CCF长沙会员活动中心“湘江论坛”之学术前沿“大数据、人工智能与高性能计算”学术研讨

阅读量:2
2018-04-14

CCF长沙会员活动中心“湘江论坛”之学术前沿

大数据、人工智能与高性能计算”学术研讨

时间:2018420(星期五)

地点:湖南怀化学院东校区图书馆报告厅

信息技术的迅速发展彻底改变了人们的工作和生活方式,数据呈爆炸式增涨,如何从海量数据中有效快速地分析、处理和获取有价值的关键信息已经成为我们所面临的重要问题。大数据的出现暴露了许多新的技术问题,需要利用许多创新性的科学方法和手段去解决传统方法不能解决的海量数据处理问题,以及利用人工智能方法进行大数据分析与处理来为人们提供工作和生活上的智能服务与帮助。通过深度学习、进化计算和专家系统等人工智能方法,借助高性能计算环境,特别是超级计算机,为大数据分析与处理提供了优势计算平台,同时为大数据环境下的各种应用提供了合理、可行的解决方案。根据大数据应用、高性能计算和人工智能方法等具有的领域优势,我们特别邀请到国内外学界专家,从不同视角为我们介绍大数据、高性能计算、人工智能以及相关应用领域等所面临的机遇、挑战和最新研究进展。通过与会专家共同交流、研讨和经验分享等,我们期望本次论坛可以促进大家对高性能计算、人工智能和大数据融合的深入了解与认识,同时促进大数据等相关专业建设和优秀人才的培养。

湘江论坛是中国计算机学会(CCF)长沙分部所推出的活动品牌,湘江论坛包括:教育教学活动、学术前沿活动、分部联合活动等。本次活动是由CCF长沙分部、怀化学院计算机科学与工程学院、怀化市计算机学会联合举办,由怀化学院计算机科学与工程学院和中国计算机学会长沙分部具体承办。

会议程序:

请参考附件的日程安排

执行主席:

教授   国防科技大学计算机学院副院长,CCF长沙主席

彭小宁 教授   怀化学院计算机科学与工程学院院长

教授   湖南师范大学信息科学与工程学院,CCF长沙秘书长

参会须知:

研讨会免注册费,参会食宿和交通费用自理。

②参会名额有限时,CCF会员优先参与;欢迎大家现场入会。

3会议联系人:印东15274553706 443660950@qq.com

4报名方式:邮件报名、电话报名、短信报名均可。

报名方式一:邮件报名

与会者姓名

性别

工作单位

职务/职称

手机号码






请将此回执表发送到邮箱:443660950@qq.com

报名方式二:电话或短信报名

请将回执表中的信息打电话或发短信给会议联系人:印东15274553706

  5住宿信息

推荐酒店:怀化煌族国际大酒店

订房专线:4008-970-770308333

酒店地址: 怀化金海路75号(怀化学院东校区南门对面)

交通地图:见附1


中国计算机学会长沙分部

怀化学院计算机科学与工程学院

怀化市计算机学会


大数据、人工智能与高性能计算”论坛(2018 . 怀化)

日程安排

时间(地点)

内   容

420日(周五)上午

8:00-11:30

怀化学院东校区

计算机科学与工程学院办公室

会议报到

专家及会议代表报到

联系人:舒会霞 15274585558印东 15274553706

11:30-13:00

煌族国际大酒店

午餐

联系人:舒会霞 15274585558

420日(周五)下午

14:00-15:40

怀化学院东校区

图书馆报告厅

·彭小宁教授:介绍参加大数据、人工智能与高性能计算论坛的来宾、致欢迎词(10分钟)

·CCF长沙代表讲话(10分钟)

·代表合影(图书馆前)(20分钟)

会议第一阶段主题报告

报告主持人:计算机科学与工程学院院长彭小宁教授

主题报告1:彭绍亮教授,大数据时代下的智能超算(30分钟)

主题报告2Francois Trahay副教授,高性能计算与大数据(30分钟)

15:40-16:00

怀化学院东校区

图书馆报告厅外

茶歇(20分钟)

16:00-17:00

怀化学院东校区

图书馆报告厅

会议第二阶段主题报告

报告主持人:计算机科学与工程学院院长彭小宁教授

主题报告3:廖剑伟副教授,分布式文件系统的性能优化技术30分钟)

主题报告4:许可乐博士,深度学习在声学及工业数据分析: 案例研究(30分钟)

17:00-17:10

会议总结(10分钟)

总结人:计算机科学与工程学院院长彭小宁教授

17:30-19:00

煌族国际大酒店

晚餐

联系人:舒会霞 15274585558

421日(周六)上午

8:00-12:00

早餐后,专家及会议代表返回。


特邀报告人和报告内容简介


特邀讲者:彭绍亮,教授,男,三级教授,博导,国家超级计算长沙中心副主任,长期从事高性能计算、大数据、生物信息、移动计算等技术研究工作,并担任国防科技大学天河生命科学方向负责人,华大基因研究院特聘教授,湖南大学岳麓学者三级教授。已发表学术论文百余篇,专著6部,单篇论文他引1213次,其中包括Science,Nature Communications, Cell AJHG, GenomeBiology,NAR, Cancer Research,ACM/IEEE Transactions, BIBM, 《中国科学》等。曾参与天河系列超级计算机应用软件研发工作,参与国家973项目、863项目、军队重大型号项目等13项,获军队科技进步一等奖1,2016年荣立三等功。是中央军委科技委生物交叉立项专家组成员、国家科技专家库专家、中国计算机学会理事(2016-2019)CCF计算机应用专委会副主任和生物信息专业组副主任,YOCSEF长沙主席(2016-2017)和总部AC委员(2017-, CCF高性能计算、大数据专委委员、CCF杰出会员和杰出讲者、担任多个国际期刊主编和副主编,包括International Journal of Biological Sciences (SCI期刊,2013 IF=4.37)执行主编(Executive Editors),Interdisciplinary Sciences: Computational Life Sciences(计算生命科学-SCI期刊)国际期刊副主编(Associate Editor)等。还担任了湖南省生物信息学会理事长、CCF 2016大数据技术大会(BDTC)程序委员会主席、CCF大数据学术大会程序委员会副主席、2017第四届全国计算生物学学术会议大会主席、2017第二届中国计算机学会生物信息学会议程序委员会主席、201917APBC亚太地区生物信息会议程序委员会主席。

报告题目:大数据时代下的智能超算

内容提要:超级计算机是国之重器,超级计算和高性能计算技术在飞行器设计、高铁风洞试验、生物制药、基因检测、天气预报、环境监测、新材料研究、石油勘探等各个领域一直都有出色表现。2017年国务院和习主席印发了《新一代人工智能发展规划》,宣告着我国人工智能时代的到来和人工智能技术的又一轮深入应用。HPC在人机博弈、深度学习、智能语音、人脸识别、安全检测等方面也有着突飞猛进的发展。我国高性能计算技术目前在国际上越来越有影响力,产生了以天河太湖之光等为代表的一系列举世瞩目的科研成果。高性能计算不仅在传统科学与工程计算领域承担重要的科技创新基础设施作用,同时与人工智能、大数据的融合趋势也日益明确,计算的定义变得更加广泛。可以预期,我们将迎来高性能计算+人工智能+大数据E级计算时代。本报告将对近年来国内外超算领域的技术发展,大数据和人工智能领域的落地应用和进展、以及超算与两者如何相辅相成、共融发展等最新发展以及当前热点问题进行深入浅出的介绍,重点会介绍天河系列超级计算机和国家超算长沙中心上的典型应用。并对如何开展本领域前沿技术研究等进行探讨,使参加者在了解学科热点、提高理论水平的同时,掌握最新技术趋势。


特邀讲者:Francois Trahay,副教授,男,博导,2009年在法国波尔多大学获博士学位,目前是法国国立电信学院(TélécomSudParis, France)副教授。他作为该学院计算机科学系高性能计算研究小组成员,主要从事高性能计算性能分析和系统软件的开发。目前他是著名的高性能应用程序性能分析工具EZtrace项目负责人和主要开发者。截至目前,他在包括 IEEE TPDS, IPDPS, ICPP, IEEE Cluster, ACM TACO, and IJPP等顶级会议和期刊中发表了19篇学术论文。

François Trahay is an associate professor at Télécom SudParis since 2011. He is a member of the HP2 team of the computer science department, which investigates high-performance systems. He received his Ph.D. degree in computer science from the University of Bordeaux in 2009. He has been working on runtime systems for high performance computing since 2006. His research interests now mostly focus on performance analysis for HPC and distributed systems. He is the project leader and main developper of the EZTrace framework for performance analysis. He is the co-author of 19 research papers in top international conferences, workshops and journals such as IEEE TPDS, IPDPS, ICPP, IEEE Cluster, ACM TACO, or IJPP.

报告题目:高性能计算与大数据(Introduction to HPC and Big data

内容提要:计算机科学研究的迅速发展促进了高性能计算的发展和利用高性能计算机模拟各种物理现象。包括超级计算机在内的高性能计算机被普遍用来完成天气预报或飞机设计等计算集中型的任务。然而,在这些应用场景中,应用程序需要被分割成大量的子任务,以便这些子任务可以在通过网络连接的计算结点中并行运行,从而达到加速应用程序执行的目的。本次报告将重点介绍高性能计算研究领域中使用的主要技术,以及并行计算模式在大数据应用中的案例。

Research in computational science has led to the development of HighPerformance Computing and the simulation of many physicalphenomena. Supercomputers are thus commonly used for weatherforecasting, or for designing airplanes. These simulations require tosplit an application so that it runs on many computers connectedthrough a network. Many paradigms have been designed for easing theparallisation of simulations. These paradigms have recently been usedfor processing large quantities of data.In this presentation, I will introduce the main techniques used inHigh PerformanceComputing. I will also present recent parallelismparadigms such as Big Data.


特邀讲者:廖剑伟,副教授,男,20123月毕业于日本东京大学计算机科学系获计算机科学博士学位。20124月进入西南大学计算机与信息科学学院从事科研教学工作,硕士生导师。廖剑伟博士一直从事可靠性操作系统、并行/分布式计算和高性能数据存储相关方面的研究工作。从20154月至20173月,在日本理化学研究所计算科学机构参与日本下一代超级计算机研究与开发工作,作为核心研究成员参与超算文件系统的研究与开发工作。相继主持包括1项国家自然科学基金和3项省部级项目在内等11项科研项目。以第一作者身份发表了SCI/SSCI检索期刊论文16篇(根据20176月发布的JCR16篇,22篇,34篇,45篇),包括ACM TACO, IEEE TPDS, IEEE TCC, IEEE ISJ等著名刊物。在中国计算机学会CCF推荐会议发表论文7篇(B类推荐会议论2篇,C类推荐会议论文5篇,其中最佳会议论文1篇),包括HiPEACICPPEuro-par, COMPSAC ICA3PP 等国际学术会议。

报告题目:分布式文件系统的性能优化技术

内容提要:随着云计算技术应用的推进和大数据(Big Data)时代的来临,现代商业应用和科学计算应用有着迫切处理大数据的需求。互联网和并行/分布式计算等技术的发展使得 Web 应用、媒体流应用、数据库应用需要处理的数据以每年接近一倍的速度在不断增长。传统的分布式文件系统可以运行在廉价的硬件设施,满足高可靠性、大吞吐量、大数据集的数据访问需求,从一定程度上解决了云计算环境中海量数据的组织问题,较好地管理云端的海量数据。因此,高性能的分布式文件系统可以为科学应用程序提供高效的I/O系统服务,从而达到加速应用程序执行和提高整个系统性能的目标。在《分布式文件系统的性能优化技术》的报告中,将为大家介绍为了进一步优化分布式文件系统的性能,课题组在存储服务器端I/O优化方面所做的工作。


特邀讲者:许可乐,博士,男,于2016年在法国巴黎第六大学获博士学位,现为国防科技大学教师。他作为计算机学院并行与分布式计算国防重点实验室成员,主要从事深度学习在声学以及工业界数据中的应用研究。截至目前,他在包括美国声学学报,欧洲声学学报,Medical Physics, IEEE/ACM TASLP, IEEE ICASSP, InterSpeech, ACM MobiCom, ICPhS等顶级期刊和会议中发表了学术论文35篇。同时,他还担任IEEE Transactions on Signal ProcessingIEEE/ACM Transactions on AudioSpeech, and Language ProcessingIEEE Signal Processing LetterJournal of Intelligent & Fuzzy SystemsJournal of the Acoustic Society of AmericaSpeech Communication等国际期刊审稿人。

Kele Xu obtained his Ph.D. from the University of Pierre and Marie Curie in Paris, France, 2016. Currently, he is a lecturer at the National University of Defense Technology. He is a member of the National Defense Key Laboratory of Parallel and Distributed Computing, at the School of Computer. His main interets include the application of deep learning in acoustics and industrial data. He has published 35 academic papers in top journals and conferences including Journal of the Acoustica Society of America, Acta Acustica united with Acustica, Medical Physics, IEEE/ACM Transactions on Audio, Speech, and Language Processing, IEEE ICASSP, InterSpeech, ACM MobiCom, ICPhS. He also serves as reviewer for different journals: IEEE Transactions on Signal Processing, IEEE/ACM Transactions on Audio, Speech, and Language Processing,IEEE Signal Processing Letter, Journal of Intelligent & Fuzzy Systems, Journal of the Acoustic Society of America, Speech Communication.

报告题目:深度学习在声学及工业数据分析: 案例研究(The application of deep learning in acoustics data and industrial data: case study

内容提要:深度学习在图像分类、语音识别、自然语言处理等许多领域中取得了极大的成功。本次报告第一部分将重点介绍深度学习在声学数据中的具体应用:包括无声语音技术(即通过机器学习的方法,利用人体超声声道图像进行语音识别与合成)、大型海洋生物声纹特征检测、潜艇以及海上船只防碰撞预警算法等。报告的另一部分注重深度学习在工业数据中的分析案例,包括交通时间预测,以及时间序列分析,多模数据处理以及金融数据分类等。

Deep learning has achieved great success in many fields such as image classification, speech recognition, and natural language processing. The first part of this report will focus on the specific applications of deep learning in acoustic data: including silent speech technology the use of human ultrasound vocal tract images for speech recognition and synthesis); large-scale marine biological voiceprint feature detection, anti-collision warning algorithms for submarines and marine vessels. The other part of the report focuses on the analysis of deep learning in industrial data, including traffic time prediction, time series analysis, multimodal data processing, and financial data classification.



附件1:会议交通地图(参考)



交通方式:

怀化南站(高铁)——>怀化学院东区:

出租车:票价 35元左右

怀化站(火车)——>怀化学院东区:

出租车:票价35元左右

乘公交:15路车,新天地广场站上车至学院东区站下车,票价2元,车程约40分钟(非上下班时间段)