- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 564701 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174633
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
|
机器学习在量子保密通信中的应用与研究 7 @! H8 _; A0 M( W9 U; p* d
# V3 E9 G% T( k- P
/ Z0 q9 ?- f0 x! Y6 k
: _9 l5 g8 W0 N2 y& A6 h4 b$ Q/ x: [$ r! T$ B, u9 H0 ]6 ^8 |+ ~
% W Y4 X' D' B q! V2 g3 |
量子信息与机器学习是目前国际两大前沿发展领域,近期均取得了一系列重大研究进展。而
) B; Y2 M; k/ K% S两者的交叉领域也正成为科学研究的热点,主要包括机器学习与量子通信、量子计算、量子光学等 * J! w B) e8 x+ d( b/ A5 E B1 U
方面的结合与应用。文中主要介绍机器学习与量子保密通信结合方面的知识和进展状况。机器学
6 y. ]0 I' L5 r& g* r/ g习与量子保密通信的交叉研究,主要表现在从理论配置和实验控制两方面对量子密钥分发系统的 ' V* j; _: B5 C) M9 d3 n9 W) n. o- Q* i
优化。通过监督学习过程将机器学习模型用于量子保密通信系统,可以有效降低通信过程所涉及 ( i6 |4 H6 I& {: @3 k
的复杂度并提高系统的总体工作效率,同时实现资源优化配置。最后,对量子保密通信和机器学习 + l2 W1 P7 s2 c& p$ _% a
交叉研究的发展趋势进行了总结和展望。
. H) e+ h+ u7 |. E9 D, }; X
/ V! B0 q- X; u- [( C
6 a! [; i% t o# J% p1 s |
zan
|