[ad_1]
W ciągu ostatnich pięciu dekad liczba katastrof wzrosła pięciokrotnie, między innymi z powodu zmian klimatu i ekstremalnych zjawisk pogodowych. W takich sytuacjach szybka reakcja ma kluczowe znaczenie i znacząco wpływa na bezpieczeństwo publiczne. Jednak dynamiczny i nieprzewidywalny charakter katastrof stanowi poważne wyzwanie dla rozwiązań technicznych.
Honda Research Institute Europe (HRI-EU), renomowane centrum zaawansowanych badań nad inteligentnymi systemami, z powodzeniem przetestowało nowe rozwiązanie do mapowania dróg ewakuacyjnych dla osób uciekających przed klęskami żywiołowymi, takimi jak trzęsienia ziemi i powodzie.
Naukowcy z instytutu współpracowali ze specjalistami w dziedzinie obliczeń kwantowych z Terra Quantum Group, wiodącej firmy zajmującej się technologią kwantową z siedzibą w Niemczech i Szwajcarii, w celu wykorzystania hybrydowego kwantowego uczenia maszynowego do opracowania systemu, który mógłby poprawić wyzwania związane z mobilnością w trudnych warunkach. W ramach wspólnego projektu zespół ocenił potencjalne wykorzystanie hybrydowych technologii kwantowych do optymalizacji tras ewakuacyjnych w sytuacjach awaryjnych.
Terra Quantum ma innowacyjne podejście do oferowania w czasie rzeczywistym optymalnych tras ewakuacyjnych dla osób uciekających przed katastrofą w swoich pojazdach. Wykorzystując swoje unikalne IP, algorytmy i technologię kwantowego uczenia maszynowego, przewiduje wydajne dynamiczne trasy ewakuacyjne, minimalizując czas ewakuacji. Algorytmy kwantowe są z natury elastyczne, adaptowalne i skalowalne. Mogą stać się nieocenione w zarządzaniu przepływem tłumu podczas wydarzeń publicznych na dużą skalę lub podczas klęsk żywiołowych.
„Identyfikacja realistycznych problemów, w których technologie kwantowe mogą rozwinąć swój potencjał, stanowi obecnie jedno z największych wyzwań w tej dziedzinie. Ta praca stanowi obiecujący krok w tym kierunku i pokazuje, jak zastosować hybrydowe kwantowo-klasyczne architektury uczenia się w rzeczywistym przypadku użycia”. powiedział dr Sebastian Schmitt, główny naukowiec w HRI-EU.
W ramach Proof of Concept (POC) przeprowadzono symulację trzęsienia ziemi w mieście Furubira w Japonii. Nowatorskie rozwiązanie wykazało bardzo obiecujące wyniki, przewidując wydajne dynamiczne drogi ewakuacji dla pojazdów, a tym samym minimalizując czas ewakuacji.
Zespół twierdzi, że kwantowe rozwiązanie obliczeniowe już teraz wykazuje konkurencyjną wydajność w porównaniu z tradycyjnymi metodami, nawet podczas symulacji na klasycznym sprzęcie. Wykorzystuje ono kwantowe uczenie maszynowe i do podejmowania decyzji wymaga jedynie informacji lokalnych, które stanowią mniej niż 1% informacji z mapy. Jest to szczególnie przydatne w sytuacjach awaryjnych z dużą niepewnością.
Rozwiązania są obecnie uzyskiwane z symulacji kwantowych, które są uruchamiane na klasycznym sprzęcie komputerowym. Istnieje jednak możliwość rozszerzenia tej aplikacji, aby w przyszłości mogła być wykonywana na kwantowym sprzęcie obliczeniowym na dużą skalę.
Naukowcy twierdzą, że ich podejście może być zintegrowane z istniejącymi platformami, takimi jak Google Maps i przyszłymi technologiami, takimi jak drony i dane satelitarne. Usługa ta mogłaby ulepszyć algorytmy nawigacji GPS samochodu i zawierać dane o natężeniu ruchu, korkach, zablokowanych drogach i zagrożeniach pogodowych.
Następnym krokiem jest skalowanie technologii dla większych miast i regionów oraz uwzględnienie większej liczby zmiennych i złożoności w celu zwiększenia ich skuteczności.
Odniesienie do czasopisma:
- Nathan Haboury, Mo Kordzanganeh, Sebastian Schmitt, Ayush Joshi, Igor Tokarev, Lukas Abdallah, Andrii Kurkin, Basil Kyriacou, Alexey Melnikov. A supervised hybrid quantum machine learning solution to the emergency escape routing problem. arXiv, 2023; DOI: 10.48550/arXiv.2307.15682
– Reklama –
[ad_2]