この記事では、複数のクライアント間で生データを共有せずに共同モデル訓練を可能にする連合学習（FL）の新たなフレームワーク「UnifiedFL」を提案しています。従来のFL手法は、異なる神経ネットワークアーキテクチャや異なるデータ分布を持つクライアント間でのコラボレーティブな訓練に対応できていませんでした。UnifiedFLは、異種のローカルネットワークをノードとして表現し、共有グラフニューラルネットワーク（GNN）によって最適化されたモデルグラフを用いることで、クライアント間の距離に基づくクラスタリングと二層の集約ポリシーを導入しています。これにより、収束と多様性のバランスを取った学習を実現します。実験の結果、UnifiedFLはMedMNIST分類や海馬セグメンテーションのベンチマークで優れた性能を示しました。