基于量子灵感的哈密顿量优化、随机张量网络与自适应拥塞路由用于大规模 QKD 网络
量子物理
2026-05-28 v1
摘要
量子密钥分发 (QKD) 网络需要能够在动态演化的流量条件下，联合优化延迟、密钥生成速率、拥塞、有限容量和操作安全约束的路由方法。本文引入一种基于有效哈密顿量建模、量子蒙特卡洛式退火和随机张量-网络状态 (TNS) 压缩的量子灵感优化框架，用于 QKD 通信网络中的自适应多需求路由。将通信网络表示为随机相互作用图，其路由配置在包含延迟、keyrate、拥塞、风险和容量项的有效哈密顿量作用下演化。通过两种互补方法探索结果优化景观：一种基于增量局部哈密顿量更新的随机马尔可夫链 annealer，以及一种基于随机边界-MPS 张量-网络近似法，通过热力学分支选择压缩低能路由子空间。该框架在 QKD 网络编排、统计物理启发的优化、张量-网络压缩和未来量子原生路由系统之间建立了可扩展的桥梁。
引用
@article{arxiv.2605.27425,
title = {Quantum-Inspired Hamiltonian Optimization, Stochastic Tensor Networks and Adaptive Congestion Routing for Large-Scale QKD Networks},
author = {Jose Luis Rosales},
journal= {arXiv preprint arXiv:2605.27425},
year = {2026}
}