Submitted 18 September, 2024; originally announced September 2024. , Comments: 28 pages, 9 figures, 1 table , MSC Class: 81V45 (Primary) 81P68 (Secondary) ACM Class: I.2.0; J.2; I.5.0
توضیحات به فارسی
ارائه شده در 18 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 28 صفحه ، 9 شکل ، 1 جدول ، کلاس MSC: 81V45 (اولیه) 81p68 (ثانویه) کلاس ACM: I.2.0 ؛J.2 ؛I.5.0
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Among all the physical platforms for the realization of a Quantum Processing Unit (QPU), neutral atom devices are emerging as one of the main players. Their scalability, long coherence times, and the absence of manufacturing errors make them a viable candidate.. Here, we use a binary classifier model whose training is reformulated as a Quadratic Unconstrained Binary Optimization (QUBO) problem and implemented on a neutral atom QPU. In particular, we test it on a Credit Card Fraud (CCF) dataset. We propose several versions of the model, including exploiting the model in ensemble learning schemes. We show that one of our proposed versions seems to achieve higher performance and lower errors, validating our claims by comparing the most popular Machine Learning (ML) models with QUBO SVM models trained with ideal, noisy simulations and even via a real QPU. In addition, the data obtained via real QPU extend up to 24 atoms, confirming the model's noise robustness. We also show, by means of numerical simulations, how a certain amount of noise leads surprisingly to enhanced results. Our results represent a further step towards new quantum ML algorithms running on neutral atom QPUs for cybersecurity applications.
چکیده به فارسی (ترجمه ماشینی)
در بین تمام سیستم عامل های فیزیکی برای تحقق یک واحد پردازش کوانتومی (QPU) ، دستگاه های اتم خنثی به عنوان یکی از بازیکنان اصلی ظاهر می شوند.مقیاس پذیری آنها ، زمان انسجام طولانی و عدم وجود خطاهای تولید ، آنها را به عنوان کاندیدای مناسب تبدیل می کند. در اینجا ، ما از یک مدل طبقه بندی کننده باینری استفاده می کنیم که آموزش آن به عنوان یک مشکل بهینه سازی باینری بی نظیر درجه دوم (QUBO) اصلاح شده و بر روی یک QPU خنثی Atom اجرا می شود.به طور خاص ، ما آن را در مجموعه داده کلاهبرداری کارت اعتباری (CCF) آزمایش می کنیم.ما چندین نسخه از مدل را پیشنهاد می کنیم ، از جمله بهره برداری از مدل در طرح های یادگیری گروه.ما نشان می دهیم که به نظر می رسد یکی از نسخه های پیشنهادی ما به عملکرد بالاتری و خطاهای پایین تر دست می یابد و ادعاهای ما را با مقایسه مدل های محبوب ترین یادگیری ماشین (ML) با مدل های SVM QUBO که با شبیه سازی های ایده آل ، پر سر و صدا و حتی از طریق یک QPU واقعی آموزش داده شده است ، تأیید می کند.علاوه بر این ، داده های به دست آمده از طریق QPU واقعی تا 24 اتم گسترش می یابد ، و استحکام نویز مدل را تأیید می کند.ما همچنین با استفاده از شبیه سازی های عددی نشان می دهیم که چگونه مقدار مشخصی از سر و صدا به طرز شگفت آور منجر به افزایش نتایج می شود.نتایج ما یک گام دیگر به سمت الگوریتم های کوانتومی جدید ML که در QPU های اتم خنثی برای برنامه های امنیت سایبری اجرا می شوند ، نشان می دهد.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
