عنوان
بررسي عملكرد انواع شبكه‌هاي عصبي كلاسيكي، كوانتومي و كوانتوم هيبريدي در حل معادلات ديفرانسيل
نويسنده اصلي
مركزي، نويد
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
فيزيك
مقطع تحصيلي
كارشناسي ارشد
چكيده
در اين پايانامه يك مطالعه بر روي عملكرد انواع شبكه‌هاي عصبي متفاوت انجام مي‌شود، كه شامل شبكه‌هاي عصبي كلاسيكي، شبكه‌هاي عصبي كوانتومي و شبكه‌هاي عصبي كوانتومي-كلاسيكي تركيبي (كوانتوم هيبريدي) در چارچوب شبكه‌هاي عصبي آگاه از فيزيك مي‌باشد. چند الگوريتم براي انواع شبكه‌هاي عصبي معرفي مي‌شود، كه وظيفه‌ي يادگيري نظارت شده و يادگيري بدون نظارت را براي حل معادلات ديفرانسيل جزئي غيرخطي در معماري مدل‌هاي يادگيري عميق بر عهده گرفته‌اند. اين تحقيق از طريق آزمايش دقيق روي مسائل فيزيك معيار، عملكرد هر نوع شبكه را براي حل معادله حركت نوسانگر ميرا، حل معادلات ميدان اينشتين و حل معادله شرودينگر مستقل از زمان ارزيابي مي‌كند. در اين راه بيت‌ها و گيت‌هاي كوانتومي با يكديگر تركيب شده تا از قدرت و توانايي فناوري هاي نوظهور كوانتومي همچون برهم‌نهي و درهم‌تنيدگي كوانتومي استفاده شود، تا پتانسيل كامپيوتر‌هاي كوانتومي در حوزه مسائل شبكه عصبي آگاه از فيزيك مورد بررسي قرار گيرد. از سوي ديگر، تركيب شبكه‌هاي عصبي كوانتومي با شبكه‌هاي عصبي كلاسيكي با هدف بهينه سازي عملكرد و دقت در مقابل شبكه‌هاي عصبي كلاسيكي و كوانتومي آزمايش مي‌شود. اين تحقيق به درك اين موضوع كمك مي‌كند كه آيا مدل‌هاي محاسباتي پيشرفته مي‌توانند راه را براي حل دقيق‌تر و كارامدتر مسائل در حوزه فيزيك هموار كنند.
شماره ركورد
232331
گرايش رشته تحصيلي
ذرات بنيادي
دانشكده
فيزيك
دانشگاه
دانشگاه صنعتي اصفهان