Aprendizado de máquina quântica com rede neural artificial aplicado ao problema de coloração de grafos
Autor(a) principal: | |
---|---|
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 |