos). WNT, Warszawa, stron 195.
• 12. Korbicz J., Obuchowicz A., Uciński D. (1994) Sztuczne sieci neuronowe. Podstawy i zastosowania (English: Artificial neural networks. Basics and applications), Problemy Współczesnej Nauki. Teoria i zastosowania, Informatyka, AOW PLJ, stron 251.
• 13. Mańdziuk J. (2000) Sieci neuronowe typu Hoppfielda (English: Hoppfield neural networks). Teoria i przykłady zastosowań. AOW EXIT, Warszawa, stron 262.
• 14. Marecki J. (2001) Metody sztucznej inteligencji (English: Artificial intelligence methods),. WSIiZ, Bielsko-Biała, stron 115.
• 15. Meglio A„ Combarro E., González-Castillo S., (2023), Practical Guide to Quantum Machine Learning and Quantum Optimization, Packt Publishing, p 680.
• 16. Osowski S. (2013) Sieci neuronowe do przetwarzania informacji (English: Neural networks for information processing). OW PW, Warszawa, stron 422.
• 17. Patterson J., Gibson A. (2017) Głębokie uczenie się. Praktyczne wprowadzenie (English: Deep Learning. Praktyczne wprowadzenie), Helion, Warszawa, stron 451.
• 18. Ruciński D. (2023) Modelowanie neuronalne cen na Towarowej Giełdzie Energii Elektrycznej wspomagane algorytmem ewolucyjnym oraz inspirowane obliczeniami kwantowymi (English: Price neural modeling on the Polish Power Exchange supported by an evolutionary algorithm and inspired by quantum calculations). Rozprawa doktorska pod kierunkiem dr hab. inż. Jerzego Tchórzewskiego, prof. UPH w Siedlcach, IBS PAN, Warszawa, str. 253.
• 19. Ruciński D., Kłopotek M., Tchórzewski J. (2005) Samoorganizujące się bezprzewodowe sieci czujników ad-hock (English: Self-organizing wireless sensor networks ad-hock), Studia Informatica. Systemy i Informatyka, Tom: 1(5), Wydawnictwo Uniwersytetu Podlaskiego, s. 69-80.
• 20. Rutkowska D., Piliński M., Rutkowski L. (1997). Sieci neuronowe, algorytmy genetyczne i systemy rozmyte (English: Neural networks, genetic algorithms and fuzzy systems), WN PWN, Warszawa - Łódź, stron 411.
• 21. Rutkowski L. (2020) Metody i techniki sztucznej inteligencji (English: Artificial intelligence methods and techniques). WN PWN, Warszawa, stron 435.
• 22. Sawerwain M., Wiśniewska J. (2015) Informatyka kwantowa. Wybrane obwody i algorytmy (English: Quantum informatics. Selected circuits and algorithms). WN PWN, Warszawa, stron 371.
• 23. Tchórzewski, J. (2021) Metody sztucznej inteligencji i informatyki kwantowej w ujęciu teorii sterownia i systemów (English:.Methods of artificial intelligence and quantum information in terms of control theory and systems), WN UPH, Siedlce, stron 343.
• 24. Tchórzewski J., Ruciński D. (2019) Ewolucyjnie wspierane i inspirowane kwantowo modelowanie neuronowe zastosowane na Polskiej Giełdzie Energii Elektrycznej.(English:.Evolutionarily supported and quantum-inspired neural modeling applied at the Polish Electricity Exchange) 2019 Progress in Applied Electrical Engineering (PAEE), IEEE Digital Library, Kościelisko, s. 1-8.

Identyfikatory

DOI

10.34739/si.2024.30.05