实体
Quantum Federated Learning
Quantum Federated Learning
PulseAugur coverage of Quantum Federated Learning — every cluster mentioning Quantum Federated Learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架为量子联邦学习的 ansatz 结构实现个性化
研究人员推出了一种新颖的个性化量子联邦学习框架 PAS-QFL，旨在解决客户端之间数据异构性问题。与先前假设所有参与者采用统一 ansatz 结构的方法不同，PAS-QFL 允许每个客户端拥有个性化的 ansatz 结构。这种方法旨在通过适应多样化的本地数据分布，特别是在类别不平衡的情况下，来提高训练量子神经网络的稳定性和公平性。
-
新研究解决QFL噪声和后门漏洞
两篇新研究论文探讨了量子联邦学习（QFL）的挑战和漏洞。一篇论文介绍了Q-ANCHOR，一种旨在缓解QFL中非独立同分布数据和硬件噪声问题的架构，与传统基线相比显示出更稳定的训练。另一篇论文侧重于安全性，详细介绍了一种名为CULT的新攻击模型，该模型利用电路级漏洞引入后门，表明现有防御措施无法抵御这些隐蔽攻击。