隐马尔可夫模型作为一类重要的统计学习模型,天然适用于和时间序列数据相关的学习任务。但如果在经典计算机上实现或拟合隐马尔可夫模型的时候,其数值计算复杂度会随着隐藏状态维度和观测空间的维度增加而变得难以承受。这在一定程度上是由于经典计算模型本质上是用于解决确定性的问题,因此一个很自然的想法是能否利用量子计算机来替代经典计算机,利用量子系统内禀的随机性模拟动态马尔可夫过程。不仅如此,量子系统独有的状态叠加性为模型赋予了维数巨大的隐藏状态空间,并有可能带来潜在的并行计算加速。
该文沿着这个方向进行了深入的探讨,指出开放量子系统的演化就是一个天然的量子隐马尔可夫模型,并利用量子条件主方程对这个模型的数学性质进行了刻画,并提出了一种基于极大似然估计思想的变分学习算法来拟合量子隐马尔可夫模型。在量子计算飞速发展的今天,如果这类模型得以实现并应用,即使在中等规模的量子芯片上也有可能发挥出巨大的潜力,并迅速应用于生物制药、金融、语言处理等急需新型计算推动产生变革的领域。
自第一个QKD 协议(BB84 协议)提出后,经过近40 年的不断研究,QKD 已逐渐从实验室走向实际应用。由于诱骗态协议与QKD 协议的结合能很好解决实际应用中针对非理想单光子源的光子数分离攻击,因而成为当前实际应用中最有效和安全的组合方案,但QKD 的密钥生成效率R始终难以突破密钥容量(secret key capacity,SKC)的限制,即R≤O(η)。在众多改建方案中,有的是安全性未得到证明,有的对系统的存储、计算、信道稳定性等方面提出了更高的要求。
该文基于光纤信道和WCS 光源的二诱骗态相位匹配(phase matching,PM)方案模型,提出了一种二诱骗态相位匹配量子密钥分发方案。该方案减少了诱骗态的数量,提升了数据量较少时系统的密钥生成效率(优于BB84 协议、测量设备无关协议等)和最大传输距离(理想情况下二诱骗态方案十分接近已有的三诱骗态方案),降低了PM 协议应用中的实现难度,拓宽了其应用范围,具有一定的应用价值。