この記事は、グラフニューラルネットワーク（GNN）を使用して量子鍵配送（QKD）ネットワークの最適化を提案しています。量子コンピュータの発展は、従来の暗号システムの安全性を脅かしており、QKDネットワークは秘密通信を保護するために設計されていますが、動的な条件への適応、複数のパラメータの最適化、効果的な資源利用など、さまざまな運用上の困難に直面しています。本研究では、QKDネットワークを動的グラフとしてモデル化するGNNベースのフレームワークを導入し、構造から利用可能な特性を抽出します。実験結果では、GNN最適化されたQKDネットワークが、総鍵生成率を27.1 Kbits/sから470 Kbits/sに大幅に向上させ、平均QBERを6.6%から6.0%に減少させ、平均伝送距離を若干の減少（7.13 kmから6.42 km）で保つことが示されています。また、10から250ノードの異なるスケールでのネットワーク性能を分析し、中規模ネットワークでのリンク予測精度と鍵生成率の向上を確認しています。この研究は、セキュリティと性能を向上させる適応型かつスケーラブルな量子通信システムによるQKDネットワークの新たな運用モードを提案します。