FedSPL：面向骨架异质性的联邦分子性质预测结构原型学习

FedSPL 用固定描述符对分子分组，并在交换模型参数的同时交换嵌入原型，实现与标签无关的原型匹配，同时保留有监督的性质预测。在 5 个分类基准、3 种异质性水平下，采用掩蔽留出服务器模型 ROC-AUC 的三种子评估，15 个设置中有 7 个的最终平均 AUC 高于 FedAvg；SIDER 上差异一致为正，其他数据集结果不一，提示收益依赖数据集。