- 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
- 563278 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174206
- 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
" m5 O7 {8 t$ |! W# R
2 h0 Y1 J. ~0 ^# V) ?0 P- u8 v& |: H# E4 V
+ h, s' S! q7 ~+ q" O3 @% f6 r/ @
4 O! p" J( `" C5 s3 P. Y
# |6 a2 t/ y( j/ s% W( 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 ; W2 N/ q! c5 S8 A/ @& g; e1 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
& Q6 [ ?9 u% k( _5 t- P+ k9 Q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 " d3 i! f, ]9 b7 U X
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 2 y( |: ], ], H! U0 g! X' 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 # R9 c$ D- t8 C3 d
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
+ u) O5 p* U8 s1 Y# m& \' i: U1 q交叉研究的发展趋势进行了总结和展望。
+ I, Q/ V3 O% z# L
! `5 S0 B K! f2 q# [; K
0 {4 l2 K, Q9 C) e6 L& H! X$ l |
zan
|