[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有效
申请号: | 201910469672.X | 申请日: | 2019-05-31 |
公开(公告)号: | CN110365473B | 公开(公告)日: | 2021-11-26 |
发明(设计)人: | 王琴;刘靖阳;谢世鹏;张春梅 | 申请(专利权)人: | 南京邮电大学 |
主分类号: | H04L9/08 | 分类号: | H04L9/08;H04B10/70;G06N3/04 |
代理公司: | 南京正联知识产权代理有限公司 32243 | 代理人: | 王素琴 |
地址: | 210033 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种基于机器学习的量子通信系统的主动反馈控制方法,在量子密钥分发系统的传输过程中,本发明利用已预先训练完成的双层LSTM网络,根据外界环境中实时温度、湿度、激光器光强起伏,以及过去时刻的电压变化预测下一时刻接收端的相位调制器的零相位电压值,并通过固定时间间隔对网络进行更新,使该LSTM网络能够长时间准确预测,从而保证量子密钥分发系统长时间高效稳定运行。本发明通过主动预测、反馈控制的方法,极大地提高了量子密钥分发系统的传输效率。本发明不仅限于应用在量子密钥分发系统或相位编码系统之中,也同样适用于基于其他编码方式的量子密钥分发系统或量子通信网络之中。 | ||
搜索关键词: | 一种 基于 机器 学习 量子 通信 系统 主动 反馈 控制 方法 | ||
【主权项】:
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)作为其中一个应用场景,但不仅限于QKD系统或相位编码系统;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,序列的长度代表该段数据的时间跨度,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;所述标签则可以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。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910469672.X/,转载请声明来源钻瓜专利网。