В статье представлен QFedAgent, гибридная квантово-классическая фреймворк персонализированного федеративного обучения, предназначенный для распознавания активности мультиагентов. Он решает проблемы гетерогенных и не-IID мультимодальных сенсорных потоков путем интеграции модуля слияния вариационной квантовой схемы, который моделирует взаимодействия акселерометра-гироскопа через кодирование квантовых состояний и запутанность.
- Модуль квантового слияния требует всего 72 параметра вращения по сравнению с 33K в классическом многоуровневом перцептоне, обеспечивая примерно 10-кратное общее сокращение параметров.
- Эксперименты на наборе данных OPPORTUNITY при субъектно-ориентированных не-IID разбиениях демонстрируют среднюю точность тестирования 97.7%.
- Результаты подтверждают, что параметрически эффективное квантовое слияние остается конкурентоспособным по сравнению с обычными федеративными базовыми моделями.
Этот подход предлагает решение для приложений роботизированного сенсинга, чувствительных к конфиденциальности, значительно снижая затраты на коммуникацию и параметрические накладные расходы при сохранении высокой точности.