- 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
- 565644 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 ) Q# K# d6 `' A c
7 H% L! k: O1 A! p ^) I' i8 }. B, Z4 {5 S M/ Q
0 e# j [% b: V- x9 |9 T
* n# ~- F/ P% ~ C5 E
8 J0 w/ r! T6 g( d0 ` {: Z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
P0 A: ], f/ x% h! k* 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
2 Y: i4 M0 G" u+ d: J" p( Y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
9 W5 l: {9 c! ~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
- V/ P/ k) w' H8 o3 L. Z7 B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 " @) o4 G& ^# d. c7 ?" y* {+ p
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 0 Z% X# Z, v' i! _0 e
交叉研究的发展趋势进行了总结和展望。 M" b; T* L4 s! n2 ^4 t6 j
& d/ E) F' G1 k8 O; ^8 L
I; ]! F0 c( J' N |
zan
|