Browsing by Author "Gülbahar, Burhan"

Now showing 1 - 2 of 2

Aşırı az örneklemede ikili sinyal kurtarma: Çoğunluk oylaması ve ardışık girişim iptali ile birlikte SDP
(2025) Abay, Ece; Gülbahar, Burhan
İkili Seyrek Algılama (BCS), n uzunluğundaki k-seyrek bir ikili vektörün m doğrusal ölçümden (m≪n) kurtarılması problemini ele alır. Aşırı örnekleme eksikliği rejiminde (m<2k), geleneksel seyrek algılama (CS) garantileri geçerliliğini yitirir ve rastgele ölçüm matrisleri kullanan mevcut BCS algoritmaları yetersiz performans sergiler. Bu makale, m≤k durumunda bile güvenilir kurtarma sağlamak için yarı-tanımlı programlama (SDP), çoğunluk oylaması (MV) ve özyinelemeli ardışık girişim iptali (SIC) tekniklerini birleştiren SDP-MVRSIC adlı yeni bir algoritma sunmaktadır. Yöntem, L≪n SIC katmanına sahip özyinelemeli bir ağaç yapısı kullanır. Her düğüm, rastgele SDP örneklemesiyle aday çözümler üretir, bunları MV ile rafine eder ve sonraki SIC aşamaları için dallar oluşturur. C(x ̂ )=‖y-Hx ̂ ‖_2^2 maliyet fonksiyonu, en uygun adayların seçimine rehberlik eder. SDP-MVRSIC, hesaplama karmaşıklığı ve kurtarma doğruluğu arasında ayarlanabilir bir denge sunar. Örneğin, n=128 için karmaşıklığın O(n^3.83 )'ten O(n^5.86 )'ya çıkarılması, seyreklik oranı s=k/n 0.5'ten 0.125'e düştükçe m/k∈[0.6,1.5] aralığında tam kurtarma sağlar. Bu esneklik, algoritmayı aşırı yüklenmiş MIMO sistemleri veya kaynak kısıtlı sensör ağları gibi zorlayıcı ölçüm kısıtlamaları olan uygulamalar için özellikle uygun hale getirir.
Citation - WoS: 5
Citation - Scopus: 6
Majority Voting With Recursive QAOA and Cost-Restricted Uniform Sampling for Maximum-Likelihood Detection in Massive MIMO
(IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC, 2025) Burhan Gulbahar; Gülbahar, Burhan
Quantum approximate optimization algorithm (QAOA) with layer depth p is promising near-optimum performance and low complexity for NP-hard maximum-likelihood (ML) detection in nxn multi-input multi-output (MIMO) systems. Experimental challenges for ML detection on Noisy Intermediate-Scale Quantum (NISQ) computers arise from accumulated errors with large p and n. Recursive QAOA (RQAOA) is promising with small p by reducing complexity over n steps. In this article we modify RQAOA for p << n with cost sorting and post-selection in m << n steps and then integrate it with majority voting (MV) and successive interference cancellation (SIC) into the QAOA-MVSIC algorithm to tackle experimental challenges. We truncate QAOA circuits to further improve experimental feasibility. Simulations with n=24 and 12 for BPSK and QPSK modulations respectively show near-optimum bit-error rate (BER) with p=1 and m <= 4 . Truncated version requires O(mnp) quantum and O(mn2) classical operations with low complexity. We experimentally implement QAOA combined with MV (QAOA-MV) for n is an element of[1764] in IBM Eagle processor by observing superior performance of QAOA-MV over QAOA and reducing problem dimensions by at least n/4 . We generalize QAOA as cost-restricted uniform sampling (CRUS) oracle and approximately simulate for n <= 128 to obtain comparison benchmark for future QAOA experiments.