Quantum-Inspired Hamiltonian Optimization, Stochastic Tensor Networks and Adaptive Congestion Routing for Large-Scale QKD Networks
Ce papier présente un cadre d'optimisation inspiré du quantique qui combine la modélisation efficace de l'hamiltonien, le recuit par Monte Carlo quantique et la compression stochastique d'états de réseaux de tenseurs pour permettre un routage adaptatif et multi-objectif dans les réseaux de distribution de clés quantiques à grande échelle, sous des contraintes de trafic et de sécurité dynamiques.