.png){kind=icon}
.png){kind=icon}
返回
Parameter optimization method for space channel continuous-variable quantum key distribution based on Unet network
.png){kind=icon}
OA
AI
DOI：10.7498/aps.74.20250740.png)
.png){kind=icon}
.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（CV-QKD）在量子通信领域取得了显著进展，其运行需满足严格条件，如光学衍射极限、最大通信距离和光电探测极限。协议参数的优化，特别是调制方差（），对于CV-QKD的可行性至关重要。然而，在星地CV-QKD场景中，低地球轨道卫星与地面站之间的高速相对运动，加之有限的星上计算资源，给传统优化算法满足快速变化空间信道的实时需求带来了挑战。为应对这些挑战，本研究提出了一种基于U-Net方法优化空间信道中高斯调制CV-QKD的新方法。本研究开发了一个完整的CV-QKD链路仿真平台，通过改变轨道高度和天顶角等参数，生成了包含126575个样本的大规模训练数据集。利用以对称结构和强大特征融合能力著称的U-Net网络，实现调制方差的近实时预测。仿真结果表明，所提出的方法有效，在6328个数据集、轨道高度510~710 km及过剩噪声水平0.01~0.03的条件下，U-Net网络的预测精度达到99.25%~99.41%。与耗时14754 s的局部搜索算法相比，基于U-Net的方法将推理时间显著缩短至1.08 s，加速比达1.48×10^6。这些发现为未来空间信道CV-QKD实验的实时参数优化提供了坚实的理论基础，并在量子通信领域取得了重要进展。所提出的方法不仅提升了参数优化的效率，还确保了动态空间环境中CV-QKD的安全性与可靠性。
Keyword:
continuous-variable quantum key distribution
parameter optimization
machine learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。