本論文では、マルチエージェント活動認識用に設計されたハイブリッド量子古典パーソナライズド連合学習フレームワークであるQFedAgentを紹介しています。これは、変分量子回路融合モジュールを統合することで、加速度計とジャイロの相互作用を量子状態符号化およびエンタングルメントを通じてモデル化し、異種かつ非IIDのマルチモーダルセンサーストリームの課題に対処します。

  • 量子融合モジュールは、古典的な多層パーセプトロンベースの融合における33Kと比較して、わずか72個の回転パラメータのみを必要とし、合計で約10倍のパラメータ削減を実現しています。
  • サブジェクトベースの非IID分割下でのOPPORTUNITYデータセットの実験では、平均テスト精度97.7%を示しました。
  • この結果は、パラメータ効率的な量子融合が従来の連合ベースラインと競争力があることを確認しています。

このアプローチは、高い精度を維持しながら通信コストとパラメータオーバーヘッドを大幅に削減することで、プライバシーに敏感なロボティクスセンサーアプリケーションに対する解決策を提供します。