基于量子中继器的密钥分发深度强化学习

本工作考察了在通信距离与量子存储器相干时间构成的广阔参数空间中，基于量子中继器的密钥分发之密钥率。作为该任务的第一步，我们建立了通过量子中继器分发纠缠量子态的马尔可夫决策过程模型。基于此模型，我们实现了一个仿真，用以在朴素控制、有限存储器存储时间的条件下确定大范围参数下的密钥率。多段量子中继器链中量子态演化的复杂性促使我们使用深度强化学习来搜索存储器存储时间限制（即所谓存储器截断）的最优解。本工作的新颖贡献在于探索了动态适应量子中继器状态的非常通用的截断策略。我们给出了该方法的实现，特别关注四段量子中继器，并通过找到优于朴素策略的示例解，实现了其有效性的概念验证。