随着数据的快速增长，计算机系统正面临着性能、能耗、可靠性等方面的挑战。新兴人工智能技术能否帮助设计人员突破传统技术瓶颈，设计更好的计算机系统以面对当前严峻的挑战？借助人工智能技术，一些研究者另辟蹊径，其设计方案让人大开眼界……

2018年10月25日下午13:30-17:30

杭州国际博览中心404

论坛简介：

当前，人工智能技术在图像分析、人机博弈等领域取得了令人欣喜的进展。随着数据的快速增长，计算机系统正面临着性能、能耗、可靠性等方面的挑战。新兴人工智能技术能否帮助设计人员突破传统技术瓶颈，设计更好的计算机系统以面对当前严峻的挑战？借助人工智能技术，一些研究者另辟蹊径，其设计方案让人大开眼界。本论坛立足计算机系统研究所面临的技术挑战，从多个方面研讨新兴人工智能技术给计算机系统设计带来的机遇，并对由此带来的前景进行广泛讨论。

主席简介

周可

主席：周可，华中科技大学、武汉光电国家研究中心教授，博导，入选教育部新世纪优秀人才。主要从事云存储、海量数据处理方向的研究。计算机学院存储研究所副所长，信息存储系统教育部重点实验室副主任，华中科技大学-腾讯公司智能云存储技术联合研究中心主任。获国家技术发明二等奖1项、省部级一等奖3项、二等奖1项、SC‘06存储挑战赛finalist award。在国内外学术刊物和会议上发表论文70余篇，获授权发明专利35项，主持制定国家标准3项、行业标准1项。 

陈文光

共同主席：陈文光，清华大学计算机系教授，主要研究领域为操作系统、程序设计语言与并行计算，国家自然科学基金杰出青年基金获得者。获国家科技进步二等奖一次，部级科技一等奖两次。现为中国机算机学会杰出会员和杰出讲者，副秘书长，青年科技论坛荣誉委员；ACM中国理事会副主席，ACM中国操作系统分会ChinaSys主席，ACM通讯中文版主编。担任了多个重要学术会议的程序委员会委员。

讲者简介

须成忠

须成忠，教授，中国科学院深圳先进技术研究院首席科学家，中国自然科学基金会“海外杰青”获得者，入选国家“千人计划”和“广东省领军人才”计划。

演讲题目：基于机器学习的数据中心智能调度

摘要：

数据中心的核心关键是资源调度与管理。数据中心面临平台异构多样，任务请求动态多变，在离线混部应用相互干扰等挑战。传统的调度管理方法无法满足资源管理精细化与自动化的要求。相比而言，机器学习办法擅长在不确定的环境中谋求类人智能，数据中心计算环境的不确定性及应用的多样性为机器学习提供了理想的应用场景，数据中心的管理积累了大量的数据，为基于机器学习的智能调度创造了必要条件。演讲将着重讨论相关路线的机会与挑战和我们在阿里云数据中心的初步研究成果。

廖小飞

廖小飞，博士、教授、博士生导师，计算机学院副院长。2005年获得华中科技大学工学博士学位，主要研究方向为系统软件、多核虚拟化、大数据处理等。主持863计划、国家自然科学基金等多个项目，单篇论文最高引用超过400次。获得教育部“长江学者”青年项目资助（目前在资助期内），获得国家科技进步二等奖1项、教育部技术发明一等奖2项。

演讲题目：内存计算：前沿与动态

摘要：

基于异构内存构造新型混合内存系统，或可提供价廉、低耗、相对高性能的处理环境，是解决大数据处理时效性问题的一个重要方向。报告人简要介绍了国内外研究进展，以及研究团队在结构安排、数据管理以及模拟器等方面的具体工作。

武永卫

武永卫，清华大学计算机系教授，副系主任，CCF理事、CCF CCSP技术委员会主席，清华大学-同方股份有限公司计算机系统结构联合研究中心主任。主要从事并行与分布式处理、云计算和大数据系统等方面的研究工作。

演讲题目：低延迟循环神经网络推理系统

摘要：

循环神经网络（RNN）模型被广泛应用于机器翻译，语音识别，智能问答等领域。模型的推理阶段不仅要求有高的吞吐还要求有低的延迟。本报告将结合该类计算的的循环特性和模型参数的不变性，探究细胞粒度的批处理方法，以期有效减少等待时间。进一步提出轻量级GPU 的异步通知机制、提前调度机制等系统优化方法。研制完成的BatchMaker系统在 Seq2Seq 和 TreeLSTM 网络上，可以将延迟缩短17.5%-82.6%，同时吞吐量最多提升 4 倍。

杨智

杨智，北京大学副研究员，一直从事分布式系统研究，目前主要关注图计算系统、机器学习计算系统，近5年在系统领域的著名会议和期刊发表论文20余篇，包括WWW、ATC、SoCC、HPDC，ICDCS等，引用超过600次。

演讲题目：支持大规模图结构的神经网络计算系统

摘要：

由于图数据具有高维稀疏、数据依赖等特性，当前的深度学习系统无法有效利用GPU来加速图神经网络模型，并且只支持GPU内存的数据规模。我们设计了NeuGraph系统，是第一个支持大规模图结构上神经网络计算的系统。NeuGraph提出SAGA-NN编程模型，能够以图编程抽象自然地描述图结构上的计算，同时能翻译为数据流图来表达神经网络计算过程。NeuGraph通过图切分实现了基于块粒度的数据流图流式执行，能够支持超过GPU内存大小的图数据，并可以在多GPU下并行处理。通过实验对比，NeuGraph比Tensorflow快4倍；并能够在多GPU下达到线性的加速比。

  喻之斌

喻之斌，中国科学院深圳先进技术研究院研究员，中科院百人，数字所副所长，异构智能计算中心主任。主要从事异构处理器体系结构、性能模型、基准测试程序、云计算和大数据系统构建与优化等方面的研究。

演讲题目：大数据系统高维配置优化关键技术

摘要：

当前是人工智能和大数据计算时代。然而，人们遇到了前所未有计算性能问题。目前已经有了相当多的研究从算法以及体系结构方面加速人工智能与大数据应用。深度学习专用加速芯片就是一个典型的例子。我们从反向来加速这些应用，即我们利用人工智能算法来加速大规模的大数据系统，取得了非常好的效果。今天将介绍我们如何利用人工智能算法从系统层面和体系结构层面的提高大数据系统的性能。

周可

周可，华中科技大学、武汉光电国家研究中心教授，博导，入选教育部新世纪优秀人才。主要从事云存储、海量数据处理方向的研究。

演讲题目：存储系统中的人工智能

摘要：

存储系统的数据和设备越来越多，导致数据调度和设备管理越来越复杂，采用人工智能技术改进存储系统成为一种趋势！演讲将介绍在在腾讯云存储平台上采用机器学习算法优化大容量缓存系统、磁盘故障预测等方面的一些研究工作，并探讨在存储系统中采用人工智能技术的新的研究点。