量子科技中心_量科网

实际硬件限制，包括有限长度的发射和接收滤波器以及有限分辨率的数模和模数转换器，会导致模式失配并降低连续变量量子密钥分发系统的性能。为了解决这一问题，研究团队开发了一种基于机器学习的端到端优化框架，该框架联合优化了发射器脉冲整形和接收器匹配滤波。该方法在现实硬件约束下采用了强化学习，包括有限数量的滤波器抽头、有限的数模和模数转换器分辨率、模拟低通滤波以及最优平均光子数。通过缓解模式失配并考虑实现约束，所提出的方法提升了整体系统性能。仿真结果表明，与传统方法相比，该方法增强了安全密钥速率，验证了所提出框架的有效性。