Υποστήριξη Διδακτορικής Διατριβής κ. Θεοφάνη Καλαμπόκα
Ονοματεπώνυμο Υποψήφιου Διδάκτορα: Θεοφάνης Καλαμπόκας
Ημερομηνία Παρουσίασης: Δευτέρα 27.07.2026
Ώρα: 10:00 π.μ.
Τόπος: Αίθουσα Φουαγιέ, Κεντρικό Αμφιθέατρο ΔΠΘ Καβάλα
Τίτλος Διδακτορικής Διατριβής: «Ανάπτυξη μοντέλων μηχανικής μάθησης κβαντικής υπολογιστικής και εφαρμογές»
Επιβλέπων: Γεώργιος Παπακώστας, Καθηγητής
Επταμελής Εξεταστική Επιτροπή:
1. Γεώργιος Παπακώστας, Καθηγητής, Τμήμα Πληροφορικής, ΔΠΘ.
2. Κωνσταντίνος Διαμαντάρας, Καθηγητής, Τμήμα Μηχανικών Πληροφορικής και Ηλεκτρονικών Συστημάτων, ΔιΠαΕ.
3. Βασίλειος Μαρδύρης, Καθηγητής, Τμήμα Διοικητική Επιστήμης και Τεχνολογίας, ΔΠΘ.
4. Ιωάννης Μπούταλης, Καθηγητής, Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, ΔΠΘ.
5. Γεώργιος Τσεκούρας, Καθηγητής, Τμήμα Πολιτισμικής Τεχνολογίας και Επικοινωνίας, Πανεπιστήμιο Αιγαίου.
6. Σταύρος Σταυρινίδης, Καθηγητής, Τμήμα Φυσικής, ΔΠΘ.
7. Ελένη Βροχίδου, Επίκ. Καθηγήτρια, Τμήμα Πληροφορικής, ΔΠΘ.
Περίληψη
Η διατριβή στοχεύει στην ενίσχυση της κβαντικής μηχανικής μάθησης μέσω εξέλιξης υπαρχόντων μοντέλων, με επίκεντρο τον Ασαφή Γνωστικό Χάρτη (FCM). Παρά την επιτυχία του FCM στην κλασική μηχανική μάθηση, ο γραμμικός μηχανισμός συμπερασμού του δυσκολεύεται να αποτυπώσει μη γραμμικές σχέσεις, ενώ η κλιμακωσιμότητα και η εφαρμογή σε πολύπλοκες δομές δεδομένων, όπως η εικόνα, παραμένουν ανοιχτά ζητήματα. Οι υπάρχουσες προσεγγίσεις κβαντικής μηχανικής μάθησης περιορίζονται συνήθως σε υβριδική βελτιστοποίηση, χωρίς να τροποποιούν την ίδια την αρχιτεκτονική.
Η έρευνα καλύπτει αυτό το κενό προτείνοντας τρία νέα μοντέλα: το Quantum Fuzzy Cognitive Map (QFCM), που αντικαθιστά τον κλασικό γνωστικό χάρτη με παραμετρικό κβαντικό κύκλωμα αξιοποιώντας υπέρθεση και διεμπλοκή· το Quantum Kernelized Fuzzy Cognitive Map (QKFCM), που ενσωματώνει κβαντικό μεταβλητό πυρήνα για μη γραμμική αναπαράσταση σχέσεων· και το QFCM-QCNN, μια βαθιά αρχιτεκτονική που συνδυάζει τον κβαντικό γνωστικό χάρτη με κβαντικά συνελικτικά δίκτυα για επεξεργασία δεδομένων υψηλότερης διάστασης.
Η μεθοδολογία συνδυάζει βιβλιογραφική ανασκόπηση, σχεδιασμό/υλοποίηση μοντέλων και εκτεταμένη πειραματική αξιολόγηση σε ποικίλα σύνολα δεδομένων, με συγκριτική ανάλυση έναντι κλασικών αρχιτεκτονικών και δοκιμή ευρωστίας σε κακόβουλα δεδομένα. Τα αποτελέσματα δείχνουν υψηλή ή ανταγωνιστική απόδοση, αποτελώντας συνολικά μια ολοκληρωμένη συνεισφορά και δυνητικό πρότυπο μεθοδολογίας για μελλοντική μεταφορά κλασικών μοντέλων στο κβαντικό οικοσύστημα.