Sparse Federated Representation Learning for deep-sea exploration habitat design in carbon-negative infrastructure

Cette recherche explore l'application de l'apprentissage fédéré de représentations clairsemées pour la conception d'habitats d'exploration en eaux profondes. L'objectif est d'intégrer ces conceptions dans des infrastructures à empreinte carbone négative, combinant l'IA avancée avec des objectifs de durabilité environnementale.