报告题目：面向经典用户的量子联邦学习框架
报 告 人：高飞 教授
工作单位：北京邮电大学
报告时间：2025-3-21 8:00-10:30
腾讯会议ID： 617-944-135
报告摘要：
在量子联邦学习场景中，多个具有量子计算能力的用户可以在保护数据隐私的情况下协同地训练量子机器学习模型。由于每个用户都需要具备量子计算能力，其成本是昂贵的。我们提出了一个新的量子联邦学习框架，将量子计算能力部署于服务器端，而用户端只需要经典计算能力即可。具体来说，我们将经典数据编码到可观测量上，使用“阴影层析技术”来辅助量子机器学习模型的训练，从而消除了用户对量子计算能力的需求。该框架可降低量子联邦学习的实现成本，并扩展其潜在应用场景。
报告人简介：
高飞，北京邮电大学教授，国家级青年人才，中国密码学会常务理事，中国计算机学会量子计算专业委员会常务委员，中国电子学会网络空间安全专家委员会委员。主要研究量子密码、量子算法和相关量子信息问题，已在PRL/PRA、TKDE、TC、JSAC等重要期刊发表论文100余篇，SCI总他引4800余次，H因子47。近年来连续入选斯坦福大学“2022全球前2%学者榜单”、爱思唯尔中国高被引学者。
