Гібридний класично-квантовий алгоритм та його реалізація на реальному квантовому комп’ютері

В.М. Ткачук

doi:10.15330/itee.2025.3.03

Автор(и)

В.М. Ткачук Карпатський національний університет імені Василя Стефаника https://orcid.org/0000-0001-7366-1676

DOI:

https://doi.org/10.15330/itee.2025.3.03

Ключові слова:

квантовий генетичний алгоритм, гібридний алгоритм, функціональна оптимізація, Qiskit, AerSimulator, квантова томографія, суперпозиція, заплутаність

Анотація

У роботі запропоновано гібридний квантовий генетичний алгоритм (Hybrid Quantum Genetic Algorithm, HQGA) для задач функціональної оптимізації. Всі базові оператори реалізовано засобами квантового комп’ютера, а допоміжні обчислення, як то функція пристосованості та пошук найкращої особини популяції виконуються на класичному комп’ютері. Для організації еволюційного процесу використовується томографія квантових станів – відновлення амплітуд імовірності стану кубіта за результатами вимірювання його квантового ансамблю.

Проведено моделювання HQGA за допомогою середовища IBM Qiskit з використанням ідеального симулятора AerSimulator та моделей реальних квантових комп’ютерів (FakeMarrakesh, FakeBrisbane, FakeKyoto тощо). Показано, що він забезпечує швидку збіжність при невеликих розмірах популяції, перевершуючи класичні генетичні алгоритми за швидкістю та точністю при невеликій кількості ітерацій. Аналіз впливу параметрів симуляції (шумові моделі реальних квантових комп’ютерів) підтвердили стійкість методу до апаратних обмежень сучасних квантових пристроїв IBM та квантових помилок.

Посилання

Holland J. H. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence. Ann Arbor, MI : University of Michigan Press, 1975. 211 p.

Surjanovic S., Bingham D. Virtual Library of Simulation Experiments: Test Functions and Datasets. Simon Fraser University, 2023. URL: https://www.sfu.ca/~ssurjano/optimization.html.

A. Narayanan and M. Moore, “Quantum-inspired genetic algorithms,” in IEEE Int. Conf. Evol. Computation, Nagoya, Japan. IEEE, 1996. doi: https://doi.org/10.1109/icec.1996.542334

G. Zhang, “Quantum-inspired evolutionary algorithms: a survey and empirical study,” J. Heuristics, vol. 17, no. 3, pp. 303–351, Jun. 2010. doi: https://doi.org/10.1007/s10732-010-9136-0.

H. Wang, J. Liu, J. Zhi, and C. Fu, “The Improvement of Quantum Genetic Algorithm and Its Application on Function Optimization,” Math. Problems Eng., vol. 2013, pp. 1–10, 2013. doi: https://doi.org/10.1155/2013/730749.

IBM Quantum Experience Dashboard. URL: https://quantum.ibm.com/.

W. K. Wootters and W. H. Zurek, “A single quantum cannot be cloned,” Nature, vol. 299, no. 5886, pp. 802–803, Oct. 1982. doi: https://doi.org/10.1038/299802a0

В. Ткачук, “Квантовий генетичний алгоритм та його реалізація на квантовому комп’ютері,” Model. Control Inf. Technol., no. 5, pp. 137–139, Nov. 2021. doi: https://doi.org/10.31713/mcit.2021.45

Yovchev D. “Simulations of quantum algorithms using the Qiskit Aer library and the matrix product state method on CPU and GPU,” Telecommunication inf. technol., vol. 88, no. 3, pp. 72–79, 2025. doi: https://doi.org/10.31673/2412-4338.2025.038707

Ткачук В.М. Можливості реалізації генетичного алгоритму на реальному квантовому комп'ютері // Кібернетичні моделювання та системи штучного інтелекту : матеріали конф. (КМОСС-2021). Черкаси : ЧДТУ, 2021. С. 74.

E. Ballinas and O. Montiel, “Hybrid Quantum Genetic Algorithm for the 0-1 Knapsack Problem in the IBM Qiskit Simulator,” Computación y Sist., vol. 26, no. 2, Jun. 2022. doi: https://doi.org/10.13053/cys-26-2-4253.