Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ugto.mx/handle/20.500.12059/6387
Título: Corrección de errores con Machine Learning en un Sistema de Distribución de Claves Cuánticas (QKD)
Autor: JONATHAN ALEJANDRO GONZÁLEZ PÉREZ
Contributor: CARLOS HERMAN WIECHERS MEDINA
Contributor's IDs: info:eu-repo/dai/mx/cvu/39103
Resumen: En este proyecto de tesis, se habla de la encriptación cuántica, sus orı́genes, el uso que tiene actualmente y como se desarrollará en un futuro. El objetivo principal es crear un algoritmo de corrección de error y reconciliación de llaves cuánticas mediante el uso de métodos y tecnologías de aprendizaje de maquina (Machine Larning) y de Soft Computing como lo son las redes neuronales. Como propuesta final se sugiere el uso de una máquina de paridad de árbol o TPM (Tree Parity Machine) como método de reconciliación para los datos genera- dos por el criptógrafo que se encuentra en el laboratorio de cuántica de la División de Ciencias e Ingenierías de la Universidad de Guanajuato. El contenido general de este documento gira en torno de los principios de la mecánica cuántica que se aplican para obtener computación cuántica y por consecuente los métodos de encriptación que aprovechan estos principios. Se profundiza en conceptos generales y específicos de computación y programación orientada a métodos de machine learning y las redes neuronales. El objetivo general del trabajo es obtener una llave de encriptación corregida y sincronizada entre un emisor A y un receptor B, comúnmente a estos sujetos se les llama Alice y Bob. El método que se aborda es mediante el uso de redes neuronales que se rigen por reglas de aprendizaje basadas en el comportamiento de neuronas orgánicas, tal es el caso de las reglas de Hebbian y Anti Hebbian Ası́ como también un Random Walker.
Fecha de publicación: 22-feb-2022
Editorial: Universidad de Guanajuato
Licencia: http://creativecommons.org/licenses/by-nc-nd/4.0
URI: http://repositorio.ugto.mx/handle/20.500.12059/6387
Idioma: spa
Aparece en las colecciones:Ingeniería Física

Archivos en este ítem:
Archivo Descripción TamañoFormato 
JONATHAN ALEJANDRO GONZÁLEZ PÉREZ_Tesis24.pdf1.75 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.