量子科技中心_量科网

“量子机器遗忘”已成为量子信息理论、隐私保护计算与可信人工智能交叉领域的基础性挑战。本研究通过建立一个可验证范式框架，将物理约束、算法机制和伦理治理统一起来，推动了该领域的发展。该团队将“遗忘”定义为完全保迹动力学下学习模型与遗忘模型间可区分性的收缩，将数据删除植根于量子不可逆性的物理本质。 基于此，该工作提出了包含五大维度的分类体系——范围边界、保证机制、实现方法、系统语境与硬件实现，将理论构想与可实施策略相连接。在该框架中，研究人员整合了影响力与量子费希尔信息加权更新、参数重初始化及核对齐等实用机制，这些均与含噪声中等规模量子（NISQ）设备兼容。该框架通过量子差分隐私、同态加密和可验证委托，自然扩展到联邦学习与隐私保护场景，实现了分布式量子系统中可扩展、可审计的数据删除。 超越技术设计层面，研究团队提出了前瞻性的发展路线图，强调：遗忘的形式化证明、可扩展的安全架构、遗忘后的可解释性、以及符合伦理的可审计治理机制。这些贡献共同将“量子机器遗忘”从概念构想提升为严格定义且符合伦理规范的学科，在量子智能新兴时代，弥合了物理可实现性、算法可验证性与社会问责之间的鸿沟。