Optimization of CV-QKD Under Practical Constraints

Resumo Técnico: Otimização de CV-QKD Sob Restrições Práticas

Declaração do Problema
A distribuição quântica de chaves de variáveis contínuas (CV-QKD) oferece um caminho promissor para comunicações seguras quanticamente em redes de fibra óptica, aproveitando componentes padrão de telecomunicações e detecção coerente. No entanto, a realização prática de sistemas de CV-QKD com custo-benefício exige otimização sob restrições de hardware realistas. Especificamente, implementações atuais enfrentam limitações no número de taps de filtros de resposta ao impulso finito (FIR) disponíveis tanto no transmissor (formatação de pulso) quanto no receptor (filtragem adaptada), bem como resolução limitada nos conversores digital-analógico (DAC) e analógico-digital (ADC).

Essas restrições introduzem degradação significativa de desempenho. Taps de filtro limitados causam incompatibilidade de modos, levando à interferência entre símbolos (ISI) e aumento do ruído excessivo, o que reduz diretamente a taxa de chave segura (SKR). Da mesma forma, a resolução finita de DAC/ADC induz erros de quantização que contribuem para o ruído excessivo do sistema. Embora trabalhos anteriores tenham abordado a otimização do filtro do transmissor isoladamente, era necessária uma abordagem abrangente que otimizasse todo o sistema sob essas restrições combinadas para maximizar a SKR em cenários práticos.

Metodologia
Os autores propõem uma estrutura de otimização de sistema completo utilizando aprendizado por reforço (RL) para otimizar conjuntamente três parâmetros críticos:

1. Os coeficientes do filtro FIR de formatação de pulso do transmissor de comprimento finito.
2. Os coeficientes do filtro FIR adaptado do receptor de comprimento finito.
3. O número médio de fótons do sinal transmitido.

O sistema é modelado como uma estrutura de RL baseada em gradiente de política, utilizando o algoritmo REINFORCE. A política do agente, $\pi_\theta$, é parametrizada pelos coeficientes do filtro ($h_{Tx}, h_{Rx}$) e pelo número médio de fótons ($\bar{n}$). O ambiente simula o canal físico, incluindo atenuação da fibra, ruído excessivo do canal e imperfeições de hardware (largura de banda finita, ruído de quantização de DAC/ADC).

O objetivo da otimização é maximizar a Taxa de Chave Segura (SKR), calculada analiticamente com base na transmitância efetiva do sistema ($\tau$) e no ruído excessivo efetivo do sistema ($n_{ex}$). A SKR é uma função do número médio de fótons, da transmitância do canal e da soma das contribuições de ruído provenientes do canal, da ISI (causada por incompatibilidade de filtros) e dos erros de quantização do DAC e ADC. O sinal de recompensa para o agente de RL é a SKR calculada. Crucialmente, essa abordagem não depende do cálculo de gradiente do modelo de canal físico, tornando-a adequada para implementação experimental onde modelos analíticos explícitos de imperfeições variantes no tempo podem não estar disponíveis.

Principais Contribuições

• Otimização Conjunta de Ponta a Ponta: Ao contrário de estudos anteriores que otimizavam apenas o filtro do transmissor, este trabalho apresenta uma otimização holística dos filtros do transmissor e do receptor, juntamente com o número médio de fótons.
• Estrutura Baseada em RL: A aplicação de um algoritmo de RL sem gradiente (REINFORCE) para navegar no espaço de parâmetros complexo de taps de filtro e números de fótons sob condições realistas de ruído.
• Modelagem Sob Restrições de Hardware: O estudo incorpora explicitamente os efeitos de contagens limitadas de taps FIR e resoluções finitas de bits de DAC/ADC no modelo do sistema, quantificando seu impacto na ISI e no ruído de quantização.

Resultados
Simulações numéricas demonstram que a abordagem otimizada por RL proposta produz melhorias de desempenho significativas em relação a sistemas não otimizados (que tipicamente utilizam filtros cosseno-raiz elevado):

• Recuperação de Desempenho: O sistema otimizado por RL alcança desempenho quase ótimo (uma lacuna de menos de 1% em relação ao máximo teórico) usando comprimentos de filtro de aproximadamente 20–40 taps e resoluções de DAC/ADC de 10–11 bits. Isso se mantém verdadeiro em distâncias de transmissão de 10, 50 e 100 km.
• Retornos Decrescentes: O aumento do comprimento do filtro ou da resolução além desses limiares produz apenas melhorias marginais, sugerindo que a abordagem de RL encontra efetivamente o compromisso ótimo entre complexidade de hardware e desempenho.
• Distância de Transmissão Estendida: Para um ruído excessivo do canal de $10^{-3}$, o sistema otimizado estende a distância máxima de transmissão de aproximadamente 60 km (em casos não otimizados) para quase 100 km, aproximando-se estreitamente dos limites teóricos.
• Número Médio de Fótons Adaptativo: A estrutura adapta com sucesso o número médio de fótons (por exemplo, otimizando-o para $\bar{n}=6$ para transmissão de 100 km) para compensar distorções do canal e ruído excessivo.

Significância
O artigo afirma que a otimização conjunta de ponta a ponta sob restrições do sistema é altamente eficaz para relaxar requisitos de hardware enquanto mantém desempenho quase ótimo. Ao demonstrar que melhorias significativas na SKR podem ser alcançadas com comprimentos de filtro e resoluções moderados, a abordagem proposta fornece regras de engenharia para o projeto de filtros em sistemas práticos de CV-QKD. Os resultados destacam que tal otimização é particularmente crítica em regimes de longa distância, onde os sistemas são cada vez mais sensíveis ao ruído excessivo e a imperfeições de filtragem, aprimorando assim a robustez e a viabilidade de redes de comunicação seguras quanticamente com custo-benefício.