Karaelmas Science and Engineering Journal

Akciğer Röntgen Görüntülerinden Covid-19 ve Zatürre Hastalığının Kuantum Evrişimli Sinir Ağları Yöntemi ile Tahmini

Seçmen Şahin, Güneş Harman

Published Jul 23, 2024• 1 citation

Abstract

Kuantum Evrişimli Sinir Ağları (QCNN’ler) kuantum hesaplamanın güçlü yönlerinden faydalanarak evrişimli sinir ağlarının yeteneklerini artırmayı amaçlar. Girdi verilerini yerel olarak dönüştürerek ve kuantum devreleri kullanarak çalışırlar. Bu çalışmada, kuantum kodlu bir COVID-19 veri kümesi üzerinde iki model oluşturulmuştur. Model-1, ‘Normal Kişi’ ile ‘Covid19/Viral Pnömoni’ arasında sınıflandırma yaparken, Model-2 ‘Covid-19’ ile ‘Viral Pnömoni’ arasında sınıflandırma yapmaktadır. Oluşturulan bu modeller için kübit sayısına göre (öznitelik sayısı) 3 farklı sınıflandırma yapılmıştır. Kuantum Sınıflandırıcı 1 için, temel veri analizi ile elde edilen 256 özellikli giriş verisinden 11 özellik çıkarılarak yaklaşık %70 doğruluk elde edilmiştir. Kuantum Sınıflandırıcı 2’de, TruncatedSVD yöntemi kullanılarak her bir görüntünün 256 özelliği 4’e indirilmiş ve %72 doğruluk elde edilmiştir. Son olarak Kuantum Sınıflandırıcı 3’te sadece 2 özellik kullanarak beklenmedik bir şekilde %76 doğruluk elde ettiği belirtilmiştir Bu modeller, akciğer röntgen görüntülerinden hastalık teşhisi konusunda önemli bilgiler sağlamakta ve kuantum bilgisayarlarının sağlık alanında nasıl etkili bir şekilde kullanılabileceğini göstermektedir. Ayrıca, Pennylane’in “varsayılan qubit” cihazındaki farklı parametrelerin model performansına etkisi incelenmiştir. Çalışmada, Kuantum Sınıflandırıcı 3’ün veri boyutunu önemli ölçüde azaltarak yüksek doğruluk oranına nasıl ulaştığı, QCNN’lerin gelecekte daha az kaynak kullanımıyla yüksek performans sağlama potansiyelini göstermektedir.

DOI: 10.7212/karaelmasfen.1416331

Related papers

X-ışınlı Göğüs İmgelerini Kullanarak Solunum Yolu Hastalıklarının Tespitinde Kuantum Transfer Öğrenme Modelinin Rolü

Mesut Toğaçar

Solunum yolu hastalıkları çeşitli kanallar vasıtasıyla insanların solunum yollarına bulaşan; virüs ve bakteri gibi mikro organizmaların neden olduğu hastalıklardır. Bu canlılar vücudun bağışıklık sistemini zayıflatarak enfeksiyon oluşmasına yol açar ve bireyde kulak, burun, boğaz, solunum borusu ve akciğer gibi organlarda çoğalabilirler. Bunun sonucunda; zatürre, Ciddi Akut Solunum Sendromu (SARS), Orta Doğu Solunum Sendromu (MERS), Korona Virüs Hastalığı (COVID-19) gibi hastalıkların oluşmasına neden olabilmektedir ve erken müdahale alınmadığı takdirde hastaların ölümüne yol açabilmektedir. Bu çalışmada Kuantum modeli, derin öğrenme modeli ile yoğrularak farklı bir öğrenme yaklaşımı önerilmiştir. Bu model çeşitli kütüphane yazılımcıları tarafından verilen destekler ile gelişimini sürdürmektedir. Çalışmada kullanılan veri seti, solunum hastalıkları ve normal X-ışınları görüntülerinden oluşmaktadır. Deney analizinde, Kuantum Transfer Öğrenme (KTÖ) modeli kullanılarak veri setinin eğitimi gerçekleştirildi ve analiz sonuçlarından elde edilen doğruluk %92,50'ydi. Sonuç olarak, kuantum öğrenme modelinin derin öğrenme modelleri gibi umut verici sonuçlar verdiği bu çalışmada gözlemlendi.

Düzce Üniversitesi Bilim ve Teknoloji DergisiOct 20, 20213 citations

Kuantum Devrelerinde Kapı ve Giriş Tespiti için YOLO Tabanlı Bir Yöntem

Reyhan YILMAZ, Orhan Yaman, Mehmet Karaköse

Tersinir kuantum devreleri farklı türde ve sayıdaki kuantum kapıları kullanılarak oluşturulmaktadır. Kuantum devreleri oluşturulurken kullanılacak kapı sayısının optimize edilmesi maliyeti ve karmaşıklığı azaltmaktadır. Tersinir kuantum devrelerinde durum tablolarının elde edilmesi ve optimizasyonu için giriş sayısı, çıkış sayısı ve kapı sayılarının bilinmesi önemlidir. Ayrıca bu parametreler kuantum devrelerinde oluşabilecek arızaların tespit edilmesinde de kullanılmaktadır. Literatürde kuantum devreleri için giriş, çıkış ve kapı sayılarının tespitinde eksiklik vardır. Ayrıca, literatürde yapılan uygulamaların test edilebilmesi için sınırlı sayıdaki standart kuantum devreleri kullanılmaktadır. Bu kapsamda kullanılabilecek veri setlerinin çok az olduğu tespit edilmiştir. Literatürdeki bu eksikliklerin giderilmesi çalışmamızın amacını, önerilen yöntem ise çalışmamızın özgünlüğünü oluşturmaktadır. Bu çalışmada Yolo (You Only Look Once) tabanlı yöntemler kullanılarak kapı sayısı ve giriş sayısı tespit edilmiştir. “MATLAB” ve “RCViewer+” programları kullanılarak CNOT, Feynman ve Toffoli kapılarından oluşan büyük bir veri seti oluşturulmuştur. Bu çalışmada, 1-8 kapı sayısına ve 3-7 giriş sayısına sahip toplamda 5000 adet kuantum devre oluşturulmuştur. Elde edilen veri setleri üzerinde kapılar ve girişler etiketlenmiştir. Etiketlenen veri setleri üzerinde 80:20 eğitim ve test oranı ile YoloV4, YoloV7 ve YoloV7x yöntemleri uygulanmıştır. YoloV4, YoloV7 ve YoloV7x yöntemleri için sırasıyla %87.1, %89.7 ve %89.3 mAP hesaplanmıştır. Önerilen yöntem 2800 iterasyon çalıştırılmış ve en iyi sonuç YoloV7 algoritması ile elde edilmiştir.

Fırat Üniversitesi Mühendislik Bilimleri DergisiJun 12, 20230 citations

Gömülü Sistem Cihazları ile Kuantum Ağların Dağıtık Simülasyonu

Osman Semi Ceylan, İhsan Yılmaz

Günümüz kuantum ağ yapısı mimari bakımdan klasik ağ yapıları referans alarak kurulmuştur. Fakat kuantum ağı oluşturan aygıtların parçacık kontrol mekanizmaları nedeniyle klasik aygıtlara göre daha maliyetlidir. Deneysel bir kuantum ağın gerçekleştirme maliyetini arttıran bu sebepten dolayı bir kuantum ağ kurmadan önce olurluk benzetimleri yapılmaktadır. Fakat kuantum dolaşıklığın mevcut benzetim yöntemlerindeki üstel artan veri depolama kapasitesi gerektirdiğinden dolayı güçlükler yaşanmaktadır. Bu çalışmada bu probleme bir çözüm olarak kuantum ağların deneysel olarak birden fazla klasik cihaz yardımıyla dağıtık benzetim kullanarak daha az maliyetli olarak nasıl gerçekleştirilebileceği önerilmektedir. Bu amaç için geliştirilen eklenti yazılımı ile farklı ağ senaryolarında elde edilen sonuçlar dağıtık benzetim modelinin mevcut modellere göre daha etkin olduğunu göstermektedir.

Bilgisayar bilimleri ve mühendisliği dergisi.Dec 3, 20240 citations

Kuantum Uyarlamalı Genetik Algoritmalar için Çözüm Kalitesini Artıracak Yeni Bir Yaklaşım

Hasan Yetış, Mehmet Karaköse

Günümüzde kullanımları oldukça kısıtlı olan kuantum bilgisayarlar, sahip oldukları hesaplama gücü potansiyelleri sebebiyle birçok araştırma alanı için heyecan verici olarak karşılanmaktadır. Kuantum bilgisayarların yanında, süper pozisyon ve dolanıklık gibi kuantum hesaplamada kullanılan terimler de klasik algoritmalara uyarlanarak mevcut yöntemlerin kuantum uyarlamaları geliştirilmektedir. Bu çalışmada kuantum uyarlamalı genetik algoritmalar ile elde edilen çözümün kalitesini artırmak adına yeni bir yaklaşım önerilmiştir. Önerilen yaklaşım, kuantum popülasyonun gözlemlenmesi ve çözüm adayının elde edilmesi işlemini, önceki çözümlerin uygunluğunu da hesaba katarak gerçekleştirmektedir. Önerilen yaklaşım ile gözlem işlemi sonucunda daha iyi çözümün elde edilme olasılığının artırılması amaçlanmıştır. Önerilen yaklaşımın, yakınsama hızını arttığı ve çözüm kalitesinde yaklaşık 12% civarında bir iyileşme sağladığı deneysel çalışmalar ile gösterilmiştir. Gerçekleştirilen çalışma, mevcut optimizasyon yöntemini daha verimli hale getirmesinin yanında, bu algoritmaların tamamen kuantum bilgisayarlarda çalışabilecek versiyonlarının geliştirilmesi aşaması için de büyük önem arz etmektedir.

Fırat Üniversitesi Mühendislik Bilimleri DergisiFeb 15, 20215 citations

Kuantum Çağında Makine Öğrenimi: Kuantum ve Klasik Destek Vektör Makinelerinin Karşı Karşıya Gelmesi

Davut Emre Tasar, Kutan Koruyan, Ceren Öcal Taşar

Bu çalışma, klasik ve kuantum hesaplama paradigmalarındaki makine öğrenimi algoritmalarının performansını karşılaştırmayı amaçlamaktadır. Özellikle, Destek Vektör Makineleri (SVM) üzerinde durarak, klasik SVM ile kuantum donanımı üzerinde çalıştırılan Kuantum Destek Vektör Makineleri (QSVM)’nin Iris veri seti üzerindeki sınıflandırma başarısını değerlendirmekteyiz. Kullanılan metodoloji, Qiskit kütüphanesi ile gerçekleştirilen kapsamlı deneyler serisini ve hiperparametre optimizasyonunu içermektedir. Elde edilen sonuçlar, belirli durumlarda QSVM'lerin klasik SVM'lerle rekabet edebilecek düzeyde doğruluk sağladığını, fakat çalışma sürelerinin şu an için daha uzun olduğunu göstermektedir. Ayrıca, kuantum hesaplama kapasitesinin ve paralellik derecesinin arttırılmasının, kuantum makine öğrenimi algoritmalarının performansını önemli ölçüde iyileştirebileceğini belirtmekteyiz. Bu çalışma, kuantum çağında makine öğrenimi uygulamalarının mevcut durumu ve gelecekteki potansiyeli hakkında değerli içgörüler sunmaktadır. Colab: https://t.ly/QKuz0

Kuantum teknolojileri ve enformatik araştırmaları dergisi.Oct 30, 20230 citations

Sürekli Değişken Modele Dayalı Gözetimli Kuantum Makine Öğrenmesi ile Kişilerin Satın Alma Davranışlarının Tespitinin Simulasyonu

O. Levent Eryılmaz, İhsan Yılmaz

Bu çalışmada kişilerin satın alma davranışları sürekli-değişken modele dayalı gözetimli kuantum makine öğrenmesi ile incelenmiştir. Bu bağlamda, örnek veriler bulut ortamından alınmaktadır. Bu verilerin %75’inin eğitim ve %25’inin test verisi olarak, homojen bir şekilde ayrılması sağlanmıştır. Ayrılan test verisinin eğitim işleminde kullanılmamasına, öğrenme işleminin sağlıklı gerçekleştirilmesi için dikkat edilmiştir. Sonrasında bu verilerdeki bağımsız değişkenler arasındaki uyumun sağlanması için normalizasyon işlemi gerçekleştirilmiştir. Böylece öğrenme işlemi için hazır hale gelen veriler, sürekli değişken modele dayalı varyasyonel devre üzerinde gerçekleştirilen gözetimli kuantum makine öğrenme algoritmasında kullanılmıştır. Ayrıca bu veriler klasik destek vektör makine öğrenme algoritması ile de simüle edilmiştir. Hem kuantum hem de klasik makine öğrenme algoritmalarına ait çapraz tahmin matrisleri ve alıcı işletim karakteristiği (AİK) eğrileri elde edilmiştir. Son olarak veri kümesindeki test verisi haricinde örnek değerler girilerek, sonuçlar metinsel ve görsel olarak görüntülenmiştir. Elde edilen sonuçların karşılaştırılması sonucunda ise sürekli değişken modele dayalı kuantum makine öğrenmesinin daha duyarlı sonuç verdiği tespit edilmiştir. Algoritmalar ile ilgili kaynak kodlar Github’ta bulunmaktadır.

Journal of Advanced Research in Natural and Applied SciencesMay 30, 20190 citations