Kvantová výpočetní síla v AI: VQE jako nástroj pro optimalizaci generativních adversariálních sítí

Strnadel, David

Kvantová výpočetní síla v AI: VQE jako nástroj pro optimalizaci generativních adversariálních sítí

DSpace Repository

Language: English čeština

Kvantová výpočetní síla v AI: VQE jako nástroj pro optimalizaci generativních adversariálních sítí

dc.contributor.advisor	Šenkeřík, Roman
dc.contributor.author	Strnadel, David
dc.date.accessioned	2025-12-10T23:09:57Z
dc.date.available	2025-12-10T23:09:57Z
dc.date.issued	2024-10-27
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/57907
dc.description.abstract	Tato bakalářská práce propojuje generativní adversariální sítě GAN s hybridním kvantově klasickým algoritmem Variational Quantum Eigensolver. Po úvodní rešerši principů kvantového počítání a generativních modelů je implementován referenční ACGAN a k jeho výstupu je v knihovně Qiskit připojen simulovaný kvantový obvod, který vypočte energii Isingova Hamiltoniánu a přidá ji jako regularizační člen do ztrátové funkce generátoru. Při tréninku na datech MNIST dosahuje kvantově regulovaná verze po pěti epochách lepšího skóre FID 19.92 oproti 24.02, i když vyžaduje delší výpočetní čas. Práce analyzuje technické a koncepční rozdíly mezi klasickým a kvantovým přístupem, probírá hardwarová omezení a navrhuje rozšíření testů na složitější obrazové sady i ověření na reálném kvantovém procesoru. Všechny zdrojové kódy a logy jsou přiloženy, což umožňuje reprodukovat experiment.
dc.format	111
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	generativní adversariální sítě	cs
dc.subject	kvantové počítání	cs
dc.subject	Variational Quantum Eigensolver	cs
dc.subject	Isingův Hamiltonián	cs
dc.subject	kvantová regularizace	cs
dc.subject	ACGAN	cs
dc.subject	hybridní kvantově-klasické modely	cs
dc.subject	FID	cs
dc.subject	MNIST	cs
dc.subject	generative adversarial networks	en
dc.subject	quantum computing	en
dc.subject	Variational Quantum Eigensolver	en
dc.subject	Ising Hamiltonian	en
dc.subject	quantum regularisation	en
dc.subject	ACGAN	en
dc.subject	hybrid quantum-classical models	en
dc.subject	FID metric	en
dc.subject	MNIST dataset	en
dc.title	Kvantová výpočetní síla v AI: VQE jako nástroj pro optimalizaci generativních adversariálních sítí
dc.title.alternative	Quantum Computational Power in AI: VQE as a Tool for Optimizing Generative Adversarial Networks
dc.type	bakalářská práce	cs
dc.contributor.referee	Žáček, Petr
dc.date.accepted	2025-06-17
dc.description.abstract-translated	This bachelor thesis combines generative adversarial networks with the hybrid quantum classical algorithm Variational Quantum Eigensolver. After a survey of quantum computing and generative models, a reference ACGAN is implemented and a simulated quantum circuit in Qiskit is linked to its output. The circuit calculates the energy of an Ising Hamiltonian and adds it as a regularising term to the generator loss. Training on the MNIST dataset shows that the quantum-regularised model reaches a better FID score of 19.92 versus 24.02 after five epochs, although at the cost of longer runtimes. The thesis analyses technical and conceptual differences between the classical and quantum approach, discusses hardware limitations, and proposes future experiments on larger image datasets and on real quantum processors. All source code and logs are included to support reproducibility.
dc.description.department	Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline	Softwarové inženýrství	cs
dc.thesis.degree-discipline	Software Engineering	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Bc.
dc.thesis.degree-program	Softwarové inženýrství	cs
dc.thesis.degree-program	Software Engineering	en
dc.identifier.stag	70396
dc.date.submitted	2025-06-02