本研究提出了一种轻量级的联邦分割学习方案，旨在解决边缘设备资源限制导致的模型训练瓶颈。通过动态剪枝和量化梯度更新，降低了计算和通信开销，实验结果表明在无线网络中显著提升了训练性能。

本研究通过动态剪枝和遗传算法解决了同步辐射光源束线对齐中的低保真数据问题，提高了优化模型的可靠性和效率。该工作有助于提高束线质量，推动BNL在国家能源挑战中的使命。