本文介绍了FedGraph联邦学习框架，结合深度强化学习的图采样算法和新型卷积操作，提升了数据隐私保护和性能。实验结果表明，FedGraph在多个数据集上表现优越，快速收敛并提高准确性，适用于多种场景，解决了计算客户间图学习的挑战。

本研究提出了一种新颖的图嵌入技术，利用图采样和聚合预测加劲板的应力分布。与有限元-顶点图表示的方法相比，图神经网络和所提出的图嵌入方法作为高效减阶模型具有巨大潜力。