Группа ученых технологического университета МИСИС и НИУ ВШЭ, применив алгоритмы машинного обучения, представили новый подход для прогнозирования уровня квантовых ошибок в системах квантового распределения ключей.
Как рассказала ректор технологического университета Алевтина Черникова, проект называется «Квантовый интернет».
– Одна из его основных задач – создание условий для перехода квантовых разработок из лабораторий в индустрию и создание конкурентоспособных продуктов с экспортным потенциалом, – объяснила Алевтина Черникова. – Использование машинного обучения позволяет оптимизировать коррекцию ошибок в системах квантового распределения ключа, повышая устойчивость работы в неидеальных условиях.
Ученые считают, что квантовая криптография обеспечивает высокую степень защиты при передаче данных, поскольку любая попытка перехвата информации изменяет состояние квантовой системы и не остается незамеченной. Однако технология чувствительна к помехам и нестабильной работе оборудования.
По словам руководителя лаборатории теории квантовых коммуникаций университета Андрея Тайдуганова, в высокоскоростных системах квантового распределения ключей обработка потока данных должна идти практически в реальном времени. Поэтому необходимы быстрые коды коррекции ошибок, которые при этом раскрывают по открытому каналу минимум информации о ключе.
– Ученые предложили новое решение этой задачи, обучив алгоритм анализировать работу системы квантового распределения ключей и на основе полученных данных динамически прогнозировать уровень квантовых ошибок, – рассказал Андрей Тайдуганов. – Предложенный алгоритм в реальном времени анализирует телеметрию системы и подбирает наиболее оптимальный режим работы кода коррекции ошибок для каждого блока.
Заведующий научно-учебной лабораторией методов анализа больших данных ФКН НИУ ВШЭ Денис Деркач отметил, что разработанный метод важен именно с точки зрения своей отработанности на реальных данных, его применимости к конкретной установке.
– В основном, методы, которые описаны в литературе, тестируются на симуляции, что позволяет им достичь высокой эффективности формально, до проверки на данных, – сказал Денис Деркач. – Новая модель учитывает не только историю уровня ошибок, но и ряд дополнительных параметров работы системы, что позволяет ей быстро адаптироваться к неожиданным изменениям.
Мона Платонова.
Фото misis.ru
