Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
246
СЕКЦИЯ №3. АЛГОРИТМИЗАЦИЯ В РЕШЕНИИ ЗАДАЧ
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
KLASSIK TASVIRNI KVANT TASVIRGA AYLANTIRISH ALGORITMLARI VA
VOSITALARI
Babomuradov Ozod Jurayevich
Jizzax shahrida Qozon (Volgabo‘yi) federal universiteti filiali ijrochi direktori, t.f.d., prof.
Sobirov Ro‘zimboy Atabekovich
“TIQXMMI” Milliy tadqiqot universiteti tayanch doktoranti
Annotatsiya:
Ushbu tadqiqotda klassik tasvirlarni kvant tasvirlariga aylantirish algoritmlari
tahlil qilinadi, bu esa kvant tasvirlarni qayta ishlashning muhim bosqichlaridan biridir. IBM real
vaqt kompyuterida va Aer simulyatorida 8 000 ta tortishish bilan kvant sxemasi, tasvirni kvant
formatiga samarali kodlash va qubitlardan foydalanish miqdorini optimallashtirish bo‘yicha taklif
etilgan yondashuvni taqdim etamiz. Tadqiqot natijalari kvant tasvirlarni qayta ishlash
texnologiyalarini rivojlantirishga hissa qo‘shishi mumkin.
Kalit so‘zlar:
Kvant tasvir, superpozitsiya, shovqin, CNOT geyti, X (NOT)
geyti, H
(Hadamard) geyti, Aer simulyatori.
АЛГОРИТМЫ И ИНСТРУМЕНТЫ ДЛЯ ПРЕОБРАЗОВАНИЯ
КЛАССИЧЕСКИХ ИЗОБРАЖЕНИЙ В КВАНТОВЫЕ ИЗОБРАЖЕНИЯ
Аннотация:
В данном исследовании анализируются алгоритмы преобразования
классических изображений в квантовые, что является одним из важных этапов квантовой
обработки изображений. Мы представляем квантовую схему с 8 000 снимков на
компьютере реального времени IBM и симуляторе Aer, предлагаемый подход для
эффективного кодирования изображения в квантовый формат и оптимизации количества
используемых кубитов. Результаты исследования могут способствовать развитию
технологий квантовой обработки изображений.
Ключевые слова:
Квантовое изображение, суперпозиция, шум, вентиль CNOT,
вентиль X (НЕ), вентиль H (Адамара), симулятор Aer.
ALGORITHMS AND TOOLS FOR CONVERTING CLASSIC IMAGES INTO
QUANTUM IMAGES
Abstract:
This paper analyzes the algorithms for processing classical images into quantum
images, which is one of the important stages of quantum image processing. Quantum generation
with 8,000 shots on IBM real-time computer and Aer simulator, presents the proposed products
for efficient encoding of images into quantum format and optimization of qubit loading size. The
research can contribute to the development of quantum image processing systems.
Keywords:
Quantum image, superposition, noise, CNOT gate, X (NOT) gate, H
(Hadamard) gate, Aer simulator.
Kirish.
Klassik tasvirlar turli sohalarda, jumladan, tasvirni tiklash va yaxshilash, tibbiyot,
masofaviy zondlash, kodlash, mashina va robot ko‘rish tizimlari, rangni qayta ishlash, naqshni
aniqlash hamda video ishlov berishda qo‘llaniladi. Ayniqsa, yuzni aniqlash texnologiyasi shaxsni
tanib olish va raqamli kriminalistikada keng foydalaniladi. Kvant tasviri ilgari superpozitsiya
orqali amalga oshirilgan. Natijada kvant tasviri superpozitsiya funksiyasidan foydalangan holda
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
247
amalga oshirildi. Keyin unitar matritsalar kvant zanjirlarini ifodalash uchun ishlatiladi. Kvant
tasviri uchun biz kamtarona tasvirni oldik. Kvant sxemalarini yaratish uchun IBM
kompaniyasining Qiskit dasturi va Anaconda Python dasturidan foydalanilgan. IBM real vaqt
kompyuterida va Aer simulyatorida 8 000 ta tortishish bilan kvant sxemasi ishlaydi.[4] IBM real
vaqt kompyuterida shovqin IBM Aer simulyatoriga qaraganda ko‘proq kamaydi. Natijada, Aer
simulyatorining shovqin va kubit xatolari IBM real vaqt kompyuteriga qaraganda yuqori. Kvant
sxemasini loyihalash va tasvirni qayta ishlash ikkalasi ham qog‘oz oxiridagi ilova bo‘lgan Qiskit
dasturlash bilan amalga oshiriladi. Tasvirlar soni ko‘paygan sari shovqin darajasi yanada pasayadi.
Tasvir kam sonli kadrlarda ishlaganda shovqin va qubit xatolar ortadi. [1, 12]
Ushbu tadqiqotning asosiy maqsadi – klassik tasvirni kvant tasvirga aylantirish jarayonini
o‘rganishdir. Klassik kompyuterlar va kvant kompyuterlar orasidagi asosiy farq shundaki, kvant
tizimlari qubitlardan foydalanadi, bu esa axborotni qayta ishlash, uzatish va boshqarish usullarini
o‘zgartiradi.
Klassik tasvirni kvant tasvir ko‘rinishida tasvirlashda, FRQI (Flexible Representation of
Quantum Images) algoritmi klassik tasvirlarni kvant holatlariga kodlash usulini namoyish etgan.
Bu algoritm kvant mexanikasining superpozitsiya xususiyatidan foydalanib, hisoblash jarayonini
samarali amalga oshiradi.[2, 76]
Klassik tasvirlarni qayta ishlash (CIMP) uchun aniq va to‘g‘ridan-to‘g‘ri algoritmlar mavjud
bo‘lsa-da, kvant tasvirlarni qayta ishlash (QIMP) uchun bunday aniq algoritmlar hali mavjud emas.
QIMP operatsiyalarida turli kvant geytlari ishlatiladi, jumladan: CNOT (kontrolli NOT) geyti, X
(NOT)
geyti, H (Hadamard) geyti va Rotation (
) geytlaridan kvant tasvirlarni qayta ishlashda
keng foydalaniladi. FRQI algoritmi klassik tasvir piksellarini kvant holatlarida ifodalash uchun
kvant sxemalaridan foydalanadi. Bu usul kulrang (greyscale) va rangli tasvirlarni kodlashni
amalga oshiradi va klassik optimal algoritmlarga qaraganda samaraliroq natijalar beradi. QUALPI
(Quantum Algebraic Polar Image) usuli piksellar ma’lumotlarini kvant holatlarida ifodalash uchun
qutb koordinatalaridan foydalanadi. Ushbu usul affin o‘zgarishlar (masalan, masshtablash, burish,
siljitish) kabi operatsiyalar uchun qo‘llaniladi.[3, 23] NEQR (Novel Enhanced Quantum
Representation) tasvirlarni rangli formatda ifodalash uchun ishlatiladi. FRQI (Flexible
Representation of Quantum Images) esa kulrang (greyscale) tasvirlarni qayta ishlash uchun
qo‘llanadi. Biroq, FRQI keyinchalik NEQR metodlarini o‘zlashtirib, rangli tasvirlarni qayta
ishlash imkoniyatiga ega bo‘ldi.[3,34]
Biroq, klassik va kvant kompyuterlarni birlashtirish juda murakkab vazifa. Chunki: Klassik
kompyuterlar klassik fizika tamoyillariga asoslanadi. Kvant kompyuterlar esa kvant mexanikasi
qonunlariga bo‘ysunadi. Shuning uchun ushbu ikki turdagi hisoblash tizimlarini birlashtirish
murakkab ilmiy va texnologik muammolarni keltirib chiqaradi.
1-rasm. Klassik kulrang tasvirni kvant tasviriga aylantirish
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
248
1-rasmda Klassik tasvirni kvant tasvirga o‘zgartirish jarayoni bir necha bosqichda amalga
oshiriladi. Birinchi bosqichda kulrang (greyscale) klassik tasvir tanlanadi va uning piksellar
haqidagi ma’lumotlari aniqlanadi. Bu ma’lumotlarga rang kodi, piksel manzili va tasvir doirasi
kiradi. Keyingi bosqichda tasvirni olish va tayyorlash (image acquisition) jarayoni amalga
oshiriladi.[7, 5]
Bunda:
-
Rang kodlash,
-
Piksel ma’lumotlari va manzilini aniqlash,
-
Tasvir doirasini aniqlash kabi jarayonlar bajariladi.
Shundan so‘ng, tasvirni oldindan qayta ishlash (image preprocessing) bosqichi boshlanadi.
Bunda, keraksiz shovqinlar olib tashlanadi (outlier detection va noise removal), xatolar aniqlanib,
tuzatiladi (error detection and correction), tasvir segmentatsiya qilinadi, bu esa tasvirni tezroq
qayta ishlashga yordam beradi.[5,65]
Ushbu tayyorgarlik jarayonlaridan keyin, Kvant usulida kulrang rangdagi tasvirni aniqlash
bloki yordamida klassik kulrang tasvir aniqlanadi. Shundan so‘ng, Kvant tasvirni olish bloki
tasvirning rang kodi, piksel ma’lumotlari, manzili va tasvir doirasini kvant shaklga o‘zgartiradi.
Bunda klassik tasvir ma’lumotlari kvant tasvir shaklida kodlanadi. Oxirgi bosqichda kvant tasvirni
oldindan va keyingi qayta amalga oshiriladi. Bunda:
-
Klassik tasvir piksellari va ularning kerakli ma’lumotlari ajratib olinadi;
-
Ushbu ma’lumotlar kvant mexanikasi asosida kvant bitlar (qubitlar) shaklida kodlanadi;
-
Keyingi kvant tasvirni qayta ishlash jarayonlariga tayyorlanadi.
Bu jarayon orqali klassik tasvirlar kvant formatga o‘tkaziladi, natijada tezroq qayta ishlash,
xavfsiz uzatish va murakkab tasvirlarni samarali tahlil qilish imkoniyati yaratiladi. [2,21]
Keling
( , )
x y
P
ni
(( , , , )
0)
x y n m
bilan
2
1
2
1
( , )
0
0
n
m
x y
x
y
S
P
o‘rnatilgan piksellardan iborat
piksel deb hisoblaylik, bu yerda
x
va
y
koordinatalardir va piksel manzili qanday bo‘lishidan
qatiy nazar
2
1
2
1
( , )
0
0
n
n
x y
x
y
A
P
bo‘lsin. Piksel
( , )
( )
x y
P
i
,
0
i
n
joriy pozitsiyani ifodalaydi. Va
( , )
(
1)
x y
P
i
,
( , )
( )
x y
P
i
va
( , )
(
1)
x y
P
i
- piksellar ketma-ketligi. 2-rasmda tasvirni ikkilik qiymatlar
bilan ifodalashning klassik usuli ko‘rsatilgan.[2, 19] Har bir tasvir pikseli va rang qiymati tegishli
manzillari bilan xotirada saqlanadi. 0110, 1001, 1111 va 1001 kabi mos keladigan bit ketma-
ketligiga ega 4x4 matritsa mavjud. Klassik tasvirni kvant tasviriga aylantirish uchun kvadrat
matritsa muhim bo‘lishi kerak. Keyinchalik, 0110, 1001, 1111 va 1001 bit ketma-ketliklari
0110
,
1001 , 1111 va 1001 kabi qubitlar asosidagi holatlarga aylantiriladi.
2-rasm. (a) Klassik kulrang shkala tasviri (b) bit bo‘yicha piksel tasviri va mos ikkilik
manzil (c) mos keladigan klassik kulrangdagi tasvirning kvant usulidagi tasviri.
Yuqoridagi 2(c)-rasmdagi kvant sxemasi ko‘rsatilgan.
i
q
,
0
7
i
qubit kiritish chiziqlari
va
c
klassik bit chiqish chiziqlaridir. Birinchi to‘rt kubit kiritish satrlari
3 2 1 0
x x x x
kabi bazis
holatlarini qabul qiladi, bunda
0,1
j
x
,
0
3
j
. Hadamard geyti (H) orqali tasvirlanadi.[2,
20]
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
249
3-rasm. 2-rasmning kvant sxemasi tasviri.
Kvant sxemalari kvant tasvirining asosiy holatlari yordamida qurilgan. Bundan tashqari,
simulyator va real vaqtda kvant kompyuteri kvant tasvirining asosiy holatlarini 8 000 marta
ishlatish uchun ishlatiladi. Simulyator va real vaqtda kompyuter har bir ishga tushirishda statistik
farqlar qiymatlarini yaratadi. Yaratilgan qiymatlar matritsada tashkil etilgan. Tasvirdagi shovqin
va xatolikni aniqlash uchun matritsalarni ko‘paytirish, teskari va unitar harakatlar qo‘llanilgan.
Qubitlar hisoblash paytida va undan oldin mavjudligi ma’lum. Algoritm barcha shovqin va
xatolar ahamiyatsiz darajaga tushirilgunga qadar takrorlanishi kerak.
4-rasm. Urinishlar soni 8000 ta bo‘lsa, IBM real vaqtda kvant kompyuteri tomonidan
klassik tasvirni kvantga aylantirish.
IBM Aer simulyatori va real vaqtda kvant kompyuteri tomonidan tahlil va ishlov berilgandan
so‘ng, tasvir shovqini IBM real vaqtda kvant kompyuteriga qaraganda IBM Aerda ko‘proq
mavjud. Natijada, tijorat uchun yaroqli mahsulotni yaratish uchun biz engishimiz kerak bo‘lgan
ko‘plab qiyinchiliklar mavjud. Tahlil va kvant tasvirini taqdim etgandan so‘ng, hisoblash
jarayonida superpozitsiya muhim rol o‘ynaydi. 1 kubit, 2 kubit yoki 2 kubitdan ortiq kvant geytlari
tasvirda shovqin hosil qiladi. Biz kvant tasvir shovqinini yumshatish uchun superpozitsiya
kubitlarini boshqarishimiz kerak.
Adabiyotlar ro‘yxati
1.
Le, Phuc Q., Fangyan Dong, and Kaoru Hirota. "A flexible representation of quantum
images for polynomial preparation, image compression, and processing operations." Quantum
Information Processing 10.1 (2011): 63-84.
2.
Shyam R. Sihare. “Transformation of Classical to Quantum Image, Representation,
Processing and Noise Mitigation”. Image, Graphics and Signal Processing, 2022, 5, 10-27.
3.
Zhang, Yi, et al. "NEQR: a novel enhanced quantum representation of digital images."
Quantum information processing 12.8 (2013): 2833-2860.
4.
Get started with IBM Quantum Experience [Электронный ресурс]. – URL:
https://quantum-computing.ibm.com/docs (дата обращения 10.10/2020).
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
250
5.
IBM
Quantum
Experience
[Электронный
ресурс]
–
URL:
https://quantumcomputing.ibm.com/composer/new-experiment (дата обращения 10.10.2020
6.
Kaiser S., Granad K. K15 Studying quantum computing in Python and C# / trans. from
English A. V. Logunova. – M.: DMK Press, 2021. – 430 p.
7.
Mukhamedieva D.T, Sobirov R.A. “Application of quantum computing in image
processing for recognition of infectious diseases of wheat”. BIO Web of Conferences 95, 01003
(2024).
КРИТЕРИИ, АЛГОРИТМЫ И ПЕРЕДОВЫЕ ПОДХОДЫ, ИСПОЛЬЗУЕМЫЕ
В ДИАГНОСТИКЕ РАКА
Нишанов Ахрам Хасанович
Профессор кафедры системного и прикладного программирования Ташкентского
университета информационных технологий имени Мухаммада аль-Хоразми
Мамаджанов Рахматилла Якубжанович
Денауский институт предпринимательства и педагогики,
преподаватель и докторант кафедры информационных технологий, Узбекистан
Хайдаров Шeрали Ислом ўғли
Денауский институт предпринимательства и педагогики,
преподаватель и докторант кафедры информационных технологий, Узбекистан
Аннотация:
В статье рассматриваются современные методы диагностики рака,
включая применение искусственного интеллекта, биоинформатики и машинного обучения.
Описаны ключевые диагностические критерии, математические модели и алгоритмы,
повышающие точность выявления онкологических заболеваний. Анализируются
преимущества интеграции ИИ и биостатистики в интерпретации медицинских данных.
Рассматриваются перспективы дальнейшего развития технологий диагностики рака.
Ключевые слова:
рак молочной железы, машинное обучение, цифровая
маммография
CRITERIA, ALGORITHMS, AND ADVANCED APPROACHES USED IN
BREAST CANCER DIAGNOSIS
Annotation:
This article examines modern cancer diagnosis methods, including the use of
artificial intelligence, bioinformatics, and machine learning. Key diagnostic criteria, mathematical
models, and algorithms that enhance the accuracy of cancer detection are described. The
advantages of integrating AI and biostatistics in medical data interpretation are analyzed. The
prospects for further advancements in cancer diagnostics are also discussed.
Keywords:
breast cancer, machine learning, digital mammography
KO‘KRAK BEZI SARATONINI DIAGNOSTIKA QILISHDA
QO‘LLANILADIGAN MEZONLAR, ALGORITMLAR VA ILG‘OR YONDASHUVLAR
Annotatsiya:
Ushbu maqolada zamonaviy sun’iy intellekt va mashinaviy o‘rganish
usullaridan foydalangan holda ko‘krak bezi saratonini tashxislash uchun ishlab chiqilgan yangi
model taqdim etiladi. Model raqamli mammografiya tasvirlarini qayta ishlash va tahlil qilish orqali
tashxis aniqligini oshirishga yo‘naltirilgan. Tadqiqotda turli mashinaviy o‘rganish algoritmlari,
sintezlangan o‘quv ma’lumotlari va turli klassifikatsiya usullari qo‘llanilgan. Eksperimental
