本研究提供了一种利用量子处理器单元计算各种交通动态路径的方法，该方法在延长网络寿命方面优于文献中报道的经典方法。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
本文内容
摘要
摘要
这种传感器网络节能方法结合了经典计算机与量子处理器的混合使用，已证明其性能优于仅使用经典计算机的启发式算法。本文阐述并论证了该方法具有重要意义的技术背景。随后，以操作顺序展示了实验步骤，并在必要时配以图示说明。该方法已在随机生成的网络拓扑样本集上通过正向结果得到验证。本方法取得的实验成功为延长传感器网络寿命的问题提供了更优的解决方案，并表明当前最先进的量子处理器已能够解决大规模的实际工程问题，其优势超越了现有文献中的各种方法。换句话说，可以充分挖掘和利用量子优势。该技术已超越概念验证阶段，进入可行性验证阶段。
引言
在传感器网络中，能量节约一直是设计中的一个极为关键的问题1。传统方法通常采用特设方式来解决该问题2,3,4,5,6。也就是说，这些方法将传感器节点模拟为可独立管理的智能资源，同时也能协作以兼顾个体与群体的利益。由于传感器所处环境具有高度不确定性，在部分研究中引入了随机算法以捕捉环境中的不确定性；而在其他研究中，则借鉴生物智能设计启发式算法，以获得符合常理的可接受结果7。进一步说明，对于这些随机算法而言，一方面，环境的不确定性可能并不像经典CPU生成的随机序列那样完全随机；另一方面，即使环境不确定性确实是完全随机的，也无法被经典CPU生成的随机过程模拟器准确捕捉。对于生物智能类算法而言，首先，尚无严格的数学分析能够提供概念上的理论证明；其次，收敛至真实值或误差容忍边界仅能在已知真实基准的前提下进行配置。尽管已有大量文献在一定程度上证明了这些启发式算法的有效性，但一方面，这些算法仅在定义明确的应用场景下进行了分析（而非模拟），且其停止条件仍存在值得进一步研究的疑问；另一方面，如前所述，大多数算法尚未通过可在构建传感器的....
访问受限。请登录或开始试用以查看此内容。
方案
1. 设置 Dwave Ocean 环境
- 从以下链接下载并安装 ocean 工具：https://docs.ocean.dwavesys.com/en/stable/overview/install.html
- 在终端中输入 python -m venv ocean。
- 在终端中输入 . ocean/bin/activate，如 图 1 所示。
- 在终端中输入 git clone https://github.com/dwavesystems/dwave-ocean-sdk.git
接着输入 cd dwave-ocean-sdk，如 图 2 所示。
然后输入 python setup.py install
访问受限。请登录或开始试用以查看此内容。
结果
一次运行样本的结果如表2、表3和表4所示。三批数据的详细数据集可在补充数据1文件夹中获取。
| 数据集 1 | ||
| 半径为 50m 的圆形区域内的 198 个节点 | 混合量子算法 | Advanced_Leach 算法 |
| FND | 1442 | 727 |
| HND | 2499 | 1921 |
访问受限。请登录或开始试用以查看此内容。
讨论
目前最先进的商用量子处理器可用于解决任何网络拓扑结构的计算问题1。量子处理器的应用不受限于任何量子处理器所能实现的物理量子比特数量。
在传感器网络寿命延长设计中，研究结果表明，通过使用量子处理器，实现更长网络寿命的方法取得了进展。这些结果意味着量子优势已具备在公共和私营部门进行商业化应用的条件。
在管理层面的意义上，量子优势有望成为推动近未来高科技可持续繁荣的一个重要里程碑。当前的高科技领域，无论是在学习策略和/或人工智能（AI）方面，均需要强大的算力来处理和存储数据。从全球绿色发展的角度来看，这一现状使其并非理想选择16。尽管机器学习/人工智能（ML/AI）使计算在经济效率上有所提升，但它并未提供根本性的分析解决方案，因为高效的计算是以高功耗的计算设施为代价实现的。因此，它们本质上受限于高性能计算机（HPC）。量子计算彻底改变了传统计算范式，已在多个实际试验应用中证明其计算速度超越传统计算机17.......
访问受限。请登录或开始试用以查看此内容。
致谢
本工作由英国工程与物理科学研究理事会（EPSRC）资助，资助编号为 EP/W032643/1。
....访问受限。请登录或开始试用以查看此内容。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| 戴尔笔记本电脑 | 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 |
参考文献
- 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.
访问受限。请登录或开始试用以查看此内容。
重印与许可
