An Extension Approach for the Qiskit Library: Mapping Flexible Systems through Quantum Computation

• Cecilia Botelho Universidade Federal de Pelotas
• Gabriel Ramires Universidade Federal de Pelotas
• Vinicius Peruzzi Universidade Federal de Pelotas
• Anderson Cruz Universidade Federal do Rio Grande do Norte
• Helida Salles Universidade Federal do Rio Grande
• Giancarlo Lucca Universidade Federal do Rio Grande / Universidade Federal de Pelotas
• Adenauer Yamin Universidade Católica de Pelotas
• Renata Reiser Universidade Católica de Pelotas

DOI: https://doi.org/10.5753/eniac.2023.234304

Resumo

Este artigo propõe uma abordagem para a modelagem de emoções, explorando o impacto da Computação Quântica em comparação com a Computação Clássica. Utilizando o estudo de caso baseado no prisioneiro e policiais, analisamos como as duas abordagens se comportam na resolução desse dilema. Enquanto a Computação Clássica segue uma lógica binária e determinística, a Computação Quântica oferece a possibilidade de superposição e emaranhamento dos estados, permitindo uma representação mais abrangente das emoções envolvidas no cenário. Através da biblioteca Qiskit, realizamos simulações que demonstram as diferenças nos resultados obtidos pelas duas abordagens. Essa investigação destaca o potencial da Computação Quântica na modelagem de emoções e sinaliza uma direção promissora para futuras pesquisas nesse campo.

Palavras-chave: Computação Quântica, Qiskit, Fuzzy, Sistemas Flexíveis, Logica Fuzzy

Referências

Bustince, H., Burillo, P., and Soria, F. (2003). Automorphisms, negations and implication operators. Fuzzy Sets Syst., 134(2):209–229.

de Avila, A. B., Reiser, R., Pilla, M. L., and Yamin, A. C. (2019). Interpreting xor intuitionistic fuzzy connectives from quantum fuzzy computing. In Guervós, J. J. M., Garibaldi, J. M., Linares-Barranco, A., Madani, K., and Warwick, K., editors, Proceedings of the 11th International Joint Conference on Computational Intelligence, IJCCI 2019, Vienna, Austria, September 17-19, 2019, pages 288–295. ScitePress.

Deng, R., Huang, Y., and Perkowski, M. A. (2021). Quantum motions and emotions for a humanoid robot actor. In 51st IEEE International Symposium on Multiple-Valued Logic, ISMVL 2021, Nur-Sultan, Kazakhstan, May 25-27, 2021, pages 207–214. IEEE.

Hou, M., Zhang, S., and Xia, J. (2022). Quantum fuzzy k-means algorithm based on fuzzy theory. In Sun, X., Zhang, X., Xia, Z., and Bertino, E., editors, Artificial Intelligence and Security - 8th International Conference, ICAIS 2022, Qinghai, China, July 15-20, 2022, Proceedings, Part I, volume 13338 of Lecture Notes in Computer Science, pages 348–356. Springer.

IBM (2023). Qiskit. Disponível em: https://qiskit.org/. Acesso em: 03 de julho 2023.

Klement, E. P. and Navara, M. (1999). A survey on different triangular norm-based fuzzy logics. Fuzzy Sets and Systems, 101(2):241–251.

Lin, C.-J., Chung, I.-F., and Chen, C.-H. (2007). An entropy-based quantum neuro-fuzzy inference system for classification applications. Neurocomputing (Amsterdam), 70(13):2502–2516.

Nielsen, M. A. and Chuang, I. L. (2000). Quantum Computation and Quantum Information. Cambridge University Press.

Nowak, M. A. and May, R. M. (1993). The spatial dilemmas of evolution. International Journal of bifurcation and chaos, 3(01):35–78.

Raghuvanshi, A. and Perkowski, M. (2010b). Fuzzy quantum circuits to model emotional behaviors of humanoid robots. In IEEE Congress on Evolutionary Computation, pages 1–8.

Zadeh, L. A. (1965). Fuzzy sets. Inf. Control., 8(3):338–353.

Zadeh, L. A. (1975). The concept of a linguistic variable and its application to approximate reasoning I. Information Sciences, 8:199–250.