面向量子密钥分发的 QNN-QRL：集成量子强化学习的量子神经网络
量子物理
2025-11-04 v2
摘要
量子密钥分发 (QKD) 已成为量子时代安全通信的关键组件，确保信息论安全性。尽管具备巨大潜力，但在优化密钥生成速率、提升安全性以及嵌入实际实现方面仍存在问题。本研究引入了独特框架，将量子机器学习 (QML) 算法，尤其是量子强化学习 (QRL) 和量子神经网络 (QNN)，集成到 QKD 协议中以提高密钥生成性能。本文提出两种新颖的 QRL 算法，QRL-V.1 和 QRL-V.2，并通过集成 QNN 算法将标准 BB84 和 B92 协议分别构建为 QNN-BB84 和 QNN-B92。随后将 QNN 与上述 QRL 算法结合，产生 QNN-QRL-V.1 和 QNN-QRL-V.2。这些独特算法和建立的协议使用准确率、精确率、召回率、F1 分数、混淆矩阵和 ROC 曲线等评估指标进行比较。来自 QNN 基础方法的实验结果显示，在密钥生成质量方面具有显著提升。在不同噪声信道下的现有和所提方法均被检验其鲁棒性。所提 QML 算法集成到 QKD 协议中的噪声分析及其实际应用，为高效密钥生成开辟了新范式，推动了 QKD 系统的实际部署。
引用
@article{arxiv.2501.18188,
title = {QNN-QRL: Quantum Neural Network Integrated with Quantum Reinforcement Learning for Quantum Key Distribution},
author = {Bikash K. Behera and Saif Al-Kuwari and Ahmed Farouk},
journal= {arXiv preprint arXiv:2501.18188},
year = {2025}
}
备注
16 pages, 12 Figures