本研究论文探讨了使用Ekert-91协议的量子网络路由的对抗性赌博机问题。该研究模拟了一个场景，其中Alice选择一条路由，而Eve试图通过各种攻击面来削弱网络。通过在50种拓扑结构上采用对抗性协同学习，该论文证明了学习到的保留率与minimax参考值非常接近，瓶颈路由的保留率为零，而非瓶颈路由遵循覆盖原则。利用决策树解释模型进一步分析了研究结果，并为量子中继器网络博弈中的证据总结提供了一个开源工作流程。 AI
影响 这项研究探索了适用于量子网络的对抗性学习技术，可能影响未来由AI驱动的网络优化策略。
排序理由 该集群包含一篇在arXiv上发表的学术研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.09378v1 Announce Type: cross Abstract: We study an adversarial bandit problem for entanglement-based quantum-network routing over a modest graph corpus. Alice selects an end-to-end repeater route for an Ekert-91 protocol (E91) representing her move, while Eve selects a…
We study an adversarial bandit problem for entanglement-based quantum-network routing over a modest graph corpus. Alice selects an end-to-end repeater route for an Ekert-91 protocol (E91) representing her move, while Eve selects an attack surface, either edge intercept--resend or…