بخشی از مقاله
چکیده
در این مقاله شناخت الگو به وسیله شبکه عصبی کوانتومی با الگوریتم کوانتومی بیدررو انجام شده است. برای این منظور یک روش جدید برای دستهبندی الگوها ارائه شد که با استفاده از آن تعمیم به سیستمهای چند کیوبیتی امکان پذیر شد. همچنین با بررسی شرایط تئوری بیدررو زمان ﻻزم برای حفظ شرایط بیدررو بررسی شد. کابردهای متعارف این مدل در حافظههای کامپیوتری و همچنین موتورهای جستجو پایگاه دادههای اطاﻻعاتی است.
مقدمه
در چند دهه اخیر شبکه های ع صبی م صنوعی به دلیل کارایی باﻻ در درون یابی م سائل توجه شاخه های ب سیاری از علوم را به خود جلب کرده ا ست .[1] واحد ا صلی شبکه های ع صبی م صنوعی همانند مغز انسان نورون است که توانایی انجام فعالیتهایی نظیر شناخت الگوها و یا حتی حافظههای انجمنی - اشتراکی - را دارد .[2] حافظههای انجمنی سیستم هایی هستند که الگوهای ورودی ناقص را بر پایه محتوای ذخیره شده قبلی، تکمیل میکنند. حافظههای محتوا – آدرس نوع خاصی از حافظه های انجمنی هستند.
این حافظه ها به گونه ای طراحی شدهاند که نه تنها بر اساس آدرس بتوان اطﻻعات را بازیابی کرد بلکه بر خﻻف حافظههای کامپیوتری میتوانند بازیابی اطﻻعات را براساس بخشی از محتوای ذخیره شده انجام دهند.[3] شبکه هاپفیلد کﻻسیکی توانایی انجام کلیه وظایف ذکر شده را دارد و تا کنون محققین بسیاری درصدد کوانتومیسازی شبکه هاپفیلد برآمدهاند. الگوریتم کوانتومی بیدررو با ارائه روشی مناسب برای پیاده سازی در آزمایشگاه یکی از عملی ترین مدلها برای طراحی شبکه های هاپفیلد و حافظههای انجمنی در مکانیک کوانتومی است .[4]
تا کنون از این الگوریتم برای پیادهسازی سیستمهای کوانتومی دو-کیوبیتی [6-5] استفاده شده استامّا به دلیل ناکارآمد بودن قواعد یادگیری مورد استفاده در شبکه های کوانتومی امکان تعمیم الگوریتم به سیستمهایی با ابعاد باﻻتر وجود نداشته است. این مقاله با معرفی روش جدیدی برای دستهبندی الگوها به تعمیم حاف ظه های انجمنی در م کان یک کوانتومی میپردازد. همچنین با بررسی قیدهای سیستم های بیدررو زمان مورد نیاز جهت رسیدن به حالت نهایی مطلوب را بررسی میکند که اهمیت بسیار زیادی در پیادهسازی عملی الگوریتم در محیط آزمایشگاه دارد.
شناخت الگو توسط سیستم دو-کیوبیتی
در این بخش به بررسی سیستم دو-کیوبیتی به منظورشناخت الگو میپردازیم. برای این کار ابتدا با استفاده از معیار معرفی شده در بخش قبل - فزونی ا سپینی - به د سته بندی الگوها پرداخته و سپس نشان میدهیم که این شبکه توانایی شناخت الگوهای ناقص را دارد. در پایان با برر سی شرایط تئوری بیدررو گامهای ﻻزم برای همگرایی شبکه به الگو مورد نظر را بررسی میکنیم.
