연구진이 양자 기반 연합 학습 프레임워크 QFedAgent를 제안했어요. 다중 에이전트 활동 인식에 적합하도록 가속도계-자이로스코프 상호작용을 모델링하는 양자 회로 융합 모듈을 사용했어요. 기존 융합 방식 대비 파라미터 수를 10배 줄였어요.
OPPORTUNITY 데이터셋 실험 결과, 97.7%의 평균 테스트 정확도를 달성하며 기존 연합 학습 방식과 경쟁력을 입증했어요. 주체 기반으로 데이터가 분할된 비-IID 환경에서도 효과적이었어요.
QFedAgent는 개인 맞춤형 연합 학습을 통해 다중 에이전트 시스템의 활동 인식을 개선하는 데 기여할 수 있어요.