Συντάχθηκε 24-09-2025 13:55
Ενημερώθηκε:
24-09-2025 14:39
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 26/09/2025 13:30
Λήξη: 26/09/2025 14:30
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Αθανασίου Καράκου
με θέμα
Υβριδικοί Κλασικοί Κβαντικοί Αλγόριθμοι για Μηχανική Μάθηση και Βελτιστοποίηση και Εφαρμογές σε Προβλήματα Μεταφοράς και Δρομολόγησης
Hybrid Quantum Classical Algorithms for Machine Learning and Optimization and Applications in Transport and Scheduling Problems
Εξεταστική Επιτροπή
Kαθηγητής Δημήτριος Αγγελάκης (επιβλέπων)
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς
Kαθηγητής Θρασύβουλος Σπυρόπουλος
Περίληψη
Αυτή η εργασία διερευνά υβριδικούς κβαντικούς-κλασικούς αλγόριθμους με έμφαση στα προβλήματα Quadratic Unconstrained Binary Optimization (QUBO) και στις εφαρμογές τους σε προβλήματα μεταφοράς και δρομολόγησης. Αρχικά παρουσιάζονται οι θεμελιώδεις έννοιες της κβαντομηχανικής, όπως τα qubits, οι κβαντικές πύλες και ο εναγκαλισμός (entanglement), ώστε να δοθεί το απαραίτητο θεωρητικό υπόβαθρο. Στη συνέχεια αναλύονται διατυπώσεις των προβλημάτων QUBO και οι υβριδικοί αλγόριθμοι όπως οι QAOA, VQA, ADAPT-QAOA και μέθοδοι αποδοτικής κωδικοποίησης των qubits. Επιπλέον εξετάζεται ο ρόλος των υβριδικών αλγορίθμων στη δημιουργική τεχνητή νοημοσύνη, όπου αρχιτεκτονικές βασισμένες σε transformers αξιοποιούνται για τη δημιουργία παραμετροποιήσιμων κβαντικών κυκλωμάτων. Το μεγαλύτερο κομμάτι της εργασίας αφιερώνεται σε ένα πολυτροπικό πρόβλημα χρονοπρογραμματισμού μεταφορών, το οποίο μοντελοποιείται σε QUBΟ πρόβλημα. Πραγματοποιήθηκαν προσομοιώσεις τόσο σε κλασικά όσο και σε κβαντικά υπολογιστικά περιβάλλοντα. Τα αποτελέσματα δείχνουν ότι οι κβαντικοί αλγόριθμοι μπορούν να προσφέρουν ανταγωνιστικές λύσεις και αναδεικνύουν την ισχυρή τους προοπτική τους για επέκταση, όσο η κβαντική τεχνολογία εξελίσσεται.
Abstract
This thesis investigates hybrid quantum-classical algorithms with a focus on Quadratic Unconstrained Binary Optimization (QUBO) formulations and their application to transport and scheduling problems. It begins with an overview of fundamental concepts in quantum mechanics, including qubits, quantum gates, and entanglement, to provide the necessary background. Building on this foundation, we analyze QUBO formulations and hybrid algorithms such as QAOA, VQA, ADAPT-QAOA, and qubit-efficient encoding schemes. We further explore the role of hybrid algorithms in generative AI, where transformer-based architectures are employed to generate parameterized quantum circuits. A substantial part of the work is devoted to a multimodal transport scheduling problem, modeled using integrated QUBO formulations. Simulations were carried out on both classical and quantum backends. The results show that quantum algorithms can deliver
competitive solutions and highlight their strong potential for scalability as quantum hardware advances.
