清华大学

讲者简介：陈文光，CCF会士，学术工委主任，YOCSEF荣誉委员，清华大学计算机系王建筑讲席教授。主要研究领域为大数据处理系统、编译器与并行计算。北京计算机学会副理事长；ACM中国理事会常务理事。

报告题目：GraphAce：两方安全图分析技术

报告摘要：图分析在重要性度量、欺诈检测和反洗钱等挑战性任务中取得了广泛应用，而现实中复杂系统的完整图常涉及多源数据，现有安全多方计算技术（MPC）可以应用于此场景但面临高通信开销问题，现有安全图分析框架每次迭代的通信开销下限为Ω(∣V∣+∣E∣)（V和E分别表示顶点和边）；为此本文提出高效的安全两方图分析框架 GraphAce，利用同态加密和秘密共享的混合原语系统及新型 ChaosTable 数据结构解决使用各方本地图数据时的安全挑战，消除了与边相关的网络流量，每次迭代实现Θ(∣V∣)的低通信复杂度（突破此前Ω(∣V∣+∣E∣)的下限）和Θ(∣V∣+∣E∣)的计算复杂度（与非安全方法相同）；评估显示，GraphAce速度比以往方法最高提升数万倍、通信量最多节省 99.99%（因应用和网络而异），是首个能在合理时间内处理超 100 万顶点和 1.32 亿条边的安全两方图分析框架，处理规模提升了100倍以上。

中科院计算技术研究所

讲者简介：谭光明，研究员、博导，中科院计算技术研究所高性能计算机研究中心主任。参与了曙光系列高性能计算机包括曙光4000/5000/6000/7000系统研制，发表学术论文100余篇，曾任IEEE TPDS编委和国际会议（SC、PPoPP）等程序委员，曾获得国家科技进步奖二等奖、北京市科技进步一等奖、卢嘉锡青年人才奖和全国向上向善好青年称号。

报告题目：大语言模型流水线并行优化及AI4Science流水线并行探索

报告摘要：本报告关注训练系统优化尤其是流水线并行方面的性能优化：（1）大模型流水线并行的训练方法都占额外显存，且严重不均衡。为了消除内存瓶颈并提升流水线并行的效率，开发了流水并行的内存优化器Mario，将重算隐藏在流水线气泡中，并通过多条优化规则以迭代的方式进一步调整流水线气泡的排布，使得重算几乎完全隐藏在气泡中；（2）在材料大模型中，往往需要在前向计算过程中同时求得能量E和受力F（E对原子位置的导数），占用大量显存，且无法使用流水线并行，我们展开了相关的探索。

北京航空航天大学

讲者简介：杨海龙，北京航空航天大学计算机学院教授，副院长。国家优秀青年科学基金获得者，国家重点研发计划项目负责人。主要研究方向为高性能计算、性能调优工具、编译优化技术、模型训推系统等。目前已在SC、ASPLOS、ISCA、PPoPP、TPDS、TC、TACO等国际会议和期刊上发表多篇学术论文，TC论文获评IEEE CS亮点论文。担任CLUSTER21体系结构领域共同主席，THPC期刊青年编委。担任北航本科生超算队教练，指导团队多次获得国内外赛事奖项。获2024年CCF高性能计算青年科技人才奖，指导学生获CCF体系结构专委优秀博士学位论文奖、CCF高性能计算专委优秀博士学位论文奖、ACM SIGHPC优秀博士学位论文奖。

报告题目：面向智能时代的模型性能工程研究

报告摘要：随着以Chatgpt、DeepSeek等为代表性的生成式大语言模型的出现，智能模型在训推层面上对算力需求不断增长，与此同时模型训推技术不断演化导致系统复杂度增加，如何利用大规模硬件资源实现高效模型训推能力，需要从全栈视角在算法空间、编译空间、系统空间、工具空间开展模型性能工程。本报告从系统空间模型性能工程研究出发，介绍了研究组在大模型自适应投机推理、满足SLA的大模型请求调度等方面一些工作进展，并对未来全栈式性能工程新范式进行了展望。

东北大学

讲者简介：张岩峰，CCF数据库专委会、分布式计算与系统专委会、信息系统专委会的执行委员，东北大学教授、博士生导师、计算机科学与工程学院副院长，东北大学与美国麻省州立大学联合培养博士，入选国家级高层次青年人才，辽宁省杰青。研究方向为数据库系统、机器学习系统。承担国家重点研发计划课题、国家自然科学基金重点项目课题、辽宁省重点研发计划等多项国家和省部级科研项目，承担华为2012实验室、阿里巴巴达摩院、蚂蚁研究院等校企合作项目。在SIGMOD、VLDB、ICDE、PPoPP、SOCC等国际顶级会议期刊上发表论文50余篇。曾获中国计算机学会自然科学二等奖、云计算国际会议ACM SOCC杰出论文奖、华为年度优秀项目奖等奖励。

报告题目：基于昇腾NPU的图机器学习训练推理加速

报告摘要：随着图机器学习在社交网络分析、推荐系统和生物计算等领域的广泛应用，其计算效率面临巨大挑战，特别是在大规模图数据上的训练和推理过程。近年来，专用神经网络处理器（NPU）因其高效的并行计算能力，为加速图机器学习任务提供了新的解决方案。本报告聚焦基于昇腾（Ascend）NPU的图机器学习训练与推理加速技术，利用昇腾NPU的达芬奇架构及其针对图计算的优化特性，如动态形状支持、稀疏计算加速和高效张量核心设计，探讨如何利用昇腾AI处理器的强大算力优化图神经网络的训练推理性能。

国防科技大学

讲者简介：甘新标，国防科技大学副研究员， 军队高层次人才青年科技英才，天图系统（TianheGraph）的设计者和完成人，相关技术创新成果被新华社、人民日报、解放军报等100+主流媒体报道，图计算优化相关技术创新以第一作者身份已陆续发表于TPDS、ICDE、SC、PPoPP、ICS、ACM MM、TACO等CCF推荐期刊与会议；领导课题组设计开发的大规模流场可视化系统TianheVis以及国产虚拟渲染引擎TianheVE已广泛应用装备数值模拟可视化与大规模场景渲染应。

报告题目：TianheGraph：层次感知的天河图计算

报告摘要：图计算已经广泛应用于各个领域，引起工业界与学术界的广泛关注，天河超算作为国产超算的践行者， 面向国产处理器、自主互连网络以及全栈运行环境，充分释放天河超算的数据处理潜能面临诸多挑战，本报告将结合天河超算层次设计结构，分享天河大图计算引擎的设计与优化解决方案。