تقدم الورقة البحثية QFedAgent، وهو إطار عمل هجين للتعلم الموحد الشخصي يجمع بين الكم والكلاسيكي، مصمم للاعتراف بنشاط متعدد الوكلاء. يعالج تحديات تدفقات المستشعرات متعددة الوسائط غير المتجانسة وغير الموزعة بشكل متطابق (non-IID) من خلال دمج وحدة دمج الدائرة الكمية المتغيرة التي نموذجة تفاعلات مقياس التسارع والجيروسكوب عبر تشفير الحالة الكمية والتشابك.
- تتطلب وحدة الدمج الكمي فقط 72 معامل دوران مقارنة بـ 33K في الدمج القائم على متعدد الطبقات الكلاسيكي، محققةً انخفاضًا إجماليًا في المعاملات بنسبة حوالي 10 أضعاف.
- أظهرت التجارب على مجموعة بيانات OPPORTUNITY تحت تقسيمات non-IID القائمة على الموضوع دقة اختبار متوسطة تبلغ 97.7%.
- تؤكد النتائج أن الدمج الكمي الفعال من حيث المعاملات لا يزال تنافسيًا مقارنة بأساسيات التعلم الموحد التقليدية.
يوفر هذا النهج حلاً لتطبيقات استشعار الروبوتات الحساسة للخصوصية من خلال تقليل تكاليف الاتصال والعبء الزائد للمعاملات بشكل كبير مع الحفاظ على دقة عالية.