机构名称：
¥ 1.0
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。这包括量子计算和量子机器学习 (QML)，使 QFL 能够处理高维复杂数据。QFL 可以部署在经典和量子通信网络上，以便从超越传统 FL 框架的信息理论安全级别中受益。在本文中，我们首次全面调查了 QFL 的挑战和机遇。我们特别研究了 QFL 的关键组件，并确定了在经典和量子网络上部署 QFL 时出现的独特挑战。然后，我们开发了新颖的解决方案并阐明了有希望的研究方向，以帮助解决已发现的挑战。我们还提供了可行的建议，以推进 QFL 的实际实现。
经典和量子网络上的量子联邦学习基础
主要关键词
相关文件推荐
