主办单位：

中国计算机学会

承办单位：

中国计算机学会分布式计算与系统专业委员会

bat365中文官方网站bat365中文官方网站

开源软件与实时系统教育部工程研究中心

甘肃省智能驾驶行业技术中心

甘肃省人工智能产业技术创新联盟

bat365中文官方网站分布式与嵌入式系统实验室

时间：2022年12月17日(星期六)08:30-12:00

腾讯会议：207-304-092

入会密码：71806

活动日程
时间	内容		发言人	主持人
08:30-08:40	中国计算机学会宣传片			陈文波
08:40-08:45	bat365中文官方网站bat365中文官方网站院长致辞		任丰原 教授
08:45-08:50	中国计算机学会分布式计算与系统专业委员会主任致辞		廖小飞 教授
08:50-09:35	学术报告	基于数据流架构的高效图计算机	廖小飞 教授	周庆国
09:35-10:20		无线总线物联网边端系统	鲁力 教授
10:20-11:05		跨场景移动智能	朱弘恣 教授	周睿
11:05-11:50		新型分布式并行应用中的“数据墙”问题及其对策	李诚 研究员
11:50-12:00	总结

 

基于数据流架构的高效图计算机

 

专家简介：

廖小飞，博士、华中科技大学计算机学院教授、博士生导师，华中科技大学科学技术发展院院长。2005年获得华中科技大学工学博士学位，主要研究方向为系统软件、多核虚拟化、大数据处理等。主持国家重点研发计划项目、863计划课题、国家自然科学基金等多个项目。入选“万人计划”领军人才，获得国家自然科学基金杰出青年科学基金（2019-2023），获得国家自然科学二等奖1项、国家科技进步二等奖1项、教育部技术发明/自然科学一等奖2项，曾获得CCF-IEEE CS青年科学家奖。

报告摘要：

图计算是大数据处理的主流形式之一。本报告探讨了图计算的关键挑战，报告了在图计算加速器及其相关软件研究方面的研究实践，并面向图计算、图挖掘、图学习等综合应用探讨了一体化加速器及其配套软件的设计思路。

无线总线物联网边端系统

专家简介：

鲁力，教授/博士生导师。电子科技大学计算机科学与工程学院（网络空间安全学院）副院长。主要研究方向为物联网系统和安全、工业控制系统安全。2000年和2003年毕业于浙江大学电气工程学院，分获学士和硕士学位。2007年毕业于中国科学院研究生院信息安全国家重点实验室，获博士学位。2007年至2009年于香港科技大学计算机科学与工程系任博士后研究员。作为项目负责人承担了包括国家自然科学基金重点项目、装备XH项目等10余项。在包括NSDI、MobiCom等会议和期刊上发表论文60余篇。作为主要成员获2019年国家科技进步一等奖。

报告摘要：

物联网终端可大致分为强终端和弱终端两种，强终端一般关注计算密集和高性能通信，如智能信息终端，星载或弹载终端；而弱终端主要面向大规模普适化感知，如环境感知终端等，因而对成本非常敏感。决定弱终端成本的主要环节在于开发、部署、维护，对应的性能要求主要是低冗余计算架构、超低功耗通信等。针对低成本弱终端问题，研究团队提出了无线总线边端系统的原理和设计，研发了“无处理器终端架构”、“微瓦功耗公里级通信接收机”、“射频-片间总线信号转化”、“微能量感知和管理”等多项技术，以“终端计算上浮到网关”的思路为主线，构建了新型“无线总线物联网边端系统”。

跨场景移动智能

专家简介：

朱弘恣，男、博士，上海交通大学教授、博士生导师，入选教育部青年长江学者奖励计划。2009年于上海交通大学获得工学博士学位，2010年和2011年分别赴香港科技大学计算机科学与工程系、加拿大滑铁卢大学电子与计算机工程系从事博士后研究工作；2011年加入上海交通大学计算机科学与工程系。任《IEEE Transactions on Vehicular Technology》和《IEEE Internet of Things Journal》国际期刊编委、中国计算机学会分布式计算与系统专业委员会委员。主要研究方向为车联网移动感知与适变组网，在重要国际会议与期刊杂志累计发表80多篇论文。获得CCF自然科学一等奖，IEEE GLOBECOM’16最佳论文奖。

报告摘要：

智能终端，例如手机、智能车、无人机等，在通信、存储、计算等硬件方面的能力不断加强，如何让终端在移动场景感知周围世界，并且真正变得智能，还有许多亟待解决的困难。例如，快速变化的场景对深度学习模型推理的准确性和稳定性构成巨大挑战，此外终端计算、存储和通信资源有限，如何实现跨场景稳定推理是学界和业界关注的热点问题。本次报告以智能手机用户动作识别、智能车3D视觉等典型移动智能应用为例介绍跨场景移动智能的关键技术。

新型分布式并行应用中的 “数据墙”问题及其对策

专家简介：

李诚，中国科学技术大学计算机科学与技术学院特任研究员，CCF高级会员，分布式、体系结构、系统软件专委委员，2016年获得德国马普学会软件系统所(MPI-SWS)博士学位，现为计算机科学与技术学院特任研究员，从事新型分布式计算与存储系统研究工作，在SOSP、OSDI、FAST、ASPLOS、HPCA、ATC、EuroSys等计算机系统领域著名国际会议上发表40余篇论文。现担任FCS、CCF THPC期刊青年编委。曾获2022 AI 2000 系统领域最具影响力学者提名奖(在新星榜上位列世界39位，国内第一)、中国计算机学会分布式专委杰出青年学者奖(2022)、ACM ChinaSys新星奖(2021)等学术奖项，及安徽省第五届青教赛工科组一等奖(2021)、全国高校教师教学创新大赛安徽省二等奖(2022)、全国计算机类课程实验教学设计二等奖 (2022)、中国科大第七届青教赛二等奖（2020）等教学奖项。两次担任中国计算机系统最重要的学术会议——ChinaSys程序主席。曾担任ACM SOSP 2017 Poster Session程序委员会共同主席、EuroSys 2021 Publication 共同主席、ACM SIGMETRICS 2023 Publication 共同主席，长期参与SOSP、Middleware、DSN、ICDCS、SRDS等系统领域著名国际会议的程序委员会。

报告摘要：

随着摩尔定律的失效、人工智能和大数据等新兴应用对高性能处理需求的不断增加，计算机系统的设计与部署越来越多地从单机单处理器向多机多处理器的并行与分布式模态演变。并行与分布式系统逐渐发展成为促进互联网、云计算、大数据、人工智能等方向创新融合的主要支撑技术。然而，以深度学习为代表的新型并行与分布式计算面临严重的“数据墙问题”。随着模型规模的增大、模型结构的复杂化、训练数据体量的不断累积，数据交互已成为分布式并行训练最主要的性能瓶颈。李诚老师的科研工作以新场景和新硬件为驱动，解决异构并行、分布式计算中面临的数据搬运和同步瓶颈，成果被工业广泛关注。