(English) This Ph.D. thesis focuses on the application of intelligent models to Discrete-Variable Quantum Key Distribution (DV-QKD) protocol.
The first objective focuses on providing a method for AI-based polarization drift compensation for transmitting discrete photons in a quantum channel. In order to fully achieve this goal, we need to tackle two specific sub-goals. Firstly, AI based State of Polarization (SOP) tracking is designed to compensate polarization drift in quantum channels. The SOP trajectory is predicted ahead under different environmental events that causes SOP distortion. Here, we use SOP recognition procedure at the quantum receiver and evaluate different interpolation methods for planning the compensational rotation. On the other hand, a heuristic-based rotation manager adapted for BB84 protocol was proposed to minimize the number of rotations applied to the receiving photons in order to prevent the reduction in key rate generation.
The second objective focuses on checking the feasibility of the proposed method for polarization compensation in DV-QKD systems. Here, issues mainly are: a) the strict requirements for quantum transmitters and receivers and, b) the need for carefully selecting the fibers supporting the quantum channel to minimize the environmental effects that could dramatically change the SOP of the photons. In order to fully achieve this goal, an experimental testbed which is being used in the polarization encoded QKD system has been set up. Also, software modules are needed for an intelligent QKD system to
compensate for the uncalibrated testbed’s components. Finally, analysis of the experimental results and KPI measurements including testbed validation, fine tuning, and issue solving are evaluated.
The final objective targets developing a Digital Twin (DT) that can address the shortcomings of the DV-QKD system, which cannot be achieved through the use of AI-based systems in the first goal. In order to fully achieve this goal, we need to address two specific sub-goals. On the one hand, the improvement of AI based SOP compensation using the DT. Specifically, DT helps to select, among different AI models, which one needs to be used in the receiver in order to take proper actions against different detected environmental events. On the other hand, DT targets at discerning eavesdropping actions from environmental events in quantum channel as both increase the quantum Bit Error Rate (qBER).
(Español) Esta tesis de doctorado se centra en la aplicación de modelos de inteligencia artificial (IA) al protocolo de distribución de clave cuántica con variable discreta (DV-QKD).
El primer objetivo se centra en proporcionar un método de compensación de cambios de estado de polarización (SOP) basado en IA que suceden al transmitir fotones discretos a través de un canal cuántico. Para lograr este objetivo, debemos abordar dos subobjetivos específicos. En primer lugar, el seguimiento del SOP basado en IA está diseñado para
compensar la deriva de polarización en los canales cuánticos. La trayectoria del SOP se predice con anticipación bajo diferentes eventos ambientales que causan la distorsión del SOP. Aquí, usamos el procedimiento de reconocimiento de SOP en el receptor cuántico y evaluamos diferentes métodos de interpolación para planificar una rotación compensatoria. Por otro lado, se ha propuesto un gestor de rotación basado en una heurística adaptada al protocolo BB84 para minimizar el número de rotaciones aplicadas a los fotones recibidos para evitar la reducción en la tasa de generación claves.
El segundo objetivo se centra en comprobar la viabilidad del m étodo propuesto para la compensación de polarización en sistemas DV-QKD. Aquí, los problemas son principalmente: a) los requisitos estrictos para los transmisores y receptores cuánticos y, b) la necesidad de seleccionar cuidadosamente las fibras que soportan el canal cu ántico para minimizar los efectos ambientales que podrían cambiar drásticamente el SOP de los fotones. Para alcanzar este objetivo, se han realizado pruebas experimentales sobre un sistema QKD codificado por polarización. Además, se necesitan módulos
software para que un sistema QKD inteligente compense los componentes ópticos no calibrados. Finalmente, se evalúan y analizan los resultados experimentales y las mediciones, incluida la validación del banco de pruebas, el ajuste fino y la
resolución de problemas.
El objetivo final apunta al desarrollo de un Gemelo Digital (Digital Twin, DT) que pueda abordar las deficiencias del sistema DV-QKD, que no se pueden lograr mediante el uso de sistemas basados en IA desarrolaldos comp parte del primer objetivo. Para lograr este objetivo, debemos abordar dos subobjetivos específicos. Por un lado, la mejora de la
compensación SOP basada en IA utilizando el DT. Específicamente, el DT ayuda a seleccionar, entre diferentes modelos de IA, cuál debe usarse en el receptor para tomar las acciones adecuadas contra los diferentes eventos ambientales detectados. Por otro lado, el DT tiene como objetivo discernir entre acciones de escucha y de los eventos ambientales en el canal cuántico, ya que ambos aumentan la tasa de error de bits cuánticos (qBER).
