- 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
- 554632 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 171762
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 18
- 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
( Y) _( S/ c5 _, \5 q+ P, o
5 a4 S& Y9 n6 v5 N8 p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8 w+ t( _4 T2 i
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
+ e5 s4 c) K& E% x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2 v, w$ F( Q( p! l7 z ]' |6 I
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
' [* ]* {+ [- h5 G$ l( d; k- 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
: Y9 j/ T6 `; g; l8 M5 y5 Y5 L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" C3 ^6 x3 O" F% K7 m, W" {
交叉研究的发展趋势进行了总结和展望。
. r# k6 t- N9 l% j3 [5 l+ S7 v- Q' b1 p: k7 n
4 x0 u) B# T% M2 @7 m1 n# Q A
( ]* u0 e O! s4 k
$ V) t. \- g2 [. w* I) z/ V
' ]* M; s2 t3 ]
# o: R* I4 F$ c9 @! ]) s: P$ s# Z: E8 t7 B0 ^8 H; h, V' [
|
zan
|