留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

本期“量子信息”专栏评述

专栏编委会

专栏编委会. 本期“量子信息”专栏评述[J]. 电子科技大学学报, 2023, 52(2): 161-161. doi: 10.12178/1001-0548.2023020001
引用本文: 专栏编委会. 本期“量子信息”专栏评述[J]. 电子科技大学学报, 2023, 52(2): 161-161. doi: 10.12178/1001-0548.2023020001
Editorial Board of Special Topic. Comments to Special Topic Articles[J]. Journal of University of Electronic Science and Technology of China, 2023, 52(2): 161-161. doi: 10.12178/1001-0548.2023020001
Citation: Editorial Board of Special Topic. Comments to Special Topic Articles[J]. Journal of University of Electronic Science and Technology of China, 2023, 52(2): 161-161. doi: 10.12178/1001-0548.2023020001

本期“量子信息”专栏评述

doi: 10.12178/1001-0548.2023020001

Comments to Special Topic Articles

计量
  • 文章访问数:  4042
  • HTML全文浏览量:  1209
  • PDF下载量:  274
  • 被引次数: 0
出版历程
  • 录用日期:  2023-02-23
  • 网络出版日期:  2023-04-03
  • 刊出日期:  2023-03-28

本期“量子信息”专栏评述

doi: 10.12178/1001-0548.2023020001

English Abstract

专栏编委会. 本期“量子信息”专栏评述[J]. 电子科技大学学报, 2023, 52(2): 161-161. doi: 10.12178/1001-0548.2023020001
引用本文: 专栏编委会. 本期“量子信息”专栏评述[J]. 电子科技大学学报, 2023, 52(2): 161-161. doi: 10.12178/1001-0548.2023020001
Editorial Board of Special Topic. Comments to Special Topic Articles[J]. Journal of University of Electronic Science and Technology of China, 2023, 52(2): 161-161. doi: 10.12178/1001-0548.2023020001
Citation: Editorial Board of Special Topic. Comments to Special Topic Articles[J]. Journal of University of Electronic Science and Technology of China, 2023, 52(2): 161-161. doi: 10.12178/1001-0548.2023020001
    • 量子机器学习 (quantum machine learning, QML) 是当前量子计算理论的研究热点之一。在真实的大规模量子系统中,不可避免地存在扰动和噪声,而微小扰动将导致量子分类器分类错误,从而使量子机器学习算法失效。基于上述原因,研究在微小扰动下的量子分类器鲁棒性,是量子机器学习研究中的基本问题之一,而如何高效生成尽可能小的扰动使量子分类器失效是关键点。

      针对这一问题,该文提出了一种新的量子对抗攻击生成算法——量子混淆算法。该算法利用量子分类器中输入数据的梯度信息来生成扰动,通过将这种扰动施加到编码原始数据的量子态上,就能够使已训练好的量子分类器失效。将该方案与已有的量子自适应快速梯度符号法 (Q-FGSM) 和量子自适应基本迭代法 (Q-BIM)进行了比较,结果显示,该算法确实可以通过生成更小的扰动使分类器失效。因此,量子混淆算法提供了一种高效的量子对抗攻击生成方法,为理解量子分类器的有效性和脆弱性提供了新的思路。

    • 双场量子密钥分发(quantum key distribution, QKD)协议理论上可突破PLOB界,目前业界传输距离已突破800 km,是当前学术界重点关注的一种长距离QKD解决方案,其一方面在组网应用中可减少可信中继数量以降低系统安全风险,另一方面可显著提升长距离QKD安全码率。

      该文将统计波动分析方法与线性规划相结合,对量子密钥分发协议中广泛使用的一类双场量子密钥分发协议——相位匹配协议 (phase matching, PM)进行了分析。针对二诱骗态与三诱骗态 PM 协议,比较了高斯分析方法和切诺夫-夫丁界方法对于两种协议统计波动分析的表现,进而通过线性回归对两种协议的密钥生成率进行了估计。结果显示,采用切诺夫-夫丁界进行统计波动分析,可以保证 PM 协议的安全性,但是在数据量较小时,其性能低于高斯分析。此外,增加诱骗态无法显著提高考虑统计波动的PM 协议性能。综上,实现量子密钥分发时,采用二诱骗态 PM 协议,同时结合切诺夫-夫丁界统计波动分析方法是一种更优的选择。

目录

    /

    返回文章
    返回