この記事では、半非同期フェデレーテッドラーニング（SAFL）の文脈での参加バイアスの問題と、その解決策として提案されたFedCureフレームワークについて述べています。SAFLは、同期トレーニングの効率と非同期更新の柔軟性を兼ね備えていますが、非IIDデータ分布の影響で参加バイアスが生じやすくなります。FedCureは、連携構築と参加を意識したスケジューリングを活用して、この参加バイアスを軽減します。このフレームワークは、最適な連携形成、効率的なスケジューリング、資源配分の最適化という三つの基本ルールに基づいており、実験結果では既存の先端技術に比べて精度を最大5.1倍向上させることが確認されています。さらに、ラウンドごとの待機時間の変動率を最小化し、さまざまなシナリオにおいて長期的なバランスを維持することが示されています。