Электронный каталог

Статья

Решетников, А.Г.
Квантовый алгоритм робастного интеллектуального управления процессом охлаждения азотом сверхпроводящего магнита / А.Г.Решетников, С.В.Ульянов. – Текст : электронный // Системный анализ в науке и образовании. – 2026. – № 2. – С. 69–92. – URL: https://sanse.ru/index.php/sanse/article/view/718/681. – Библиогр.: 25.

Технологический процесс криогенной установки охлаждения сверхпроводящего магнита рассматривается как классический объект управления со слабоструктурированной, плохо формализуемой моделью с не доопределенными параметрами, информация о которых содержится в обучающем сигнале, измеренного на реальном объекте. Реализован новый вид квантового координационного двухканального интеллектуального управления вентилями давления и расхода жидкого азота со скрытой (существенно нелинейной) обратной взаимосвязью в технологическом процессе с переменной структурой охлаждения сверхпроводящего магнита. Представлены этапы отечественной квантовой программной ИТ – инженерии проектирования встраиваемых самоорганизующихся промышленных интеллектуальных систем управления с использованием разработанного авторами программного инструментария QSCIT (Quantum Soft Computational Intelligence Toolkit). Инструментарий QSCIT создан на основе промышленных оптимизаторов баз знаний (SC&QC)OptKBTM с применением технологий квантовых мягких вычислений. Квантовый когнитивно – рациональный «сильный» вычислительный ИИ применен для проектирования робастных самоорганизующихся баз знаний в нештатных (непредвиденных) ситуациях управления. Процесс проектирования в виде двух этапов основан на физическом (информационно - термодинамическом) законе рационального распределения качественных характеристик управления: устойчивость по Ляпунову, управляемость и робастность. Характеристика требуемого уровня робастности определяется как рациональный необходимый минимум производства и скорости производства энтропии - меры расхода регулятором необходимого полезного ресурса для гарантированного достижения цели управления. Первый этап рационального когнитивного процесса извлечения знаний из обучающего сигнала основан на инструментарии ИТ - мягких вычислений SCOptKBTM (формирования уровня интеллекта нечеткого регулятора «в малом» в ситуации обучения). На втором этапе проектирования учитывается квантовый синергетический эффект самоорганизации формирования робастной базы знаний квантового регулятора (квантовый «сильный» вычислительный ИИ «в большом» для нештатных ситуаций) из неточных (не робастных) баз знаний нечетких регуляторов (ИИ «в малом» в нештатных ситуациях) на основе квантового нечеткого вывода в инструментарии QCOptKBTM. Энтропийный анализ экспериментальной работы регуляторов показал, что квантовый интеллектуальный регулятор с «сильным» ИИ обладает объективным свойством (физически строгого и математически корректного доказательства) когнитивно - рационального расхода ресурса для совершения силой управления полезной работы, необходимой для гарантированного достижения цели управления. Данное свойство позволяет устранить необходимость субъективной интерпретации результатов «доверенного», «генеративного» и «объяснительного» моделей ИИ. Показана эффективность и квантовое преимущество применения интеллектуальных самоорганизующихся квантовых регуляторов управления (встроенных в бортовые интеллектуальные системы управления) классическими объектами управления на основе ИТ квантовых мягких вычислений.



Спец.(статьи,препринты) = С 345 с - Магнитные поля и сверхпроводящие магниты. Магнитные измерения
Спец.(статьи,препринты) = Ц 849 - Искусственный интеллект. Теория и практика
Спец.(статьи,препринты) = С 17 и - Математическая кибернетика
Спец.(статьи,препринты) = Ц 84 а2 - Многомашинные комплексы вычислительных средств. Вычислительные системы и сети. Параллельные вычисления. Квантовые компьютеры
ОИЯИ = ОИЯИ (JINR)2026