Ученые усилили квантовую криптографию с помощью нейросети

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