基于时间注意力机制网络量子随机数预测增强方法及系统

本发明提供了一种基于时间注意力机制网络量子随机数预测增强方法及系统，包括：步骤S1：进行数据集的生成和准备，收集随机数生成器的数据点并进行处理以便进行网络训练；步骤S2：使用TPA‑LSTM神经网络对量子随机数的生成序列进行学习；步骤S3：基于机器学习的预测模型的预测成功率PML评估预测模型的性能，将其与在QRNG输出上观察到的分布的统计概率Pg进行比较。本发明创新地使用了机器学习方法对于量子随机数进行预测，获得了相较于盲猜更高的预测精度，同样其对于伪随机数也有着更高的预测精度。