Подстройка поляризации в системах квантового распределения ключей с помощью машинного обучения

Аннотации

Аннотация

В системах квантового распределения ключей (КРК) возникает задача подстройки поляризации в оптоволокне. Для решения этой задачи, как правило, используется поляризационный контроллер (ПК) на стороне приемника. Исследуются два подхода машинного обучения к задаче подстройки поляризации: обучение с учителем (SL) и обучение с подкреплением (RL). Авторы обобщили аналитическое решение задачи с помощью SL-подхода. SL-агент был обучен на симуляторе, а затем валидирован на экспериментальной установке. Также авторы сравнили сходимости алгоритмов подстройки для SL-агента и аналитического решения. Преимущество RL-подхода основано на возможности аппроксимации нелинейных эффектов, связанных с неидеальностями процесса детектирования слабых оптических импульсов. Для эффективной работы алгоритмов подстройки поляризации необходимо знание параметров ПК. Использование RL-агента позволяет исключить процедуру калибровки аппаратуры, поскольку агент выучивает необходимые параметры системы на основе опыта взаимодействия с установкой. RL-агент сначала был обучен на симуляторе, а затем дообучен на экспериментальной установке КРК. Продемонстрировано, что подстройка с помощью RL-агента обеспечивает 10%-й квантовый уровень битовых ошибок на установке и сходится за 10 шагов.