Quantum-Inspired Hamiltonian Optimization, Stochastic Tensor Networks and Adaptive Congestion Routing for Large-Scale QKD Networks
Este artículo introduce un marco de optimización inspirado en la mecánica cuántica que combina la modelización efectiva de Hamiltonianos, el recocido de Monte Carlo cuántico y la compresión estocástica de estados de red tensorial para habilitar el enrutamiento adaptativo y multiobjetivo en redes de distribución de claves cuánticas a gran escala bajo tráfico dinámico y restricciones de seguridad.