Μετα-κβαντική κρυπτογραφία: ψηφιακές υπογραφές.

Leandros Perivolaropoulos, Λέανδρος Περιβολαρόπουλος

Maria Avramouli

Τα φάρμακα μέσω της αλληλεπίδρασης τους κυρίως με συγκεκριμένες πρωτεΐνες-στόχους, ρυθμίζουν βιοχημικά μονοπάτια και φυσιολογικές λειτουργίες με στόχο την πρόληψη και τη θεραπεία των διαφόρων ασθενειών. Το αυξανόμενο κόστος και οι μακροχρόνιοι περίοδοι ανάπτυξης των νέων φαρμάκων αποτελούν σημαντική πρόκληση για τη φαρμακοβιομηχανία. Σύμφωνα με πρόσφατα δεδομένα, το 92.5% των υποψηφίων φαρμάκων αποτυγχάνει. Αυτό οδηγεί σε σημαντική απώλεια πόρων και χρόνου με το μέσο συνολικό κόστος ανάπτυξης ενός φαρμάκου να ανέρχεται στα 879.3 εκατομμύρια δολάρια και τον μέσο χρόνο ανάπτυξης του στα 15 χρόνια. Το κόστος της ανάπτυξης νέων φαρμάκων αναμένεται να συνεχίσει να αυξάνεται στο μέλλον, γεγονός που κάνει επιτακτική την ανάγκη εύρεσης νέων προσεγγίσεων που θα μειώσουν το κόστος και τον χρόνο ανάπτυξης. Τα τελευταία χρόνια, η μηχανική μάθηση έχει συνεισφέρει σημαντικά προς αυτή την κατεύθυνση. Επιπλέον, η μεγάλη αύξηση των διαθέσιμων βιολογικών δεδομένων έχει βοηθήσει τις μεθόδους βαθιάς μάθησης να επιδείξουν ανώτερες επιδόσεις σε σύγκριση με τη συμβατική μηχανική μάθηση και άλλες παραδοσιακές υπολογιστικές μεθόδους. Ωστόσο, οι μέθοδοι αυτές είναι πολύπλοκες και χρονοβόρες, γεγονός που αποτελεί σημαντικό εμπόδιο στην πρακτική εφαρμογή τους. Στο πλαίσιο αυτό, η κβαντική υπολογιστική και η κβαντική μηχανική μάθηση προσφέρουν θεωρητικά υποσχόμενες λύσεις για την αποτελεσματική αντιμετώπιση αυτών των προκλήσεων. Η παρούσα διατριβή πραγματεύεται τη κλασική μηχανική μάθηση και την κβαντική υπολογιστική, καθώς και τον τρόπο με τον οποίο αυτά τα πεδία μπορούν να συνδυαστούν αποτελεσματικά, στη δημιουργία ενός νέου ερευνητικού πεδίου αυτό της κβαντικής μηχανικής μάθησης. Επιπλέον, στη συγκεκριμένη εργασία παρουσιάζονται αναλυτικά οι εφαρμογές της κβαντικής μηχανικής μάθησης στο πεδίο της ανακάλυψης φαρμάκων. Η πρόβλεψη της συγγένειας πρόσδεσης φαρμάκων σε πρωτεΐνες-στόχους, είναι ένα από τα πιο σημαντικά θέματα στην ανακάλυψη φαρμάκων. Παρουσιάζουμε τους κλασικούς αλγόριθμους μηχανικής μάθησης που προβλέπουν τη συγγένεια πρόσδεσης και συζητάμε διάφορα θέματα όπως η αναπαράσταση των δεδομένων. Προτείνουμε υβριδικά κβαντο-κλασικά νευρωνικά δίκτυα για την πρόβλεψη της συγγένειας πρόσδεσης πρωτεΐνης-στόχου και πιθανού φαρμάκου καθώς και ένα πλαίσιο υλοποίησης και αξιολόγησης κλασικών και υβριδικών κβαντο-κλασικών νευρωνικών δικτύων. Αρχικά, σχεδιάζουμε ένα μεταβλητό κβαντικό αλγόριθμο για την πρόβλεψη τιμών και ένα κλασικό συνελικτικό νευρωνικό δίκτυο μιας διάστασης για την παράλληλη εξαγωγή χαρακτηριστικών των πρωτεϊνών και των φαρμάκων. Διατηρώντας το κλασικό συνελικτικό νευρωνικό δίκτυο σταθερό, υλοποιούμε διάφορα κλασικά και υβριδικά κβαντο-κλασικά μοντέλα. Στην κλασική προσέγγιση, υλοποιούνται τρία κλασικά τμήματα πρόβλεψης διαφορετικών πολυπλοκοτήτων χρησιμοποιώντας τρία πλήρως συνδεδεμένα στρώματα. Ενώ στην υβριδική προσέγγιση, υλοποιούνται πέντε κβαντικά τμήματα πρόβλεψης, συνδυάζοντας τον μεταβλητό κβαντικό αλγόριθμο πρόβλεψης, με διαφορετικές κβαντικές κωδικοποιήσεις, και με κβαντικά κυκλώματα διαφορετικών qubits. Τα πειράματα εκτελέστηκαν σε προσομοιωτή και τα ευρήματά μας δείχνουν σαφώς ότι τα υβριδικά κβαντο-κλασικά μοντέλα με χαμηλότερη πολυπλοκότητα αποδίδουν βελτιωμένη ακρίβεια και γενίκευση, επιδεικνύοντας το κβαντικό πλεονέκτημα. Επιπλέον, τα υβριδικά μοντέλα επιταχύνουν τη διαδικασία εκπαίδευσης όσον αφορά τις επαναλήψεις και επιτυγχάνουν ταχύτερη σταθεροποίηση. Τα ευρήματα υποδεικνύουν ότι η κβαντική μηχανική μάθηση αποτελεί μια υποσχόμενη κατεύθυνση. Τέλος, η παρούσα διατριβή παρέχει σημαντικές γνώσεις και μεθοδολογίες που μπορούν να βελτιώσουν την εφαρμογή και την αξιολόγηση των τεχνικών κβαντικής μηχανικής μάθησης, ενισχύοντας την πρακτική εφαρμογή τους σε κβαντικές θορυβώδες- ενδιάμεσης κλίμακας συσκευές.

Niels Henrik David Bohr, Χριστοδουλίδης Παύλος

Nikolaos Tsatrafyllis

Ο σκοπός αυτής της διατριβής, είναι η κβαντική–οπτική περιγραφή της αλληλεπίδρασης ισχυρού πεδίου λέϊζερ–ατόμου. Χρησιμοποιώντας μία πλήρη κβαντομηχανική προσέγγιση (πιο συγκεκριμένα, θεωρώντας σύμφωνη κατάσταση για το πεδίο του λεϊζερ) για την περιγραφή των αρμονικών υψηλής τάξης, παραγώμενες από την αλληλεπίδραση ενός ισχυρού υπέρυθρου πεδίου λεϊζερ με άτομα, καταγράψαμε το φάσμα των αρμονικών χωρίς τη χρήση συμβατικού φασματόμετρου ακραίας υπεριώδους φασματικής περιοχής. Αυτό επιτεύχθηκε, με τη χρήση στατιστικής φωτονίων στην κατάσταση του υπέρυθρου φωτός που εξέρχεται από το αέριο μέσο. Βρέθηκε ότι η ακτινοβολία έχει μια ξεχωριστή μη–κλασσική συμπεριφορά, καθώς η κατανομή φωτονίων αποτελείται από μία σειρά καλά καθορισμένων κορυφών, οι οποίες αντιστοιχούν στο φάσμα των αρμονικών υψηλής τάξης. Αυτή η εργασία συνθέτει τα πεδία της φυσικής ισχυρού πεδίου και κβαντικής οπτικής και ανοίγει το δρόμο για μελέτες στην επιστήμη των αττοδευτερολέπτων, χρησιμοποιώντας συμβατικά διαγνωστικά υπέρυθρης ακτινοβολίας.

Κ.Ε. Βαγιονάκης

Dimitrios Papachristoudis

Η κρυπτογραφία µε βάση τα δικτυώµατα ξεκίνησε µε τη ρηξικέλευθη εργασία του M. Ajtai [14] κατά τη δεκαετία του '90 και έκτοτε έχει εδραιωθεί ως µία από τις πλέον πολύπλευρες προσεγγίσεις για την κατασκευή αποδεδειγµένα ασφαλών, αποδοτικών και παραλληλοποιήσιµων κρυπτογραφικών εργαλείων τα οποία µπορούν να ανθίστανται επιθέσεις ακόµη και από κβαντικούς υπολογιστές. Εκτός τούτου, η κρυπτογραφία µε βάση τα δικτυώµατα παρέχει το µοναδικό χαρακτηριστικό ότι επιτρέπει αναγωγές χείριστης σε µέση περίπτωση, το οποίο απαιτείται για κρυπτογραφικές εφαρµογές καθώς η απλή ύπαρξη ενός στιγµιοτύπου ενός δύσκολου υπολογιστικά προβλήµατος στη χείριστη περίπτωση εγγυάται την ασφάλεια στη µέση πεϱίπτωση. Το γεγονός αυτό όχι µόνο επιτρέπει την αξιοποίηση της δυσκολίας προβληµάτων χείριστης περίπτωσης σε δικτυώµατα, αλλά τυπικά απλοποιεί και την επιλογή κλειδιών.Μολονότι κάποια από τα πλέον διαδεδοµένα κρυπτογραφικά εργαλεία όπως οι ψηφιακές υπογραφές έχουν ερευνηθεί εκτενώς τις τελευταίες δύο δεκαετίες, σηµαντικά µικρότερη πρόοδος έχει γίνει µε τα πιο προηγµένα εργαλεία τα οποία διαθέτουν επιπλέον χαρακτηριστικά, παρά τη σηµασία τους για πληθώρα πραγµατικών εφαρµογών που εστιάζουν στη διατήρηση της ιδιωτικότητας όπως: το ψηφιακό χρήµα, οι ψηφιακές εκλογές, οι ψηφιακές δηµοπρασίες, οι τυφλά υπογεγραµµένες συµβάσεις (χρησιµοποιούνται στα κρυπτονοµίσµατα), τα δίκτυα ασύρµατων αισθητήρων και τα ανώνυµα διαπιστευτήρια (χρησιµοποιούνται στην τεχνολογία U-Prove της Microsoft).Εµφορούµενοι από αυτή τη σχετική έλλειψη αποτελεσµάτων, καθώς και από το πολυποίκιλο και υποδειγµατικό φάσµα των σεναρίων εφαρµογής, η παρούσα διατριβή στοχεύει όχι απλώς στο να επιτρέψει τέτοιου είδους φιλικές προς την ιδιωτικότητα εφαρμογές βασισµένες σε προβλήµατα δικτυωµάτων, αλλά και στο να τα καταστήσουµε πρακτικά και αποδοτικά. Πιστεύουµε πως οι τεχνικές µας µπορούν να µεταφερθούν και σεάλλα σενάρια εφαρµογών.