SHADE通过经典影子实现量子数据的联邦遗忘
研究者提出Shadow-based Data Erasure(SHADE),利用训练时记录的经典影子估计QNN梯度与曲率,并通过联邦牛顿修正实现量子数据的联邦遗忘,无需重放量子态。
动态展示门槛:AI 前沿与应用 ≥ 70 分,量子方向 ≥ 62 分;已确认精选照常展示。
研究者提出Shadow-based Data Erasure(SHADE),利用训练时记录的经典影子估计QNN梯度与曲率,并通过联邦牛顿修正实现量子数据的联邦遗忘,无需重放量子态。
基于论文摘要,作者用量子费舍尔信息优化量子储备池计算机,并在 Mackey–Glass 预测中报告其相较相同读出成本的调优经典储备池具有量子优势。