Kuantum Uyarlamalı Genetik Algoritmalar için Çözüm Kalitesini Artıracak Yeni Bir Yaklaşım

Öz

Günümüzde kullanımları oldukça kısıtlı olan kuantum bilgisayarlar, sahip oldukları hesaplama gücü potansiyelleri sebebiyle birçok araştırma alanı için heyecan verici olarak karşılanmaktadır. Kuantum bilgisayarların yanında, süper pozisyon ve dolanıklık gibi kuantum hesaplamada kullanılan terimler de klasik algoritmalara uyarlanarak mevcut yöntemlerin kuantum uyarlamaları geliştirilmektedir. Bu çalışmada kuantum uyarlamalı genetik algoritmalar ile elde edilen çözümün kalitesini artırmak adına yeni bir yaklaşım önerilmiştir. Önerilen yaklaşım, kuantum popülasyonun gözlemlenmesi ve çözüm adayının elde edilmesi işlemini, önceki çözümlerin uygunluğunu da hesaba katarak gerçekleştirmektedir. Önerilen yaklaşım ile gözlem işlemi sonucunda daha iyi çözümün elde edilme olasılığının artırılması amaçlanmıştır. Önerilen yaklaşımın, yakınsama hızını arttığı ve çözüm kalitesinde yaklaşık 12% civarında bir iyileşme sağladığı deneysel çalışmalar ile gösterilmiştir. Gerçekleştirilen çalışma, mevcut optimizasyon yöntemini daha verimli hale getirmesinin yanında, bu algoritmaların tamamen kuantum bilgisayarlarda çalışabilecek versiyonlarının geliştirilmesi aşaması için de büyük önem arz etmektedir.

Anahtar Kelimeler

• kuantum uyarlamalı genetik algoritma
• optimizasyon
• Kuantum hesaplama

Kaynakça

1. M. Campbell-Kelly, “Computer, Student Economy Edition: A History of the Information Machine,” Routledge, 2018.
2. E. G. Daylight, “Towards a historical notion of ‘Turing—the father of Computer Science’,” History and Philosophy of Logic, cilt 36, no. 3, pp. 205-228, 2015.
3. C. Bo, vd. “The Boolean Algebra Logic: The Soundness and Completeness Theorem” IEEE 13th International Conference on Semantics, Knowledge and Grids (SKG), 2017 .
4. G. O’Regan, “EDVAC and ENIAC Computers” The Innovation in Computing Companion, Springer, 2018, pp. 113-117.
5. G. O’Regan, “The First Digital Computers,” Introduction to the History of Computing, Springer, 2016, pp. 55-72.
6. N. Siddiqui, “Byting Out the Public: Personal Computers and the Private Sphere,” Dissertations, Theses, and Masters Projects, 2018.
7. J. Singh ve S. Mohit, “Evolution in quantum computing,” IEEE International Conference System Modeling & Advancement in Research Trends (SMART), 2016.
8. Samaroo ve M. McGuigan “Using IBM-Q to study and visualize the ground state properties of the Su-Schrie. er-Heeger model,” IEEE New York Scientific Data Summit (NYSDS), 2018.

9. S. Nishio, S. Takahiko ve D. M. Rodney “High Fidelity Qubit Mapping for IBM Q,” Proc. 2nd International Workshop on Quantum Compilation, 2018.
10. T. Albash vd. “Reexamining classical and quantum models for the D-Wave One processor,” The European Physical Journal Special Topics, cilt 224, no. 1, pp. 111-129, 2015.
11. N. Elsayed, S. M. Anthony ve B. Magdy, “A Review of Quantum Computer Energy Efficiency,” IEEE Green Technologies Conference (GreenTech), 2019.
12. D. Castelvecchi, “IBM's quantum cloud computer goes commercial,” Nature News, cilt 543, no. 7644, p. 159, 2017.
13. S. Karmakar, A. Dey ve I. Saha, “Use of Quantum-inspired Metaheuristics during Last Two Decades,” IEEE 7th International Conference on Communication Systems and Network Technologies (CSNT), 2017.
14. H. Yetiş, M. Bayğın ve M. Karaköse, “A New Micro Genetic Algorithm Based Image Stitching Approach for Camera Arrays at Production Lines,” Journal of Image and Graphics, cilt 5, no. 1, pp. 20-24, 2017.
15. İ. Aydın, M. Karakose, E. Karakose, "A navigation and reservation based smart parking platform using genetic optimization for smart cities," IEEE 5th International Istanbul Smart Grid and Cities Congress and Fair (ICSG), 2017.
16. H. Yetis, M. Karaköse, "Modelling Type-2 Fuzzy Systems by Optimized Nonstationary Fuzzy Sets with Genetic Algorithm," IEEE 24th International Conference on Information Technology (IT), 2020.
17. L. B. Rafael, “Quantum genetic algorithms for computer scientists,” Computers, cilt 5, no. 4, pp. 1-31, 216.
18. T. Mukai, “Completely scrambled memory for quantum superposition,” Scientific reports, cilt 9, no. 1, pp. 1-5, 2019.
19. Cleland, “Acoustic Phonon Fock States and Phonon-mediated Quantum Entanglement,” Bulletin of the American Physical Society, 2020.
20. E. Grant ve H. Travis, “Adiabatic Quantum Computing,” Oxford Research Encyclopedia of Physics, 2019.
21. L. Gyongyosi ve I. Sandor, “A survey on quantum computing technology,” Computer Science Review, cilt 31, pp. 51-71, 2019.
22. M. J. Dinneen, M. Anuradha ve L. Kai, “Finding the chromatic sums of graphs using a D-Wave quantum computer,” The Journal of Supercomputing, cilt 75, no. 8, pp. 4811-4828, 2019.
23. B. K. Behera vd., “Demonstration of entanglement purification and swapping protocol to design quantum repeater in IBM quantum computer,” Quantum Information Processing , cilt 18, no. 4, p. 108, 2019.
24. K. Wright vd., “Benchmarking an 11-qubit quantum computer,” Nature Communications, cilt 10, no. 1, pp. 1-6, 2019.
25. V. Jain vd., “Listening to Bulk Crystalline Vibrations with Superconducting Qubits,” Bulletin of the American Physical Society, 2020.
26. C. Chen ve Y. Huamin, “Characterizing turbulence-induced decay of mutual unbiasedness of complementary bases relevant to propagated photonic spatial-mode states,” IEEE Access, cilt 7, pp. 108761-108767, 2019.
27. T. Bakkegaard vd., “Realization of efficient quantum gates with a superconducting qubit-qutrit circuit,” Scientific reports, cilt 9, no. 1, pp. 1-10, 2019.
28. S. Bravyi vd., “Simulation of quantum circuits by low-rank stabilizer decompositions,” Quantum, cilt 3, p. 181, 2019.
29. P. Murali vd., “Formal constraint-based compilation for noisy intermediate-scale quantum systems,” Microprocessors and Microsystems, cilt 66, pp. 102-112, 2019.
30. Montanaro, “Quantum algorithms: an overview,” npj Quantum Information, cilt 2, no. 1, pp. 1-8, 2016.
31. D. Vert, R. Sirdey ve S. Louise, “On the limitations of the chimera graph topology in using analog quantum computers,” Proceedings of the 16th ACM international conference on computing frontiers, 2019.
32. K. Hussain, M. N. Mohd Salleh, S. Cheng ve R. Naseem, “Common Benchmark Functions for Metaheuristic Evaluation: A Review,” International Journal on Informatics Visualization (JOIV), cilt 4, no. 2, pp. 218-223, 2017.