- 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
- 567149 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175368
- 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
6 H, a1 v1 V4 ~) _. f& j. T7 D! m: l2 ?
2 D Q4 s6 y6 d e
& m0 a5 ~4 j" |. t( D
5 _; E; ?) x7 g+ N& V; A9 F: e! G) L8 a4 H1 A! b; _8 a5 d
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
( J( w A. x4 X+ w( q* {! W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 . ^" |/ M- W9 [2 w$ h8 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 ) e# M; t1 _& D1 q2 H* @) q
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
" [( L9 {! |. j" m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 ! x; i H' \9 w; K& q! A& J* v
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
. B8 K: x! a1 o, V5 }; ~' Z' q" \交叉研究的发展趋势进行了总结和展望。
" ~% j, u- D+ C3 G* t3 |4 G! x$ h9 v6 e6 K( \5 u) u2 e
0 r1 m2 A& @) ^
|
zan
|