9月6日，应数学与统计学院邀请，北京交通大学孔令臣教授做客“牧野格致”讲堂，为学院师生作主题为“Sparse Decentralized Federated Learning”的学术讲座，学院相关研究方向师生参加了此次讲座。裴永刚主持。

在人工智能分布式训练领域，“Decentralized Federated Learning（DFL）”凭借“无需中央服务器即可实现多节点协作式模型训练”的独特优势，成为多领域数据协同的重要方向。但受限于分布式节点间的通信与计算能力，该技术在效率、稳定性及可信度方面面临挑战。为解决这些关键问题，孔令臣教授详细阐述了其团队的创新解决方案—SparseDFL（SDFL）及相应的新型算法CEPS。他介绍到，团队在共享模型中创新性引入“稀疏性约束”，加入的稀疏性约束支持在特定步骤对部分选定的相邻节点采用“1-bit”压缩感知技术，仅传输一位二进制信息，从而显著提升通信效率。同时，为解决数据隐私与可信度问题，CEPS算法还融入差分隐私技术，该技术既能有效保护用户原始数据安全，又极大地增强了学习过程的可信度。此外，CEPS算法并非仅停留在实践层面，团队已通过严谨数学推导，为其提供了“收敛性”与“隐私性”的双重理论保证。数值实验结果验证了该算法的有效性，在提升通信与计算效率的同时，仍能维持较高的可信度水平。报告结束后，孔令臣教授就与会教师提出的相关问题进行了详细的解答，并展开了深入的讨论与交流。

专家简介：

孔令臣，教授，博士生导师，中国运筹学会数学规划分会理事长，北京交通大学数学与统计学院副院长。主要从事对称锥互补问题和最优化、高维数据分析、统计优化与学习、医学成像等方面的研究。在《Mathematical Programming》、《SIAM Journal on Optimization》、《Statistica Sinica》、《IEEE Transactions on Pattern Analysis and Machine Intelligence》、《Technometrics》、《IEEE Transactions on Signal Processing》和《Electronic Journal of Statistics》等期刊发表论文60余篇。2005年获山东省高等教育教学成果奖三等奖，2012年获中国运筹学会青年奖，2018年获得北京市高等教育教学成果奖一等奖，2022年获教育部自然科学奖二等奖和北京市高等教育教学成果奖二等奖。

（数学与统计学院 林玉冰 王敬一）