2015年5月5日下午，由中国计算机学会青年计算机科技论坛深圳分论坛(CCF YOCSEF深圳)、深圳大学广东省普及型高性能计算机重点实验室和深圳市电脑学会联合主办的高性能计算前沿进展报告会在科技楼701报告厅顺利举行。时任CCF YOCSEF深圳副主席的计算机与软件学院副院长毛睿老师担任执行主席并主持会议。

会上，来自美国伊利诺伊理工大学的孙贤和教授、中国科学院计算技术研究所的张云泉研究员和我院2012届优秀毕业生、美国北卡罗来纳州立大学全额奖学金博士研究生唐厚君分别作了《Parallelism for High Performance Data Processing: a rethinking》、《yaSpMV: Yet Another SpMV Framework on GPUs》及《Usage Pattern-Driven Dynamic Data Layout Reorganization》等高性能计算前沿进展相关报告。

尽管时值深圳大学春假及校外单位上班时间，会议上三位特邀讲者精彩的报告还是吸引了来自国防科技大学、北京并行科技公司、腾讯等单位的专家学者及深圳大学师生共20多人参加。
 

具体报告内容：

孙贤和教授作报告《Parallelism for High Performance Data Processing: a rethinking》：
对于大数据来说，可伸缩数据管理是一个很有挑战性的任务，并且在持久存储墙问题上带来了更大的挑战进而使得它成为高性能计算(HPC)的瓶颈。高性能计算以它的大规模并发架构而闻名，为了实现高性能数据处理(HPDP)，一个平常的做法是实现一个和高性能同样并发度的内存。孙教授提出了一个新的C-AMAT模型来设计和分析数据的并发访问。

张云泉研究员作报告《yaSpMV: Yet Another SpMV Framework on GPUs》：
SpMV是一个关键的线性代数算法并且被应用于很多重要的实际应用领域，这导致许多人尝试着通过在GPU上优化SpMV来利用它的大规模计算能力。虽然之前的工作取得了不错的进展，但是在负载均衡和内存宽带方面仍然是SpMV的性能瓶颈。在本报告中，张教授首先针对目前存在的性能瓶颈问题提出了新的解决方法：块压缩共同坐标(BCCOO)，该方法利用比特标识来存储行索引，从而解决了行内存宽带问题。其次张教授提出一种有效的基于矩阵的分段求和/遍历方法来解决SpMV的负载均衡问题。

唐厚君博士生作报告《Usage Pattern-Driven Dynamic Data Layout Reorganization》：
目前，科学模拟走向百亿次计算并且产生了大量的数据，而在数据分析应用过程中，数据访问效率是一个重要问题。数据不匹配经常在读写模式的数据访问过程中发生，这导致数据的访问效率非常低。唐博士提出一个可以识别出数据使用模式的框架，该框架支持读取独立元素和多维数组的数据块，并且相对于从原始数据集中读取数据的方法取得了多倍的加速比。

全体参会者合影