vFedProtoQNAS

新的vFedProtoQNAS方法增强了个性化量子联邦学习

研究人员推出了一种新方法vFedProtoQNAS，用于在虚拟联邦学习环境中进行个性化量子神经网络架构搜索。该方法通过允许每个客户端独立训练特定于客户端的量子神经网络来解决设备能力差异的挑战。vFedProtoQNAS不聚合模型参数，而是通过共享类原型促进联邦协作，并使用全局原型作为语义锚点。实验表明，该技术比标准的FedAvg提高了3.70%的准确率，并增强了类一致表示的一致性。