ПРОГРАМНІ МЕТОДИ ТА АРХІТЕКТУРНІ РІШЕННЯ ДЛЯ ОБРОБКИ ВЕЛИКИХ ДАНИХ ЧЕРЕЗ КВАНТОВІ НЕЙРОННІ МЕРЕЖІ ТА МЕТАЕВРИСТИЧНІ ОПТИМІЗАТОРИ

Анотація

У статті подано запропоновані програмні методи та гібридну класично-квантову архітектуру для обробки великих даних з використанням квантово-ядрового методу QSVC та варіаційного квантового класифікатора VQC/ QNN для розв’язання задачі обчислення ментальної енергії на основі ЕЕГ-сигналів. Запропонований фреймворк працює з даними, отриманих від носимого ЕЕГ-пристрою, що реєструє діапазони δ, θ, α та β на чотирьох каналах (4-канальний ЕЕГ-пристрій Muse-S Athena). На основі цих сигналів формуються вектори ознак, які відображаються у квантові стани за допомогою квантової відображальної функції (quantum feature map) і надалі використовуються або в квантовому ядровому методі SVM, або у варіаційній квантовій нейронній мережі для задач класифікації чи регресії показників, пов’язаних з ментальною енергією. Для оптимізації побудованих квантових схем («квантових нейронних мереж») застосовано метаевристичні алгоритми, зокрема, Particle Swarm Optimization (PSO), Genetic Algorithm (GA), Grey Wolf Optimizer (GWO), а також багатокритеріальні модифікації, такі як NSGA. Ці оптимізатори спільно налаштовують параметри квантових кіл, масштаби кодування ознак та елементи структури ансатцу з урахуванням реалістичних обмежень NISQ-архітектур. Основне завдання полягає у зведенні вихідної багатокритеріальної постановки до придатної для розв’язання однокритеріальної форми шляхом побудови функції вартості, що мінімізує зважену суму ключових параметрів: кількості вимірювань (shots) на квантовому комп’ютері, глибини квантової схеми та загального часу виконання при одночасному збереженні прийнятної якості класифікації ментальних станів. Також запропоновано програмну архітектуру, побудовану на основі квантових мікросервісів для обчислення квантових ядер та виконання VQC у поєднанні з оркестратором метаевристичної оптимізації та компонентами моніторингу ресурсів. Запропонована архітектура орієнтована на інтеграцію з моделями ментальної енергії, побудованими на ЕЕГ-даних, що дає змогу виконувати масштабовані експерименти з квантовими моделями на великих наборах ЕЕГ-сигналів. Отримані результати формують методологічну основу для використання квантових нейронних мереж та метаевристичних оптимізаторів у когнітивній інженерії та нейроінженерних застосуваннях, зокрема, для кількісного оцінювання ментальної енергії в реальних умовах.