导读
南京邮电大学量子信息技术研究所王琴教授团队在量子密码领域取得新突破，该团队首次提出将人工智能领域的长短期记忆神经网络(LSTM)应用到量子密码控制系统之中, 实现了对量子密码系统的主动反馈与控制, 在不引入任何额外硬件和辅助稳定设备的条件下，将系统传输效率提升接近百分之二十。该成果以《Practical Phase-Modulation Stabilization in Quantum Key Distribution via Machine Learning》为题近期发表在美国物理学会权威学术期刊《Physical Review Applied》上。
量子密码作为量子信息技术领域发展最为成熟的技术，正逐渐从实验室阶段走向商用化，有望在未来大规模网络加密通信中发挥重要作用，因而得到学术界和工业界的广泛关注。自第一个BB84协议提出以来，量子密码无论是在理论上还是在实验上均取得了巨大进展。现有量子密码系统包括相位、偏振、时间-能量编码等编码方式，其中相位编码方式应用最为广泛。该类系统在运行过程中不可避免地存在相位漂移问题，因而需要不断对发送端和接收端的相位进行实时校准。目前主流系统通过采用扫描+传输的方法来解决。该方法虽然可以实现相位补偿，但会导致量子密码系统传输效率降低。针对该缺点，王琴教授团队首次提出将人工智能与量子密码控制系统相结合，利用LSTM网络主动预测系统相位漂移大小，进而实现主动反馈与控制；同时通过固定时间间隔对网络细胞状态进行更新，使量子密码系统始终保持稳定的高效率运行状态。该方法在不提高系统硬件复杂度的前提下大幅提升了量子密码系统传输效率。此外值得提出，该方法的适用范围不依赖于某种协议或编码方式，原则上同样适用于其他任意量子密码协议和任意编码系统，为未来开展大规模量子通信网络应用提供新的研究思路与应用方法。
该项工作的第一作者是南京邮电大学通信与信息工程学院硕士研究生刘靖阳，南京邮电大学量子信息技术研究所的王琴教授和江苏省图像处理与图像通信重点实验室的谢世朋副教授是该工作的共同通讯作者。该工作得到了安徽问天量子科技有限公司的技术支持。此项工作受到国家重点研发计划、国家自然科学基金以及江苏省研究生科研实践创新等项目的支持。
图1.实验装置示意图
图2.使用LSTM与传统扫描-传输方法系统误码率对比图
文章链接
https://journals.aps.org/prapplied/abstract/10.1103/PhysRevApplied.12.014059
编辑推荐
长按二维码
关注我们吧
免责声明：本文旨在传递更多科研信息及分享，如涉及侵权，请联系下方邮箱，我们将及时进行修改或删除。转载请注明出处，如原创内容转载需授权，请联系下方微信号。
邮箱：janechou@imeta-center.com
微信号：18305163023