一种面向分子发现的多方协作联邦学习模型的方法

本发明涉及联邦学习和分子发现领域，尤其是一种面向分子发现的多方协作联邦学习模型的方法。一种面向分子发现的多方协作联邦学习模型的方法在每个本地客户端引入异质差分隐私技术，确保分子局部模型参数在训练过程中得到保护。接着，保护后的局部模型参数信息被上传至中央服务器，通过Lanczos算法进行投影变换与加权平均，最终生成新的全局模型参数，下放至客户端进行多次通信更新训练。本发明利用异质差分隐私有效处理不同分子数据源的隐私保护问题，保障了分子数据隐私；同时采用Lanczos算法进行投影变换优化多方协作过程中的分子模型融合方式，生成新的全局模型参数，可提升分子模型的预测准确性。