TieAudit

量子环形 all-reduce 为分布式学习提供通信和隐私优势

研究人员开发了环形 all-reduce 通信原语的量子版本，这是大规模分布式机器学习训练的基础。这种量子方法利用预共享的纠缠和超密集编码，可以将每链路通信减少两倍，而不会改变学习模型或梯度计算。此外，它为经典协议提供了信息论上不可能实现的隐私保证，能够以可管理的开销实现安全聚合。该研究还表征了在带宽限制下，服务器到客户端通信的梯度冲突检测中的量子优势，显示了特定审计任务的显著通信复杂性分离。