- 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
- 567284 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175408
- 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
* c4 ] t! Z5 b1 I3 n8 x1 _" H3 {
$ T2 |' h/ J T. q0 i0 a# s- e1 j5 V9 f
4 E3 I) e: r2 P R9 k8 m$ R
# |! a# W2 D+ ?3 r9 t1 X# x7 e4 l- i5 @7 O' C9 M4 Y6 U
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
5 m5 q1 h% D) Y. |% P* N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 x, ?* U9 `1 |& P8 @% O
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 ~3 D: k$ E2 H, b, `: J3 y" w o
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 a, w. z/ u: F, s* `) Q$ A, n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 3 {( F3 ]* K: Z
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% |7 V4 j* L% u: V. A, C0 e3 Z
交叉研究的发展趋势进行了总结和展望。
6 J# N' ^( S, z$ E
1 g2 d8 \& p' e! a3 _* X' ?9 E) J7 M" a$ I6 U l+ G
|
zan
|