基于机器学习的星地量子通信成码率预测及实验验证
投稿时间:2020-08-05  修订日期:2021-04-28  点此下载全文
引用本文:龚云洪,付皓斌,雍海林,曹原,任继刚,彭承志.基于机器学习的星地量子通信成码率预测及实验验证[J].红外与毫米波学报,2021,40(3):420~425].GONG Yun-Hong,FU Hao-Bin,YONG Hai-Lin,CAO Yuan,REN Ji-Gang,PENG Cheng-Zhi.Prediction and experimental verification for satellite- to-ground quantum communication key rate based on machine learning[J].J.Infrared Millim.Waves,2021,40(3):420~425.]
摘要点击次数: 211
全文下载次数: 303
作者单位E-mail
龚云洪 中国科学技术大学 微尺度物质科学国家实验室和近代物理系安徽 合肥 230026
中国科学技术大学 中国科学院量子信息与量子科技创新研究院上海 201315
上海量子科学研究中心上海 201315
国科量子通信网络有限公司上海 201315 
gongccnu@mail.ustc.edu.cn 
付皓斌 中国科学技术大学 微尺度物质科学国家实验室和近代物理系安徽 合肥 230026
中国科学技术大学 中国科学院量子信息与量子科技创新研究院上海 201315
上海量子科学研究中心上海 201315 
 
雍海林 中国科学技术大学 微尺度物质科学国家实验室和近代物理系安徽 合肥 230026
中国科学技术大学 中国科学院量子信息与量子科技创新研究院上海 201315
上海量子科学研究中心上海 201315 
 
曹原 中国科学技术大学 微尺度物质科学国家实验室和近代物理系安徽 合肥 230026
中国科学技术大学 中国科学院量子信息与量子科技创新研究院上海 201315
上海量子科学研究中心上海 201315 
 
任继刚 中国科学技术大学 微尺度物质科学国家实验室和近代物理系安徽 合肥 230026
中国科学技术大学 中国科学院量子信息与量子科技创新研究院上海 201315
上海量子科学研究中心上海 201315 
jgren@ustc.edu.cn 
彭承志 中国科学技术大学 微尺度物质科学国家实验室和近代物理系安徽 合肥 230026
中国科学技术大学 中国科学院量子信息与量子科技创新研究院上海 201315
上海量子科学研究中心上海 201315 
 
基金项目:广东省重点研发计划(2018B030328001)
中文摘要:星地量子通信已经验证了广域量子通信网络的可行性,面对未来量子通信网络多用户的特点,能够准确、快速预测成码率是高效利用星地量子网络资源的核心问题。提出了一种基于机器学习及恒星星像图像识别的信道预测新方法,并将此方法应用于北京地面站的观测中。实验结果表明,恒星星像的图像识别正确率可达88%,并给出是否开展星地实验的建议。在建议开展星地对接的信道情况下,预估该时段量子卫星北京地面站在仰角39.5°的筛选成码率约为8~9 kbit/s,实际星地量子通信实验的筛选成码率为8.8 kbit/s。实验结果可用于合理安排多颗卫星、多个地面站的星地对接任务,提高星地量子通信的成功率,避免浪费卫星和地面站资源,推动量子通信卫星组网的实用化研究。
中文关键词:量子通信  恒星星像  机器学习  图像识别
 
Prediction and experimental verification for satellite- to-ground quantum communication key rate based on machine learning
Abstract:Satellite-to-ground quantum key distribution(QKD) has verified the feasibility of wide-area quantum communication networks. Towards to the future multi-users of quantum communication networks, being able to accurately and quickly predict the key rate is the core issue for quantum network. This paper proposes a new channel prediction method based on machine learning and stellar image recognition, and applies this method to the observation of the Beijing ground station. The experimental results show that the stellar image recognition accuracy rate can reach 88%, and provide the suggestion on whether to carry out a QKD experiment. In the case of the recommended channel for satellite-to-ground QKD, it is estimated that the average rate of sifted key at elevation angle of 39.5°is about 8~9 kbit/s, and the measured sifted key rate is 8.8 kbit/s. The experimental results can be used to reasonably arrange satellite-to-ground QKD tasks of multiple satellites and multiple ground stations. Moreover, this work can improve the success rate of satellite-to-ground quantum communication, avoid wasting satellite and ground station resources, and promote the practical research of satellite-based quantum communication networking.
keywords:quantum key distribution  stellar image  machine learning  image recognition
查看全文  HTML  查看/发表评论  下载PDF阅读器

《红外与毫米波学报》编辑部