微美全息探索神经网络在双场量子密钥分发参数优化中的应用

纳斯达克上市的全息AR技术服务商微美全息（WiMi）宣布开展基于神经网络机器学习的双场量子密钥分发（TF-QKD）系统参数优化研究，该方案依托神经网络能力可直接输出系统最优参数配置，降低计算耗时与资源消耗。

核心研究相关关键数据与结论：

• 完成三类神经网络模型的训练与评估，分别为反向传播神经网络（BPNN）、径向基函数神经网络（RBFNN）、广义回归神经网络（GRNN）
• 三类模型均可一定程度精准预测TF-QKD系统最优参数，其中RBFNN与GRNN在高维参数空间预测精度更优
• 相比传统局部搜索算法（LSA），基于神经网络的预测方法计算耗时降幅达多个数量级；BPNN计算速度最快，RBFNN与GRNN计算成本小幅提升但仍处于可接受范围
• 不同场景适配方案：高响应速度、低精度要求场景适配BPNN；优先保障精度、可容忍一定计算耗时场景适配RBFNN或GRNN

该技术可降低TF-QKD系统参数优化环节计算复杂度，提升密钥生成速率与系统实时响应能力，适配量子通信环境动态变化。后续微美全息将深化相关研究，探索深度学习、强化学习等更先进的神经网络架构，推进与量子通信硬件平台的融合，加速技术落地商业化。

译文内容由第三方软件翻译。

声明：市场有风险，投资需谨慎。本文由AI大模型基于公开信息生成，不代表新浪财经观点。文中所有信息、数据及图表仅供参考，不构成任何形式的投资建议或决策依据，相关信息以实际公告为准。如有疑问，请联系：biz@staff.sina.com.cn。

责任编辑：小浪快报