- 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
- 567214 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175387
- 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
7 |$ j5 j) }5 |, s' K% ~5 g
: p5 s/ W' F+ J( m5 c0 g6 Z- l2 }' F. Q# N n0 b8 h5 W
! R( u$ Z3 Z$ C4 g- \
# J" B- s; p/ [1 ]; l" ~
! a ]$ @- a$ `0 [, {+ ^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 " X' z3 S: b, Z) ]+ V
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 ( d) s1 `! x6 }' F- e( h; H
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 o6 L4 z( r2 G. b6 p0 P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
; v9 r6 W* {7 ]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 $ w6 g& I! a7 O2 C1 _4 D8 u& O
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
. t, j7 {/ v7 u1 _8 E5 g交叉研究的发展趋势进行了总结和展望。
, q7 S* S Q7 Q: E7 _ { e* |6 R; P4 L; d+ a( ~) c
; V$ u2 `9 J5 }6 d4 B7 `4 d2 {
|
zan
|