科研背景

图神经网络(gnn)是处理图结构数据的强大工具。图结构数据是通过图拓扑连接的数据样本。例如，分子数据是图结构数据，其中原子充当节点，连接它们的键充当图中的边。gnn可以通过考虑从底层图拓扑中提取的邻域信息来提高节点嵌入的质量。一个训练良好的GNN模型需要大量的训练图数据，这些训练图数据在实践中可能分布在多个数据所有者之间。如何在不共享实际数据的情况下协同训练GNN？最直接的方法是使用GNN执行联邦学习(FL)，其中每个客户端在本地数据上单独训练本地GNN，而中央服务器将来自多个客户端的本地更新的GNN权重聚合为一个。

科研问题

研究目的

研究内容