싱글-홉 오프로딩 환경(Single-Hop Offloading Environment)으로부터 입력 받은 적어도 하나 이상의 관측 값을 기초로 연합학습을 수행하는 양자 연합학습 시스템에 있어서, 양자 슬림 신경망(QSNN; Quantum Slimmable neural network) 모델의 파라미터를 초기화하여 적어도 하나 이상의 로컬 장치에 초기화된 양자 슬림 신경망 모델을 전송하는 글로벌 서버; 및상기 초기화된 양자 슬림 신경망 모델에 상기 적어도 하나 이상의 관측 값을 입력하여 상기 양자 슬림 신경망 모델을 학습시키고, 상기 학습된 양자 슬림 신경망 모델의 파라미터를 상기 글로벌 서버 측으로 전송하는 적어도 하나 이상의 로컬 장치를 포함하는, 양자 연합학습 시스템.

제1항에 있어서,상기 양자 슬림 신경망 모델은,상기 적어도 하나 이상의 관측 값을 3차원 구에 매핑하여 각 축에 따른 각도를 산출하는 상태 인코더부;상기 각 축에 따른 각도를 기본 레이어에 매핑하고, CX(Controlled X) 게이트를 통해 매핑된 기본 레이어를 중첩하는 양자 회로부; 및상기 중첩된 기본 레이어를 z축 평면 상에 반복적으로 사영하여 축 값을 측정하는 측정부;를 포함하는, 것을 특징으로 하는, 양자 연합학습 시스템.

제2항에 있어서,상기 양자 회로부는,상기 양자 상태로 변환된 각 축에 따른 각도에 기초한 각도 학습을 통해 상기 기본 레이어의 각도 파라미터를 업데이트하고,상기 측정부는,상기 업데이트된 기본 레이어의 각도 파라미터에 기초한 로컬 축 학습을 통해 축 파라미터를 업데이트하는 것을 특징으로 하는, 양자 연합학습 시스템.

제3항에 있어서,상기 적어도 하나 이상의 로컬 장치는,상기 양자 슬림 신경망 모델의 업데이트가 완료되면, 상기 업데이트된 양자 슬림 신경망 모델의 파라미터를 상기 글로벌 서버 측에 전송하되, 상기 싱글-홉 오프로딩 환경의 채널 상태를 고려하여 상기 각도 파라미터 및 축 파라미터 중 어느 하나 이상을 전송하는 것을 특징으로 하는, 양자 연합학습 시스템.

제4항에 있어서,상기 글로벌 서버는,상기 적어도 하나 이상의 로컬 장치가 전송한 상기 각도 파라미터 및 축 파라미터를 각각 결합하고,상기 결합된 각도 파라미터 및 축 파라미터를 기초로 글로벌 측 양자 슬림 신경망 모델을 학습시켜 업데이트하며,상기 글로벌 측 양자 슬림 신경망 모델을 상기 적어도 하나 이상의 로컬 장치에 재전송하는 것을 특징으로 하는, 양자 연합학습 시스템.

연합학습을 수행하는 양자 연합학습 시스템에서 수행되는 양자 연합학습 방법에 있어서,글로벌 서버가 양자 슬림 신경망(QSNN; Quantum Slimmable neural network) 모델의 파라미터를 초기화하여 적어도 하나 이상의 로컬 장치에 초기화된 양자 슬림 신경망 모델을 전송하는 단계;상기 적어도 하나 이상의 로컬 장치가 싱글-홉 오프로딩 환경(Single-Hop Offloading Environment)으로부터 적어도 하나 이상의 관측 값을 입력 받는 단계; 및상기 적어도 하나 이상의 로컬 장치가 상기 초기화된 양자 슬림 신경망 모델에 상기 적어도 하나 이상의 관측 값을 입력하여 상기 양자 슬림 신경망 모델을 학습시키고, 상기 학습된 양자 슬림 신경망 모델의 파라미터를 상기 글로벌 서버 측으로 전송하는 단계;를 포함하는 양자 연합학습 방법.

제6항에 있어서,상기 양자 슬림 신경망 모델은,상기 적어도 하나 이상의 관측 값을 3차원 구에 매핑하여 각 축에 따른 각도를 산출하는 상태 인코더부;상기 각 축에 따른 각도를 기본 레이어에 매핑하고, CX(Controlled X) 게이트를 통해 매핑된 기본 레이어를 중첩하는 양자 회로부; 및상기 중첩된 기본 레이어를 z축 평면 상에 반복적으로 사영하여 축 값을 측정하는 측정부;를 포함하는 것을 특징으로 하는, 양자 연합학습 방법.

제7항에 있어서,상기 양자 회로부는,상기 양자 상태로 변환된 각 축에 따른 각도에 기초한 각도 학습을 통해 상기 기본 레이어의 각도 파라미터를 업데이트하고,상기 측정부는,상기 업데이트된 기본 레이어의 각도 파라미터에 기초한 로컬 축 학습을 통해 축 파라미터를 업데이트하는 것을 특징으로 하는, 양자 연합학습 방법.

제8항에 있어서,상기 적어도 하나 이상의 로컬 장치가 업데이트된 상기 양자 슬림 신경망의 파라미터를 상기 글로벌 서버에 전송하는 단계는,상기 양자 슬림 신경망 모델의 업데이트가 완료되면, 상기 업데이트된 양자 슬림 신경망 모델의 파라미터를 상기 글로벌 서버 측에 전송하되, 상기 싱글-홉 오프로딩 환경의 채널 상태를 고려하여 상기 각도 파라미터 및 축 파라미터 중 어느 하나 이상을 전송하는 것을 특징으로 하는, 양자 연합학습 방법.

제9항에 있어서,상기 글로벌 서버가 상기 적어도 하나 이상의 로컬 장치로부터 수신한 상기 각도 파라미터 및 축 파라미터를 각각 결합하는 단계;상기 글로벌 서버가 상기 결합된 각도 파라미터 및 축 파라미터를 기초로 글로벌 측 양자 슬림 신경망 모델을 학습시켜 업데이트하는 단계; 및상기 글로벌 서버가 상기 글로벌 측 양자 슬림 신경망 모델을 상기 적어도 하나 이상의 로컬 장치에 재전송하는 단계;를 더 포함하는 것을 특징으로 하는, 양자 연합학습 방법.