基于反向传播人工神经网络的测量设备无关量子密钥分发网络参数优化与实时校准
量子物理
2019-03-27 v2
摘要
当测量设备无关量子密钥分发(MDI-QKD)网络的用户数量变大时，参数选择(如选择X基或Z基的概率、信号态与诱饵态的强度等)和系统校准将更具挑战性。目前，人们通常使用优化算法来搜索最佳参数。这种方法能准确找到优化参数，但可能耗费大量时间与硬件资源。这在大规模MDI-QKD网络中是一个大问题。在此，我们提出一种新方法，使用反向传播人工神经网络(BPNN)进行预测，而非搜索优化参数。与优化算法相比，我们的BPNN更快、更轻量，可节省系统资源。大规模MDI-QKD网络带来的另一个大问题是系统重新校准。BPNN可实时支持该工作，且只需利用通信过程中产生的部分废弃数据，而无需我们添加额外设备或扫描系统。
引用
@article{arxiv.1812.08388,
title = {Parameters optimization and real-time calibration of Measurement-Device-Independent Quantum Key Distribution Network based on Back Propagation Artificial Neural Network},
author = {Feng-Yu Lu and Zhen-Qiang Yin and Chao Wang and Chao-Han Cui and Jun Teng and Shuang Wang and Wei Chen and Wei Huang and Bing-Jie Xu and Guang-Can Guo and Zheng-Fu Han},
journal= {arXiv preprint arXiv:1812.08388},
year = {2019}
}
备注
7 pages, 8 figures