CCF@U984：CCF信息系统专委走进武汉科技大学

CCF走进高校第985场

敬请关注

由中国计算机学会（CCF）主办，CCF信息系统专委、武汉科技大学承办的CCF走进高校活动，将于2023年10月8日在武汉科技大学召开，敬请关注。

时间：2023年10月8日 10:00—12:00

活动地点：武汉科技大学教三楼30404报告厅

报告信息：

报告题目：分布式图神经网络模型训练系统: 技术与进展

报告摘要：图是真实世界中广泛存在的一类数据结构, 应用于诸多重要领域，如知识图谱、社交网络分析、分子信息学等。图神经网络（GNN）结合了神经网络和图迭代分析方法，能有效地挖掘图的结构和图属性信息，具有广泛的应用前景。如何高效地建立面向大规模图数据的图神经网络模型，提升训练和推断的速度、可扩展性、易用性，是当前机器学习和大数据技术领域的研究热点。本报告首先综述了GNN训练的执行模式和存在的挑战，然后，介绍国内外提出的主要优化技术和研究进展，并汇报我们课题组完成的工作，包括：分布式GNN训练系统、动态GNN训练系统、微批量采样式GNN训练系统、单机GPU式GNN训练系统，以及GNN训练评测系统。最后，展望高效GNN训练系统领域的今后研究方向。

嘉宾简介：

于戈，东北大学计算机科学与工程学院教授，博士生导师，中国计算机学会会士, 美国ACM高级会员、IEEE高级会员。1982年、1986年获得东北大学计算机学士学位和硕士学位，1996年获得日本九州大学计算机博士学位。当前研究兴趣包括：数据科学与大数据技术、区块链技术与应用、机器学习与智慧教育等。现兼任中国计算机学会信息系统专业委员会主任、《计算机学报》、《软件学报》等期刊编委。曾担任国务院学位委员会学科评议组成员、国家自然科学基金委员会评审专家组成员。发表高水平学术论文200余篇，出版“分布式数据库系统”等专著和教材6部，译著4部。获得“教育部自然科学二等奖”、“中国电子学会科技进步一等奖”等省部级科技奖10项、国家教学成果二等奖1项、省教学成果奖3项。曾获得“教育部跨世纪人才基金”和“中国高校青年教师奖”。

报告题目：面向分布式图神经网络训练的数据压缩和采样技术

报告摘要：分布式图神经网络系统旨在对图神经网络算法提供抽象并加速训练过程，结合了分布式图计算系统与分布式机器学习系统的特点，存在诸多新的挑战，是近年来数据管理领域和分布式系统领域共同关注的热点问题。本报告将回顾该领域的研究背景和代表系统，分别从数据压缩和数据采样的技术角度，介绍针对分布式图神经网络训练的特异性数据约简技术。具体地，前者通过对训练时的海量嵌入进行消息压缩提升通信吞吐，同时通过补偿技术缓解消息压缩误差带来的模型性能退化问题；后者通过定义新型的聚合差异性指标量化采样质量，以最小化聚合差异性指标为目标设计采样算法，进而在降低采样对模型准确率影响的前提下，减少计算和通信代价。最后，对未来相关技术的研究进行展望。

嘉宾简介：

谷峪，东北大学教授，博士生导师，CCF高级会员，数据库专委会执行委员，信息系统专委会执行委员。辽宁省“兴辽英才计划”青年拔尖人才，辽宁省首届优秀研究生导师团队骨干成员。当前研究兴趣包括：大数据分析、图数据管理、分布式计算等。发表CCF A/B类论文60余篇，出版专著和教材2部，获CCF自然科学二等奖、辽宁省自然科学学术成果奖一等奖、DASFAA国际会议最佳学生论文奖等奖励。

CCF微信公众号，欢迎关注