7月11日下午，“华中大—新国大学术大讲堂”计算机科学与技术学院专场讲座于线上举行，讲座邀请了新加坡国立大学计算机学院Bingsheng He教授以Federated Learning Systems: Towards Effective and Efficient Machine Learning Systems on Data Silos为主题进行线上分享，讲座由华中科技大学计算机科学与技术学院学院副院长石宣化主持，吸引了来自新加披国立大学、华中科技大学等国内外高校的1200余名科研工作者以及学生线上参会。
在何教授看来，目前互联网经济发展十分迅猛，从对互联网经济闭环的思考展开设想，数据隐私越来越受到各方重视，当数据采集能力有限，甚至不可利用时，互联网经济的闭环就容易被打破，在此基础上，计算机系统的性能和可扩展性应该如何应对与发展值得思考和深入研究。
首先，何教授简单介绍了联邦学习系统的由来和产生动机，以及如何使我们的系统在数据监管下更加符合规范地发展。何教授表示，联邦学习系统能够在隐私限制下实现不同组织之间的机器学习模型的协同训练，也因此成为当下的研究热点。
随后，何教授介绍了联邦学习相关研究进展以及未来的系统研究方向。何教授通过生动的示例，将现有的联邦学习系统进行比较，并深入浅出地为我们介绍了自己团队在此方向上的研究内容，包括模型的整体框架以及一些具体的研究方法。受到数据库和云计算等其他领域的联邦系统的启发，何教授及其团队研究了联邦学习系统的系统设计需求，发现联邦学习系统在其他领域中的异构性和自主性这两个重要特性在现有的联邦学习系统中很少被考虑，并进一步对未来联邦学习系统的研究方向进行了分析和展望。
在最后的交流讨论环节，何教授耐心解答同学们的疑问，与同学们就讲座内容和学科问题进行了深入的交流与探讨。本次研讨会不仅为师生提供了国际学术交流机会，也为相关领域研究提供了新的思路和方向，同时也有利于促进我校与新加坡国立大学未来的进一步合作。
