- 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
- 563277 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
; B w" e0 J. |/ A
* n6 j5 U1 C) J% d5 R
' f5 f7 ~" A0 M; j
/ A/ [: s" {4 f6 Q3 T8 J" i" A# [) Q0 |3 h2 l
7 q8 j* n# ?# R, ` r
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 3 E) d$ q: j1 k8 `' N( ^
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 / o# L; A4 V% [
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 " A' }3 N9 g8 p6 e+ N) m
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 $ E2 U" `. B/ [2 v, L
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 , J! q; }9 W5 P! y# |% i# y
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 & }# H( I3 E' C$ z
交叉研究的发展趋势进行了总结和展望。4 E$ s3 f8 E" e' I
( p( @7 E0 p( {, H
' u! w/ S U$ |* ]
|
zan
|