量子中继网络需要自适应控制策略，以平衡纠缠生成速率、端到端保真度、净化开销和由内存引起的延迟。当经典控制平面因网络攻击或拒绝服务流量而受到影响时，这种权衡变得更加复杂。我们开发了一种CUDA-Q/SeQUeNCe联合仿真工作流，以研究异构线性中继链中的自适应纠缠净化。
CUDA-Q噪声量子内核被用来估计基本的纠缠净化和交换行为，而SeQUeNCe提供了一个事件层模型，考虑随机链路生成、等待时间相关的内存衰减、净化失败和端到端交换。在静态条件下，我们比较了无净化、局部阈值净化、均场预测净化、固定净化和资源惩罚风险感知预测策略。在一个8节点链中，资源惩罚风险感知控制器相较于固定净化，提升了超过目标的交付概率，同时降低了延迟和净化开销。
随后，我们将量子网络控制器与来自CSE-CIC-IDS2018的良性到SSDP入侵检测跟踪的异常评分相结合。在攻击期间，未意识到攻击的控制器保持高原始交付，但其超过目标的纠缠交付下降到0.098±0.007；而意识到入侵检测系统的资源自适应控制器切换到更重的净化掩码，并将超过目标的交付提高到0.344±0.011，接近于约0.335的理想值。这些结果表明，网络状态意识可以通过在原始吞吐量和保真度合格的纠缠交付之间进行权衡，从而改善量子网络的有效结果。
博主点评： 本文展示了量子网络在遭受网络攻击时的自适应能力，利用CUDA-Q和SeQUeNCe工具的结合，提供了有效的纠缠净化策略。这种方法不仅提高了交付概率，还降低了延迟，展示了在量子通信中进行智能决策的重要性。通过对网络状态的实时监控，量子网络能够更好地应对外部威胁，具有广泛的实际应用前景。