- 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
- 565638 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174914
- 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
) V/ e( K: `! t0 w9 Z: w* K+ v" i2 d7 x0 L
& f4 V+ B3 S1 r4 s. f) F3 _: y4 S# c8 I: Q
# R' J6 w$ b' c5 G3 I
- z" a, s8 x6 _% O# S
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
! r4 h l9 M! u! ?8 I" _- g. P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
& m5 p6 C0 w8 L# h8 d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 0 k, e9 r. Z- u& k9 X% y/ ]
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
) k' Z' \+ ^" x( r0 q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 * F* D% j$ E$ s; B
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
( w8 w9 }7 l+ ~! e交叉研究的发展趋势进行了总结和展望。
5 E+ z( X/ A( i% V X
0 c& [5 j4 j; d2 {* e' Y- d3 Q# I, p6 ^* D0 p' L5 [9 V
|
zan
|