Federated Learning with Quantum Enhanced LSTM for Applications in High Energy Physics
Este artigo propõe um modelo híbrido de aprendizado federado que combina redes LSTM clássicas com circuitos quânticos variacionais (QLSTM) para classificação de dados de Física de Alta Energia, demonstrando que essa abordagem alcança desempenho comparável a benchmarks clássicos com uma redução drástica de parâmetros e requisitos de dados.