本研究探讨了动量联邦学习在解决分布式数据机器学习问题方面的应用，通过应用动量梯度下降算法加速全局收敛。实验结果表明，动量联邦学习在全局收敛性能上优于仅使用一阶梯度下降的联邦学习。