买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东省计算中心(国家超级计算济南中心)申请的专利一种基于单次通信的无数据驱动量子联邦学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121390213B 。

龙图腾网通过国家知识产权局官网在2026-03-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511971267.X，技术领域涉及：G06N3/098；该发明授权一种基于单次通信的无数据驱动量子联邦学习方法是由曲悠扬;王子诺;高龙翔;顾树俊;葛树鑫;王常维;傅科学;庞为光设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本一种基于单次通信的无数据驱动量子联邦学习方法在说明书摘要公布了：本发明属于联邦学习的技术领域，更具体地，涉及一种基于单次通信的无数据驱动量子联邦学习方法。所述方法包括：多个客户端依赖各自本地数据独立训练经典模型，训练完成后仅进行单次通信，将模型表征信息上传到服务器；服务器在接收各客户端上传的模型表征信息后，对这些信息进行统一融合，构建一个集成教师模型；服务器在集成教师模型的指导下，利用伪样本生成器从随机噪声中合成伪样本；利用生成的伪样本，通过软标签蒸馏将集成教师模型的知识迁移到量子学生模型中，最终在服务器端得到统一的量子学生模型。本发明解决了现有量子联邦学习中存在的通信开销大、隐私保护与效率难以兼顾、以及量子硬件资源严重受限等技术问题。

本发明授权一种基于单次通信的无数据驱动量子联邦学习方法在权利要求书中公布了：1.一种基于单次通信的无数据驱动量子联邦学习方法，其特征在于，所述方法包括： S1、多个客户端依赖各自本地数据独立训练经典模型，训练完成后仅进行单次通信，将模型表征信息上传到服务器； S2、服务器在接收各客户端上传的模型表征信息后，将所有客户端的预测输出直接进行平均，得到集成教师模型的输出表示，并由此构建一个集成教师模型； 所述预测输出是指模型对输入样本的未归一化分类得分，称为logits；每个客户端对输入的logits记为，则集成教师模型的logits表示为： 2 其中，表示集成教师模型的logits，K表示客户端的数量； S3、服务器在集成教师模型的指导下，利用伪样本生成器从随机噪声中合成伪样本，所述伪样本为图像数据，作为后续量子学生模型训练数据，具体如下： S31、服务器初始化一个生成器，生成器接收一个从标准高斯分布中采样的随机噪声，并生成初始伪样本，具体形式表达为： 3 其中，是随机采样的噪声；是生成器，在本阶段中需要被优化的模型，通过学习生成逼近真实数据分布的伪样本；是生成器在输入噪声z下输出的伪样本；是均值为零、协方差矩阵为单位矩阵的多维高斯分布； S32、联合最小化交叉熵损失与边界支持损失函数实现生成器的整体目标，即，使伪样本在类别置信度与判别边界上均接近真实数据，从而在无访问原始数据的情况下，最大限度地恢复知识迁移所需的语义特征： S321、使用在S2中得到的集成教师模型的logits对伪样本进行监督： 4 其中，为生成器输出的伪样本，表示集成教师模型对的预测分布； 基于集成教师模型对的预测分布，定义生成器的交叉熵损失为： 5 其中，为生成器的参数，为随机初始化的类别标签； S322、引入边界支持损失，鼓励生成器在教师模型与学生模型决策不一致的区域生成困难样本： 6 其中，为权重系数，当且仅当教师模型与学生模型预测类别不一致时其值为1；是由参数表示的学生模型对伪样本的预测概率分布，表示学生模型输出的类别概率分布； S323、综合上述两项损失函数，生成器的总损失函数为： 7 其中是超参数，用于平衡各项损失的贡献，通过不断优化该目标，服务器最终能够获得一个高质量的伪样本集，用于训练量子学生模型； S4、利用生成的伪样本，通过软标签蒸馏将集成教师模型的知识迁移到量子学生模型中，最终在服务器端得到统一的量子学生模型； 所述量子学生模型采用量子卷积神经网络QCNN，QCNN模型由量子卷积模块和经典卷积神经网络串联组成，量子部分负责在高维希尔伯特空间中执行非线性特征映射，而经典部分则充分利用其成熟的特征融合与分类能力，完成最终的决策； 具体来说，在量子学习模型中，伪样本首先经过编码后被映射到量子态空间，形成输入态，在量子电路中，这一形态经过参数化量子线路作用后，转化为输出态： 12 通过测量算符将输出的量子态转换为经典数据，经典数据将进一步输入后续经典卷积部分，经过卷积、池化操作进行深层特征提取与融合，最终量子学生模型输出logits。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市历下区经十路东首科学院路19号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。