Все выпуски

В работе получены количественные условия устойчивости алгоритма квантовой оценки фазы (QPE) при равномерном распределении собственных значений унитарного оператора. На основе теории возмущений для линейных операторов показано, что точность определения фазы ограничена логарифмической зависимостью от возмущения: число точно определяемых двоичных разрядов удовлетворяет условию $n = o( -\log_2^{}(\epsilon) )$. Установлено, что фазы становятся различимыми при возмущении, не превышающем минимальное расстояние $\frac{1}{m}$ между соседними фазами, т.е. соблюдается условие $m = o \left(\epsilon^{-1}\right)$. Эти результаты выявляют фундаментальные ограничения разрешающей способности QPE в условиях неточных входных данных и имеют прямое значение при проектировании устойчивых квантовых алгоритмов, использующих QPE в качестве подпрограммы.

Вывозка лесоматериалов из удаленных лесозаготовительных районов Сибири характеризуется высоким уровнем транспортных издержек. Наличие протяженных участков грунтовых лесовозных дорог, сезонные ограничения (весенняя распутица, зимники) и значительные расстояния от лесосек до магистральных транспортных узлов (50–200 км) обусловливают необходимость систематического решения задачи рационального планирования маршрутов вывозки.

В настоящей работе предложена математическая модель двухэшелонной маршрутизации транспортных средств (2E-VRP), адаптированная к условиям вывозки лесоматериалов в макрорегионе Урала и Сибири. Модель учитывает переменные транспортные затраты (пробег лесовозов), фиксированные затраты на задействование каждой единицы техники ($c_{fix}$ = 30 000 руб./рейс) и ограничения грузоподъемности. Задача приведена к форме QUBO — квадратичной безусловной бинарной оптимизации; емкостные ограничения интегрированы посредством штрафного коэффициента $\lambda_{cap} = 500$. Такое представление обеспечивает совместимость модели с современными специализированными решателями (квантовыми отжигателями и цифровыми аннилерами).

Апробация модели выполнена на реальной географии Уральского и Сибирского федеральных округов: 207 узлов логистической сети, 65 предприятий-потребителей, 8 магистральных транспортных узлов. Предложенный трехстадийный алгоритм «Допустимость прежде всего» формирует допустимый маршрутный план за 1,7 с и обеспечивает снижение суммарных транспортных затрат на 69% относительно базового генетического алгоритма. Последующая оптимизация методом имитации отжига дополнительно улучшает значение целевой функции QUBO на 55%.

Метод Монте-Карло (Monte Carlo, MC) в обучении с подкреплением показывает низкую эффективность при высокой сложности обучающей выборки — в средах с редким вознаграждением, большим пространством состояний и коррелирующими траекториями. Эти ограничения приводят к повышенной вариативности оценок возврата и существенно замедляют процесс сходимости, особенно в задачах, где требуется выделить наиболее информативные эпизоды из большого множества доступных данных. При прямом использовании всех траекторий возникает избыток информации, что ухудшает качество итоговых оценок и увеличивает вычислительную нагрузку. В данной работе мы предлагаем подход, позволяющий преодолеть указанные проблемы за счет оптимизации отбора обучающих данных и структурирования выборки перед применением классического метода Монте-Карло. Задача отбора обучающих траекторий формулируется как квадратичная неограниченная бинарная оптимизация (Quadratic Unconstrained Binary Optimization, QUBO) и решается с помощью алгоритма квантового отжига. Предлагаемый метод MC+QUBO интегрирует комбинаторный фильтрующий шаг в стандартную процедуру оценки: из множества потенциальных траекторий выбирается поднабор, максимизирующий суммарное вознаграждение, обеспечивая при этом достаточное покрытие пространства состояний и снижение взаимной корреляции эпизодов. В QUBO-формулировке линейные члены поощряют включение эпизодов с высоким значением возврата, тогда как квадратичные члены регулируют разнообразие и баланс траекторий, уменьшая риск переобучения на узком подмножестве данных. В качестве решателей из категории «черного ящика» используются алгоритмы симуляции квантового отжига (Simulated Quantum Annealing, SQA) и симулированная бифуркация (Simulated Bifurcation, SB), что позволяет эффективно решать задачи с большим числом потенциальных эпизодов и быстро находить приближенные оптимальные решения. Эксперименты в среде GridWorld показывают, что MC+QUBO превосходит классический метод Монте-Карло по скорости сходимости, устойчивости оценок и качеству итогового обучения, демонстрируя потенциал квантовой оптимизации как инструмента повышения эффективности принятия решений в задачах обучения с подкреплением.

Квадратичная неограниченная бинарная оптимизация (QUBO) зарекомендовала себя в качестве эффективного инструмента для решения NP-трудных задач в области информационной безопасности. В QUBO-формулировке задача описывается в виде квадратичной функции бинарных переменных, минимум которой соответствует оптимальному решению. Такая запись учитывает линейные (индивидуальное влияние) и квадратичные (парные взаимодействия) зависимости. Особенно примечательно, что QUBO-алгоритмы можно имплементировать в квантовые вычислительные устройства на основе отжига, например D-Wave, которые позволяют найти собственное состояние гамильтониана соответствующей модели Изинга посредством квантовых или гибридных алгоритмов. При этом решение QUBO-задачи можно получить и на полностью классической архитектуре. Такие алгоритмы называют квантово вдохновленными, потому что они имитируют физические явления. Примером таких квантово вдохновленных алгоритмов являются симулированный отжиг (Simulated Annealing, SA) и симулированные бифуркации (Simulated Bifurcation, SB). За последние 5–7 лет большое количество работ было посвящено применению QUBO-формулировки для разнообразных задач информационной безопасности, начиная от взлома ключей безопасности до детекции атак, с целью доказать эффективность новых вычислительных парадигм. В данном исследовании мы анализируем эти работы, сгруппировав их по области применения и выделяя архитектурные подходы (квантовая, гибридная, классическая) в каждом сценарии. Мы уделяем внимание тому, как задача была переформулирована в QUBO-постановку или модель Изинга, анализируем ключевые стратегии решения и полученные результаты на оптимальность, масштабируемость, сложность. Мы выделяем основные преимущества и недостатки каждой QUBO-постановки в контексте информационной безопасности и в заключение обсуждаем актуальные задачи и перспективные направления для исследований.

Перенос заряда в ДНК моделируется с помощью дискретной модели Холстейна «квантовая частица + классическая цепочка сайтов + взаимодействие». Влияние температуры термостата учитывается с помощью случайной силы, действующей на классические сайты (уравнение Ланжевена). Таким образом, динамика распространения заряда вдоль цепочки описывается системой ОДУ со случайной правой частью. Для интегрирования таких систем обычно применяют алгоритмы 1 или 2 порядка. Мы разработали смешанный алгоритм, имеющий 4 порядок точности по быстрым «квантовым» переменным (заметим, что в «квантовой» подсистеме должно соблюдаться условие: «сумма вероятностей нахождения заряда на сайте постоянна по времени») и 2 порядок по медленным «классическим» переменным, на которые действует случайная сила. Алгоритм позволяет считать на бóльших временах, чем стандартные. В качестве примера приведен модельный расчет развала полярона в однородной цепочке под действием температурных флуктуаций.

В настоящее время основная исследовательская деятельность в области нанотехнологий направлена на создание, изучение и применение новых материалов и новых структур. Большое внимание в последнее время привлекает возможность управления магнитными свойствами с помощью сверхпроводящего тока, а также влияние магнитной динамики на вольт-амперные характеристики гибридных наноструктур типа «сверхпроводник/ферромагнетик» (S/F). В частности, к таким структурам относятся джозефсоновский S/F/S-переход или молекулярные наномагниты, связанные с джозефсоновскими переходами. Теоретические исследования динамики подобных структур неизменно приводят к моделям, расчет которых требует численного решения большого количества нелинейных уравнений. Численное моделирование гибридных наноструктур «сверхпроводник/магнетик» подразумевает расчет как магнитной динамики, так и динамики сверхпроводящей фазы, что многократно увеличивает их комплексность и масштабность, поэтому возникает задача решения сложных систем нелинейных дифференциальных уравнений, что требует значительных временных и вычислительных ресурсов.

На сегодняшний день активно развиваются алгоритмы и фреймворки для моделирования динамики намагничивания в различных структурах. Однако функционал существующих пакетов не позволяет в полной мере реализовать нужную схему вычислений.

Целью настоящей работы является разработка единой вычислительной среды для моделирования гибридных наноструктур «сверхпроводник/магнетик», предоставляющей доступ к решателям и разработанным алгоритмам, позволяющей проводить исследования сверхпроводящих элементов в наноразмерных структурах с магнетиками и гибридных квантовых материалов. В работе представлены результаты использования разрабатываемой вычислительной среды по исследованию резонансных явлений в системе наномагнита, связанного с джозефсоновским переходом. Для исследования возможности переориентации намагниченности в зависимости от параметров модели численно решалась задача Коши для системы нелинейных уравнений. Непосредственно сама вычислительная среда разрабатывалась и развернута на базе гетерогенной вычислительной платформы HybriLIT. Проведенное в рамках вычислительной среды исследование показало эффективность применения развернутого стека технологий и перспективность его использования в дальнейшем для оценки физических параметров в гибридных наноструктурах «сверхпроводник/магнетик».