[공지사항]을 빙자한 안부와 근황 
Show more

दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

क्वांटम शोर से निपटने के लिए क्वांटम वातावरण में छिटपुट संघीय शिक्षण दृष्टिकोण

Created by
  • Haebom

लेखक

रतुन रहमान, अतित पोखरेल, दीन्ह सी. गुयेन

रूपरेखा

क्वांटम फ़ेडरेटेड लर्निंग (QFL) एक नवीन प्रतिमान है जो क्वांटम कंप्यूटिंग और फ़ेडरेटेड लर्निंग (FL) को मिलाकर डेटा गोपनीयता बनाए रखते हुए क्वांटम नेटवर्क पर वितरित मॉडल लर्निंग को सक्षम बनाता है। हालाँकि, क्वांटम नॉइज़ QFL के लिए एक महत्वपूर्ण बाधा बना हुआ है, क्योंकि आधुनिक क्वांटम उपकरण हार्डवेयर गुणवत्ता और क्वांटम डिकोहेरेंस के प्रति संवेदनशीलता में अंतर के कारण विषम नॉइज़ स्तरों का अनुभव करते हैं, जिससे लर्निंग प्रदर्शन अपर्याप्त होता है। इस पत्र में, हम SpoQFL का प्रस्ताव करते हैं, जो एक नवीन QFL ढाँचा है जो इस समस्या के समाधान हेतु वितरित क्वांटम प्रणालियों में क्वांटम नॉइज़ विषमता को कम करने हेतु छिटपुट लर्निंग का लाभ उठाता है। SpoQFL नॉइज़ में उतार-चढ़ाव के अनुसार लर्निंग रणनीतियों को गतिशील रूप से समायोजित करता है, जिससे मॉडल की मजबूती, अभिसरण स्थिरता और समग्र लर्निंग दक्षता में सुधार होता है। वास्तविक दुनिया के डेटासेट पर व्यापक प्रयोगों के माध्यम से, हम प्रदर्शित करते हैं कि SpoQFL बेहतर लर्निंग प्रदर्शन और अधिक स्थिर अभिसरण प्राप्त करके मौजूदा QFL दृष्टिकोणों से काफी बेहतर प्रदर्शन करता है।

Takeaways, Limitations

Takeaways:
क्वांटम शोर विषमता समस्या को हल करने के लिए SpoQFL फ्रेमवर्क प्रस्तुत करना
छिटपुट शिक्षण के माध्यम से मॉडल की मजबूती, अभिसरण स्थिरता और शिक्षण दक्षता में सुधार
वास्तविक डेटा सेट का उपयोग करके प्रायोगिक सत्यापन के माध्यम से मौजूदा QFL विधियों की तुलना में बेहतर प्रदर्शन का प्रदर्शन
Limitations:
वास्तविक क्वांटम हार्डवेयर के लिए SpoQFL की मापनीयता और प्रयोज्यता पर आगे अनुसंधान की आवश्यकता है।
विभिन्न प्रकार के क्वांटम शोर के लिए SpoQFL के सामान्यीकरण प्रदर्शन का मूल्यांकन करने की आवश्यकता है
उपयोग किये गये वास्तविक डेटासेट के प्रकार और आकार के बारे में विशिष्ट जानकारी का अभाव।
👍