PulseAugur
中
实时 05:49:42
English(EN) Quantum ring all-reduce: communication and privacy advantages for distributed learning

量子协议增强分布式学习的效率和隐私

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种量子环 all-reduce 协议，可以显著提高分布式机器学习的效率和隐私。该新协议利用预共享的纠缠和超密集编码将通信开销减少一半，而不会改变学习模型或梯度计算。它还提供了经典协议无法实现的、信息论上安全的隐私保证，实现了可组合的 \(\\epsilon\\)-安全聚合。该协议在经典和量子学习模型中都有潜在应用，进一步的分析表明，在带宽受限的情况下，量子在服务器到客户端通信的梯度冲突检测方面具有优势。 AI

影响 该量子协议可以实现更大规模人工智能模型更高效、更安全的分布式训练。

排序理由 该集群包含一篇详细介绍分布式学习新协议的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

量子协议增强分布式学习的效率和隐私

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Lirandë Pira ·

    量子环 all-reduce：分布式学习的通信和隐私优势

    Machine learning models have scaled to unprecedented sizes, making training across distributed devices the de facto standard in the field. In this work, we explore how quantum communications can make distributed training both more communication-efficient and information-theoretic…

相关实体

相关话题