Квантовый алгоритм робастного интеллектуального управления процессом охлаждения азотом сверхпроводящего магнита
Автор: Решетников А.Г., Ульянов С.В.
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Рубрика: Современные проблемы информатики и управления
Статья в выпуске: 2, 2026 года.
Бесплатный доступ
Технологический процесс криогенной установки охлаждения сверхпроводящего магнита рассматривается как классический объект управления со слабоструктурированной, плохо формализуемой моделью с не доопределенными параметрами, информация о которых содержится в обучающем сигнале, измеренного на реальном объекте. Реализован новый вид квантового координационного двухканального интеллектуального управления вентилями давления и расхода жидкого азота со скрытой (существенно нелинейной) обратной взаимосвязью в технологическом процессе с переменной структурой охлаждения сверхпроводящего магнита. Представлены этапы отечественной квантовой программной ИТ – инженерии проектирования встраиваемых самоорганизующихся промышленных интеллектуальных систем управления с использованием разработанного авторами программного инструментария QSCIT (Quantum Soft Computational Intelligence Toolkit). Инструментарий QSCIT создан на основе промышленных оптимизаторов баз знаний (SC&QC)OptKBTM с применением технологий квантовых мягких вычислений. Квантовый когнитивно – рациональный «сильный» вычислительный ИИ применен для проектирования робастных самоорганизующихся баз знаний в нештатных (непредвиденных) ситуациях управления. Процесс проектирования в виде двух этапов основан на физическом (информационно - термодинамическом) законе рационального распределения качественных характеристик управления: устойчивость по Ляпунову, управляемость и робастность. Характеристика требуемого уровня робастности определяется как рациональный необходимый минимум производства и скорости производства энтропии - меры расхода регулятором необходимого полезного ресурса для гарантированного достижения цели управления. Первый этап рационального когнитивного процесса извлечения знаний из обучающего сигнала основан на инструментарии ИТ - мягких вычислений SCOptKBTM (формирования уровня интеллекта нечеткого регулятора «в малом» в ситуации обучения). На втором этапе проектирования учитывается квантовый синергетический эффект самоорганизации формирования робастной базы знаний квантового регулятора (квантовый «сильный» вычислительный ИИ «в большом» для нештатных ситуаций) из неточных (не робастных) баз знаний нечетких регуляторов (ИИ «в малом» в нештатных ситуациях) на основе квантового нечеткого вывода в инструментарии QCOptKBTM. Энтропийный анализ экспериментальной работы регуляторов показал, что квантовый интеллектуальный регулятор с «сильным» ИИ обладает объективным свойством (физически строгого и математически корректного доказательства) когнитивно - рационального расхода ресурса для совершения силой управления полезной работы, необходимой для гарантированного достижения цели управления. Данное свойство позволяет устранить необходимость субъективной интерпретации результатов «доверенного», «генеративного» и «объяснительного» моделей ИИ. Показана эффективность и квантовое преимущество применения интеллектуальных самоорганизующихся квантовых регуляторов управления (встроенных в бортовые интеллектуальные системы управления) классическими объектами управления на основе ИТ квантовых мягких вычислений.
Квантовое робастное интеллектуальное управление, квантовые мягкие вычисления, квантовый самоорганизующийся координационный регулятор, квантовый оптимизатор неточных баз знаний, слабо формализованные физические установки
Короткий адрес: https://sciup.org/14135746
IDR: 14135746 | УДК: 004.415.2, 004.588
Quantum algorithm of robust intelligent control at the superconducting magnet cooling process
From the point view of quantum IT engineering, the definition of the concept and issues of intelligent control of weakly structured and poorly formalized objects with underdetermined/hidden parameters are discussed. The stages of domestic quantum IT software engineering for the design of embedded self-organizing intelligent control systems using the QSCIT (Quantum Soft Computational Intelligence Toolkit) software toolkit are presented. QSCIT is based on industrial knowledge base optimizers (SC&QC)OptKBTM and employs quantum soft computing technologies. A new type of coordinated dual-channel intelligent control of nitrogen pressure and flow valves with hidden feedback is considered in a process with a variable superconducting magnet cooling structure. In this case, the superconducting magnet is considered as a classical control object with a weakly structured, poorly formalized model with underdetermined parameters, information about which is contained in the learning signal measured on the actual object. Quantum technology for studying a highly nonlinear and dynamically unstable autonomous intelligent robot forms the basis of a system simulating the interaction of nitrogen pressure and flow valves, as well as an intelligent self-organizing quantum controller coordinating the control of nitrogen pressure and flow valves in a cryogenic superconducting magnet cooling unit in the NICA mega-science project (JINR). Quantum soft computing and quantum fuzzy inference in the quantum controller structure extract knowledge from the learning signal and, based on the extracted amount of hidden quantum information, generate additional "thermodynamic" control power as an additional information resource for the intelligent controller to perform useful work. These processes are implemented on a classical processor. The generation of this additional information resource is possible due to the existence (experimentally proven in the study) of a quantum synergistic effect of self-organization of imprecise knowledge bases: from a finite number of imprecise knowledge bases, quantum fuzzy inference generates a robust knowledge base in real time. An entropy analysis of the controllers' operation demonstrated the rational use of useful resources by the quantum intelligent controller, necessary to guarantee the achievement of the control goal. The efficiency and quantum advantage of using intelligent self-organizing quantum controllers (embedded in onboard intelligent control systems) to control classical control objects based on quantum soft computing technologies are demonstrated.
