[发明专利]一种基于机器学习的量子通信系统的主动反馈控制方法

权利要求书

1.一种基于机器学习的量子通信系统的主动反馈控制方法，其特征在于：

所述方法将长短期记忆神经网络LSTM的机器学习模型应用于量子通信系统之中，并且以相位编码的量子密钥分发QKD作为应用场景；该QKD系统至少包括两个用户端Alice端和Bob端；

所述方法依次包括训练阶段、预测阶段和更新阶段；

训练阶段：

根据时间前后将训练数据分为很多序列，序列的长度代表数据的时间跨度，序列中每一个时间点的数据由相应的特征和标签组成；其中，所述特征可以由环境温度、湿度、激光器的强度、当前时间点的电压以及前四个时间点的电压组成；所述标签则由下一个时间点的电压组成；在训练网络时，使用Adam优化算法，整个训练过程至少需270轮，所有数据在输入进网络前需经过Z-score的标准化；

预测阶段：

训练完成后的LSTM网络可以接入Bob端的相位调制器的相位电压调控系统，LSTM网络在该阶段需要从温湿度探测器实时读取当前时间的温度、湿度，从光功率计实时读取当前激光光强，从移位寄存器实时读取五个时间点的位移电压，这五个时间点的电压分别为当前时间点的电压值以及前四个时刻的电压值；网络根据输入数据预测出下一个时间点的零相位电压，并将该电压值输入Bob端的相位调制器，以此实现系统的相位稳定控制；

更新阶段：

为使LSTM具备长时间准确预测的能力，采取了预测与更新相结合的工作模式；在网络预测一段时间后，通过短暂运行干涉环扫描程序以获取准确的零相位电压并反馈回LSTM网络，LSTM根据准确的标签值使用误差逆传播方法更新其权重与偏置值，更新后的LSTM网络则重新转为预测模式；

LSTM网络由一连串重复的神经网络模块所组成，其核心为细胞传送带C_t，LSTM网络训练所学习到的知识沿这条传送带进行传递，并贯穿整个链条，LSTM网络是通过门结构来删除或添加信息到细胞状态；一个神经网络模块有三个门结构来控制一个细胞单元的状态，分别称为忘记门、输入门和输出门。

2.根据权利要求1所述的一种基于机器学习的量子通信系统的主动反馈控制方法，其特征在于：所述主动反馈控制方法的反馈控制由干涉环扫描程序完成，其反馈过程以更新LSTM网络为目的；将干涉环扫描程序扫描出的实时电压反馈回LSTM网络，使网络更新其权重与偏置电压值。

3.根据权利要求1所述的一种基于机器学习的量子通信系统的主动反馈控制方法，其特征在于：所述主动反馈控制方法的训练阶段与预测阶段互相分开，本方法采用在每次预测前连续更新网络的方式，从而实现了训练阶段与预测阶段的分离。

4.根据权利要求1所述的一种基于机器学习的量子通信系统的主动反馈控制方法，其特征在于：所述主动反馈控制方法将双层LSTM网络用于QKD系统的稳定调相过程。