量子保密通信系统也能被机器学习“赋能”？这场学术会议“百家争鸣”

交汇点讯 7月3日—4日，第二届全国光量子科学与技术学术会议在江苏南京召开。本次大会由中国光学学会光量子科学与技术专业委员会主办，南京邮电大学承办。来自高校、科研院所、光电企业的科技人员和青年学子600多人参会。

中国光学学会前任理事长、中国科学技术大学郭光灿院士，上海交通大学致远讲席教授、中国光学学会光量子科学与技术专业委员会主任张卫平教授，中国科学技术大学少年班学院院长卢征天教授，华中科技大学精密重力测量国家重大科技基础设施工程负责人胡忠坤教授等出席了开幕式。

南京邮电大学副校长汪联辉教授在致辞中表示，本次大会以“光量子科学与技术”为主题，聚集国内外的知名专家和研究学者，共同研讨光量子信息的最新动态和未来发展前景。

汪联辉教授说：“南京邮电大学多年来一直高度重视量子信息科学的发展。光量子信息技术已经成为南京邮电大学‘双一流学科建设’七个重点建设方向之一。在郭光灿院士、南邮前任校长杨震教授的大力支持下，专门成立了量子信息技术研究所。近几年，南邮量子信息技术研究所在量子数字签名，量子密钥分发，量子安全直接通信，量子纠缠纯化等方向取得了一系列原创性成果。比如：实现了被动式诱骗态量子数字签名，达到了200公里的安全传输距离，创造了当前量子数字签名实验的最高记录。项目《高性能量子数字签名系统》斩获全国‘挑战杯’竞赛特等奖，也是南邮历史上首次获得‘挑战杯’竞赛特等奖。此外，通过与中科大量子信息重点实验室合作， 首次实现了基于纠缠的量子安全直接通信以及实现了 11 公里远距离量子纠缠纯化等工作。”

本次会议优化交流模式，安排了三个非常有特色的论坛：“展望精密测量的量子技术”圆桌互动、关注女性学术发展的“女科学家圆桌交流会”和畅想量子科技未来的博士生论坛。开幕式后，3日上午的主旨报告会由上海交通大学张卫平教授主持。中国科学技术大学卢征天教授作了《基于原子阱的单原子灵敏检测》的报告；华中科技大学胡忠坤教授作了《引力精密测量》的报告。中午的圆桌互动以《量子技术展望——精密测量篇》为主题，邀请郭光灿院士、詹明生研究员、卢征天教授和胡忠坤教授作为特邀嘉宾。

3日下午至4日会议期间，大会举行了两个分会场的主题报告会以及技术论坛和张贴报告专场交流活动。4日下午，张卫平教授发表了《追光之旅》主旨报告，结合自身成长经历鼓励研究生勇于面对挑战，不断超越自己。

南京邮电大学通信与信息工程学院量子信息研究所主要成员、量子信息处理实验室课题组负责人王琴教授在会上做了《人工智能在量子通信领域中的应用与研究》的报告。“量子通信是利用光子、电子等物理粒子的某个物理量的量子态对信息进行编码，并将编码的量子态通过量子信道进行传输。量子通信主要包括量子保密通信、量子密集编码和量子隐形传态等。对于量子保密通信技术而言，由于其具有无条件安全、传输高效和空间非局域的特点，使得该技术在军事、政务、金融方面，都有很高的关注度。此外，机器学习作为人工智能的核心，它是一门多领域交叉学科，其主要目的是让机器具备像人一样的学习能力，目前被广泛应用于计算机科学、机器人技术、生物信息学等。”

新华日报·交汇点记者就“机器学习”“量子通信”等话题专访了王琴教授，她告诉记者：“近年来，由于机器学习在数据特征分析和数据处理方面的优越性，机器学习开始被应用于量子保密通信领域。一方面，机器学习的引入完善了量子保密通信技术在某些方面的不足。另一方面，量子保密通信和机器学习的交叉研究，也为量子通信技术的进一步发展提供了一种全新的研究思路。”

伴随着量子保密通信技术实用化、网络化的快速发展，其诸多需要考虑并加以解决的实际问题也随之而来。比如：如何尽可能减少量子保密通信网络硬件开销成本大的问题？如何能够最大化量子保密通信网络的利用率？如何加速资源优化配置速度？如何提高量子保密通信网络的传输效率等等。

王琴教授表示：“在我们的工作中，将量子保密通信系统的诸多方面与机器学习相结合以解决诸如上述的有关问题。首先，对于多用户量子保密通信网络的协议选择而言：由于多用户量子保密通信网络中多个用户之间在距离上存在差异，且对通信速率和安全性的需求也各有不同，所以我们考虑利用机器学习模型来快速的获取不同用户之间的最优量子保密通信协议。具体的，我们使用随机森林模型去拟合学习各个不同协议所处不同环境的相关系统参数，然后再根据不同用户不同场景下的需求使用已经获取的机器学习模型去快速地选择最优的保密通信协议。经过实际仿真测试，我们的随机森林分类器，能够在短时间内快速获取不同场景下，不同用户之间的最优协议，且准确率高达98.2%。其次，对于不同保密通信协议而言，为了获取其最高的安全码率，我们一般要对协议中所用到的与成码率有关的参数进行优化，而对于传统的LSA优化算法而言其优化时间往往随优化的步数呈指数上升。为此，我们考虑利用机器学习算法来代替传统的LSA算法，以快速获取最优的协议参数配置。我们的随机森林模型能够很好的学习保密通信协议最优参数之间的关联性，并能够以高于99%的准确率去预测最优参数。在同等最优参数获取的情况下，我们的随机森林模型只需不到2s的时间就能够获取最优参数，而传统的LSA算法则需要近3个小时。再者，对于量子保密通信系统的稳定运行而言。为了保证量子保密通信系统的稳定运行，系统中存在的一些漂移问题需要周期性的修正，就比如相位编码量子密钥分发系统(QKD)中最常见的相位漂移问题。而周期性的修正这些漂移问题，则不可避免地降低了QKD系统的传输效率，为此我们利用机器学习来进行相关漂移问题的周期性修正。在我们的工作中我们分别在BB84-QKD、MDI-QKD系统中使用长短期记忆网络(LSTM)来周期性的补偿相位漂移，经过实际实验验证，我们的机器学习方案能够很好地解决相位漂移问题，且相比于传统的系统稳定控制方案而言，传输效率提升了近20%。”

所以，将机器学习应用到量子保密通信系统，能有效提高量子保密通信系统的工作性能和通信效率，在一定程度上降低系统的复杂度。因而，机器学习与量子保密通信的交叉研究正成为量子信息领域新的研究方向。但是目前大多数报道仅针对影响量子保密通信系统性能的个别因素开展研究，同时缺乏完整的实验验证。因此，未来机器学习在量子保密通信中的应用必将是考虑多方面因素的全面优化和应用，同时伴随着人类社会科学技术水平的发展与提升，该类理论与实验研究也将趋于成熟与完善。

作为一名教师，王琴在传道、授业、解惑方面有自己的方法。她告诉新华日报·交汇点记者：“刚开始带学生的时候，我会手把手地教他们编程、做实验、处理数据，面对面给他们指导论文的撰写和修改。后来我发现这种方法存在很大的弊端——学生的工作永远局限在我个人的思维范围之内，缺少他们自己的想法。于是，后来我改变了策略，先给学生拟一个研究方向，鼓励他们自己去积极探索、发掘，遇到问题后，我们再一起讨论如何解决。这样既发挥了他们的积极主动性，也避免我做大量重复性的工作。这样执行下来效果比较显著，最近我们组好几个创新性工作成果都是学生自己提出的想法。”

新华日报·交汇点记者 葛灵丹

通讯员 周星宇

编辑: 谢诗涵