Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

Mordovia University Bulletin

Neural Network Molecule: a Solution of the Inverse Biometry Problem through Software Support of Quantum Superposition on Outputs of the Network of Artificial Neurons

Волчихин Владимир Иванович

Published Dec 7, 2017• 5 citations
Publisher

Abstract

ВЕСТНИК МОРДОВСКОГО УНИВЕРСИТЕТА Нейросетевая молекула: решение обратной задачи биометрии через программную поддержку квантовой суперпозиции на выходах сети искусственных нейронов В. И. Волчихин 1 , А. И. Иванов 2* 1 ФБГОУ ВО «Пензенский государственный университет» (г.Пенза, Россия) 2 АО «Пензенский научно-исследовательский электротехнический институт» (г.Пенза, Россия)

DOI
10.15507/0236-2910.027.201704.518-529

Related papers

Quantum superposition of the state discrete spectrum of mathematical correlation molecule for small samples of biometric data

Волчихин Владимир Иванович, Aleksandr I. Ivanov, Сериков Андрей Васильевич +1 more

Аллахвердиев Сурхай Рагим оглы -академик Российской Академии Естествознания, профессор кафедры лесной индустрии, Бартынский государственный университет, профессор кафедры экологии и природопользования, ФГБОУ ВО «Московский педагогический государственный университет», доктор биологических наук, профессор (Бартын, Турция

Mordovia University Bulletin•Jun 5, 2017•2 citations

Quantum Computers and Quantum Algorithms. Part 2. Quantum Algorithms

V. M. Solovyev

КВАНТОВЫЕ КОМПЬЮТЕРЫ И КВАНТОВЫЕ АЛГОРИТМЫ Часть 2. КВАНТОВЫЕ АЛГОРИТМЫ В. М. Соловьев Соловьев Владимир Михайлович, кандидат технических наук, доцент кафедры математической кибернетики и компьютерных наук, начальник Поволжского регионального центра новых информационных технологий, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского,

Izvestiya of Saratov University Mathematics Mechanics Informatics•Jan 1, 2016•4 citations

One-Dimensional Ising Model With Competing Exchange Interactions Within a Magnetic Field

М. А. Магомедов, A.K. Murtazaev, S. Sh. Gasanov +1 more

Одномерная модель Изинга с конкурирующими обменными взаимодействиями во внешнем магнитном поле 1 Институт физики ДФИЦ РАН; Россия, 367015, г.Махачкала, ул.М. Ярагского, 94; 2 Дагестанский государственный университет; Россия, 367000, г.Махачкала, ул.М. Гаджиева, 43а;

HERALD of Dagestan State University•Sep 25, 2024•0 citations

Development of Machine Learning Methods for Quantum Modeling of Physical Systems

Сокирка, А. В., Sokirka, A. V.

В работе рассматриваются квантовые вычислительные методы симуляции физических систем с применением машинного обучения. Новизна исследования заключается в интеграции квантовых алгоритмов с элементами ML для повышения точности и эффективности моделирования. Цель работы – разработка и тестирование гибридного подхода к квантовой симуляции. Для реализации цели были изучены классические и квантовые методы моделирования, разработан алгоритм симуляции с использованием Qiskit, проведена его валидация и сравнительный анализ с классическими методами.

•Jan 1, 2025•0 citations

Quantum Algorithms in Cybernetics

Петър Николов, Petar Nikolov

Предложен е нов метод за симулация на бинарен хомогенен Марковски процес чрез използването на квантов компютър. Този нов метод позволява използването на характерните свойства на квантовите механични системи – суперпозицията, вплетените състояния и вероятностното пресмятане. Имплементация на алгоритъм, базиран на този метод изисква създаването на нов квантов логически гейт, който да създаде вплетени състояния между два кюбита. Това е дву-кюбитов логически гейт и трябва да изпълни предефинирано завъртане по оста Х на кюбита, който играе ролята на цел, където завъртането точно представя преходните вероятности за един Марков процес. Този гейт се изпълнява само когато управляващият кюбит е в състояние |1>. Необходимо е да се разработи алгоритъм, който използва разпределението на преходните вероятности за процеса по прост и интуитивен начин, за да ги трансформира в завъртания по оста Х. Създаването на квантов гейт използвайки само съществуващите логически гейтове в облачната платформа е възможно, въпреки това квантовите процесори са прекалено шумни, което води до значителни нараствания на грешката при измерване на квантовата система. Хардуерната реализация на квантов процесор на IBM с име Yorktown, която е с конфигурационна карта тип “папионка” се справя значително по-добре от другите 5-кюбитови процесори с конфигурация “Т” и 14-кюбитовия процесор Melbourne от гледна точка на квантова точност. Симулацията на бинарен хомогенен Марковски процес на реален квантов процесор дава

•Oct 21, 2020•0 citations

Using software support for quantum superposition effects to speed up the solution of the targeted enumeration issue in biometric data when extracting knowledge from a neural network

Волчихин Владимир Иванович, Aleksandr Ivanov, Mikhail A. Shcherbakov

Background. The continuum/discrete processing of information by natural neurons and artificial neurons is considered. The purpose of the work is to demonstrate the possibilities of unlimitedly long-term support of the effects of quantum superposition by artificial neurons. Materials and methods. As an example, a network of 256 artificial binary neurons (perceptrons) is used. When simplifying the computational complexity of entropy estimates, the state standard GOST R 52633.3–2011 is used. When duplicating data, GOST R 52633.2–2010 is used. The inversion of matrices of neural network functionals with dimensions of 416×256 is performed iteratively according to the criterion of reducing the entropy of the output codes of the neural network. Results and conclusions. It is shown that the support of the effects of quantum superposition with a duration of about 20 minutes on a conventional computer makes it possible to solve the inverse problem of neural network biometrics. It is possible to extract knowledge from the neural network with a confidence probability of 0.97 about the cryptographic key of the user “Svoy” and about the parameters of the biometric image of the user “Svoy”.

Известия высших учебных заведений. Поволжский регион. Технические науки•Jan 1, 2023•1 citation
ВЕСТНИК МОРДОВСКОГО УНИВЕРСИТЕТА Нейросетевая молекула: решение обратной задачи биометрии через программную поддержку квантовой суперпозиции на выходах сети искусственных нейронов В. И. Волчихин 1 , А. И. Иванов 2* 1 ФБГОУ ВО «Пензенский государственный университет» (г.Пенза, Россия) 2 АО «Пензенский научно-исследовательский электротехнический институт» (г.Пенза, Россия)
Аллахвердиев Сурхай Рагим оглы -академик Российской Академии Естествознания, профессор кафедры лесной индустрии, Бартынский государственный университет, профессор кафедры экологии и природопользования, ФГБОУ ВО «Московский педагогический государственный университет», доктор биологических наук, профессор (Бартын, Турция
КВАНТОВЫЕ КОМПЬЮТЕРЫ И КВАНТОВЫЕ АЛГОРИТМЫ Часть 2. КВАНТОВЫЕ АЛГОРИТМЫ В. М. Соловьев Соловьев Владимир Михайлович, кандидат технических наук, доцент кафедры математической кибернетики и компьютерных наук, начальник Поволжского регионального центра новых информационных технологий, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского,
В работе рассматриваются квантовые вычислительные методы симуляции физических систем с применением машинного обучения. Новизна исследования заключается в интеграции квантовых алгоритмов с элементами ML для повышения точности и эффективности моделирования. Цель работы – разработка и тестирование гибридного подхода к квантовой симуляции. Для реализации цели были изучены классические и квантовые методы моделирования, разработан алгоритм симуляции с использованием Qiskit, проведена его валидация и сравнительный анализ с классическими методами.
Предложен е нов метод за симулация на бинарен хомогенен Марковски процес чрез използването на квантов компютър. Този нов метод позволява използването на характерните свойства на квантовите механични системи – суперпозицията, вплетените състояния и вероятностното пресмятане. Имплементация на алгоритъм, базиран на този метод изисква създаването на нов квантов логически гейт, който да създаде вплетени състояния между два кюбита. Това е дву-кюбитов логически гейт и трябва да изпълни предефинирано завъртане по оста Х на кюбита, който играе ролята на цел, където завъртането точно представя преходните вероятности за един Марков процес. Този гейт се изпълнява само когато управляващият кюбит е в състояние |1>. Необходимо е да се разработи алгоритъм, който използва разпределението на преходните вероятности за процеса по прост и интуитивен начин, за да ги трансформира в завъртания по оста Х. Създаването на квантов гейт използвайки само съществуващите логически гейтове в облачната платформа е възможно, въпреки това квантовите процесори са прекалено шумни, което води до значителни нараствания на грешката при измерване на квантовата система. Хардуерната реализация на квантов процесор на IBM с име Yorktown, която е с конфигурационна карта тип “папионка” се справя значително по-добре от другите 5-кюбитови процесори с конфигурация “Т” и 14-кюбитовия процесор Melbourne от гледна точка на квантова точност. Симулацията на бинарен хомогенен Марковски процес на реален квантов процесор дава
Background. The continuum/discrete processing of information by natural neurons and artificial neurons is considered. The purpose of the work is to demonstrate the possibilities of unlimitedly long-term support of the effects of quantum superposition by artificial neurons. Materials and methods. As an example, a network of 256 artificial binary neurons (perceptrons) is used. When simplifying the computational complexity of entropy estimates, the state standard GOST R 52633.3–2011 is used. When duplicating data, GOST R 52633.2–2010 is used. The inversion of matrices of neural network functionals with dimensions of 416×256 is performed iteratively according to the criterion of reducing the entropy of the output codes of the neural network. Results and conclusions. It is shown that the support of the effects of quantum superposition with a duration of about 20 minutes on a conventional computer makes it possible to solve the inverse problem of neural network biometrics. It is possible to extract knowledge from the neural network with a confidence probability of 0.97 about the cryptographic key of the user “Svoy” and about the parameters of the biometric image of the user “Svoy”.