- 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
- 564676 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174626
- 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
! Y K _$ l" w+ }" B3 x
7 T0 r, o( c% S5 ?+ d# ~/ d. ]3 i. r! P
& Q: z2 d$ Y" }, ?% |) q/ M, S2 @3 O; r1 R/ B
- r) k: X- i$ {2 U& k+ N% H$ p( m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 4 Z8 _% Y, i- u1 Z
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 6 ~; @8 y: {" ~5 q! s/ r j
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 # ^& \9 @5 l$ f4 ^, I8 i
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 4 K( D" p6 v) z9 q+ U
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 , T! A. r3 ^" |% z5 Z1 A
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 8 I; Q8 t# B X/ l& D7 w5 r* _
交叉研究的发展趋势进行了总结和展望。
" T7 l* J2 c" c d8 g* q4 Q2 }( a% [$ X3 f/ U6 |/ ?' N
+ `5 N! V# E% T: u
|
zan
|