我校量子信息技術研究所王琴教授團隊在量子密碼領域取得新突破，該團隊首次提出將人工智能領域的長短期記憶神經網絡(LSTM)應用到量子密碼控制系統之中, 實現了對量子密碼系統的主動反饋與控制, 在不引入任何額外硬件和輔助穩定設備的條件下，將系統傳輸效率提升接近百分之二十。該成果近期發表在美國物理學會權威學術期刊《PhysicalReview Applied》上。

　　量子密碼作為量子信息技術領域發展最為成熟的技術，正逐漸從實驗室階段走向商用化，有望在未來大規模網絡加密通信中發揮重要作用，因而得到學術界和工業界的廣泛關注。自第一個BB84協議提出以來，量子密碼無論是在理論上還是在實驗上均取得了巨大進展。現有量子密碼系統包括相位、偏振、時間-能量編碼等編碼方式，其中相位編碼方式應用最為廣泛。該類系統在運行過程中不可避免地存在相位漂移問題，因而需要不斷對發送端和接收端的相位進行實時校準。目前主流系統通過采用掃描+傳輸的方法來解決。該方法雖然可以實現相位補償，但會導致量子密碼系統傳輸效率降低。針對該缺點，我校王琴教授團隊首次提出將人工智能與量子密碼控制系統相結合，利用LSTM網絡主動預測系統相位漂移大小，進而實現主動反饋與控制；同時通過固定時間間隔對網絡細胞狀態進行更新，使量子密碼系統始終保持穩定的高效率運行狀態。該方法在不提高系統硬件復雜度的前提下大幅提升了量子密碼系統傳輸效率。此外值得提出，該方法的適用范圍不依賴于某種協議或編碼方式，原則上同樣適用于其他任意量子密碼協議和任意編碼系統，為未來開展大規模量子通信網絡應用提供新的研究思路與應用方法。

該項工作的第一作者是我校通信與信息工程學院碩士研究生劉靖陽，量子信息技術研究所的王琴教授和江蘇省圖像處理與圖像通信重點實驗室的謝世朋副教授是該工作的共同通訊作者。該工作得到了安徽問天量子科技有限公司的技術支持。此項工作受到國家重點研發計劃、國家自然科學基金以及江蘇省研究生科研實踐創新等項目的支持。