关键词：量子信息，量子通信，分布式机器学习，量子机器学习
论文题目：Communication-Efficient Quantum Algorithm for Distributed Machine Learning
论文来源：Physical Review Letters
论文链接：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.130.150602
随着远程检测的需求和训练数据量的增加，在通信限制下的分布式机器学习成为一个关键问题。最新发表于 Physical Review Letters 的这项工作提供了一种高通信效率的量子算法，在数据集分布在两方的情况下，解决了两个 传统的机器学习问题，即最小平方拟合和 softmax 回归问题。这项工作的量子算法以O(log2(N)/ε)的通信复杂度找到模型参数，其中 N 是数据点的数量，ε是参数误差的约束。
与实现相同目标的经典和其他量子方法相比，这个方法在数据量扩展时具有通信优势。该方法的核心是量子二部相关算法（quantum bipartite correlator algorithm），可用于估计分布在两方当中的两个比特串之间的相关性或 Hamming 距离，并可进一步应用于其他信息处理任务。
总之，这篇论文为实现分布式机器学习的高效通信算法提供了很有前景的量子方法。这种方法大大降低了通信量，为大规模机器学习的实现提供了可行的新途径。
图1. 分布式量子计数或量子二部相关器方案的量子电路。
图2. 在参数空间N、ε和M中，量子二部相关器算法、确定性和随机经典算法的通信复杂度相位图。
集智斑图顶刊论文速递栏目上线以来，持续收录来自Nature、Science等顶刊的最新论文，追踪复杂系统、网络科学、计算社会科学等领域的前沿进展。现在正式推出订阅功能，每周通过微信服务号「我的集智」推送论文信息。扫描下方二维码即可一键订阅：
推荐阅读
