Dynamic Entanglement-Weighted Pruning for Quantum Federated Unlearning in Supply-Chain Risk Prediction
本論文は、サプライチェーンのリスク予測における量子連合学習のための新しいアンラーニング手法であるEntanglement-Weighted Pruning(EWP)を導入するものであり、これは量子フィッシャー情報量と構造的エンタングルメントの結合スコアに基づいてパラメータをプルーニングすることにより、クライアントの影響を効率的に除去し、フルリトレーニングに匹敵する精度を達成しつつ計算コストを大幅に削減するものである。