- 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
- 563328 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174221
- 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 # ~4 E! ~. G' W+ f7 j
/ t3 ?, T* ~+ l) U1 I0 s
$ g K4 F& R/ J- O. ^7 w. y9 [- n4 o8 l8 ?' ] G
* x& a# {/ @! p, T! }/ J' ` N1 p; D2 S( Z: V: o; o3 v6 q
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
' M# M$ b" O0 L5 j! Y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, T) O! _! u- C' R
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 $ F' Z, T$ u0 G/ J" P
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
: n% h" r9 T+ B+ p7 _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 % m2 j0 f m. a4 _$ G% }: U% Y
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
& C( B) B; [$ K: I9 G5 c3 R6 V8 _! T交叉研究的发展趋势进行了总结和展望。
) u* N' i" P% P0 M Q* S: C/ y
. R- ^3 w. @" ?) b2 M5 |/ ~3 m0 }* G1 r
& }" |. f1 h& n: ^+ x0 _ q |
zan
|