- 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
- 565643 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174916
- 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
3 b. R/ @- ?$ N4 l
; [' q3 {/ ~2 y# D l9 [+ K7 n( T8 Z" M5 a
; L, Z A6 k- W0 E( T$ K# N
; n. l# ?) Y3 s# O+ v0 E- X
* F0 p; c: T7 u* C( i h# J
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
" }7 F2 E$ K/ c7 T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
. Y) c# T) K1 S/ f1 a6 [0 _4 p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 r w r {% [0 P: l
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 * |" z# r0 Z3 x, y) h
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 " ?, t2 n: K8 k5 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
2 V7 O, ^5 g! h/ g' r9 R交叉研究的发展趋势进行了总结和展望。
8 n4 j, M2 L, X7 h$ o* u' q
B. Q' T# c. h; Q7 `3 ~
+ I# [$ l( t4 s/ a0 t) o; m- N |
zan
|