- 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
- 564679 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174627
- 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
x4 j' S0 _/ W% m! l' B; }. \' e6 y
- Z9 }1 I! B( m+ S/ y* p% x
# T2 a" v% C; p* V" \, S+ m1 H+ N8 F- c6 ?$ e" x- A4 {
7 m) A1 g: t J# I6 Z3 t/ a# h- l4 V X
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 ( L2 l* F s [/ 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 ) y5 g7 y k/ D8 F
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
( A; q. d6 l6 N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 - ?; P; n5 u/ R1 L0 q
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
9 r S2 \& Z. P! C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 K+ H9 L& f2 H+ H0 \9 X1 D2 ?
交叉研究的发展趋势进行了总结和展望。+ S/ I2 u! j8 I! k
v- [: t' V( w
/ u& _* p$ C' y0 J1 B9 ^8 l$ a. m4 r
|
zan
|