Name: large scale energy efficient sensor network routing using a quantum processor unit
Uploaded: 2023-09-08T14:35:00
Description: Watch this Scientific Journal Video about Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit at JoVE.com

O trabalho é apoiado pelo Conselho de Pesquisa em Engenharia e Ciências Físicas do Reino Unido (EPSRC) Grant number EP/W032643/1.

1. Configurando o Dwave Ocean Environment
<ol><li>Baixe e instale as ferramentas do oceano no link: https://docs.ocean.dwavesys.com/en/stable/overview/install.html<ol><li>No terminal, digite python -m venv ocean.</li>
		<li>No terminal, digite ocean/bin/activate, como mostra a Figura 1.</li>
		<li>No terminal, digite git clone https://github.com/dwavesystems/dwave-ocean-sdk.git Em seguida, digite cd dwave-ocean-...

<ol>
	<li>Chen, J., Date, P., Chancellor, N., Atiquazzaman, M., Cormac, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Controller-based+energy-aware+wireless+sensor+network+routing+using+quantum+algorithms.">Controller-based energy-aware wireless sensor network routing using quantum algorithms.</a> IEEE Transactions on Quantum Engineering. 3, 1-12 (2022).</li><li>Lin, H., Uster, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Exact+and+heuristic+algorithms+for+data-gathering+cluster-based+wireless+sensor+network+design+problem.">Exact and heuristic algorithms for data-gathering cluster-based wireless sensor network design problem.</a> IEEE/ACM Transactions on Networking. 22 (3), 903-916 (2014).</li><li>Zhou, Y., Wang, N., Xiang, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clustering+hierarchy+protocol+in+wireless+sensor+networks+using+an+improved+PSO+algorithm.">Clustering hierarchy protocol in wireless sensor networks using an improved PSO algorithm.</a> IEEE Access. 5, 2241-2253 (2017).</li><li>Seah, W. K. G., Mak, N. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+long+is+the+lifetime+of+a+wireless+sensor+network.">How long is the lifetime of a wireless sensor network.</a> , 763-770 (2009).</li><li>Salahud din, M., Rehman, M. A. U., Ullah, R., Park, C., Kim, B. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Towards+network+lifetime+enhancement+of+resource+constrained+IoT+devices+in+heterogeneous+wireless+sensor+networks+Sensors.">Towards network lifetime enhancement of resource constrained IoT devices in heterogeneous wireless sensor networks Sensors.</a> 20, 4156 (2020).</li><li>Wu, W., Xiong, N., Wu, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improved+clustering+algorithm+based+on+energy+consumption+in+wireless+sensor+networks.">Improved clustering algorithm based on energy consumption in wireless sensor networks.</a> IET Network. 6 (3), 7-53 (2017).</li><li>Kumar, N., Kumar, V., Ali, T., Ayaz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prolong+network+lifetime+in+the+wireless+sensor+networks:+An+improved+approach.">Prolong network lifetime in the wireless sensor networks: An improved approach.</a> Arabian Journal for Science and Engineering. 46, 3631-3651 (2021).</li><li>Faris, H., Aljarah, I., Al-Betar, M. A., Mirjalili, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Grey+wolf+optimizer:+A+review+of+recent+variants+and+applications.">Grey wolf optimizer: A review of recent variants and applications.</a> Neural Computing and Applications. 30, 413-435 (2018).</li><li>Kaur, J., Arifkhan, M., Iftikhar, M., Imran, M., Haq, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Machine+learning+techniques+for+5G+and+beyond.">Machine learning techniques for 5G and beyond.</a> IEEEAccess. 9, 23472-23488 (2021).</li><li>Shor, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Polynomial-time+algorithms+for+prime+factorization+and+discrete+logarithms+on+a+quantum+computer.">Polynomial-time algorithms for prime factorization and discrete logarithms on a quantum computer.</a> SIAMJournalonComputing. 26 (5), 1484-1509 (1997).</li><li>Qabouche, H., Sahel, A., Badri, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hybrid+energy+efficient+static+routing+protocol+for+homogeneous+and+heterogeneous+large+scale+WSN.">Hybrid energy efficient static routing protocol for homogeneous and heterogeneous large scale WSN.</a> Wireless Networks. 27, 575-587 (2021).</li><li>Farooq, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=POWER:+probabilistic+weight-based+energy-efficient+cluster+routing+for+large-scale+wireless+sensor+networks.">POWER: probabilistic weight-based energy-efficient cluster routing for large-scale wireless sensor networks.</a> The Journal of Supercomputing. 78, 12765-12791 (2022).</li><li>Maddams, W. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+scope+and+limitations+of+curve+fitting.">The scope and limitations of curve fitting.</a> Applied Spectroscopy. 34 (3), 245-267 (1980).</li><li>Wang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+dynamic+opportunistic+routing+protocol+for+asynchronous+duty-cycled+WSNs.">A dynamic opportunistic routing protocol for asynchronous duty-cycled WSNs.</a> IEEE Transactions on Sustainable Computing. , (2023).</li><li>Ismail, A. S., Wang, X., Hawbani, A., Alsamhi, S., Aziz, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Routing+protocols+classification+for+underwater+wireless+sensor+networks+based+on+localization+and+mobility.">Routing protocols classification for underwater wireless sensor networks based on localization and mobility.</a> Wireless Networks. 28, 797-826 (2022).</li><li>Garcia-Martin, E., Rodrigues, C. F., Riley, G., Grahn, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimation+of+energy+consumption+in+machine+learning.">Estimation of energy consumption in machine learning.</a> Journal of Parallel Distributed Computing. 134, 75-88 (2019).</li><li>Egger, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantum+computing+for+finance:+State-of-the-art+and+future+prospects.">Quantum computing for finance: State-of-the-art and future prospects.</a> IEEE Transactions on Quantum Engineering. 1, 1-24 (2020).</li><li>Rasool, R. U., Ahmad, H. F., Rafique, W., Qayyum, A., Qadir, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantum+computing+for+healthcare+:+A+review.">Quantum computing for healthcare : A review.</a> TechRxiv. , (2021).</li></ol>

O atual processador quântico comercial de última geração pode ser usado em problemas computacionais de qualquer topologia de rede1. A aplicação do processador quântico não é limitada pelo número de qbits físicos que qualquer um dos processadores quânticos foi capaz de implementar. 
No projeto de prolongamento da vida útil da rede de sensores, os resultados mostram um avanço no método para alcançar uma vida útil de rede ainda mais longa usando um process...

A conservação de energia em redes de sensores tem sido uma questão muito crítica no projeto1. Os métodos clássicos normalmente abordam o problema usando uma abordagem ad hoc 2,3,4,5,6. Dito isso, esses métodos emulam os nós de sensor como ativos inteligentes gerenciados individualmente que também poderiam cooperar para servir aos interesses do indivíduo e da comunidade. Devido ao ambiente volátil onde os sensores trabalham, em alguns trabalhos algoritmos aleatórios são introduzidos para capturar as incertezas ambientais, enquanto em outros, a biointeligência é emprestada para elaborar algoritmos heurísticos que possam alcançar resultados aceitáveis no senso comum7. Para ilustrar melhor, para esses algoritmos aleatórios, por um lado, as incertezas ambientais podem não ser tão aleatórias quanto a sequência aleatória gerada por uma CPU clássica, por outro lado, mesmo que as incertezas ambientais sejam absolutamente aleatórias, elas não poderiam ser capturadas pelo simulador de processo aleatório gerado pela CPU clássica; para esses algoritmos de bio-inteligência, em primeiro lugar, nenhuma análise matemática rigorosa foi derivada para fazer uma prova conceitual funcionar, em segundo lugar, a convergência para a verdade ou o limite de tolerância ao erro só pode ser configurado dada uma verdade fundamentada informada - embora uma quantidade significativa de trabalhos na literatura tenha demonstrado até certo ponto que esses algoritmos heurísticos funcionam, Por um lado, esses algoritmos são analisados (não simulados) contra cenários de casos de uso bem definidos, eles param em certos critérios que ainda valem a pena ponderar em pesquisas futuras, por outro, como dito anteriormente, a maioria dos algoritmos não foi validada contra simulação de software que pode ser mais prontamente implantada nos microprocessadores que fazem um sensor em seu ser8.
Não consideramos o aprendizado de máquina (ML) aqui porque ele precisa empregar análise de dados, o que requer um volume relativamente grande de poder computacional que não é portátil em dispositivos de sensor9.
Para abordar as preocupações acima mencionadas, fornecemos um algoritmo quântico híbrido. O algoritmo é híbrido em que o mecanismo de seleção da cabeça do cluster é implementado usando um algoritmo aleatório clássico durante os cálculos de roteamento conduzidos usando um processador quântico uma vez que a topologia de rede é configurada. O método é justificado da seguinte forma: (1) Como discutido no primeiro parágrafo em relação às incertezas ambientais, não queremos nos esforçar mais para aplicar um gerador de sequência quântica para capturar a dinâmica ambiental, porque ele pode ser historicamente rastreável. A dinâmica ambiental que pode ser historicamente rastreável tem sido justificada por vários trabalhos de pesquisa de aprendizado de máquina em ciência de redes. Para o estágio atual, permanecemos com a abordagem clássica. (2) O método exato que se baseia na análise matemática abstrata garante chegar à verdade fundamental. A física experimental quântica tem sido até agora sofisticadamente apoiada pela matemática física. Além disso, aplicações de algoritmos como o algoritmo Shor10 existiram para provar essa teoria arredondada.
Uma quantidade adequada de levantamento da literatura é fornecida abaixo para comparação. O protocolo HEESR proposto11 tem méritos demonstráveis nos resultados, mas os autores especificaram bem os parâmetros de configuração da simulação, por exemplo, a função exata de distribuição aleatória da posição do nó, a justificativa adequada do percentual de cabeça de cluster p (0,2%) e o parâmetro de escala para distribuição do nível de energia (1-2 joules) entre nós a_i. Proibiu o autor de continuar a duplicar os experimentos e realizar a comparação. O mecanismo de roteamento de potência12 emprega o método de ajuste de curva para aproximar funções contínuas convergentes de conjuntos de dados discretos obtidos de espaço amostral não especificado para determinantes que afetam o processo de decisão do roteamento de rede ideal. O método de ajuste de curva13 requer informações prévias sobre a topologia da rede. Circunstâncias reais podem não ter informações prévias prontamente disponíveis. Mesmo quando existem informações anteriores, a topologia de rede pode não ser regular o suficiente para poder ser mapeada em curvas de ajuste que são capazes de facilitar a computação derivável. Seguindo a mesma lógica, o protocolo DORAF14 não justificou como e por que tomar emprestado a função de Boltzmann e a função logística para aproximar os determinantes da rede. Ismail et al.15 forneceram uma referência sólida para futuros esforços de pesquisa em projetos de protocolos de roteamento energeticamente eficientes na rede subaquática.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Dell Laptop</td>
			<td>Dell</td>
			<td>N/A</td>
			<td></td>
		</tr>
		<tr>
			<td>Ubuntu 18.04.6 LTS</td>
			<td>Canonical Ltd</td>
			<td>18.04.6 LTS</td>
			<td></td>
		</tr>
		<tr>
			<td>Python3.8</td>
			<td>Python Software Foundation</td>
			<td>3.8.0</td>
			<td></td>
		</tr>
		<tr>
			<td>Dwave QPU</td>
			<td>Dwave</td>
			<td>https://docs.ocean.dwavesys.com/en/stable/overview/install.html</td>
			<td></td>
		</tr>
	</tbody>
</table>

large scale energy efficient sensor network routing using a quantum processor unit

O método de conservação de energia da rede de sensores, que é um híbrido de uso de um computador clássico e processador quântico, provou ter um desempenho melhor do que o algoritmo heurístico usando um computador clássico. Neste manuscrito, o contexto técnico para a significância do método é apresentado e justificado. Em seguida, as etapas experimentais são demonstradas em uma sequência operacional com ilustrações, se necessário. O método foi validado por resultados positivos em um conjunto de amostras de topologias de rede gerado aleatoriamente. Os resultados experimentais bem-sucedidos deste método forneceram uma melhor abordagem para problemas de maximização da vida útil da rede de sensores e demonstraram que o atual processador quântico de última geração tem sido capaz de resolver grandes problemas práticos de engenharia com méritos que se sobrepõem aos métodos atuais na literatura. Em outras palavras, a vantagem quântica pode ser explorada para melhores esforços. Passou da fase de prova de conceito para a prova de viabilidade.

Os resultados de uma amostra de corrida são mostrados na Tabela 2, Tabela 3 e Tabela 4. Os conjuntos de dados detalhados para os três lotes de dados estão disponíveis na pasta Dados Suplementares 1 .
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td colspan="3">Conjunto de dados 1</td>
		</tr><tr><td>198 nós em uma área circular com um raio de 50m</td>
			<td>Algoritmo Quâ...

Watch this Scientific Journal Video about Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit at JoVE.com

Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit

Este estudo fornece um método para usar uma unidade de processador quântico para calcular as rotas para várias dinâmicas de tráfego que trabalham para superar os métodos clássicos na literatura para maximizar a vida útil da rede.

Roteamento de rede de sensores energeticamente eficiente em larga escala usando uma unidade de processador quântico

The sensor network energy conservation method, which is a usage hybrid of a classical computer and quantum processor, has proved to perform better than ...

Este protocolo revela-se mais energético do que os protocolos legados. De uma perspectiva de pesquisa de computação de conteúdo, este protocolo mostra que o gargalo atual da questão do qubit barulhento não tem teto para a comercialidade da tecnologia de computação de conteúdo. Essa técnica demonstra a viabilidade de aplicar os métodos atuais de computação de conteúdo de última geração a problemas de rede.Além disso, apresenta os méritos da aplicação de métodos de computação de conteúdo a problemas de rede sobre métodos legados. Para começar, baixe e instale as ferramentas do Ocean a partir do link fornecido. No terminal, digite python space minus m space venv space ocean e ocean/bin/activate.Em seguida, digite git space clone space https:github.com/dwavesystems/dwave-ocean-sdk. Git então CD Space dwave-ocean-SDK, seguido pela configuração do espaço Python. instalação do espaço py.Depois de baixar e instalar o Cplex, no terminal, digite pip space install space cplex. Usando o script de notação de programação Python, configure os parâmetros de configuração do experimento. Depois que o script for executado, a linguagem subjacente será processada para armazenar as variáveis na RAM.Em seguida, crie os scripts Python para gerar 198 posições 2D do nó do sensor que estão igualmente espalhadas em seis setores e divida a área circular com um raio de 50 metros. Dentro de cada setor, certifique-se de que os 33 nós do sensor estejam espalhados aleatoriamente por uma distribuição normal. Salve as posições 2D em arquivos de texto por cada setor sob a regra de ortografia de nome como posdata com aspas simples, além de sublinhado de setor sem txt mais com aspas simples.Segmente a área circular com um raio de 50 metros em seis setores. Para o índice de setor I, defina o comprimento do polo para o nó j-ésimo do sensor digitando o comando indicado. Se o índice de setor for L, defina o valor angular para o nó j-ésimo do sensor.Em seguida, defina as coordenadas cartesianas do nó j-ésimo sensor no i-ésimo setor. Para preparar os níveis de energia iniciais para todos os 198 nós do sensor, divida-os igualmente, alocando uma energia inicial de 0,5 joules para metade dos nós do sensor e um joule para a outra metade. Prossiga para criar uma matriz para armazenar o nível de energia de cada nó e use um loop para atribuir às células sequenciadas em números pares o valor de um e às sequenciadas em números ímpares o valor de 0,5.Em seguida, prepare um script funcional para selecionar o cabeçalho do cluster. Para cada nó do sensor, obtenha um número aleatório entre zero e um, threshold_rm igual a aleatório. colchete aleatório.Se threshold_RM for menor que t_n, selecione esse nó do sensor como o cabeçalho do cluster. Para cada nó noncluster_head, selecione o nó do sensor de cabeça de cluster mais próximo dele como seu cabeçalho de cluster. Prepare as linhas de comando para calcular o processo de esgotamento de energia em toda a rede para esta rodada.Por fim, calcule as métricas de transmissão redondas necessárias. Para preparar um script de algoritmo quântico híbrido, execute o procedimento de seleção em um loop para garantir que a quantidade de cabeças de cluster seja seis. Em seguida, para cada um dos nós não cluster_head_valid, calcule a distância para cada cabeça de cluster selecionada e atribua-a à cabeça de cluster cujo tamanho de cluster não excedeu seis e onde o valor de distância foi menor.Em seguida, prepare um script de subfunção onde o problema de otimização de enraizamento por cluster é formado e enviado para a API Dwave. Usando o script Python, calcule o esgotamento de energia em toda a rede para avaliar quantitativamente o algoritmo por tempo de vida da rede em termos do número de rodadas de transmissão. Em seguida, registre o momento em que o primeiro nó é drenado para fora e quando metade dos nós são drenados.Neste estudo, observou-se que o algoritmo quântico híbrido tem mais eficiência do que o algoritmo advanced_leach. A complexidade temporal do algoritmo quântico híbrido e do algoritmo quântico híbrido que cumpre com o advanced_leach também são mostrados aqui. Estes métodos podem ser aplicados a outros sistemas em otimização objetiva.Por exemplo, comunicação máquina-máquina na indústria de manufatura. De acordo com a física do conteúdo, a teoria do conteúdo tem problemas pavimentados para cada cenário de jogo fixo. Pode levar a novas pesquisas em ciências sociais e economia.

Research

JoVE Journal

Engineering

Terahertz Microfluidic Sensing Using a Parallel-plate Waveguide Sensor

Sensoriamento terahertz microfluídicos usando um sensor de guia de onda de placas paralelas

Refractive index (RI) sensing is a powerful noninvasive and label-free sensing technique for the identification, detection and monitoring of microfluidic ...

Engenharia

Analysis of Contact Interfaces for Single GaN Nanowire Devices

Análise de Contato Interfaces para únicos dispositivos de nanofios de GaN

Single GaN nanowire (NW) devices fabricated on SiO2 can exhibit  a strong degradation after annealing due to the  occurrence of void formation at the ...

How to Build a Vacuum Spring-transport Package for Spinning Rotor Gauges

Como construir um pacote Spring-transporte a vácuo para Spinning Rotor Gauges

The spinning rotor gauge (SRG) is a high-vacuum gauge often used as a secondary or transfer standard for vacuum pressures in the range of 1.0 x 10-4 Pa to ...

Resonance Fluorescence of an InGaAs Quantum Dot in a Planar Cavity Using Orthogonal Excitation and Detection

Fluorescência de ressonância de um ponto de InGaAs quântica em uma cavidade Planar usando deteção e excitação ortogonal

The ability to perform simultaneous resonant excitation and fluorescence detection is important for quantum optical measurements of quantum dots (QDs). ...

Enhanced Electron Injection and Exciton Confinement for Pure Blue Quantum-Dot Light-Emitting Diodes by Introducing Partially Oxidized Aluminum Cathode

Injeção eletrônica avançada e confinamento Exciton para ponto quântico puro azul diodos emissores de luz introduzindo parcialmente oxidado alumínio cátodo

Stable and efficient red (R), green (G), and blue (B) light sources based on solution-processed quantum dots (QDs) play important roles in next-generation ...

Generation and Coherent Control of Pulsed Quantum Frequency Combs

Geração e controle coerente de pentes de frequência pulsada Quantum

We present a method for the generation and coherent manipulation of pulsed quantum frequency combs. Until now, methods of preparing high-dimensional ...

An Efficient Method for Selective Desalination of Radioactive Iodine Anions by Using Gold Nanoparticles-Embedded Membrane Filter

Um método eficiente para dessalinização seletiva de iodo radioativo ânions usando filtro de membrana incorporado de nanopartículas de ouro

Here, we demonstrate a detail protocol for the preparation of nanomaterials-embedded composite membranes and its application to the efficient and ...

Measuring Sub-23 Nanometer Real Driving Particle Number Emissions Using the Portable DownToTen Sampling System

Medindo emissões de número de partículas reais de condução sub-23 nanômetros usando o sistema portátil de amostragem DownToTen

The current particle size threshold of the European Particle Number (PN) emission standards is 23 nm. This threshold could change because future ...

Simulating Imaging of Large Scale Radio Arrays on the Lunar Surface

Simulando imagens de matrizes de rádio em grande escala na superfície lunar

In recent years there has been a renewed interest in returning to the Moon for reasons both scientific and exploratory in nature. The Moon provides the ...

Performing In Situ Closed-Cell Gas Reactions in the Transmission Electron Microscope

Performing In Situ Closed-Cell Gas Reactions in the Transmission Electron Microscope

Realizando reações de gás de célula fechada situ no microscópio eletrônico de transmissão

Gas reactions studied by in situ electron microscopy can be used to capture the real-time morphological and microchemical transformations of materials at ...