MétaCan
Menu
Retour à la cohorte
Enregistrement W2952185848 · doi:10.1103/physrevlett.122.160501

Experimental Demonstration of High-Rate Measurement-Device-Independent Quantum Key Distribution over Asymmetric Channels

2019· article· en· W2952185848 sur OpenAlexafffund
Hui Liu, Wenyuan Wang, Kejin Wei, Xiaotian Fang, Li Li, Nai-Le Liu, Hao Liang, Sijie Zhang, Weijun Zhang, Hao Li, Lixing You, Zhen Wang, Hoi‐Kwong Lo, Teng‐Yun Chen, Feihu Xu, Jian-Wei Pan

Notice bibliographique

RevuePhysical Review Letters · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Information and Cryptography
Établissements canadiensUniversity of Toronto
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Key Research and Development Program of ChinaNatural Sciences and Engineering Research Council of CanadaOffice of Naval ResearchOntario Research FoundationNational Natural Science Foundation of ChinaCanada Foundation for InnovationShanghai Science and Technology Development Foundation
Mots-clésQuantum key distributionKey (lock)Channel (broadcasting)Computer scienceTransmission (telecommunications)DetectorKey generationQuantum channelAsymmetryQuantum cryptographyQuantumComputer networkPhysicsTelecommunicationsQuantum informationComputer securityQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Measurement-device-independent quantum key distribution (MDI-QKD) can eliminate all detector side channels and it is practical with current technology. Previous implementations of MDI-QKD all used two symmetric channels with similar losses. However, the secret key rate is severely limited when different channels have different losses. Here we report the results of the first high-rate MDI-QKD experiment over asymmetric channels. By using the recent 7-intensity optimization approach, we demonstrate>10×higher key rate than the previous best-known protocols for MDI-QKD in the situation of large channel asymmetry, and extend the secure transmission distance by more than 20-50 km in standard telecom fiber. The results have moved MDI-QKD towards widespread applications in practical network settings, where the channel losses are asymmetric and user nodes could be dynamically added or deleted.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,751
Score d'incertitude au seuil0,626

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,268
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations107
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review LettersMême sujetQuantum Information and CryptographyTravaux en français237 207