- 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 0 o9 A# m) V# R
Q0 Z- ?( v& F6 \
5 b# b$ b0 J& e2 d7 ^# n) ?: y3 L3 x5 `
# X( X. G+ t# m, }$ z% k
. ?; P1 I2 S6 t# d& {, T) D" t7 {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 ) Y# X5 G+ z" H0 O4 i. 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 * l# |, W) e- T- Y. y& `7 @9 m
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 $ M9 _0 `* n1 a$ t9 U9 g8 F
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
6 I: l* D$ [! W$ ^, d+ u! r w! R: m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 % {: p) A& U" d2 o' f% f
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
; r6 B3 u8 Z$ O" ~0 W5 N8 ]4 p交叉研究的发展趋势进行了总结和展望。* x: a8 l5 R Y/ k
+ v; w( {# v1 P. z
& I! O/ p8 ]- X |
zan
|