フェデレーテッドラーニング（FL）は、機械学習において急速に成長している研究分野です。しかし、既存のFLライブラリは多様なアルゴリズム開発を十分にサポートできず、一貫性のないデータセットとモデルの使用が公正なアルゴリズム比較を困難にしています。本研究では、FLアルゴリズムの開発と公正なパフォーマンス比較を促進するためのオープンリサーチライブラリおよびベンチマークであるFedMLを紹介します。FedMLは、エッジデバイスのオンデバイストレーニング、分散コンピューティング、単一マシンシミュレーションの3つのコンピューティングパラダイムをサポートしています。FedMLは、柔軟で汎用的なAPI設計と包括的なリファレンスベースライン実装（オプティマイザ、モデル、データセット）を通じて多様なアルゴリズム研究を促進します。FedMLがFLアルゴリズムの開発と評価に効率的かつ再現可能な手段を提供し、FL研究コミュニティに利益をもたらすことを願っています。
記事
FedML: フェデレーテッド機械学習のための研究ライブラリとベンチマーク
--