Kuantum Bilgisayarlar

Kuantum bilgisayarlar çoğu zaman, bir qubit'in aynı anda hem 0 hem 1 olabilmesi üzerinden anlatılır. Bu açıklama süperpozisyon fikrine giriş için yararlı olsa da kuantum hesaplamanın neden bazı problemlerde klasik hesaplamadan farklı davranabildiğini tek başına açıklamaz. Bir kuantum bilgisayarın asıl gücü, hesaplama durumlarını karmaşık olasılık genlikleriyle temsil etmesi ve kuantum devresinin bu genlikleri girişim oluşturacak biçimde dönüştürebilmesidir.

Bu nedenle kuantum hesaplamayı:

Bütün olası cevapları aynı anda hesaplayan ve sonunda doğru olanı seçen bilgisayar

şeklinde düşünmek doğru değildir.

Daha doğru yaklaşım şudur: Kuantum algoritması, problemin yapısını bir kuantum durumuna ve bu durum üzerinde çalışan dönüşümlere kodlar. Devre ilerledikçe bazı hesaplama yollarının genlikleri birbirini güçlendirirken bazıları birbirini söndürür. Ölçüm yapıldığında ise kuantum durumunun tamamı değil, bu girişim sürecinin sonunda oluşan olasılık dağılımından klasik bir sonuç elde edilir.

Kuantum bilgisayar bu yönüyle klasik bilgisayarın yalnızca daha hızlı çalışan bir sürümü değildir. Farklı bir hesaplama modeli sunar.

Ünite 1: Temel Kuantum Bilgisi ve Hesaplama Modeli

Bu ünite, kuantum durumunun üniter dönüşümlerle evrilmesi ve ölçümle klasik bir sonuca dönüşmesi arasındaki temel hesaplama modelini ele alır.

|psi>
  |
  +--> üniter dönüşüm U
  |         |
  |         v
  |       U|psi>
  |         |
  +---------+
            v
          ölçüm
         /     \
      sonuç 0  sonuç 1
       |alpha|^2  |beta|^2

Bir kuantum devresi çözümlenirken önce kübitlerin başlangıç durumu ve kullanılan baz açıkça tanımlanır. Her kapı dönüşümü durum vektörüne veya yoğunluk matrisine sırasıyla uygulanır; ölçümden önceki genliklerle ölçüm olasılıkları birbirine karıştırılmaz. İdeal saf durum hesapları gerçek donanımdaki gürültüyü temsil etmediğinden deney değerlendirmesinde okuma hatası ve kapı hatası ayrıca incelenir. Bir sonucun tek ölçümde elde edilmesi, o sonucun kesin olduğu anlamına gelmez.

1.1. Klasik Bilgiden Kuantum Bilgiye

Klasik bilgisayarda temel bilgi birimi bittir. Bir bit belirli bir anda iki değerden birini taşır:

0

veya:

1

İki klasik bit için dört olası durum vardır:

00
01
10
11

Ancak sistem belirli bir anda bunlardan yalnızca birindedir.

Kuantum bilgi birimi olan qubit için durum uzayı farklıdır. Tek bir qubit'in saf durumu:

|ψ> = α|0> + β|1>

şeklinde gösterilir.

Buradaki α ve β sıradan olasılıklar değil, genel olarak karmaşık sayı olan olasılık genlikleridir. Normalizasyon koşulu:

|α|² + |β|² = 1

şeklindedir.

Qubit standart hesaplama bazında ölçülürse:

P(0) = |α|²
P(1) = |β|²

olur.

Bu gösterimde kritik nokta, hesaplama sırasında yalnızca |α|² ve |β|² olasılıklarının değil, genliklerin faz bilgilerinin de önemli olmasıdır. Kuantum girişimi bu faz ilişkileri üzerinden ortaya çıkar.

Dolayısıyla kuantum hesaplamanın ayırt edici özelliği yalnızca süperpozisyon değildir. Süperpozisyonun kontrollü dönüşümler, faz ve girişimle algoritmik olarak kullanılabilmesi asıl belirleyici unsurdur.

1.2. Çok Qubit'li Sistemler ve Üstel Durum Uzayı

İki qubit'in genel saf durumu:

|ψ> =
α00|00> +
α01|01> +
α10|10> +
α11|11>

biçimindedir ve:

|α00|² + |α01|² + |α10|² + |α11|² = 1

koşulunu sağlar.

Genel olarak n qubit'lik bir sistem:

|ψ> = Σx αx|x>

şeklinde yazılabilir. Burada x, 0 ile 2^n - 1 arasındaki hesaplama bazı durumlarını temsil eder.

Durum vektörünün boyutu:

2^n

olur.

Örneğin:

10 qubit  -> 2^10   = 1.024 baz durumu
20 qubit  -> 2^20   = 1.048.576 baz durumu
50 qubit  -> 2^50   ≈ 1,126 × 10^15 baz durumu
100 qubit -> 2^100  ≈ 1,268 × 10^30 baz durumu

Bu büyüme, kuantum sistemlerinin klasik bilgisayarlarda tam durum vektörüyle simülasyonunun neden hızla pahalı hale geldiğini açıklar.

Fakat buradan:

n qubit = aynı anda 2^n klasik hesabı yapıp
          2^n sonucu ücretsiz olarak okumak

sonucu çıkarılamaz.

n qubit'in durumu 2^n karmaşık genlikle tanımlanabilse de tek bir ölçüm bu genliklerin tamamını dışarı vermez. Ölçümden klasik bir sonuç elde edilir. Durum hakkında istatistiksel bilgi toplamak için devrenin çok sayıda kez hazırlanıp çalıştırılması gerekebilir.

Bu nedenle kuantum algoritmasının amacı bütün olasılıkları oluşturmak değil, istenen özelliğe karşılık gelen sonuçların ölçülme olasılığını yükseltecek bir girişim yapısı kurmaktır.

1.3. Süperpozisyon Tek Başına Yeterli Değildir

Hadamard kapısı, süperpozisyonun en temel örneklerinden biridir.

Başlangıç durumu:

|0>

olsun.

Hadamard dönüşümünden sonra:

H|0> = (|0> + |1>) / √2

elde edilir.

Bu qubit ölçülürse 0 ve 1 sonuçlarının her biri yaklaşık %50 olasılıkla görülür.

Buraya kadar klasik rastgelelikten daha güçlü bir hesaplama avantajı ortaya çıkmış değildir. Asıl fark, ikinci bir kuantum dönüşümünde fazların yeniden bir araya getirilmesiyle görülür:

H(H|0>) = |0>

İlk Hadamard dönüşümü iki genlik oluşturmuş, ikinci dönüşüm ise bunları girişime sokmuştur. Bazı terimler birbirini güçlendirirken bazıları birbirini yok eder.

Kuantum algoritmalarındaki temel düşünce bunun çok daha karmaşık biçimidir:

başlangıç durumu
        ↓
süperpozisyon
        ↓
probleme bağlı dönüşümler
        ↓
faz ilişkilerinin değiştirilmesi
        ↓
girişim
        ↓
istenen sonuçların genliklerinin büyütülmesi
        ↓
ölçüm

Bu nedenle bir kuantum bilgisayarı devasa bir SIMD işlemci olarak değerlendirmek yanıltıcıdır.

1.4. Kuantum Girişiminin Önemi

Klasik olasılıklarda alternatif yolların olasılıkları toplanır. Kuantum mekaniğinde ise önce karmaşık genlikler toplanabilir ve olasılık daha sonra genliğin mutlak değerinin karesi alınarak bulunur.

Basitleştirilmiş olarak iki yolun genliği:

a
b

ise birleşik genlik:

a + b

olabilir.

Olasılık ise:

|a + b|²

ile ilişkilidir.

Fazlar aynı yöndeyse yapıcı girişim, ters yöndeyse yıkıcı girişim oluşabilir.

Örneğin:

a = 1/√2
b = 1/√2

için genlikler birbirini güçlendirirken:

a = 1/√2
b = -1/√2

durumunda birbirini tamamen söndürebilir.

Kuantum algoritma tasarımının önemli bölümü, problemin çözümünü temsil eden durumları yapıcı girişime, istenmeyen yolları ise mümkün olduğunca yıkıcı girişime yönlendirecek dönüşümlerin kurulmasıdır.

1.5. Kuantum Kapıları ve Üniter Dönüşümler

Klasik devrelerde AND, OR, XOR ve NOT gibi mantık kapıları kullanılır. Gate-model kuantum bilgisayarlarda ise qubit'ler kuantum kapıları ile dönüştürülür.

İdeal kapalı sistemde kuantum durumunun evrimi üniterdir:

|ψ'> = U|ψ>

Burada U üniter bir matristir:

U†U = I

Üniterlik olasılıkların toplamının korunmasını ve dönüşümün ideal matematiksel modelde tersinir olmasını sağlar.

Yaygın tek-qubit kapılarından bazıları:

X
Y
Z
H
S
T

kapılarıdır.

Örneğin Pauli-X kapısı klasik NOT işlemine benzer:

X|0> = |1>
X|1> = |0>

Hadamard kapısı ise hesaplama bazı ile süperpozisyon arasında geçiş kurmakta sık kullanılır.

Çok-qubit kapılarında CNOT önemli bir örnektir. Hadamard ile birlikte kullanıldığında dolaşık durumlar oluşturulabilir.

1.6. Dolanıklık

Kuantum sistemlerinin önemli özelliklerinden biri dolanıklıktır.

İki qubit'in her birleşik durumu bağımsız tek-qubit durumlarının çarpımı biçiminde yazılamaz.

Örneğin Bell durumlarından biri:

|Φ+> = (|00> + |11>) / √2

şeklindedir.

Bu durumda iki qubit'i:

|ψA> ⊗ |ψB>

biçiminde iki bağımsız saf duruma ayırmak mümkün değildir.

İlk qubit standart bazda ölçüldüğünde 0 görülürse ikinci qubit de 0; 1 görülürse ikinci qubit de 1 olarak ölçülür. Buradaki korelasyon klasik ortak rastgele değişken anlatımının ötesinde kuantum durumunun yapısından kaynaklanır.

Dolanıklık:

• kuantum algoritmaları,
• kuantum hata düzeltme,
• kuantum teleportasyonu,
• kuantum ağları,
• kuantum kriptografisi

gibi birçok alanın temel kaynaklarından biridir.

Ancak dolanıklık ışık hızından hızlı kullanılabilir bilgi aktarımı sağlamaz. Ölçüm sonuçları tek başına kontrol edilebilir bir haberleşme kanalı oluşturmaz.

1.7. Ölçüm ve Klasik Dünya

Kuantum hesaplamada önemli bir mimari ayrım vardır.

Yaygın gate-model sistemlerde:

klasik program
      ↓
kuantum devresinin hazırlanması
      ↓
qubit'lerin başlangıç durumuna getirilmesi
      ↓
kuantum kapıları
      ↓
ölçüm
      ↓
klasik bitler
      ↓
klasik son işleme

akışı görülür.

Programın hazırlanması, iş zamanlama, hata yönetimi, kontrol elektroniği, sonuçların birleştirilmesi ve kullanıcı uygulaması büyük ölçüde klasik bilgi işleme dünyasında kalır.

Kuantum durumları hesaplamanın iç temsilidir. Ölçüm sonunda klasik bit dizileri elde edilir.

Bununla birlikte:

Kuantum bilgisayarın girişi zorunlu olarak yalnızca klasik 0 ve 1 değerleridir.

genellemesi doğru değildir.

Kuantum ağlarından, sensörlerden veya başka kuantum sistemlerinden doğrudan kuantum durumlarının alınabildiği hesaplama modelleri de mümkündür. Bu ayrım özellikle kuantum haberleşmesi ve kuantum sistemlerinden öğrenme problemlerinde önemlidir.

1.8. Kuantum Hesaplamanın Tarihsel Temeli

Kuantum bilgisayar fikri yalnızca daha hızlı işlemci üretme arayışından doğmadı. Temel motivasyonlardan biri, kuantum fiziğinin klasik bilgisayarlarla simülasyonunun maliyeti idi.

Richard Feynman 1980'lerin başında fiziksel sistemleri simüle ederken doğanın kuantum yapısının doğrudan hesaplama modeline taşınmasının önemini vurguladı. David Deutsch daha sonra evrensel kuantum bilgisayar kavramının matematiksel çerçevesini geliştirdi.

Bu düşüncenin temelinde basit fakat güçlü bir gözlem bulunur:

Doğa kuantum mekaniksel davranıyorsa,
kuantum doğayı simüle etmek için
kuantum mekaniksel bir hesaplama sistemi
doğal bir araç olabilir.

Klasik bilgisayarda n qubit'lik genel saf durumu açık biçimde tutmak için 2^n karmaşık genliğin temsil edilmesi gerekir. Bellek ve hesaplama maliyeti bu nedenle çok hızlı büyüyebilir.

Kuantum işlemci aynı matematiksel durum uzayını fiziksel sistemin kendi durumunda temsil eder.

Bu durum kuantum bilgisayarların her problemi üstel hızlandırdığı anlamına gelmez. Fakat kuantum sistemlerinin simülasyonu, kuantum hesaplamanın en doğal kullanım alanlarından biridir.

1.9. Kuantum Hızlanmasının Anlamı

Bir algoritmanın kuantum bilgisayarda çalışabilmesi, klasik alternatiften daha hızlı olduğu anlamına gelmez.

Kuantum avantajı değerlendirilirken en az şu ayrımlar yapılmalıdır:

hesaplanabilirlik
karmaşıklık sınıfı
asimptotik hızlanma
sorgu karmaşıklığı
devre derinliği
qubit sayısı
hata düzeltme maliyeti
durum hazırlama maliyeti
ölçüm maliyeti
klasik ön/son işleme
gerçek duvar saati süresi

Teorik olarak daha iyi asimptotik karmaşıklığa sahip bir kuantum algoritması, fiziksel sistemde mutlaka daha hızlı olmayabilir.

1.9.1. Grover Algoritması

Grover algoritması kuantum hızlanmasının sınırlarını anlamak için temiz örneklerden biridir.

N aday içinden belirli bir koşulu sağlayan elemanı aradığımızı düşünelim. Yapılandırılmamış kara kutu aramasında klasik yaklaşımın sorgu maliyeti:

O(N)

mertebesindedir.

Grover algoritması bunu:

O(√N)

kuantum sorgusuna indirebilir.

Bu karesel hızlanmadır, üstel hızlanma değildir.

Grover algoritmasının temel mekanizması genlik yükseltmedir. Aranan durumun fazı oracle tarafından işaretlenir ve ardından yapılan dönüşümler bu durumun genliğini aşamalı olarak büyütür.

Kabaca:

eşit süperpozisyon
       ↓
oracle
       ↓
hedef durumun fazını değiştir
       ↓
diffusion / amplitude amplification
       ↓
hedef genliğini büyüt
       ↓
işlemi yaklaşık √N kez tekrarla
       ↓
ölç

şeklinde düşünülebilir.

1.9.2. Shor Algoritması

Peter Shor'un algoritması kuantum hesaplamanın kriptografi açısından önemini belirleyen temel gelişmelerden biridir.

Shor algoritması:

• tamsayı çarpanlarına ayırma,
• ayrık logaritma

problemlerini kuantum bilgisayarda girdi uzunluğuna göre polinom zamanda çözebilen algoritmalar sağlar.

Bu sonuç özellikle şu sistemleri ilgilendirir:

RSA
Diffie-Hellman
ECDH
DSA
ECDSA

Buradaki kırılma Grover algoritmasından daha temeldir. Grover genel arama maliyetini karekök düzeyinde azaltırken Shor, belirli cebirsel problemlerin bilinen hesaplama maliyetini farklı bir karmaşıklık rejimine taşır.

Shor algoritmasının önemli bileşenlerinden biri periyot bulmadır. Kuantum Fourier dönüşümü, fonksiyondaki periyodik yapının ölçülebilir bilgiye dönüştürülmesinde kullanılır.

Ancak algoritmanın matematiksel olarak verimli olması, bugünkü kuantum donanımının büyük RSA anahtarlarını pratik olarak kırabildiği anlamına gelmez. Gerçek saldırı için yeterli sayıda güvenilir mantıksal qubit, uzun hata-düzeltilmiş devreler ve büyük fiziksel kaynak gerekir.

1.10. Kuantum Bilgisayarların Hesaplama Sınırları

Kuantum bilgisayarlarla ilgili en önemli ayrımlardan biri hesaplama hızlanması ile hesaplanabilirliğin birbirine karıştırılmamasıdır.

Bir kuantum bilgisayar:

hesaplanamaz problemi

yalnızca farklı fiziksel donanım kullandığı için hesaplanabilir hale getirmez.

Benzer biçimde:

NP-tam problemlerin tamamı
kuantum bilgisayarda
polinom zamanda çözülür

şeklinde bilinen bir sonuç yoktur.

Kuantum bilgisayarların verimli biçimde çözebildiği karar problemleriyle ilişkilendirilen temel karmaşıklık sınıfı BQP'dir.

Kuantum hesaplama güçlü bir modeldir; ancak:

kuantum = sınırsız hesaplama

değildir.

Bir problem için kuantum hızlanmasının bulunması problemin matematiksel yapısına, erişim modeline ve kullanılabilecek kuantum dönüşümlerine bağlıdır.

1.11. Veri Yükleme Sorunu

Teorik kuantum algoritmalarını gerçek sistemlere taşırken en kritik mühendislik problemlerinden biri durum hazırlama maliyetidir.

Klasik bellekte:

x = (x1, x2, ..., xN)

vektörünün bulunduğunu düşünelim.

Bu veriyi genlik kodlamasıyla:

|x> =
1 / ||x||
Σi xi|i>

kuantum durumuna dönüştürmek isteyebiliriz.

N elemanlı klasik verinin kuantum sisteme yüklenmesi başlı başına maliyetlidir. Eğer teorik algoritma:

• verimli oracle,
• özel kuantum RAM,
• önceden hazırlanmış kuantum durumu,
• belirli sparsity yapısı

varsayıyorsa, hızlanmanın uçtan uca değerlendirilmesinde bu varsayımların maliyeti hesaba katılmalıdır.

Aksi halde:

çok hızlı kuantum çekirdeği
+
çok pahalı veri hazırlama
=
avantajsız sistem

sonucu ortaya çıkabilir.

1.12. Çıkış ve Ölçüm Darboğazı

Aynı problem hesaplamanın sonunda da vardır.

Bir kuantum algoritması N boyutlu bir sonucu kuantum durumunda temsil edebilir. Ancak bu:

N elemanın tamamını
O(log N) zamanda
klasik belleğe çıkarabiliriz

anlamına gelmez.

Ölçüm bilgiye erişimi sınırlar.

Bu nedenle birçok kuantum algoritmasının gerçek avantajı bütün çözümü klasik olarak dışarı çıkarmaktan değil:

• belirli bir gözlenebilirin,
• beklenti değerinin,
• sınıflandırmanın,
• örneklemenin,
• global özelliğin

elde edilmesinden doğar.

1.12.1. HHL Örneği

Harrow-Hassidim-Lloyd algoritması kuantum lineer cebirin bilinen örneklerindendir.

Lineer sistem:

Ax = b

olsun.

HHL belirli koşullar altında çözümü:

|x>

kuantum durumunda temsil eder.

Burada kritik ayrım şudur:

HHL'nin çıktısı ≠ klasik bellekte bütün x vektörü

Algoritmanın avantajlı olduğu senaryolarda genellikle |x> durumunun belirli bir özelliği ölçülür.

Bütün çözüm elemanlarının klasik olarak çıkarılması gerekiyorsa okuma maliyeti teorik hızlanmanın önemli bölümünü ortadan kaldırabilir.

Ayrıca HHL'nin performansı:

• matrisin seyrekliği,
• condition number,
• istenen doğruluk,
• A ve b'ye erişim biçimi,
• durum hazırlama

gibi koşullara bağlıdır.

Bu örnek, yalnız çekirdek algoritmanın Big-O ifadesine bakmanın neden yeterli olmadığını açık biçimde gösterir.

Ünite 2: Kuantum Algoritmaları, Donanım ve Hata Toleransı

Bu ünite, algoritmik devrenin hata düzeltme katmanı üzerinden çok sayıdaki fiziksel kübit ve kontrol altyapısına nasıl eşlendiğini ele alır.

algoritma
   |
   v
mantıksal devre
   |
   v
hata düzeltme kodu
   |
   v
çok sayıda fiziksel kübit
   |
   v
kontrol darbeleri / ölçüm

Bir kuantum algoritmasının avantajı değerlendirilirken kullanılan oracle modeli, problem boyutu ve başarı olasılığı açıkça yazılır. Kapı sayısı, devre derinliği ve gereken tekrar sayısı birlikte ele alınır; ideal sorgu karmaşıklığı doğrudan gerçek donanım çalışma süresi olarak yorumlanmaz. Hata düzeltme gereksinimi ve klasik ön-son işleme maliyeti hesaba katılmadan yapılan karşılaştırma eksik kalır. Aynı doğruluk hedefinde uygun klasik algoritma ile karşılaştırma yapılmalıdır.

2.1. Kuantum Simülasyonu

Kuantum bilgisayarların en güçlü aday kullanım alanlarından biri kuantum sistemlerinin simülasyonudur.

Moleküler sistemlerde elektronların davranışı kuantum mekanikseldir. Sistem büyüdükçe ilgili Hilbert uzayının boyutu çok hızlı artabilir.

Klasik hesaplama:

kuantum sistemi
      ↓
klasik veri yapısında temsil
      ↓
üstel büyüyebilen durum uzayı

ile uğraşırken kuantum işlemci:

kuantum sistemi
      ↓
başka bir kontrol edilebilir
kuantum sisteminde temsil

yaklaşımını kullanabilir.

Bu nedenle kuantum kimyası ve malzeme bilimi, kuantum hesaplama açısından yapay biçimde oluşturulmuş kullanım alanları değildir. Problem ile hesaplama ortamı aynı fiziksel matematiğe dayanır.

Olası uygulamalar arasında:

• moleküler enerji seviyeleri,
• kimyasal reaksiyon mekanizmaları,
• katalizör tasarımı,
• yeni malzemeler,
• batarya kimyası,
• süperiletkenlik,
• çok-cisimli kuantum sistemleri

bulunur.

Burada amaç laboratuvar deneylerini bütünüyle ortadan kaldırmak değildir. Daha gerçekçi hedef, pahalı deney uzayını hesaplamalı yöntemlerle daraltmak ve aday sistemleri fiziksel deneyden önce daha doğru modelleyebilmektir.

2.2. Optimizasyon Problemleri

Kuantum hesaplama araştırmalarının önemli bir bölümü optimizasyon problemleriyle ilgilidir.

Bir optimizasyon problemi genel olarak:

min f(x)

veya:

max f(x)

şeklinde düşünülebilir.

Lojistik, çizelgeleme, portföy optimizasyonu, rota planlama, üretim ve kaynak tahsisi gibi alanlarda değişken sayısı büyüdükçe arama uzayı çok hızlı genişleyebilir.

Ancak:

Optimizasyon problemi zordur, dolayısıyla kuantum bilgisayar hızlı çözer.

çıkarımı doğru değildir.

Kuantum tavlama, QAOA ve benzeri yaklaşımlar belirli problem yapılarına uygulanabilir; fakat genel ve koşulsuz kuantum üstünlüğü anlamına gelmez. Klasik sezgisel algoritmalar, problem yapısına özel optimizasyon teknikleri ve modern donanım ile karşılaştırma yapılmadan kuantum avantajı iddia edilemez.

2.3. Kuantum Tavlama ile Gate-Model Ayrımı

Bütün kuantum bilgisayarlar aynı hesaplama modelini kullanmaz.

Gate-model kuantum hesaplama:

qubit
+
kuantum kapıları
+
devre
+
ölçüm

yaklaşımına dayanır.

Kuantum tavlama ise belirli optimizasyon problemlerini fiziksel enerji manzaraları üzerinden ele alan daha özel bir modeldir.

Bu iki yaklaşımı:

aynı donanım
aynı algoritma modeli
aynı evrensellik

varsayımıyla değerlendirmek doğru değildir.

Bir cihazın çok sayıda fiziksel qubit içermesi de tek başına genel amaçlı gate-model bir kuantum bilgisayardan daha güçlü olduğu anlamına gelmez.

2.4. Kuantum Donanım Yaklaşımları

Qubit matematiksel bir bilgi birimidir; fiziksel gerçekleştirim biçimi değildir.

Farklı fiziksel sistemler qubit olarak kullanılabilir.

Başlıca araştırma yaklaşımları arasında:

• süperiletken devreler,
• hapsedilmiş iyonlar,
• nötr atomlar,
• fotonik sistemler,
• spin qubit'leri,
• topolojik qubit yaklaşımları

bulunur.

Her yaklaşım farklı mühendislik ödünleşimlerine sahiptir.

Değerlendirilmesi gereken metrikler yalnızca qubit sayısı değildir:

gate fidelity
readout fidelity
coherence time
gate time
connectivity
crosstalk
reset süresi
ölçeklenebilirlik
kontrol karmaşıklığı
hata düzeltme overhead'i
mantıksal hata oranı

Bu nedenle:

1000 qubit > 500 qubit

gibi doğrudan bir performans karşılaştırması teknik olarak yeterli değildir.

2.5. Eşevresizlik ve Gürültü

Kuantum bilgi çevreyle etkileşime karşı hassastır.

İdeal durumda kuantum devresi kontrollü üniter dönüşümler uygular. Gerçek donanımda ise çevresel etkileşimler ve kontrol kusurları kuantum durumunun bozulmasına neden olur.

Başlıca hata kaynakları:

• eşevresizlik,
• gate error,
• readout error,
• state-preparation error,
• crosstalk,
• termal gürültü,
• kontrol elektroniği hataları,
• kalibrasyon sürüklenmesi

şeklinde sıralanabilir.

Klasik dijital sistemlerde mantıksal seviyeler fiziksel gürültüye karşı büyük toleransla ayrılabilir. Kuantum sistemlerde ise genlik ve faz bilgisinin korunması gerekir.

Bu nedenle kuantum donanımında yalnızca işlem yapmak değil, kuantum bilgiyi hesaplama tamamlanana kadar yeterli doğrulukta korumak temel problemdir.

2.6. Fiziksel Qubit ve Mantıksal Qubit

Gerçek kuantum bilgisayarların kapasitesini anlamak için fiziksel qubit ile mantıksal qubit ayrımı yapılmalıdır.

Fiziksel qubit, donanımdaki gerçek kuantum sistemidir.

Mantıksal qubit ise hata düzeltme kodu kullanılarak birden fazla fiziksel qubit üzerinde korunan soyut qubit'tir.

Büyük ölçekli bir algoritmanın kaynak zinciri:

algoritma
    ↓
mantıksal qubit sayısı
    ↓
mantıksal kapılar
    ↓
istenen mantıksal hata oranı
    ↓
kuantum hata düzeltme
    ↓
çok sayıda fiziksel qubit
    ↓
fiziksel kapılar
    ↓
gerçek çalışma süresi

şeklindedir.

Dolayısıyla:

1000 fiziksel qubit

ile:

1000 güvenilir mantıksal qubit

aynı hesaplama kaynağı değildir.

Aradaki oran kullanılan hata düzeltme koduna, fiziksel hata oranlarına, code distance değerine, bağlantı topolojisine ve algoritmanın ihtiyaç duyduğu doğruluğa göre büyük ölçüde değişebilir.

2.7. Kuantum Hata Düzeltme

Kuantum sistemlerde hata düzeltme ilk bakışta paradoksal görünür.

Klasik sistemlerde veri:

bit
→ kopyala
→ farklı düğümlere dağıt
→ çoğunluk oylaması

gibi yöntemlerle korunabilir.

Fakat bilinmeyen keyfi bir kuantum durumu kusursuz biçimde kopyalanamaz. Bu sonuç no-cloning theorem olarak bilinir.

Dolayısıyla kuantum hata düzeltme:

qubit'i birkaç kez kopyala

şeklinde çalışmaz.

Bunun yerine kuantum bilgi daha büyük bir dolaşık fiziksel sisteme kodlanır. Hatanın kendisini doğrudan öğrenmeden hata hakkında bilgi veren syndrome ölçümleri yapılır.

Temel düşünce:

mantıksal kuantum bilgi
       ↓
birden fazla fiziksel qubit'e kodlama
       ↓
syndrome ölçümleri
       ↓
hatanın türünü / konumunu çıkarma
       ↓
düzeltme veya frame güncellemesi

şeklindedir.

Bu yapı büyük ölçekli fault-tolerant kuantum bilgisayarların temelidir.

2.8. Hata Toleranslı Kuantum Hesaplama

Bir kuantum bilgisayarın yalnızca hata düzeltme yapabilmesi yeterli değildir. Hata düzeltme işlemlerinin kendileri de kusurlu fiziksel kapılarla gerçekleştirilir.

Fault tolerance, fiziksel hata oranları yeterince düşük olduğunda hataların hesaplama boyunca kontrol altında tutulabilmesini amaçlar.

Threshold theorem'in temel fikri, belirli varsayımlar altında fiziksel hata oranı gerekli eşiğin altına indirilebilirse daha uzun ve daha güvenilir kuantum hesaplamaların hata düzeltmeyle kurulabilmesidir.

Bu nedenle gelecekte büyük ölçekli kuantum bilgisayarların başarısını belirleyecek soru yalnızca:

Kaç qubit var?

değil:

Kaç güvenilir mantıksal qubit var
ve bunlarla ne kadar derin bir
fault-tolerant devre çalıştırılabiliyor?

sorusudur.

2.9. NISQ Dönemi

Bugünkü kuantum işlemcilerin önemli bölümü gürültülü ve sınırlı ölçekli cihazlardır. Bu dönem için NISQ --- Noisy Intermediate-Scale Quantum ifadesi kullanılmaktadır.

NISQ cihazlarında:

• qubit sayısı sınırlıdır,
• fiziksel hata oranları önemlidir,
• uzun devreler eşevresizlik nedeniyle zorlaşır,
• tam fault-tolerant hesaplama genel olarak mevcut değildir.

Bu nedenle yakın dönem algoritmalarında kısa devreler ve klasik-kuantum hibrit yöntemler araştırılmıştır.

Örneğin parametrik kuantum devresinde:

|ψ(θ)> = U(θ)|0...0>

durumu hazırlanabilir.

Bir maliyet fonksiyonu:

C(θ) = <ψ(θ)|H|ψ(θ)>

ölçülür.

Ardından klasik optimizasyon:

θ <- optimizer(C)

ile parametreleri günceller.

Akış:

klasik işlemci
      ↓
parametre seç
      ↓
kuantum devresini çalıştır
      ↓
ölç
      ↓
maliyet hesapla
      ↓
klasik optimizasyon
      ↓
tekrar

şeklindedir.

Bu yaklaşım VQE ve QAOA gibi hibrit algoritmalarda görülür.

Ancak hibrit olmak tek başına pratik kuantum avantajı sağlamaz. Ölçüm sayısı, optimizasyon zorluğu, gürültü ve klasik alternatifler birlikte değerlendirilmelidir.

Ünite 3: Kriptografi, Kuantum Sonrası Güvenlik ve Kuantum Ağları

Bu ünite, kuantum kanal ile kimliği doğrulanmış klasik kanalın birlikte kullanıldığı anahtar paylaşımı ve müdahale tespiti modelini ele alır.

kuantum kanal:      Alice ===== foton / kübit =====> Bob
                         |
                         +---- X Eve müdahalesi

klasik kanal:       Alice <---- kimlik doğrulama ----> Bob
                              |
                              v
                       hata oranı denetimi
                              |
                     anahtar kabul / reddet

3.1. Kriptolojide Kuantum Tehdidi

Kuantum bilgisayarların bilgi güvenliği açısından en önemli etkisi açık anahtarlı kriptografidedir.

RSA'nın güvenliği büyük tamsayıların çarpanlarına ayrılması probleminin, klasik bilgisayarlarda yeterince büyük parametrelerde pratik olarak zor olmasına dayanır.

Diffie-Hellman, DSA ve eliptik eğri tabanlı sistemlerde ise ayrık logaritma probleminin farklı cebirsel yapılardaki güçlüğünden yararlanılır.

Yeterince büyük, güvenilir ve fault-tolerant bir kuantum bilgisayarda Shor algoritması bu problem ailelerini etkiler.

Sonuç olarak uzun vadeli kuantum saldırgan modelinde:

RSA
DH
ECDH
DSA
ECDSA

gibi yaygın açık anahtarlı mekanizmalar kuantuma dayanıklı kabul edilmez.

Bu ifade:

bugünkü kuantum bilgisayarlar
modern RSA anahtarlarını kırabiliyor

anlamına gelmez.

Tehdit gelecekte yeterli mantıksal qubit'e ve fault-tolerant hesaplama kapasitesine sahip saldırgan modelidir.

3.2. Şimdi Topla, Sonra Çöz: Uzun Vadeli Gizlilik Riski

Kuantum tehdidinin yalnız kuantum bilgisayar yeterince geliştiği gün başlaması gerekmez.

Uzun süre gizli kalması gereken şifreli trafik bugün kaydedilebilir:

bugün şifreli veriyi ele geçir
        ↓
yıllarca sakla
        ↓
gelecekte yeterli kuantum kapasitesi oluşsun
        ↓
eski trafiğin anahtar mekanizmasını kır
        ↓
veriyi çöz

Bu saldırı modeli harvest now, decrypt later olarak bilinir.

Bu nedenle:

kuantum bilgisayar henüz RSA-2048 kıramıyor
→ bugün hiçbir şey yapmaya gerek yok

yaklaşımı özellikle uzun gizlilik ömrüne sahip veriler için doğru değildir.

Geçiş planlaması yalnız saldırganın bugünkü kapasitesine değil:

verinin gizlilik ömrü
+
sistemlerin kriptografik geçiş süresi
+
gelecekteki kuantum tehdit zamanı

birlikte değerlendirilerek yapılmalıdır.

3.3. Simetrik Kriptografi ve Grover

Simetrik kriptografide kuantum etkisi farklıdır.

k bit anahtar kullanan ideal bir anahtar aramasının klasik exhaustive-search uzayı:

2^k

mertebesindedir.

Grover algoritması ideal oracle modelinde sorgu karmaşıklığını yaklaşık:

2^(k/2)

mertebesine düşürür.

Bu açıdan:

128 bit -> yaklaşık 2^64 Grover sorgusu
256 bit -> yaklaşık 2^128 Grover sorgusu

olarak düşünülebilir.

Ancak bu değerler gerçek saldırının duvar saati süresi değildir.

Gerçek sistemde:

• kriptografik fonksiyonun reversible devresi,
• devre derinliği,
• mantıksal qubit sayısı,
• hata düzeltme,
• fiziksel kübit ek yükü (overhead),
• oracle çağrısının fiziksel maliyeti

hesaba katılmalıdır.

Dolayısıyla Shor'un açık anahtarlı kriptografi üzerindeki etkisi ile Grover'ın simetrik kriptografi üzerindeki etkisi aynı türde değildir.

3.4. Kuantum Sonrası Kriptografi

Kuantum saldırılarına karşı temel savunma yaklaşımı bütün bilgisayar ve ağ altyapısını kuantum donanımına dönüştürmek değildir.

Post-quantum cryptography --- PQC, klasik bilgisayarlarda çalışan fakat bilinen klasik ve kuantum saldırılarına karşı güvenli olması hedeflenen algoritmaları kapsar.

NIST tarafından 2024 yılında yayımlanan ilk temel standartlar:

FIPS 203 -> ML-KEM
FIPS 204 -> ML-DSA
FIPS 205 -> SLH-DSA

şeklindedir.

ML-KEM anahtar kurma mekanizmasıdır.

ML-DSA ve SLH-DSA dijital imza algoritmalarıdır.

PQC geçişinde asıl mühendislik problemi yalnız algoritmayı değiştirmek değildir. Büyük sistemlerde:

sertifikalar
PKI
TLS
VPN
HSM
firmware
kod imzalama
uzun ömürlü cihazlar
anahtar yönetimi
protokol mesaj boyutları
performans
geriye dönük uyumluluk

birlikte değerlendirilmelidir.

Bu nedenle crypto-agility, yani kullanılan kriptografik mekanizmaların bütün sistemi yeniden tasarlamadan değiştirilebilmesi, kuantum geçişinin önemli mimari gereksinimlerinden biridir.

3.5. Kuantum Sonrası Kriptografi ile Kuantum Kriptografisi Aynı Şey Değildir

İki kavram sıklıkla karıştırılır.

3.5.1. Kuantum Sonrası Kriptografi

klasik bilgisayar
+
kuantuma dayanıklı matematiksel problem

yaklaşımıdır.

3.5.2. Kuantum Kriptografisi

kuantum durumları
+
kuantum fiziksel özellikleri

üzerinden güvenlik mekanizması kurar.

Quantum Key Distribution bunun bilinen örneğidir.

BB84 protokolünde kuantum durumlarının ölçüm özellikleri, dinleme girişiminin tespit edilebilmesine yardımcı olur.

Ancak QKD:

• özel fiziksel altyapı gerektirir,
• klasik kimlik doğrulamasına ihtiyaç duyar,
• uçtan uca bütün güvenlik problemlerini çözmez,
• genel internet protokollerinin yerine takılabilecek sıradan bir

yazılım algoritması değildir.

Dolayısıyla:

PQC ≠ QKD

ayrımı korunmalıdır.

3.6. Kuantum Ağları

Kuantum bilgi yalnız tek bir işlemci içinde kullanılmak zorunda değildir.

Kuantum ağlarının amacı kuantum durumlarının veya dolanıklığın farklı fiziksel düğümler arasında dağıtılabilmesidir.

Gelecekte:

klasik ağ
+
kuantum kanal
+
kuantum bellek
+
dolanıklık dağıtımı

gibi hibrit yapılar düşünülebilir.

Burada amaç klasik internetin doğrudan yerine başka bir internet kurmaktan çok, klasik ağların sağlayamadığı kuantum bilgi işleme işlevlerini eklemektir.

Kuantum teleportasyonu da maddenin veya kullanılabilir bilginin ışık hızından hızlı aktarılması değildir. Önceden paylaşılmış dolanıklık ile klasik iletişim birlikte kullanılarak bir kuantum durumunun başka noktada yeniden oluşturulmasını sağlayan bir protokoldür.

3.7. No-Cloning Teoremi

Bilinmeyen keyfi bir kuantum durumunun kusursuz kopyasını oluşturan evrensel bir işlem yoktur.

Varsayımsal bir kopyalama dönüşümü:

|ψ>|0> -> |ψ>|ψ>

biçiminde her |ψ> için çalışamaz.

Bu sonuç kuantum bilgi mühendisliğinde temel öneme sahiptir.

Klasik sistemlerde olağan olan:

copy
backup
replication
fan-out

gibi kavramlar kuantum bilgiye doğrudan taşınamaz.

Bu nedenle kuantum mimarisi tasarlanırken klasik dağıtık sistem sezgilerinin bazıları geçersiz hale gelir.

3.8. Kuantum Hesaplamada Soğutma Gereksinimleri

Özellikle süperiletken qubit kullanan sistemlerde işlemciler çok düşük sıcaklıklarda çalıştırılır.

Amaç yalnızca işlemciyi "daha hızlı" yapmak değildir.

Termal uyarımlar ve çevresel gürültü kuantum durumunu bozabilir. Süperiletken devrelerde uygun fiziksel çalışma rejiminin korunması ve kuantum durumlarının kontrol edilebilmesi için kriyojenik ortam gerekir.

Bununla birlikte bütün kuantum bilgisayar mimarileri aynı fiziksel koşulları kullanmaz. Hapsedilmiş iyonlar, fotonik sistemler, nötr atomlar ve diğer yaklaşımların mühendislik gereksinimleri farklıdır.

Dolayısıyla:

kuantum bilgisayar = mutlaka aynı tip
mutlak sıfıra yakın dondurucu

genellemesi de doğru değildir.

3.9. Kuantum Tehdidinde Anahtar Anlaşması ve Veri Ömrü

Kuantum sonrası geçiş planında ilk ayrım, Shor algoritmasının klasik açık anahtar varsayımları üzerindeki etkisiyle Grover algoritmasının simetrik anahtar arama maliyeti üzerindeki etkisini ayırmaktır. Şifreli arşiv çok uzun süre değerini koruyorsa bugün yakalanmış trafik gelecekte hedef olabilir. Bu nedenle protokolün geçici anahtar anlaşması, saklanan verinin AEAD koruması ve dijital imzaların uzun vadeli doğrulaması farklı geçiş yollarıyla incelenir.

ML-KEM bir anahtar kapsülleme, ML-DSA ve SLH-DSA imza şemalarıdır; tek bir aile bütün görevlerin yerini almaz. Hibrit paylaşılmış sır tasarımında birleştirme işleminin bağlam etiketi, transcript bağı, başarısızlık davranışı ve hangi bileşenin hangi güvenlik varsayımı altında dayanak olduğu açık olmalıdır. Ana dersin algoritma ve standart altyapısı Kriptoloji içinde, kuantum donanımının gerçek kısıtları ise bu ünitede incelenir.

Ünite 4: Kuantum Avantajı, Ölçüm ve Uygulama Alanları

4.1. Kuantum Üstünlüğü ve Kuantum Avantajı

Bir kuantum cihazın belirli bir hesaplama görevini bilinen klasik yöntemlerden çok daha hızlı gerçekleştirdiğinin deneysel olarak gösterilmesi, tarihsel olarak quantum supremacy terimiyle ifade edilmiştir. Günümüzde quantum computational advantage ifadesi de yaygın biçimde kullanılmaktadır.

Burada kritik kelime:

belirli görev

ifadesidir.

Bir deneyde kuantum cihazın özel hazırlanmış bir örnekleme probleminde klasik süper bilgisayarı aşması:

kuantum bilgisayar
artık bütün gerçek dünya problemlerinde
klasik bilgisayardan hızlıdır

anlamına gelmez.

Klasik algoritmalar da gelişmeye devam eder. İlk karşılaştırmada çok zor görünen bir klasik simülasyon problemi daha iyi algoritma, sıkıştırma, dağıtık hesaplama veya problem yapısından yararlanma ile önemli ölçüde hızlandırılabilir.

Bu nedenle kuantum avantajı hareketli bir hedeftir.

4.2. Kuantum Bilgisayar Performansının Ölçülmesi

Klasik işlemcilerde saat frekansı, çekirdek sayısı, FLOPS, bellek bant genişliği ve gecikme gibi ölçüler kullanılır.

Kuantum bilgisayarda tek bir sayı çoğu zaman yeterli değildir.

Değerlendirme için:

fiziksel qubit sayısı
mantıksal qubit sayısı
gate fidelity
ölçüm doğruluğu
coherence time
gate süresi
connectivity
devre derinliği
logical error rate
uygulanabilir algoritmik devre büyüklüğü

gibi metriklerin birlikte ele alınması gerekir.

Özellikle pazarlama amacıyla verilen yalnızca fiziksel qubit sayısı gerçek hesaplama kapasitesini göstermeyebilir.

4.3. Klasik Simülasyonun Ölçeklenebilirlik Sınırları

Kuantum bilgisayar araştırmalarının önemli bir karşı tarafı klasik kuantum simülasyonudur.

Genel n qubit saf durumunu doğrudan saklamak için:

2^n

karmaşık sayı gerekir.

Her genliği iki adet 64 bit kayan noktalı sayı ile temsil ettiğimizi varsayarsak genlik başına yaklaşık:

16 byte

gerekir.

Kabaca:

30 qubit -> 16 GiB
35 qubit -> 512 GiB
40 qubit -> 16 TiB
45 qubit -> 512 TiB
50 qubit -> 16 PiB

mertebesinde yalnız durum vektörü belleği ortaya çıkar.

Ancak bu hesap her kuantum devresinin klasik simülasyonunun zor olduğu anlamına gelmez.

Problem yapısı:

• düşük dolanıklık,
• tensor-network gösterimleri,
• stabilizer devreleri,
• sparsity,
• simetri,
• yaklaşık yöntemler

kullanılarak klasik simülasyonu büyük ölçüde kolaylaştırabilir.

Dolayısıyla yalnız qubit sayısından klasik simülasyon zorluğu çıkarmak da doğru değildir.

4.4. Kuantum Bilgisayar ve Moore Yasası

Kuantum bilgisayarların gelişimi zaman zaman Moore Yasası'nın sona ermesinin doğrudan devamı olarak sunulur. Bu benzetme belirli ölçüde yararlı olsa da eksiktir.

Klasik yarı iletken teknolojisinde transistor yoğunluğu arttıkça:

• kuantum tünelleme,
• güç yoğunluğu,
• ısı,
• üretim ölçeği,
• bağlantı gecikmeleri

gibi fiziksel sınırlar daha belirgin hale gelir.

Ancak klasik hesaplamanın ilerlemesi yalnız transistor küçültmeye bağlı değildir.

Bugünkü performans artışı:

çok çekirdek
vektör işlem
GPU
özel hızlandırıcılar
chiplet
3D packaging
HBM
algoritmik iyileştirme
dağıtık sistemler

gibi birçok yönden devam etmektedir.

Kuantum bilgisayar bu gelişim çizgisinin basitçe "sonraki işlemcisi" değildir. Farklı problemlere yönelik yeni bir hesaplama katmanıdır.

4.5. Gerçekçi Hibrit Mimari

Gelecekte kuantum bilgisayarların en gerçekçi kullanım modeli klasik bilgisayarları bütünüyle değiştirmekten çok belirli iş yüklerini hızlandıran özel işlemciler olmalarıdır.

Mimari:

                    +-------------------+
                    |    Uygulama       |
                    +---------+---------+
                              |
                    +---------v---------+
                    | Klasik İşlemci    |
                    | CPU / GPU / RAM   |
                    +---------+---------+
                              |
             +----------------+----------------+
             |                                 |
   +---------v---------+             +---------v---------+
   | Klasik Hızlandırıcı|             | Kuantum İşlemci  |
   | GPU / TPU / FPGA  |             |      QPU         |
   +-------------------+             +---------+---------+
                                               |
                                      +--------v--------+
                                      | Ölçüm Sonuçları |
                                      +-----------------+

şeklinde düşünülebilir.

Klasik katman:

• veri yönetimi,
• ağ,
• kullanıcı arayüzü,
• işletim sistemi,
• kontrol,
• algoritma orkestrasyonu,
• klasik ön/son işleme

işlerini sürdürür.

QPU ise yalnızca kuantum avantajının bulunduğu çekirdek hesaplama görevlerinde kullanılır.

Bu açıdan QPU'nun CPU ile ilişkisi, belirli ölçüde GPU'nun CPU ile ilişkisine benzetilebilir. Ancak kuantum işlemcinin fiziksel çalışma ilkeleri ve veri erişim modeli GPU'dan çok daha farklıdır.

4.6. Uçtan Uca Kuantum Avantajı

Bir kuantum algoritmasının gerçek mühendislik değeri yalnız teorik çekirdek karmaşıklığıyla ölçülemez.

Daha doğru maliyet modeli:

Ttoplam =
    Tveri_hazırlama
  + Tklasik_ön_işleme
  + Tkuantum_devresi
  + Thata_düzeltme
  + Tölçüm
  + Ttekrar
  + Tklasik_son_işleme
  + Tiletişim

şeklinde düşünülmelidir.

Gerçek kuantum avantajı için:

Tquantum_end_to_end < Tbest_classical

olmalıdır.

Buradaki karşılaştırma sıradan bir klasik algoritmayla değil, aynı problem için güncel ve rekabetçi bir klasik yöntemle yapılmalıdır.

Bu ayrım özellikle:

• makine öğrenmesi,
• optimizasyon,
• finans,
• lojistik,
• büyük veri

gibi alanlarda önemlidir.

4.7. Kuantum Bilgisayarların Uygulama Alanları

Kuantum hesaplama için araştırılan kullanım alanları geniştir; fakat bunların olgunluk düzeyi aynı değildir.

4.7.1. Kuantum Kimyası ve Malzeme Bilimi

Kuantum sistemlerinin doğal olarak kuantum işlemcilerde temsil edilebilmesi nedeniyle başlıca araştırma alanlarından biridir.

Araştırma konuları:

• moleküler temel durum enerjileri,
• reaksiyon yolları,
• kataliz,
• batarya malzemeleri,
• manyetik sistemler,
• yeni malzemeler.

4.7.2. İlaç Araştırmaları

Moleküler etkileşimlerin daha doğru hesaplanabilmesi uzun vadede aday molekül tarama süreçlerine katkı sağlayabilir.

Ancak kuantum bilgisayar:

ilaç keşfi
→ tek başına çözer

biçiminde düşünülmemelidir.

Biyolojik karmaşıklık, farmakokinetik, toksisite, klinik deneyler ve gerçek dünya biyolojisi yalnız moleküler elektronik yapı problemine indirgenemez.

4.7.3. Enerji

Kataliz, yeni batarya kimyaları, malzeme tasarımı ve füzyonla ilişkili belirli optimizasyon/simülasyon problemleri araştırılmaktadır.

4.7.4. Finans

Portföy optimizasyonu, risk modelleme, Monte Carlo benzeri örnekleme problemleri ve türev fiyatlama için kuantum yöntemleri araştırılmaktadır.

Teorik hızlanma ile gerçek finansal avantaj arasında veri yükleme, doğruluk ve donanım maliyetleri dikkate alınmalıdır.

4.7.5. Lojistik

Rota, çizelgeleme ve kombinatoryal optimizasyon problemleri kuantum optimizasyon araştırmalarının doğal adaylarıdır.

Fakat modern klasik optimizasyon yazılımları birçok problem sınıfında yüksek performans gösterebilir. Gerçek karşılaştırma bunlarla yapılmalıdır.

Ünite 5: Yanlış Kanılar ve Mühendislik Değerlendirmesi

5.1. Kuantum Bilgisayarlar Hakkında Yaygın Yanlışlar

5.1.1. "Qubit Aynı Anda Hem 0 Hem 1'dir, Bu Yüzden İki Hesabı Aynı Anda Yapar."

Eksik bir açıklamadır.

Doğrusu:

qubit
→ karmaşık genliklerle tanımlanan süperpozisyon
→ üniter dönüşümler
→ faz
→ girişim
→ ölçüm

bütünlüğüdür.

5.1.2. "300 Qubit, 2\^300 Klasik İşlemci Gücündedir."

Yanlıştır.

Durum uzayının boyutu ile doğrudan işlem hızı aynı kavram değildir.

5.1.3. "Kuantum Bilgisayar Bütün Olası Cevapları Hesaplar ve Doğru Olanı Seçer."

Yanlıştır.

Ölçüm bütün genlikleri vermez. Algoritma doğru sonucun genliğini yükseltecek girişim yapısını kurmalıdır.

5.1.4. "Kuantum Bilgisayar NP-tam Problemleri Hızlı Çözer."

Böyle genel bir sonuç bilinmemektedir.

5.1.5. "Kuantum Bilgisayar Klasik Bilgisayarın Yerini Alacak."

Beklenen mimari daha çok hibrit yapıdadır.

5.1.6. "Kuantum Bilgisayar Bugün RSA'yı Kırabiliyor."

Bugünkü cihazlar büyük, gerçek dünya kriptografik anahtarlarını Shor algoritmasıyla kırabilecek fault-tolerant kapasitede değildir.

5.1.7. "PQC Kullanmak için Kuantum Bilgisayar Gerekir."

Yanlıştır.

Post-quantum algoritmalar klasik bilgisayarlarda çalışır.

5.1.8. "QKD, PQC'nin Başka Adıdır."

Yanlıştır.

Biri kuantum fiziksel iletişim mekanizmalarını, diğeri klasik donanım üzerinde çalışan kuantuma dayanıklı kriptografiyi ifade eder.

5.1.9. "Kuantum Bilgisayar Yapay Zekayı Otomatik Olarak Üstel Hızlandırır."

Böyle genel bir sonuç yoktur.

5.1.10. "Daha Fazla Fiziksel Qubit Her Zaman Daha Güçlü Bilgisayar Demektir."

Yanlıştır.

Qubit kalitesi, bağlantı, hata oranı ve mantıksal qubit kapasitesi belirleyicidir.

5.2. Mühendislik Açısından Temel Değerlendirme

Bir kuantum çözüm önerisi incelenirken şu sorular sorulmalıdır:

1. Problem için bilinen kuantum algoritması nedir?
2. Klasik en iyi alternatif nedir?
3. Teorik hızlanma hangi hesaplama modelinde elde edilmektedir?
4. Veri kuantum sisteme nasıl yüklenecektir?
5. Oracle maliyeti nedir?
6. Kaç mantıksal qubit gerekir?
7. Devre derinliği nedir?
8. Hangi hata oranı gereklidir?
9. Hata düzeltmenin fiziksel qubit maliyeti nedir?
10. Kaç ölçüm ve tekrar gerekir?
11. Sonuç klasik sisteme nasıl çıkarılacaktır?
12. Klasik ön ve son işleme maliyeti nedir?
13. Uçtan uca gecikme ne olacaktır?
14. Enerji ve altyapı maliyeti nedir?
15. Aynı problem GPU, FPGA veya dağıtık klasik sistemle ne kadar hızlı

çözülebilir?

1. Avantaj yalnız asimptotik mi, yoksa problem boyutunda pratik olarak

da ortaya çıkıyor mu?

Bu sorular cevaplanmadan:

kuantum çözüm daha hızlıdır

sonucuna varmak teknik olarak yeterli değildir.

5.3. Kuantum Hesaplamanın Asıl Önemi

Kuantum bilgisayarların en önemli tarafı klasik bilgisayarların yapabildiği her şeyi daha hızlı yapmaları değildir.

Asıl önem şuradadır:

Hesaplama maliyetinin yalnız problemin kendisine değil, problemi çözmek için seçilen fiziksel ve matematiksel hesaplama modeline de bağlı olabileceğini gösterir.

Klasik bilgisayarda zor olan belirli bir problem, kuantum modelinde daha uygun bir yapıya sahip olabilir.

Shor algoritması bunun kriptografik örneğidir.

Grover algoritması yapılandırılmamış aramada karesel hızlanmanın örneğidir.

Kuantum simülasyonu, doğrudan kuantum mekaniksel sistemlerin modellenmesinde doğal avantaj ihtimalini gösterir.

Kuantum makine öğrenmesi ise belirli veri ve öğrenme modellerinde kuantum kaynaklarının nasıl kullanılabileceğini araştırır.

Fakat:

hesaplanamaz problem

kuantum bilgisayar sayesinde kendiliğinden hesaplanabilir hale gelmez.

Benzer biçimde fiziksel sınırlar:

• gürültü,
• eşevresizlik,
• enerji,
• iletişim,
• ölçüm,
• no-cloning,
• hata düzeltme maliyeti

daha iyi bir algoritma yazıldığı için ortadan kalkmaz.

Kuantum hesaplamayı doğru değerlendirmek için iki uçtan da kaçınmak gerekir.

Birinci uç:

kuantum bilgisayar
bütün bilgisayarların yerini alacak
ve bütün zor problemleri çözecek

yaklaşımıdır.

İkinci uç ise bugünkü donanım sınırlamalarından hareketle kuantum hesaplamanın teorik önemini küçümsemektir.

Daha doğru yaklaşım:

problem
   ↓
matematiksel yapı
   ↓
uygun kuantum algoritması var mı?
   ↓
teorik karmaşıklık avantajı var mı?
   ↓
veri giriş/çıkış maliyeti
   ↓
mantıksal kaynak gereksinimi
   ↓
fiziksel hata düzeltme maliyeti
   ↓
en iyi klasik alternatif
   ↓
uçtan uca karşılaştırma

zinciridir.

Kuantum bilgisayarın gerçek değeri de burada ortaya çıkar. Klasik bilgisayarın daha hızlı bir kopyası değildir; bazı problemlerde farklı fiziksel yasaları doğrudan hesaplama kaynağı olarak kullanan başka bir hesaplama modelidir.

5.4. Kaynak Tahmini ve mantıksal-fiziksel Kübit Ayrımı

Bir kuantum algoritmasının "N kübit gerektirmesi", cihazda yalnız N fiziksel kübit bulunmasının yeterli olduğu anlamına gelmez. Hata düzeltmeli hesaplamada bir mantıksal kübit, hata oranı ve kod mesafesine bağlı olarak çok sayıda fiziksel kübit gerektirebilir.

Bu nedenle uygulama fizibilitesinde gate count, devre derinliği, T-count/T-depth, bağlantı topolojisi ve hata düzeltme overhead'i birlikte tahmin edilmelidir. Asimptotik kuantum hızlanması, sabit maliyetler ve hata düzeltme yükü nedeniyle pratik eşik noktasına çok geç ulaşabilir.

Kuantum avantajı iddiası klasik baseline ile aynı problem tanımı ve hata toleransında karşılaştırılmalıdır. Klasik tarafta güncel algoritma, donanım hızlandırma ve yaklaşık yöntemler hesaba katılmadan yapılan karşılaştırma anlamlı değildir.

5.5. Kuantum Avantajı İddiasını Sınamak

Bir kuantum algoritmasının asimptotik avantajı, mevcut donanımda pratik avantaj anlamına gelmez. Problem boyutu, devre derinliği, gate hata oranı, qubit bağlantısı, hata düzeltme yükü ve klasik ön/son işleme toplam maliyete dâhildir.

Karşılaştırma için klasik baseline güncel ve aynı hata toleransında olmalıdır. Zayıf bir klasik yöntemle yapılan karşılaştırma kuantum avantajını göstermez. Yaklaşık çözümler kullanılıyorsa iki tarafın çözüm kalitesi de aynı ölçütle değerlendirilir.

NISQ deneyinde shot sayısı, transpilation ayarları, cihaz kalibrasyon zamanı ve hata azaltma yöntemi sonuçla birlikte kaydedilmelidir. Bu ayrıntılar olmadan aynı devrenin farklı günlerdeki sonuçları doğrudan karşılaştırılamaz.

Ünite 6: Kuantum Yapay Zeka ve Kuantumdan Esinlenen Yöntemler

6.1. Kuantum Yapay Zeka

Makine öğrenmesinin matematiksel altyapısının önemli bölümü:

• lineer cebir,
• optimizasyon,
• örnekleme,
• olasılık,
• yüksek boyutlu vektör uzayları,
• benzerlik hesapları

üzerine kuruludur.

Kuantum algoritmalarının güçlü sonuçlar ürettiği alanların bir bölümü bunlarla kesiştiği için quantum machine learning doğal bir araştırma alanı haline gelmiştir.

Araştırılan yaklaşımlar arasında:

• kuantum kernel yöntemleri,
• kuantum lineer cebir algoritmaları,
• parametrik kuantum devreleri,
• kuantum örnekleme,
• kuantum veri sınıflandırması,
• kuantum sistemlerinden öğrenme

bulunur.

Fakat burada iki farklı problem sınıfı birbirinden ayrılmalıdır.

6.1.1. Klasik Veriden Öğrenme

metin
görüntü
ses
tablosal veri
sensör verisi

gibi klasik verinin önce kuantum durumuna kodlanması gerekir.

Bu durumda veri yükleme maliyeti kuantum avantajını sınırlayabilir.

6.1.2. Kuantum Verisinden Öğrenme

Veri zaten:

kuantum durumları
kuantum deneyleri
kuantum sensörleri
kuantum simülasyonları

biçiminde oluşuyorsa klasik veriden kuantum duruma dönüştürme problemi farklılaşır.

Bu nedenle kuantum verisinden öğrenme, teorik kuantum avantajının daha doğal araştırma alanlarından biridir.

6.1.3. Kuantum Donanımında Büyük Dil Modellerinin Çalıştırılabilirliği

Bugünkü büyük dil modellerinin temel hesaplama yüklerinden biri yoğun matris çarpımıdır:

C = A × B

Transformer mimarisinde attention ve feed-forward katmanları büyük miktarda matris işlemi gerçekleştirir.

GPU, TPU ve benzeri klasik hızlandırıcılar:

• yüksek bellek bant genişliği,
• SIMD/SIMT paralelliği,
• düşük hassasiyetli aritmetik,
• tensor birimleri,
• büyük ölçekli dağıtık eğitim

için özel olarak geliştirilmiştir.

Bir Transformer'ı kuantum bilgisayara taşımak:

matris çarpımını kuantum devresiyle değiştir

kadar basit değildir.

Uçtan uca değerlendirmede:

model ağırlıklarının yüklenmesi
girdi kodlama
ara durumların kullanılması
nonlinearity
ölçüm
gradient hesabı
optimizer
klasik kontrol
çıktının okunması

maliyetleri hesaba katılmalıdır.

Bu nedenle:

kuantum bilgisayar
→ LLM'leri otomatik olarak üstel hızlandırır

şeklinde genel bir sonuç yoktur.

Doğru mühendislik sorusu:

Öğrenme sisteminin hangi alt problemi, hangi veri erişim modeli altında ve hangi çıktı gereksinimiyle kuantum algoritması kullanılarak uçtan uca daha düşük maliyetle çözülebilir?

olmalıdır.

6.2. Kuantumdan Esinlenen Klasik Algoritmalar

Kuantum algoritma araştırmalarının ilginç sonuçlarından biri, bazı kuantum tekniklerinin klasik algoritmaların geliştirilmesini de tetiklemesidir.

Ewin Tang'ın recommendation systems üzerine geliştirdiği quantum-inspired klasik algoritma bunun önemli örneklerindendir.

Bazı kuantum makine öğrenmesi algoritmalarında avantajın önemli bölümü çok güçlü veri erişim varsayımlarından geliyordu. Benzer örnekleme ve veri erişim yapılarını klasik algoritmalara taşıyarak beklenenden çok daha iyi klasik sonuçlar elde edilebildi.

Bu durum önemli bir metodolojik ders verir:

kuantum algoritması
        ↓
hangi yapı avantaj sağlıyor?
        ↓
bu yapı gerçekten kuantuma özgü mü?
        ↓
aynı fikir klasik algoritmaya taşınabilir mi?

Kuantum avantajı değerlendirilirken karşılaştırılan klasik algoritmanın gerçekten en iyi bilinen klasik yöntem olması gerekir.

6.3. Varyasyonel Devre ve Ölçüm Maliyeti

NISQ döneminde araştırılan yöntemlerin önemli bölümü parametrik kuantum devresini klasik optimizer ile birlikte kullanır:

θ → kuantum devresi → ölçüm → loss → klasik optimizasyon → θ'

Bu hibrit döngüde loss veya gradient kestirimi çok sayıda devre çalıştırması ve ölçüm gerektirebilir. Bu nedenle qubit sayısı tek başına maliyet ölçüsü değildir; shot sayısı, devre derinliği, gürültü ve klasik optimizasyon iterasyonları birlikte değerlendirilmelidir.

6.4. Benchmark'ta Doğru Klasik Karşılaştırıcı

Quantum machine learning sonucu değerlendirilirken küçük veya zayıf bir classical baseline seçmek kuantum avantajı göstermez. Aynı veri erişimi ve çıktı doğruluğu altında güçlü classical kernel, linear algebra veya sampling yöntemleriyle karşılaştırma yapılmalıdır. Avantaj iddiası yalnız iç çekirdek hızına değil, veri kodlama ve ölçüm dahil uçtan uca maliyete dayanmalıdır.

Bu nedenle kuantum yapay zekâ bugün için üretim AI altyapısının varsayılan ardılı değil, belirli problem yapılarında hesaplama avantajı aranılan aktif bir araştırma alanıdır.

6.5. Kuantum-esinli Ağ, Kuantum Sinir Ağı ve düşük-rank Taklit

Üç hesaplama modelini ayırmak gerekir: fiziksel kübit ve ölçümler kullanan varyasyonel kuantum devresi; klasik bilgisayarda tensör ağları veya olasılıksal temsillerle çalışan kuantum-esinli yöntem; belirli kuantum yordamlarının klasik veri erişimi varsayımları altında taklit edildiği dequantization algoritması. İlki devre derinliği, shot sayısı ve hata oranıyla; ikincisi tensör rankı, bellek ve kasılma maliyetiyle; üçüncüsü örnekle-sorgula erişimi, koşul sayısı ve giriş verisini hazırlama maliyetiyle sınırlanır.

4×4×4×4 boyutlu yoğun tensörde 256 skaler vardır. Ara rankları 2 olan bir tensor-train yaklaşımı çekirdeklerde toplam 48 skaler tutabilir; ancak düşük-rank temsilin yaklaşım hatası ve çalışma zamanı ayrıca ölçülmelidir. Bu klasik sıkıştırma, fiziksel dolanıklık veya kuantum üstünlüğü göstermez. Uçtan uca kıyaslamada veri kodlama, optimizasyon, ölçüm, çıkarım ve güçlü klasik karşılaştırıcı birlikte ele alınmalıdır.

Ünite 7: Gürültü, Hata Azaltma ve Deneysel Doğrulama

Kuantum hata düzeltme ile kuantum hata azaltma aynı problem değildir. Hata düzeltme, mantıksal bilgiyi kodlayarak uzun hesaplamalarda hata olasılığını bastırmayı hedefler. Hata azaltma (error mitigation) ise çoğunlukla mevcut gürültülü donanımda ölçülen beklenti değerindeki yanlılığı azaltmaya çalışır; genel durumda hesaplamayı hata toleranslı hale getirmez.

7.1. Karışık Durumlar ve Yoğunluk Matrisi

Saf bir kuantum durumu |ψ⟩ vektörüyle temsil edilebilir. Açık bir sistem çevresiyle etkileştiğinde ya da durum hakkında klasik belirsizlik bulunduğunda tek bir durum vektörü yeterli değildir. Bu durumda yoğunluk matrisi kullanılır:

ρ = Σ p(i) |ψ(i)><ψ(i)|

Tr(ρ)=1 koşulu olasılığın korunmasını ifade eder. Saf durumda Tr(ρ²)=1; karışık durumda bu değer 1'den küçüktür. Gürültü kanalları yoğunluk matrisi üzerinde tanımlandığında faz sönümü, genlik sönümü ve depolarizasyon gibi süreçler ortak bir matematiksel çerçevede modellenebilir.

7.2. Hata Azaltma ile Hata Düzeltmenin Sınırı

Hata azaltma, ek mantıksal kübit kodlaması olmadan sonuç tahminini iyileştirebilir; fakat bunun bedeli daha fazla devre çalıştırma, kalibrasyon verisi ve istatistiksel varyans olabilir.

Örneğin sıfır-gürültüye dışdeğerleme (zero-noise extrapolation), aynı devrenin kontrollü biçimde farklı etkin gürültü düzeylerinde çalıştırılmasından elde edilen sonuçları sıfır gürültü sınırına taşımaya çalışır. Olasılıksal hata iptali (probabilistic error cancellation) ise gürültülü işlemlerden ideal beklenti değerini yeniden kurmak için ağırlıklı örnekleme kullanır. Her iki yaklaşım da gürültü modelinin veya ölçekleme varsayımının yeterliliğine bağlıdır.

7.3. Ölçüm Hatası ve Shot İstatistiği

Kuantum devresinin çıktısı tek çalıştırmada tam olasılık dağılımı olarak alınmaz; ölçümler tekrarlanarak örneklenir. N shot ile tahmin edilen bir olasılığın belirsizliği, gerçek olasılığa bağlı olmakla birlikte yaklaşık 1/sqrt(N) ölçeğinde azalır.

Bu nedenle iki sonuç arasındaki küçük farkın "algoritmik iyileşme" sayılabilmesi için örnekleme belirsizliğinin ve ölçüm hatasının ayrı değerlendirilmesi gerekir. Okuma (readout) hatası için kalibrasyon tabanlı düzeltme yapılabilir; ancak kalibrasyonun zamanla değişmesi yeni bir belirsizlik kaynağıdır.

7.4. Kalibrasyon Sürüklenmesi ve Deney Kaydı

Aynı kuantum devresi farklı günlerde farklı fiziksel kübit eşlemesine, kapı hata oranına ve okuma kalitesine sahip olabilir. Deney kaydında yalnız kaynak devresi değil, en azından derleme/transpilasyon ayarları, fiziksel eşleme, shot sayısı, kalibrasyon zamanı ve kullanılan hata azaltma yöntemi de tutulmalıdır.

Rastgele kıyaslama (randomized benchmarking) gibi yöntemler belirli kapı kümeleri hakkında ortalama hata davranışı verebilir; tek başına belirli bir algoritmanın uçtan uca doğruluğunu kanıtlamaz. Donanım ölçütü ile uygulama ölçütü birbirinin yerine kullanılmamalıdır.

7.5. Mühendislik Sonucu

Hata azaltma, gürültülü devreden daha yararlı istatistik üretmek için bir araçtır. Ek örnekleme maliyetini, model varsayımını ve varyans artışını da beraberinde getirir. Hata toleranslı mimari ise farklı bir ölçek problemidir ve mantıksal kübitler, hata düzeltme çevrimleri ve kaynak tahminiyle ele alınmalıdır.

7.6. Kuantum Sistemlerinde Performans Metriğini Doğru Tanımlamak

Kuantum donanımında tek bir kapının uygulama süresi, algoritmanın uçtan uca yürütme maliyetini açıklamak için yeterli değildir. Qubit hazırlama, kalibrasyon, devre derinliği, shot sayısı, okuma hatası ve klasik sonuç işleme farklı zaman bileşenleri oluşturur. Ayrıca iki aygıtın kapı süresi aynı olsa bile bağlantı topolojisi ve hata oranları yüzünden aynı devre farklı sayıda ek işlem gerektirebilir. Karşılaştırmalar fiziksel aygıt kısıtlarını, çözüm doğruluğunu ve toplam tamamlanma süresini birlikte raporlamalıdır.

• Tek bir işlem/gate süresi yerine hazırlama, kontrol, ölçüm ve klasik post-processing zincirini ayırmak.
• Throughput karşılaştırmalarında problem boyutu ve hata düzeltme varsayımlarını sabitlemek.
• Heterojen klasik-kuantum iş akışında darboğazın yalnız QPU üzerinde olmayabileceğini göstermek.

Kaynakça

• Bennett, C. H.; Brassard, G. “Quantum Cryptography: Public Key Distribution and Coin Tossing.” Proceedings of the International Conference on Computers, Systems and Signal Processing, 1984; yeniden basım: Theoretical Computer Science, 560, 7-11, 2014. https://doi.org/10.1016/j.tcs.2014.05.025

• Bernstein, E.; Vazirani, U. “Quantum Complexity Theory.” SIAM Journal on Computing, 26, 1411-1473, 1997. https://doi.org/10.1137/S0097539796300921

• Biamonte, J. ve diğerleri. “Quantum Machine Learning.” Nature, 549, 195-202, 2017. https://doi.org/10.1038/nature23474

• Bravyi, S.; Sheldon, S.; Kandala, A.; McKay, D. C.; Gambetta, J. M. “Mitigating Measurement Errors in Multiqubit Experiments.” Physical Review A, 103, 042605, 2021. https://doi.org/10.1103/PhysRevA.103.042605

• Brendan Gregg. Systems Performance: Enterprise and the Cloud. Pearson Education, 2014.

• Deutsch, D. “Quantum Theory, the Church-Turing Principle and the Universal Quantum Computer.” Proceedings of the Royal Society A, 400, 97-117, 1985. https://doi.org/10.1098/rspa.1985.0070

• Feynman, R. P. “Simulating Physics with Computers.” International Journal of Theoretical Physics, 21, 467-488, 1982. https://doi.org/10.1007/BF02650179

• Grover, L. K. “A Fast Quantum Mechanical Algorithm for Database Search.” Proceedings of STOC, 212-219, 1996. https://doi.org/10.1145/237814.237866

• Harrow, A. W.; Hassidim, A.; Lloyd, S. “Quantum Algorithm for Linear Systems of Equations.” Physical Review Letters, 103, 150502, 2009. https://doi.org/10.1103/PhysRevLett.103.150502

• Huang, H. Y. ve diğerleri. “Quantum Advantage in Learning from Experiments.” Science, 376, 1182-1186, 2022. https://doi.org/10.1126/science.abn7293

• Kaku, M. Quantum Supremacy: How the Quantum Computer Revolution Will Change Everything. Doubleday, 2023.

• Mor Harchol-Balter. Performance Modeling and Design of Computer Systems: Queueing Theory in Action. Cambridge University Press, 2013.

• Nielsen, M. A.; Chuang, I. L. Quantum Computation and Quantum Information. Cambridge University Press.

• NIST. FIPS 203: Module-Lattice-Based Key-Encapsulation Mechanism Standard. 2024. https://csrc.nist.gov/pubs/fips/203/final

• NIST. FIPS 204: Module-Lattice-Based Digital Signature Standard. 2024. https://csrc.nist.gov/pubs/fips/204/final

• NIST. FIPS 205: Stateless Hash-Based Digital Signature Standard. 2024. https://csrc.nist.gov/pubs/fips/205/final

• NIST. Post-Quantum Cryptography Project. https://csrc.nist.gov/projects/post-quantum-cryptography

• Preskill, J. “Quantum Computing in the NISQ Era and Beyond.” Quantum, 2, 79, 2018. https://doi.org/10.22331/q-2018-08-06-79

• Shor, P. W. “Algorithms for Quantum Computation: Discrete Logarithms and Factoring.” Proceedings of the 35th Annual Symposium on Foundations of Computer Science, 1994.

• Shor, P. W. “Scheme for Reducing Decoherence in Quantum Computer Memory.” Physical Review A, 52, R2493, 1995. https://doi.org/10.1103/PhysRevA.52.R2493

• Shor, P. W. “Polynomial-Time Algorithms for Prime Factorization and Discrete Logarithms on a Quantum Computer.” SIAM Journal on Computing, 26, 1484-1509, 1997. https://doi.org/10.1137/S0097539795293172

• Tang, E. “A Quantum-Inspired Classical Algorithm for Recommendation Systems.” Proceedings of STOC, 2019. https://doi.org/10.1145/3313276.3316310

• Temme, K.; Bravyi, S.; Gambetta, J. M. “Error Mitigation for Short-Depth Quantum Circuits.” Physical Review Letters, 119, 180509, 2017. https://doi.org/10.1103/PhysRevLett.119.180509

• Wootters, W. K.; Zurek, W. H. “A Single Quantum Cannot Be Cloned.” Nature, 299, 802-803, 1982. https://doi.org/10.1038/299802a0
• Moolchand Sharma, Nebojsa Bacanin ve Tarik Ahmed Rashid (ed.). Quantum-Inspired Neural Networks: Future Perspectives and Challenges. CRC Press, DOI: https://doi.org/10.1201/9781003682950 (nüshanın telif sayfası ©2027).