- 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
- 565684 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174928
- 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 , [! {, K% a0 b, P" @
1 ]/ W# f2 u; n/ f# u( Y, W% b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$ k: m* X; k' s- }6 ?
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
! L3 M& n5 o+ @5 c; I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 M& F7 G+ d' \: W% {; }
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/ j7 W% P, _; Z0 W- j) p( V
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- S) r6 q% g* z6 Q) E
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7 O* w8 C/ ~) a1 o' \
交叉研究的发展趋势进行了总结和展望。4 g, W& m8 ?7 R6 _/ p
% `8 H$ h2 ^! f7 ?
2 }$ q( k9 y2 P9 O
* R2 L, { W7 T: W* G4 C+ o2 O) C- l0 v7 f
, P9 E' T$ \/ l) `+ X1 S" N+ c$ r+ N& l% I: |0 ~) o: b; _) o7 n- o
" X- m9 n0 m8 F* b5 g5 L. a: U" l+ h a# f |
zan
|