报告题目：新型异构数据流架构研究

报告时间：2024年11月13日上午11:00

报告地点：美高梅4688集团amB404

报告人：过敏意

报告人单位：上海交通大学

报告人简介：过敏意，上海交通大学电子信息与电气工程学院“致远”讲席教授，国家杰青，教育部创新团队学术带头人，973计划首席科学家，享受国务院特殊津贴。IEEE Fellow，ACM 杰出科学家，中国计算机学会常务理事和会士 。研究方向为高性能计算，并行编译与算法，并行与分布式系统，云计算与大数据，计算机体系结构。现担任IEEE Transactions on Sustainable Computing主编，IEEE Transactions on Parallel and Distributed Systems、IEEE Transactions on Cloud Computing、Journal of Parallel and Distributed Computing等期刊编委；在IEEE/ACM Transactions、MICRO、ASPLOS、ISCA、HPCA等国内外著名期刊和会议发表了500余篇论文，出版中英文著作6部，授权发明专利40多项，国际学术会议上获得最佳论文7次。主持国家杰出青年基金、国家自然科学基金重点项目、国家重点研发计划、863项目、973项目等多项国家级项目，曾获得2019年度国家技术发明二等奖和多个省部级一等奖。

报告摘要：近期计算机应用特别是新兴人工智能应用呈现多领域交叉融合的发展趋势，例如深度学习与图计算和大数据结合，分别产生了图神经网络和向量型数据库等多领域融合负载。这些领域融合负载给灵活性受限的新兴领域专用架构带来了全新的挑战。而另一方面，通用CPU处理器受制于冯氏控制流架构的瓶颈制约，性能功耗已逐渐饱和。数据流架构是构建高性能与高效能处理器的重要方法，具有重要的应用潜力；其具有天然的数据驱动并行执行模型，能够有效地驱动大量计算和存储资源。例如，深度学习专用TPU处理器可以认为是一种特殊固化后的数据流架构。此外，数据流模型也具有可完整表示应用计算语义、提供简洁编程性等优势；深度学习领域中如Tensorflow/PyTorch等编程框架和TVM等编译框架都采取了基于数据流的模型。然而，数据流计算系统目前只在深度学习领域取得了初步的成功，其硬件架构和配套软件系统无法用于其他领域，更遑论新兴多领域融合负载。因此，亟需研究新型数据流计算系统。本次演讲将首先回顾数据流计算架构的发展历史，并分享课题组在新型异构数据流计算系统设计和研制上的进展。

邀请人：杜博