.png){kind=icon}
返回
Quantum Intelligence Networks: Integrating Communications Into Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/mnet.2026.3652486.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了量子智能网络（QINs）：大规模、自主的量子赋能学习实体网络，具有多样化的架构，通过量子通信互连，处理多种类型的数据。尽管我们在量子赋能学习领域见证了前所未有的发展，但大多数研究假设每个学习模型独立工作，忽视了通过非中心化信息交换进行协作的潜力。此外，我们强烈主张不应仅依赖经典信息交换，因为量子算法带来了日益增长的安全担忧。为应对这一紧迫需求，本文呼吁发展QINs，首先强调了将量子通信整合到学习中的重要性，然后详细阐述了必要的量子通信协议。随后，本文讨论了QINs的实现，总结了相关实践方法，并强调了其可行性。随着QINs的发展日益受到重视，集体努力将是必不可少的。为帮助推动这一进程，我们指出了若干有前景的研究方向。
Keyword:
Quantum computing
Computational modeling
Federated learning
Integrated circuit modeling
Qubit
Training
Quantum entanglement
Information exchange
Computer architecture
Protocols
期刊
IF:
6.3
论文数:
2.7K
被引数:
1.1W
机构
引用论文
分享收藏分享收藏User Association and Channel Allocation in 5G Mobile Asymmetric Multi-Band Heterogeneous Networks用户关联和信道分配在5G移动非对称多带异构网络中
PREAI
分享收藏Quantum Federated Learning with Quantum Data.png)
ICASSP 2022 - 2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
OAAI
ICASSP 2022 - 2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏分享收藏Design optimization of public building envelope based on multi-objective quantum genetic algorithm基于多目标量子遗传算法的公共建筑围护结构优化设计
PREAI
分享收藏
查看更多内容