Aprendizado de máquina quântica com rede neural artificial aplicado ao problema de coloração de grafos

Detalhes bibliográficos
Autor(a) principal: Rosante Béo, Flávia Janine
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFABC
Texto Completo: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122145
Resumo: Orientadora: Profa. Dra. Karla Vittori
id UFBC_80dfe0b94f9e8d22e5767ff7e4969d40
oai_identifier_str oai:BDTD:122145
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling Aprendizado de máquina quântica com rede neural artificial aplicado ao problema de coloração de grafosCOLORAÇÃO DE GRAFOSCOMPUTAÇÃO QUÂNTICAREDES NEURAIS ARTIFICIAISAPRENDIZADO DE MÁQUINA QUÂNTICAGRAPH COLORINGQUANTUM COMPUTATIONARTIFICIAL NEURAL NETWORKSQUANTUM MACHINE LEARNINGPROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABCOrientadora: Profa. Dra. Karla VittoriCoorientador: Prof. Dr. Roberto Menezes SerraDissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Ciência da Computação, Santo André, 2020.O problema de coloração de grafos consiste em atribuir cores a certos elementos de um grafo, sujeito a determinadas condições. Ao se caracterizar como um problema de otimização combinatória, ele possui aplicabilidade a uma vasta gama de áreas que envolvem particionamento e conflitos, compreendendo escalonamentos e alocações diversas, como, por exemplo, de tarefas, canais, redes, eventos e rotas. Inicialmente solucionado por algoritmos exatos, capazes de fornecer a solução ótima, estes se mostraram ineficientes na resolução de problemas de coloração de grafos de alta complexidade, sendo incapazes de fornecer soluções em um tempo computacional aceitável. Assim, técnicas de Inteligência Artificial foram aplicadas com sucesso a instâncias complexas deste problema nas últimas décadas. A Computação Quântica tem se mostrado nos últimos anos uma possível alternativa viável e eficiente na resolução de problemas complexos diversos, com aplicações futuras na simulação e otimização em diferentes áreas, como medicina, transporte, finanças e segurança cibernética. Dentro deste contexto, esta pesquisa envolve a simulação da execução de um algoritmo de Inteligência Artificial em um computador quântico para a resolução de um problema de coloração de grafos, constituindo, portanto, um algoritmo híbrido. O intuito é demonstrar o ganho em performance, relacionada a diferentes métricas, como o tempo de execução do algoritmo implementado e a qualidade da solução por ele encontrada, ambos relacionados à simulação do seu funcionamento em um computador quântico. A técnica de Inteligência Artificial utilizada foi uma Rede Neural Artificial, que tem sido aplicada com sucesso nas últimas décadas a problemas de otimização combinatória de diversas áreas, como telecomunicações, medicina, gestão, segurança e previsão. Os experimentos foram realizados no IBM Q Experience, uma plataforma online que disponibiliza o acesso a um conjunto de protótipos de processadores quânticos da IBM, por meio da computação em nuvem. Os resultados obtidos foram comparados aos da rede neural utilizada, aplicada anteriormente ao problema de coloração de grafos na literatura, e implementada em um computador clássico, de acordo com determinadas métricas. O problema considerado, constituído por um grafo com 4 vértices, demonstrou o potencial do algoritmo híbrido quântico proposto na resolução de um problema de otimização combinatória, o qual obteve resultados superiores em relação àqueles apresentados pela rede neural artificial utilizada, implementada em um computador clássico, com relação ao tempo de processamento e à acurácia da rede neural considerada. Esta pesquisa também discutiu como minimizar futuramente as limitações ainda apresentadas por um computador quântico na resolução do problema de coloração de grafos, a qual pode ser estendida a outros problemas de otimização combinatória, para instâncias maiores.The problem of graph coloring consists in assigning colors to certain elements of a graph, subject to certain conditions. When characterized as a problem of combinatorial optimization, it has applicability to a wide range of areas involving partitioning and conflicts, comprising different scheduling and allocations, such as, for example, tasks, channels, networks, events and routes. Initially solved by exact algorithms, capable of providing the optimal solution, these proved to be inefficient in solving problems of coloring of highly complex graphs, being unable to provide solutions in an acceptable computational time. Thus, Artificial Intelligence techniques have been successfully applied to complex instances of this problem in recent decades. Quantum Computing, in recent years, has shown itself as a possible viable and efficient alternative in solving diverse complex problems, with future applications in simulation and optimization in different areas, such as medicine, transportation, finance and cyber security. Within this context, this research involves simulating the execution of an Artificial Intelligence algorithm on a quantum computer to solve a graph coloring problem, thus constituting a hybrid algorithm.The intention is to demonstrate the gain in performance, related to different metrics, such as the execution time of the implemented algorithm and the quality of the solution found, both related to the simulation of its operation in a quantum computer. The Artificial Intelligence technique used was an Artificial Neural Network, which has been successfully applied to the problems of combinatorial optimization in several areas, such as telecommunications, medicine, management, security and forecasting. The experiments were carried out on IBM Q Experience, an online platform that provides access to a set of IBM quantum processor prototypes, through cloud computing. The results obtained were compared to those of the neural network used, previously applied to the problem of graph staining in the literature, and implemented on a classic computer, according to certain metrics. The considered problem, being constituted by a graph with 4 vertices, demonstrated the potential quantum hybrid algorithm proposed in the resolution of a combination optimization problem, which obtained superior results in relation to those presented by the artificial neural network used, implemented in a computer classic, regarding the processing time and the accuracy of the considered neural network. This research also discussed how to minimize future limitations still presented by a quantum computer in solving the graph coloring problem, which can be extended to other combinatorial optimization problems, for larger instances.Vittori, KarlaSerra, Roberto MenezesTeixeira, Breno Marques GonçalvesPimentel, Edson PinheiroRosante Béo, Flávia Janine2020info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf128 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122145http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122145&midiaext=79281http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122145&midiaext=79280Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=122145porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2022-02-25T16:33:05Zoai:BDTD:122145Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2022-02-25T16:33:05Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.none.fl_str_mv Aprendizado de máquina quântica com rede neural artificial aplicado ao problema de coloração de grafos
title Aprendizado de máquina quântica com rede neural artificial aplicado ao problema de coloração de grafos
spellingShingle Aprendizado de máquina quântica com rede neural artificial aplicado ao problema de coloração de grafos
Rosante Béo, Flávia Janine
COLORAÇÃO DE GRAFOS
COMPUTAÇÃO QUÂNTICA
REDES NEURAIS ARTIFICIAIS
APRENDIZADO DE MÁQUINA QUÂNTICA
GRAPH COLORING
QUANTUM COMPUTATION
ARTIFICIAL NEURAL NETWORKS
QUANTUM MACHINE LEARNING
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABC
title_short Aprendizado de máquina quântica com rede neural artificial aplicado ao problema de coloração de grafos
title_full Aprendizado de máquina quântica com rede neural artificial aplicado ao problema de coloração de grafos
title_fullStr Aprendizado de máquina quântica com rede neural artificial aplicado ao problema de coloração de grafos
title_full_unstemmed Aprendizado de máquina quântica com rede neural artificial aplicado ao problema de coloração de grafos
title_sort Aprendizado de máquina quântica com rede neural artificial aplicado ao problema de coloração de grafos
author Rosante Béo, Flávia Janine
author_facet Rosante Béo, Flávia Janine
author_role author
dc.contributor.none.fl_str_mv Vittori, Karla
Serra, Roberto Menezes
Teixeira, Breno Marques Gonçalves
Pimentel, Edson Pinheiro
dc.contributor.author.fl_str_mv Rosante Béo, Flávia Janine
dc.subject.por.fl_str_mv COLORAÇÃO DE GRAFOS
COMPUTAÇÃO QUÂNTICA
REDES NEURAIS ARTIFICIAIS
APRENDIZADO DE MÁQUINA QUÂNTICA
GRAPH COLORING
QUANTUM COMPUTATION
ARTIFICIAL NEURAL NETWORKS
QUANTUM MACHINE LEARNING
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABC
topic COLORAÇÃO DE GRAFOS
COMPUTAÇÃO QUÂNTICA
REDES NEURAIS ARTIFICIAIS
APRENDIZADO DE MÁQUINA QUÂNTICA
GRAPH COLORING
QUANTUM COMPUTATION
ARTIFICIAL NEURAL NETWORKS
QUANTUM MACHINE LEARNING
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABC
description Orientadora: Profa. Dra. Karla Vittori
publishDate 2020
dc.date.none.fl_str_mv 2020
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122145
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122145
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122145&midiaext=79281
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=122145&midiaext=79280
Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=122145
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
128 f. : il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1801502107368423424

Registros relacionados