Flower AI Summit 是由剑桥大学Flower团队发起组织的一个专注于联邦学习领域的国际会议，自2021年起已连续举办四届，汇聚联邦学习领域学术界和产业界的专家学者，共同分享联邦学习领域的最新研究进展、技术趋势和应用成果。
本次大会受邀做报告的嘉宾包括来自卡内基梅隆大学、斯坦福大学、剑桥大学、牛津大学等学术界专家学者，以及谷歌DeepMind、亚马逊云、三星、沃尔沃等工业界代表，并通过网络进行全球直播。
联邦学习是一种面向数据隐私保护的分布式协作机器学习技术，可以使多个设备或公司机构在保持本地隐私数据不出域的前提下，协同训练一个共享的AI模型，对释放私域数据要素价值具有重要意义，近年来受到学术界和产业界的广泛关注。
罗冰教授的主要研究方向之一是联邦学习在未来通信网络应用中的算法优化和原型系统开发工作，FedCampus是其团队于2023年在智能手表和手机上研发的一款基于联邦学习和差分隐私等技术和智慧校园应用项目，旨在不收集学生隐私数据的前提下对校园群体健康数据进行智能分析，便于学生在不泄露自己健康数据的同时知晓校园群体（如同年级）的睡眠、心率、压力指数、运动步数、碳排放减少等统计数据信息，而校方管理者则可以及时掌握学生群体在不同时期的健康数据变化情况。
何思畅2023年通过昆山杜克大学暑期研究学者（SRS）项目加入到罗冰教授项目组。在FedCampus项目开发过程中，何思畅针对目前主流联邦学习训练框架无法实现跨Android和iOS设备这一技术挑战，在Flower开源平台基础上，开发设计了FedKit框架，通过支持模型转换、硬件加速训练和跨平台模型聚合来管道化跨平台联邦学习开发。
对于这段科研经历，何思畅表示：“在Flower AI Summit上，我与来自世界各地的联邦学习研究人员进行了交流。我惊讶地发现，有这么多人对联邦学习而兴奋，有这么多现实应用存在。我同时也发现很多来自计算机科学、数学和数据科学以外领域的人也对联邦学习非常感兴趣。一位参与者告诉我，联邦学习的主要应用领域有物联网、金融和健康医疗；而FedCampus正属于健康医疗的隐私计算范畴。”
何思畅还非常激动地发现，一些Flower AI Summit的参与者正在基于他的工作构建解决方案。来自卢布尔雅那大学的Janez Božič告诉何思畅，利用何思畅去年向Flower贡献的Android支持，他们构建了一个智能手机测试平台，能够部署到生产环境中。
另一个使用了何思畅工作的用户是韩国嘉泉大学的Yusubov Farkhod团队。Yusubov的团队开发了一个名为“FedOps”的联邦学习框架，提供机器学习操作功能。他们最近根据FedKit的方法为FedOps增加了移动支持。
何思畅表示：“如果不是昆杜带给我这么雄厚的学术资源以及丰富的科研机会，提供极高的自由度，难以想象我能像这样充分探索我对联邦学习系统的兴趣，让我能够接触甚至领导前沿的科研成果，拓宽我的学术视野。在这里，我可以根据自己的兴趣和专长，选择适合自己的研究方向，充分发挥自己的潜能。”
罗冰教授表示，何思畅是一位有技术天赋和自驱力的学生，能够充分利用昆杜提供的科研平台，在自己感兴趣的领域始终保持着高度的热情与专注。
何思畅将在今年5月份从昆杜毕业，以全额奖学金前往南加州大学攻读计算机科学博士学位。
此外，何思畅在FedCampus工作中的系统演示（Demo）论文“FedKit: Enabling Cross-Platform Federated Learning for Android and iOS”，于今年2月份被国际计算机通信大会IEEE INFOCOM 2024接受。IEEE INFOCOM是计算机网络领域顶级会议，也是中国计算机协会评定的CCF A类会议。
何思畅为论文的第一作者，罗冰教授为本论文的通讯作者，合作者还包括团队中的另外2名昆山杜克大学的本科生唐贝隆和张博晏，以及来自香港科技大学、加利福尼亚大学洛杉矶分校和Flower Lab的合作者。
“FedCampus从立项到上线历时半年多，何思畅与团队其他优秀成员一起为这个项目做出了很大的贡献，特别是2025届本科生唐贝隆、2026届本科生张博晏和张人元、2024届本科生王路遥和ECE项目研究生曾庆宁，”罗冰教授表示。
目前，该项目的介绍视频【FedCampus – Enabling Federated Learning and Analytics at Duke Kunshan University】已在B站上线。
