面向新型存储器件的内存计算论坛


论坛时间:2017年10月21日下午14:00-18:00


论坛地点:安徽合肥世纪金源大饭店三层安徽厅

 

论坛简介:

内存计算对于高性能计算系统的整体性能具有重要意义。作为内存计算的主要载体的新型存储器件不断涌现,这包括PCM、ReRAM、3D Xpoint等,这些器件所体现的原理异构性、性能差异性和管理复杂性等特征对内存计算带来了新的技术挑战,迫切需要全面、系统地分析相关新型存储器件对当前高性能计算系统及其应用的实际影响。本论坛邀请相关领域著名学者,集中探讨面向新型存储器件的内存计算的体系架构和计算模式,包括存算融合、能耗感知、智能管理和性能优化等方面。

 

论坛主席:

华宇,华中科技大学

华中科技大学教授,博士生导师,CCF、ACM和IEEE高级会员,CCF和ACM杰出演讲者。研究方向是新型存储器件和网络存储系统。主持和参与国家重点研发计划、973、863重大专项、国家自然科学基金项目和教育部创新团队等,在USENIX ATC、FAST、SC、SoCC、HPDC、DATE等学术会议和IEEE TC/TPDS/TII,ACM TACO,PIEEE等期刊上发表多篇论文。在ASPLOS (ERC)、USENIX ATC、SOSP (SRC)、RTSS、ICDCS、IPDPS、DATE、MSST、LCTES等会议上担任程序委员,是国际期刊FCS和JCN的编委,研究成果获得TST期刊年度最佳论文奖,电子学会信息科学技术二等奖。

 

日程安排:

14:00-14:30:“基于新型存储的高性能网络计算技术”,肖侬,中山大学

14:30-15:00:“内存计算:研究与实践”,廖小飞,华中科技大学

15:00-15:30:“基于新型硬件特性的高性能内存计算系统”,陈榕,上海交通大学

15:30-16:00: 茶歇

16:00-16:30:“从器件到系统:跨层次探索基于新型存储器件的内存计算”,孙广宇,北京大学

16:30-17:00:“基于阻变存储器的神经网络设计与思考”,汪玉,清华大学

17:00-17:30: Panel讨论

 

特邀讲者:

肖侬,中山大学

肖侬,博士、教授、博士生导师、中山大学数据科学与计算机学院副院长、软件学院院长,国防科技大学高性能计算国家重点实验室常务副主任。获得教育部长江学者特聘教授,国家杰出青年科学基金获得者。 “十五”“十一五”和“十二五”863重点专项“高效能计算机与网格服务环境”总体专家组成员,第一届“国家重大科研仪器设备研制专项”专家委员会成员,曾任中国计算机学会学术工作委员会副主任、现任中国计算机学会信息存储专业委员会副主任、大数据专家委常务委员和高性能计算专业委员会委员。研究方向为高性能网络计算与云计算、新型存储和系统结构,是我国研究高性能网络计算技术的先行开拓者之一。负责过863重大项目和一般项目、国家重大基础研究项目973课题、国家自然科学基金重点项目等。获得国家科技进步二等奖1项、省级自然科学一等奖1项、二等奖1项、部委级科技进步一等奖2项和二等奖2项,发表论文160多篇。

演讲题目:基于新型存储的高性能网络计算技术
 

摘要:以NVRAM为代表的新型存储介质技术发展迅猛,为缓解计算机系统中的越来越严重的I/O挑战性问题提高了一个有效的途径。我们将重点探讨基于这类新型存储介质的高性能网络计算技术。
 

 

廖小飞,华中科技大学

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NSFC“优秀青年科学基金”、教育部“长江学者”青年项目,入选中组部“万人计划”之首批“青年拔尖人才支持计划”,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:研究与实践

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。

 

 

陈榕,上海交通大学

陈榕,上海交通大学副教授,CCF高级会员。主要研究方向为系统软件、并行与分布式系统和系统虚拟化。在本领域重要学术会议与期刊包括SOSP、OSDI、EuroSys、UENIX ATC、PPoPP、DSN、HPDC 和ACM TOCS、ACM TACO、IEEE TPDS等发表近30篇研究论文,并获得ACM EuroSys 2015和IEEE ICPP 2007的大会唯一最佳论文奖,学术论文总计被引用超过1250次(Google Scholar)。受邀担任ASPLOS、EuroSys、USENIX ATC、VEE、Middleware等国际会议程序委员会委员(TPC)和多个ACM/IEEE Transactions的审稿专家。 

演讲题目: 基于新型硬件特性的高性能内存计算系统

摘要:随着大量新型处理器、网络和存储硬件特性在现代数据中心中不断普及,如何充分发挥新硬件提供的高性能(低延迟、高吞吐和持久性等)对内存计算系统的设计和实现提出了全新的挑战。本报告将分享我们团队近年来在该领域的主要研究成果。通过对硬件特性进行系统化的分析,对以数据库在线事务处理和高并发图结构数据查询为代表的内存计算系统的设计和实现进行了全面的重构和优化,从而相对传统系统能够获得数十倍乃至数百倍的性能提升。

 

 

孙广宇,北京大学

孙广宇于2003和2006年分别获得清华大学学士和硕士学位,2011年在美国宾夕法尼亚州立大学获得计算机科学专业博士学位。2011年加入北京大学信息学院高能效计算与应用中心,现任长聘副教授,特聘研究员。研究方向为高能效存储体系结构与系统、异构加速器架构与系统等。其中关于新型存储器件的研究,近年来在国际学术期刊/会议上发表论文50余篇。现担任ACM TECS 和 ACM JETC杂志副主编(AE)。

演讲题目:从器件到系统:跨层次探索基于新型存储器件的内存计算

摘要: 传统计算机系统的每次操作,计算本身所消耗的能量已经远低于搬运(被计算)数据产生的能量,这一问题随着IC工艺的发展正在不断加剧。为了克服这一问题,内存计算系统(processing-in-memory)受到了广泛关注。而新型存储器件由于其自身的特点,具备了将计算与存储进行深度融合的优势:在同一个存储阵列里面即可以存储数据,又可以进行计算操作。本次报告将围绕这个主题,在多个层面跨层次探索基于新型存储器件的内存计算。

 

汪玉,清华大学

清华大学电子工程系长聘副教授,从事高能效电路与系统研究,发表论文160余篇,IEEE/ACM杂志文章30余篇;谷歌学术引用2100余次。担任ACM SIGDA E-News主编,IEEE TCAD编委,DAC等领域顶级会议技术委员会委员,ACM杰出演讲者,ACM FPGA技术委员会亚太地区唯一成员。16年获得NSFC优秀青年基金。获得FPGA17、NVMSA17,ISVLSI12最佳论文,以及8次国际会议最佳论文提名。深度学习FPGA加速器在2016年知识产权转化入股北京深鉴科技有限公司,打造世界最先进的FPGA深度学习平台。

演讲题目:基于阻变存储器的神经网络设计与思考

摘要:深度学习算法面临着计算量和存储需求大的问题,难以高效地在能量受限的终端应用中部署。新兴阻变存储器能将计算融合到存储中,通过减少数据搬运大幅提升智能系统的能量效率。演讲者通过软硬件协同优化的方式,将大规模深度神经网络映的训练和推断过程映射到了阻变存储器计算结构中,展现了高于GPU两个数量级以上的能效潜力。基于上述工作,演讲者对下一代高能效智能计算芯片的发展进行了思考和探索,为深度学习在终端应用中的部署提供了新的可能。