Neural Network Molecule: a Solution of the Inverse Biometry Problem through Software Support of Quantum Superposition on Outputs of the Network of Artificial Neurons

Abstract

Введение. Целью работы является многократное ускорение решения обратной задачи нейросетевой биометрии на обычном настольном компьютере. Материалы и методы. Для ускорения вычислений искусственная нейронная сеть вводится в динамический режим «дрожания» состояний всех ее 256 выходных разрядов. При этом слишком большое число выходных состояний нейронной сети логарифмически свертывается путем перехода в пространство расстояний Хэмминга между кодом образа «Свой» и кодами образов «Чужой». Из базы образов «Чужой» выбирается 2,5 % наиболее похожих образов. В следующем поколении осуществляют восстановление 97,5 % отброшенных образов процедурами ГОСТ Р 52633.22010 путем скрещивания образов-родителей и получения от них образов-потомков. Результаты исследования. За время порядка 10 мин удается осуществить 60 поколений направленого поиска решения обратной задачи, что дает возможность обращения матриц нейросетевых функционалов размерности 416 входов на 256 выходов с восстановлением до 97 % информации о неизвестных биометрических параметрах образа «Свой». Обсуждение и заключения. Поддержка в течение 10 мин машинного времени 256-кубитной квантовой суперпозиции позволяет на обычном компьютере обойти актуальную бесконечность анализируемых состояний в 5050 (50 в степени 50) раз больше, чем мог бы сделать этот же компьютер, реализуя обычные вычисления. Увеличение длины поддерживаемой квантовой суперпозиции на 40 кубит эквивалентно увеличению тактовой частоты процессора приблизительно в 1 млрд раз. Именно по этой причине увеличение количества поддерживаемых кубит программным эмулятором квантовой суперпозиции более выгодно, чем создание более мощного процессора.