دمج البيانات القائم على التناغم لبيانات الأومكس متعددة الخلايا المفردة الموزعة

تولد مشاريع الخلايا المفردة على نطاق واسع مجموعات بيانات تنمو بسرعة، ولكن غالبًا ما تكون التحليلات اللاحقة معقدة بسبب مصادر البيانات، مما يتطلب أساليب دمج البيانات لتحقيق التصحيح. عادةً ما تتطلب أساليب دمج البيانات الحالية مركزية البيانات، مما يثير مخاوف بشأن الخصوصية والأمان. هنا، نقدم Federated Harmony، وهي طريقة جديدة تجمع بين خصائص التعلم الفيدرالي وخوارزمية Harmony لدمج بيانات الأومكس اللامركزية. تحافظ هذه الطريقة على الخصوصية عن طريق تجنب مشاركة البيانات الخام مع الحفاظ على أداء دمج يقارن مع Harmony. تُظهر التجارب على أنواع مختلفة من بيانات الخلايا المفردة نتائج متفوقة، مما يبرز نهجًا جديدًا لدمج البيانات لأومكس متعددة موزعة دون المساس بخصوصية البيانات أو أداء التحليل.