基于神经网络的量子密钥分发安全密钥率预测
量子物理
2022-05-31 v3
摘要
数值方法在实践中被广泛用于计算许多量子密钥分发协议的安全密钥率，但其消耗大量计算资源且过于耗时。本工作中，我们以零差探测离散调制连续变量量子密钥分发（CV-QKD）为例，构建了一个能够基于实验参数与实验结果快速预测安全密钥率的神经网络。与传统数值方法相比，神经网络的速度提升了数个数量级。重要的是，所预测的密钥率不仅具有高精度，而且极有可能是安全的。这使得离散调制CV-QKD的安全密钥率能够在低功耗平台上实时提取。此外，我们的方法具有通用性，可推广用于快速计算各种其他非结构化量子密钥分发协议的复杂安全密钥率。
引用
@article{arxiv.2108.02578,
title = {Neural network-based prediction of the secret-key rate of quantum key distribution},
author = {Min-Gang Zhou and Zhi-Ping Liu and Wen-Bo Liu and Chen-Long Li and Jun-Lin Bai and Yi-Ran Xue and Yao Fu and Hua-Lei Yin and Zeng-Bing Chen},
journal= {arXiv preprint arXiv:2108.02578},
year = {2022}
}
备注
12 pages, 5 figures, 2 tables