半分分散型フェデレーテッドラーニングにおいて、デバイスは主にデバイス間で通信を行いますが、時折中央サーバーとも連携します。定期的に選ばれたデバイス群がローカルモデルをサーバーにアップロードし、サーバーが集約モデルを計算します。サーバーは、この集約モデルをサンプリングされたクライアントのみに配信する（サンプル間通信、S2S）か、全クライアントにブロードキャストする（サンプル全体通信、S2A）かの選択があります。本研究では、S2SとS2Aを統一された収束フレームワークで分析し、重要なシステムパラメータ（サンプリング率、サーバーの集約頻度、ネットワーク接続性）を考慮します。結果として、データの異質性の程度に応じて一方の戦略が優位になる特定の条件を明らかにし、実用的な半分分散型FLの展開に向けた具体的な設計ガイドラインを提示します。