Kuantum İşlemci Birimi Kullanarak Büyük Ölçekli Enerji Verimli Sensör Ağı Yönlendirme
Summary
Bu çalışma, ağ ömrünü en üst düzeye çıkarmak için literatürdeki klasik yöntemlerden daha iyi performans göstermeye çalışan çeşitli trafik dinamiklerinin rotalarını hesaplamak için bir kuantum işlemci birimi kullanmak için bir yöntem sağlar.
Abstract
Klasik bir bilgisayar ve kuantum işlemcinin bir kullanım melezi olan sensör ağı enerji tasarrufu yönteminin, klasik bir bilgisayar kullanan sezgisel algoritmadan daha iyi performans gösterdiği kanıtlanmıştır. Bu yazıda, yöntemin önemine ilişkin teknik bağlam sunulmuş ve gerekçelendirilmiştir. Daha sonra deneysel adımlar, gerekirse resimlerle birlikte operasyonel bir sırayla gösterilir. Yöntem, rastgele oluşturulmuş bir ağ topolojileri örnek kümesinde olumlu sonuçlarla doğrulanmıştır. Bu yöntemin başarılı deneysel sonuçları, sensör ağı ömrü maksimizasyonu problemleri için daha iyi bir yaklaşım sağlamış ve mevcut son teknoloji kuantum işlemcinin, literatürdeki mevcut yöntemleri geçersiz kılan değerlerle büyük pratik mühendislik problemlerini çözebildiğini göstermiştir. Başka bir deyişle, kuantum avantajı en iyi çabalar için kullanılabilir. Kavram ispatı aşamasının ötesine geçerek fizibilite ispatına geçmiştir.
Introduction
Sensör ağlarında enerji tasarrufu, tasarım1’de çok kritik bir konu olmuştur. Klasik yöntemler normalde sorunu geçicibir yaklaşım 2,3,4,5,6 kullanarak çözer. Bununla birlikte, bu yöntemler sensör düğümlerini hem bireyin hem de toplumun çıkarlarına hizmet etmek için işbirliği yapabilecek, bireysel olarak yönetilen akıllı varlıklar olarak taklit eder. Sensörlerin çalıştığı değişken ortam nedeniyle, bazı çalışmalarda çevresel belirsizlikleri yakalamak için rastgele algoritmalar tanıtılırken, diğerlerinde biyo-zeka, sağduyulu kabul edilebilir sonuçlar elde edebilecek sezgisel algoritmalar tasarlamak için ödünç alınır7. Daha fazla açıklamak gerekirse, bu rastgele algoritmalar için, bir yandan, çevresel belirsizlikler klasik bir CPU tarafından oluşturulan rastgele dizi kadar rastgele olmayabilir, diğer yandan, çevresel belirsizlikler kesinlikle rastgele olsa bile, klasik CPU tarafından oluşturulan rastgele işlem simülatörü tarafından yakalanamazlar; Bu biyo-zeka algoritmaları için, her şeyden önce, kavramsal bir ispatın işe yaraması için titiz bir matematiksel analiz türetilmemiştir, ikincisi, gerçeğe yakınsama veya hata tolerans sınırı yalnızca bilgilendirilmiş bir temel gerçek göz önüne alındığında yapılandırılabilir – literatürdeki önemli miktarda çalışma bu sezgisel algoritmaların bir dereceye kadar çalıştığını göstermiş olsa da, Birincisi, bu algoritmalar iyi tanımlanmış kullanım senaryolarına karşı analiz edilir (simüle edilmez), daha fazla araştırmada hala düşünmeye değer belirli kriterlerde dururlar, bir diğeri için, daha önce de belirtildiği gibi, algoritmaların çoğu, bir sensörü 8 haline getiren mikroişlemcilerde daha kolay konuşlandırılabilen yazılım simülasyonuna karşı doğrulanmamıştır.
Burada makine öğrenimini (ML) dikkate almıyoruz çünkü sensör cihazlarında taşınabilir olmayan nispeten büyük miktarda hesaplama gücü gerektiren veri analitiği kullanması gerekiyor9.
Yukarıda belirtilen endişeleri gidermek için hibrit bir kuantum algoritması sağlıyoruz. Algoritma, ağ topolojisi kurulduktan sonra bir kuantum işlemci kullanılarak gerçekleştirilen yönlendirme hesaplamaları sırasında küme kafası seçim mekanizmasının klasik bir rastgele algoritma kullanılarak uygulanması bakımından hibrittir. Yöntem şu şekilde gerekçelendirilir: (1) Çevresel belirsizliklerle ilgili ilk paragrafta tartışıldığı gibi, çevresel dinamiği yakalamak için bir kuantum dizisi üreteci uygulamak için daha fazla çaba sarf etmek istemiyoruz, çünkü tarihsel olarak izlenebilir olabilir. Tarihsel olarak izlenebilir olan çevresel dinamik, ağ bilimindeki çeşitli makine öğrenimi araştırma çalışmaları ile doğrulanmıştır. Mevcut aşama için klasik yaklaşımla kalıyoruz. (2) Soyut matematiksel analize dayanan kesin yöntem, temel gerçeğe ulaşmayı garanti eder. Kuantum deneysel fiziği şimdiye kadar fiziksel matematik tarafından sofistike bir şekilde desteklenmiştir. Dahası, bu yuvarlak teoriyi kanıtlamak için Shor algoritması10 gibi algoritma uygulamaları mevcuttur.
Karşılaştırma için yeterli miktarda literatür taraması aşağıda verilmiştir. ÖnerilenHEESR protokolü 11’in sonuçlarda kanıtlanabilir yararları vardır, ancak yazarlar simülasyon konfigürasyon parametrelerini iyi belirtmişlerdir, örneğin, düğüm konumunun tam rastgele dağılım fonksiyonu, küme başı yüzdesinin uygun gerekçesi p (% 0.2) ve enerji seviyesinin dağılımı için ölçeklendirme parametresi (1-2 joule) düğümler arasında a_i. Yazarın deneyleri çoğaltmak ve karşılaştırmayı yapmak için daha fazla ilerlemesini yasakladı. Güç yönlendirme mekanizması12 , optimum ağ yönlendirmesinin karar sürecini etkileyen belirleyiciler için belirtilmemiş örnek uzaydan elde edilen ayrık veri kümelerinden yakınsanmış sürekli fonksiyonlara yaklaşmak için eğri uydurma yöntemini kullanır. Eğri uydurma yöntemi13 , ağ topolojisi hakkında önceden bilgi gerektirir. Gerçek koşullar, önceden hazır bilgilere sahip olmayabilir. Önceden bilgi mevcut olsa bile, ağ topolojisi, türetilebilir hesaplamayı kolaylaştırabilen uydurma eğrilerine eşlenebilecek kadar düzenli olmayabilir. Aynı mantığı izleyerek, DORAF protokolü14 , ağ belirleyicilerini yaklaşık olarak tahmin etmek için Boltzmann fonksiyonunu ve Lojistik Fonksiyonunu nasıl ve neden ödünç alacağını gerekçelendirmemiştir. İsmail ve ark.15 , sualtı ağında enerji verimli yönlendirme protokolü tasarımına yönelik gelecekteki araştırma çabaları için sağlam bir referans sağlamıştır.
Protocol
Representative Results
Discussion
Mevcut son teknoloji ticari kuantum işlemcisi, herhangi bir ağ topolojisinin hesaplama problemlerindekullanılabilir 1. Kuantum işlemci uygulaması, kuantum işlemcilerden herhangi birinin uygulayabildiği fiziksel qbit sayısıyla kısıtlanmaz.
Sensör ağı ömrünü uzatma tasarımında sonuçlar, bir kuantum işlemci kullanarak daha da uzun ağ ömrü elde etmek için yöntemde bir ilerleme olduğunu göstermektedir. Sonuçlar, kuantum avantajının hem kamu he…
Offenlegungen
The authors have nothing to disclose.
Acknowledgements
Çalışma, Birleşik Krallık Mühendislik ve Fizik Bilimleri Araştırma Konseyi (EPSRC) EP/W032643/1 numaralı hibe tarafından desteklenmektedir.
Materials
| Dell Laptop | Dell | N/A | |
| Ubuntu 18.04.6 LTS | Canonical Ltd | 18.04.6 LTS | |
| Python3.8 | Python Software Foundation | 3.8.0 | |
| Dwave QPU | Dwave | https://docs.ocean.dwavesys.com/en/stable/overview/install.html |
Referenzen
- Chen, J., Date, P., Chancellor, N., Atiquazzaman, M., Cormac, S. Controller-based energy-aware wireless sensor network routing using quantum algorithms. IEEE Transactions on Quantum Engineering. 3, 1-12 (2022).
- Lin, H., Uster, H. Exact and heuristic algorithms for data-gathering cluster-based wireless sensor network design problem. IEEE/ACM Transactions on Networking. 22 (3), 903-916 (2014).
- Zhou, Y., Wang, N., Xiang, W. Clustering hierarchy protocol in wireless sensor networks using an improved PSO algorithm. IEEE Access. 5, 2241-2253 (2017).
- Seah, W. K. G., Mak, N. H. How long is the lifetime of a wireless sensor network. , 763-770 (2009).
- Salahud din, M., Rehman, M. A. U., Ullah, R., Park, C., Kim, B. S. Towards network lifetime enhancement of resource constrained IoT devices in heterogeneous wireless sensor networks Sensors. 20, 4156 (2020).
- Wu, W., Xiong, N., Wu, C. Improved clustering algorithm based on energy consumption in wireless sensor networks. IET Network. 6 (3), 7-53 (2017).
- Kumar, N., Kumar, V., Ali, T., Ayaz, M. Prolong network lifetime in the wireless sensor networks: An improved approach. Arabian Journal for Science and Engineering. 46, 3631-3651 (2021).
- Faris, H., Aljarah, I., Al-Betar, M. A., Mirjalili, S. Grey wolf optimizer: A review of recent variants and applications. Neural Computing and Applications. 30, 413-435 (2018).
- Kaur, J., Arifkhan, M., Iftikhar, M., Imran, M., Haq, A. Machine learning techniques for 5G and beyond. IEEEAccess. 9, 23472-23488 (2021).
- Shor, P. Polynomial-time algorithms for prime factorization and discrete logarithms on a quantum computer. SIAMJournalonComputing. 26 (5), 1484-1509 (1997).
- Qabouche, H., Sahel, A., Badri, A. Hybrid energy efficient static routing protocol for homogeneous and heterogeneous large scale WSN. Wireless Networks. 27, 575-587 (2021).
- Farooq, M., et al. POWER: probabilistic weight-based energy-efficient cluster routing for large-scale wireless sensor networks. The Journal of Supercomputing. 78, 12765-12791 (2022).
- Maddams, W. F. The scope and limitations of curve fitting. Applied Spectroscopy. 34 (3), 245-267 (1980).
- Wang, X., et al. A dynamic opportunistic routing protocol for asynchronous duty-cycled WSNs. IEEE Transactions on Sustainable Computing. , (2023).
- Ismail, A. S., Wang, X., Hawbani, A., Alsamhi, S., Aziz, S. Routing protocols classification for underwater wireless sensor networks based on localization and mobility. Wireless Networks. 28, 797-826 (2022).
- Garcia-Martin, E., Rodrigues, C. F., Riley, G., Grahn, H. Estimation of energy consumption in machine learning. Journal of Parallel Distributed Computing. 134, 75-88 (2019).
- Egger, D. J., et al. Quantum computing for finance: State-of-the-art and future prospects. IEEE Transactions on Quantum Engineering. 1, 1-24 (2020).
- Rasool, R. U., Ahmad, H. F., Rafique, W., Qayyum, A., Qadir, J. Quantum computing for healthcare : A review. TechRxiv. , (2021).
