我中心学生获国家自然科学基金博士生项目资助

近日，国家自然科学基金委员会完成了2025年度国家自然科学基金青年学生基础研究项目（博士研究生）评审，我中心2022级博士研究生周宇浩（导师：吕建成教授）申报的《去中心化的自演进联邦学习算法研究》项目获得资助。

2025年度青年学生基础研究项目（博士研究生）旨在支持我国博士研究生在国家自然科学基金资助范围内自主选题，开展基础研究工作，培养其独立开展科学研究的能力，增强科研兴趣，激发创新思维，提升科学素养，为其踏上科研之路打下坚实基础，为构建高水平基础研究队伍提供高质量人才储备。该类项目采用“推荐+评审”模式，通过博士生自主申请，学院及学校遴选推荐，基金委组织通讯评审和会议答辩评审等多个环节，层层选拔，优中选优，最终确定资助项目。

受资助项目简介：

当前联邦学习虽能协同分布式节点构建神经网络模型，有效突破隐私保护与数据孤岛的核心瓶颈，但在无人机协同、自动驾驶等复杂实际场景中，受节点性能差异、数据分布异构、网络环境波动及全局优化目标动态变化等多重因素影响，传统静态图扑结构的联邦学习框架及算法暴露出灵活性不足、通讯效率低下、模型性能不稳定等突出问题。为此，该项目拟开展自演进联邦学习的专项研究，依托去中心化架构实现联邦拓扑与算法随环境任务的动态适配。研究将围绕三大核心方向展开：一是构建融合模型与通讯性能的多目标优化架构，通过动态调整拓扑结构提升系统灵活性；二是研发高效自适应通信梯度压缩模型，借助数据蒸馏单步梯度匹配技术压缩传输数据，在保障模型收敛的同时降低通信开销；三是建立模型权重与异构数据分布的映射机制，引入参数生成模型学习全局 – 本地参数关联，打通本地数据到专属参数的适配通路。该研究不仅将破解复杂场景下联邦学习的应用瓶颈，完善联邦学习动态优化理论体系，更有望为边缘计算、多设备协同等领域的规模化落地提供核心技术支撑，具备重要的理论创新价值与实际应用前景。

学生简介：

周宇浩博士，四川大学计算机学院计算机科学与技术专业2022级博士生。在我中心吕建成教授的指导下，直博期间一直围绕分布式机器学习、联邦学习及优化理论展开研究。相关研究成果已发表于 IEEE TNNLS,IEEE TPDS,NeurIPS,CVPR,ICCV等多个国际知名期刊和会议，谷歌学术总引用近500次。