经典与量子网络上量子联邦学习的基础
网络与互联网体系结构
2023-10-24 v1 量子物理
摘要
量子联邦学习（QFL）是一种新颖的框架，它将经典联邦学习（FL）的优势与量子技术的计算能力相结合。这包括量子计算与量子机器学习（QML），使 QFL 能够处理高维复杂数据。QFL 可部署于经典与量子通信网络之上，以受益于超越传统 FL 框架的信息论安全级别。本文首次对 QFL 的挑战与机遇进行了全面研究。我们特别考察了 QFL 的关键组成部分，并明确了在经典与量子网络上部署时所出现的独特挑战。随后，我们开发了新颖的解决方案，并阐明了有助于应对所识别挑战的有前景的研究方向。我们还提供了推动 QFL 实际实现的可行建议。
引用
@article{arxiv.2310.14516,
title = {Foundations of Quantum Federated Learning Over Classical and Quantum Networks},
author = {Mahdi Chehimi and Samuel Yen-Chi Chen and Walid Saad and Don Towsley and Mérouane Debbah},
journal= {arXiv preprint arXiv:2310.14516},
year = {2023}
}
备注
7 pages, 2 figures, 2 tables