2023年4月18日上午，华威大学计算机系Reader何黎刚博士应邀作了题为“Improving Training Efficiency and Quality in Federated Learning”的学术报告，实验室师生在东五楼210学术报告厅集中观看了整场报告。

何黎刚博士介绍了其所在研究团队在联邦学习（简称FL，下同）领域的三项工作。首先，他们提出了一种半异步的FL协议SAFA，用于提高FL的训练效率。其次，他们提出了一种名为HybridFL的全新FL方案，它进一步提高了SAFA的效率。HybridFL考虑到FL客户端的可靠性，将SAFA从两层（即客户端-云服务器）FL方案扩展到了移动边缘云系统中的三层（即客户端-边缘服务器-云服务器），使得支持更大规模的FL训练成为可能。最后，在HybridFL中，客户端是随机选择参加FL训练的。如果某些客户端的数据质量较低，而他们有同等机会对最终模型做出贡献，这可能会损害模型的质量。为解决这个问题，研究团队提出了一种选择性联邦学习方案，通过量化数据质量，让数据质量较低的客户端有更少的机会参与训练。

报告结束后，与会师生就联邦学习的训练效率和质量等问题与何黎刚博士展开了热烈的交流和讨论。何黎刚博士耐心解答了大家的疑惑，并与同学们分享了他在并行分布式处理、分布式AI和大数据处理等领域的研究经验与心得。现场气氛十分活跃，在场的老师和同学们都收获颇丰，本次报告受到了与会师生的高度评价。

何黎刚博士本科和硕士毕业于华中科技大学（硕士师从韩宗芬教授和金海教授）。博士毕业于英国华威大学计算机系，并在剑桥大学进行博士后研究。现为华威大学计算机系Reader（英国大学副教授和正教授之间的一个职称）。主要研究方向为并行分布式处理，分布式AI和大数据处理。在国际期刊和会议上发表论文180余篇，主持和承担过英国、欧盟及企业界多个研究项目。

（通讯员：刘桐桐、石月鑫）