.png){kind=icon}
返回
High-rate discretely-modulated continuous-variable quantum key distribution using quantum machine learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.chaos.2025.116331.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
连续变量量子密钥分发（CVQKD）是确保信息安全的一种有前景的方法。本文提出了一种基于量子机器学习技术的离散调制（DM）CVQKD高速率方案，该方案将整个CVQKD系统分为三部分，即用于训练和估计量子分类器的初始化部分、用于生成高度相关的原始密钥的预测部分，以及生成最终由Alice和Bob共享的最终秘密密钥串的数据后处理部分。为此，设计了一种低复杂度的量子k近邻（QkNN）分类器，用于预测Bob侧的损耗离散调制相干态（DMCSs）。分析了所提出的基于QkNN的CVQKD的性能，特别是在机器学习指标和复杂度方面，并通过半定规划（SDP）方法证明了其理论安全性。数值仿真表明，本方案提出的密钥生成速率明显优于现有DM CVQKD协议，并且随着调制方差的增加可以进一步提升。
Keyword:
Quantum machine learning
Quantum key distribution
kNN classification
期刊
C
IF:
5.6
论文数:
1.3K
被引数:
3.8W
机构
引用论文
Homodyne Detection Quadrature Phase Shift Keying Continuous-Variable Quantum key Distribution with High Excess Noise Tolerance.png)
PRX QUANTUM
OAAI
PRX QUANTUMIF11
OAAI分享收藏分享收藏分享收藏
查看更多内容