MétaCan
Menu
Retour à la cohorte
Enregistrement W4407830023 · doi:10.1109/jlt.2025.3543745

Resource Allocation in Quantum-Key-Distribution Optical Data Center Networks

2025· article· en· W4407830023 sur OpenAlex
Bowen Chen, Weike Ma, Bin He, Hong Chen, Weidong Shao, Mingyi Gao, Limei Peng, Pin‐Han Ho, Jason P. Jue

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Lightwave Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesMinistry of Science and ICT, South KoreaNational Research Foundation of KoreaNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésQuantum key distributionComputer scienceKey (lock)Data centerResource allocationComputer networkResource management (computing)TelecommunicationsQuantumElectronic engineeringPhysicsEngineeringQuantum mechanicsComputer security

Résumé

récupéré en direct d'OpenAlex

The paper investigates quantum key resource allocation in quantum-key-distribution optical data center networks (QKD-ODCNs). A novel framework of priority queue with multiple security levels is first proposed to achieve a multi-class networking environment with adaptive security level classification. Accordingly, a novel integer linear programming (ILP) model is developed for the quantum key resource allocation (QKRA) process. To overcome the high computation complexity in solving the ILP, two heuristic approaches are developed, namely QKRA with adaptive strong security level (QKRA-ASSL) and QKRA with adaptive weak security level (QKRA-AWSL), respectively, aiming to achieve as close performance to that by the ILP model as possible in terms of success rate of connection request and network security level. The simulation results verify that the proposed QKRA-ASSL and QKRA-AWSL approaches not only maximize the network security score, but also improve the timeslot resource utilization without compromising the establishment success rate of connection request.

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.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,682
Score d'incertitude au seuil0,603

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,012
Tête enseignante GPT0,248
Écart entre enseignants0,236 · 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