- 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
- 565670 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174924
- 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 / @2 G9 A/ v+ S/ D k
# Q3 q. ?" ^7 z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
( L# k) a$ O- B9 [+ {$ c2 Q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: E1 ] x6 W$ o& w' F+ ?2 S
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) _: o3 ?; {6 t* j
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
3 Y, Z- z" v. I" 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
. d; y2 K: D! y' w) }$ 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
/ _* R8 }- J4 p7 K! {6 O交叉研究的发展趋势进行了总结和展望。
% M% c: k8 v1 p2 X
0 W# q; h' y3 d& k% R, w' P5 _" `! H/ N- v8 }
; u8 O3 Z* |( x5 M. U6 C- U
1 J3 k+ x9 {/ k7 j3 x9 i
C: m8 o8 A% `2 \1 f, q; O# ^
. I: A+ K4 F7 {4 B% r" D$ _
, _; }1 ^: q, \% {5 S1 H) G9 r4 d$ G o |
zan
|