Storskala energieffektiv sensornettverksruting ved hjelp av en kvanteprosessorenhet

Energisparing i sensornettverk har vært et svært kritisk tema i design¹. Klassiske metoder takler normalt problemet ved hjelp av en ad hoc-tilnærming 2,3,4,5,6. Når det er sagt, etterligner disse metodene sensornodene som individuelt forvaltede intelligente eiendeler som også kan samarbeide for å tjene både individets og samfunnets interesser. På grunn av det flyktige miljøet der sensorer fungerer, blir det i noen verk introdusert tilfeldige algoritmer for å fange miljøusikkerhetene, mens i andre lånes biointelligens for å utarbeide heuristiske algoritmer som kan oppnå sunn fornuft akseptable resultater⁷. For å illustrere ytterligere, for de tilfeldige algoritmene, kan det hende at miljømessige usikkerheter på den ene siden ikke er like tilfeldige som den tilfeldige sekvensen generert av en klassisk CPU, for den annen side, selv om miljøusikkerhetene er helt tilfeldige, kunne de ikke fanges opp av den tilfeldige prosesssimulatoren generert av klassisk CPU; For disse bio-intelligensalgoritmene er det for det første ikke avledet noen streng matematisk analyse for å gjøre et konseptuelt bevisarbeid, for det andre kan konvergensen til sannhet eller feiltoleransegrensen bare konfigureres gitt en informert grunnsannhet – selv om en betydelig mengde verk i litteraturen til en viss grad har vist at disse heuristiske algoritmene fungerer, For det første blir disse algoritmene analysert (ikke simulert) mot veldefinerte bruksscenarier, de stopper ved visse kriterier som fortsatt er verdt å tenke på i videre forskning, for en annen, som sagt tidligere, har et flertall av algoritmene ikke blitt validert mot programvaresimulering som lettere kan distribueres i mikroprosessorene som gjør en sensor til å være⁸.

Vi vurderer ikke maskinlæring (ML) her fordi den trenger å bruke dataanalyse som krever et relativt stort volum regnekraft som ikke er bærbar i sensorenheter⁹.

For å løse de ovennevnte bekymringene, tilbyr vi en hybrid kvantealgoritme. Algoritmen er hybrid ved at klyngehodevalgsmekanismen implementeres ved hjelp av en klassisk tilfeldig algoritme under rutingsberegningene som utføres ved hjelp av en kvanteprosessor når nettverkstopologien er satt opp. Metoden er begrunnet slik: (1) Som diskutert i første avsnitt om miljøusikkerhetene, ønsker vi ikke å forsøke å anvende en kvantesekvensgenerator for å fange miljødynamikken videre fordi den kan være historisk sporbar. Miljødynamikken som historisk kan spores har blitt rettferdiggjort av ulike maskinlæringsforskningsarbeider innen nettverksvitenskap. For det nåværende stadiet holder vi oss til den klassiske tilnærmingen. (2) Den nøyaktige metoden som er avhengig av abstrakt matematisk analyse garanterer å komme frem til grunnsannheten. Kvanteeksperimentell fysikk har så langt blitt sofistikert støttet av fysisk matematikk. Videre har algoritmeapplikasjoner som Shor-algoritmen¹⁰ eksistert for å bevise denne avrundede teorien.

En tilstrekkelig mengde litteraturundersøkelse er gitt nedenfor for sammenligning. HEESR-protokollen foreslått¹¹ har påviselige fordeler i resultatene, men forfatterne har spesifisert simuleringskonfigurasjonsparametrene godt, for eksempel den nøyaktige tilfeldige fordelingsfunksjonen til nodeposisjonen, riktig begrunnelse for klyngehodeprosenten p (0, 2%) og skaleringsparameteren for fordeling av energinivå (1-2 joule) blant noder a_i. Det forbød forfatteren å fortsette videre for å duplisere eksperimentene og gjennomføre sammenligningen. Power routing mechanism¹² bruker kurvetilpasningsmetoden for å tilnærme konvergerte kontinuerlige funksjoner fra diskrete datasett hentet fra uspesifisert prøveområde for determinanter som påvirker beslutningsprosessen for optimal nettverksruting. Kurvetilpasningsmetoden¹³ krever forhåndsinformasjon om nettverkstopologien. Reelle omstendigheter har kanskje ikke forhåndsinformasjon lett tilgjengelig. Selv når det finnes forhåndsinformasjon, kan det hende at nettverkstopologien ikke er regelmessig nok til å kunne kartlegges på tilpasningskurver som er i stand til å lette utledbar beregning. Etter samme logikk har DORAF-protokoll¹⁴ ikke begrunnet hvordan og hvorfor man skal låne Boltzmann-funksjonen og logistikkfunksjonen for å tilnærme nettverksdeterminantene. Ismail et ^al.15 har gitt en god referanse for fremtidige forskningsbestrebelser på energieffektiv rutingprotokolldesign i undervannsnettverket.