基于经典影子的量子数据联邦遗忘学习 SHADE

研究人员提出了基于经典影子（classical shadow）的量子数据遗忘方案 SHADE，用于在不可重放的量子联邦学习中擦除指定量子数据。各节点仅需记录训练态的经典影子，并通过联邦牛顿校正估计并消除遗忘数据的梯度与曲率影响，网络间仅传输经典估计。在 50 个节点及边缘板卡的仿真中，SHADE 无需重放即可在 0.2 s 内完成遗忘，遗忘准确率与重新训练相比相差在 0.5 点以内。