基于机器学习的星地量子通信成码率预测及实验验证

作     者：龚云洪 付皓斌 雍海林 曹原 任继刚 彭承志 GONG Yun-Hong;FU Hao-Bin;YONG Hai-Lin;CAO Yuan;REN Ji-Gang;PENG Cheng-Zhi

作者机构：中国科学技术大学微尺度物质科学国家实验室和近代物理系安徽合肥230026 中国科学技术大学中国科学院量子信息与量子科技创新研究院上海201315 上海量子科学研究中心上海201315 国科量子通信网络有限公司上海201315 

出 版 物：《红外与毫米波学报》 (Journal of Infrared and Millimeter Waves)

年 卷 期：2021年第40卷第3期

页      面：420-425页

核心收录：

学科分类：070207[理学-光学] 07[理学] 08[工学] 0803[工学-光学工程] 0702[理学-物理学] 

基　　金：广东省重点研发计划(2018B030328001) 

主　　题：量子通信 恒星星像 机器学习 图像识别 

摘      要：星地量子通信已经验证了广域量子通信网络的可行性,面对未来量子通信网络多用户的特点,能够准确、快速预测成码率是高效利用星地量子网络资源的核心问题。提出了一种基于机器学习及恒星星像图像识别的信道预测新方法,并将此方法应用于北京地面站的观测中。实验结果表明,恒星星像的图像识别正确率可达88%,并给出是否开展星地实验的建议。在建议开展星地对接的信道情况下,预估该时段量子卫星北京地面站在仰角39.5°的筛选成码率约为8~9 kbit/s,实际星地量子通信实验的筛选成码率为8.8 kbit/s。实验结果可用于合理安排多颗卫星、多个地面站的星地对接任务,提高星地量子通信的成功率,避免浪费卫星和地面站资源,推动量子通信卫星组网的实用化研究。