- 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
- 563272 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174204
- 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
8 X0 y; W: v& A {7 N4 j/ z' P# \: 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
' t, e8 Q* u+ Z, L; m) K) N1 z: C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, h. |* Z0 W" ~7 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1 z+ |4 Z& ]2 R5 Y+ B0 P6 A& u
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
# x' `3 j/ I9 b/ m* T4 f; v* ~4 f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: T7 ]' T+ @0 p* Q8 Q9 t
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8 e: |9 P9 p$ g. U4 ^
交叉研究的发展趋势进行了总结和展望。
- O- ? i. R: y p( z- ?- U% _9 ?1 c& G
" b* G1 |3 l" ]1 V; a
/ r' q& X0 d' [! I$ |' D* A
; h( A5 h7 U$ M3 a$ Z& O+ d! G ^* e: D
$ Y1 T4 o4 `: }5 p& \0 s# {
u. Y6 m- J( i3 {- R# h
|
zan
|