چکیده مقاله
همگرایی محاسباتی و داده ای علم کوانتوم در کاربردهای مهندسی یک مرز تحولی را نشان می دهد، که قابلیت های بی سابقه ای برای حل مسائل بهینه سازی پیچیده و تولید دیدگاه های نوآفرین را ارائه می دهد این مقاله پتانسیل هم افزایی الگوریتم های کوانتومی و رویکردهای مبتنی بر داده را برای پرداختن به چالش ها در زمینه هایی مانند لجستیک زنجیره تامین، طراحی سازه، سیستم های انرژی و نگهداری پیشگیرانه بررسی می کند محاسبات کوانتومی با هم پردازش ذاتی و توانایی برخورد با فضاهای بلند بعدی، از طریق الگوریتم هایی مانند الگوریتم بهینه سازی تقریبی کوانتومی QAOA و حل کننده های کوانتومی متغیر VQE ، شتاب های نمایی در وظایف بهینه سازی فراهم می کند در عین حال، تکنیک های یادگیری ماشین کوانتومی، مانند روش های هسته کوانتومی و شبکه های عصبی کوانتومی، با بهره گیری از فضاهای ویژگی کوانتومی، تشخیص الگو و مدل سازی پیش بینی را بهبود می بخشند این بررسی نقاط کلیدی کاربردهای مهندسی را که این هم افزایی وعده دهنده بوده است، از جمله شبیه سازی های تاشه گذاری پروتئین، بهینه سازی دینامیک سیالات و یادگیری عمیق بهبودیافته کوانتومی برای کشف مواد، برجسته می کند با وجود اینکه در مراحل نخستین خود قرار دارد، ادغام محاسبات کوانتومی با علم داده آماده است تا حدود محاسباتی را تعریف مجدد کند، راه حل های قابل مقیاس برای مسائلی که پیش از این به عنوان غیرقابل حل در نظر گرفته می شدند، ارائه دهد چالش هایی مانند تبخال کوانتومی، کاهش خطا و محدودیت های سخت افزاری مورد بحث قرار می گیرند، همراه با راهبردهای نوظهور برای پیشگیری از این موانع مقاله با طرح جهت گیری های تحقیقات آینده به منظور بهره برداری از توانمندی کامل چارچوب های هجیبر کوانتوم کلاسیک برای نوآوری مهندسی به پایان می رسد
کلیدواژهها
نویسندگان
Nayereh Majd
Engineering Science Department, College of engineering, University of Tehran, Tehran, Iran
شیوه ارجاع
Majd، Nayereh،1404،Optimization and Novel insights: The Computing and Data convergence of Quantum Science in Engineering Application،دومین کنفرانس ملی علم داده در کاربردهای مهندسی،تبریز
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی علم داده در کاربردهای مهندسی17 مهر 1404 · تبریز