O artigo apresenta o QFedAgent, um framework de aprendizado federado personalizado híbrido quântico-clássico projetado para reconhecimento de atividade multiagente. Ele aborda os desafios de fluxos multimodais heterogêneos e não-IID de sensores integrando um módulo de fusão de circuitos quânticos variacionais que modela as interações acelerômetro-giroscópio por meio de codificação de estados quânticos.
- A abordagem utiliza apenas 72 parâmetros de rotação quântica em comparação com os 33K na fusão clássica baseada em perceptron multicamadas, alcançando uma redução total de parâmetros de aproximadamente 10x.
- Experimentos no conjunto de dados OPPORTUNITY sob partições não-IID baseadas em sujeitos demonstram uma precisão média de teste de 97.7%.
- Os resultados confirmam que a fusão quântica eficiente em parâmetros permanece competitiva em relação às bases federadas convencionais.
O framework oferece uma solução para aplicações de sensoriamento robótico sensíveis à privacidade, reduzindo significativamente os custos de comunicação e a sobrecarga de parâmetros enquanto mantém alta precisão.