北航新闻网11月12日电（通讯员 栾钟治 杨海龙）日前，我校计算机学院杨海龙副教授团队（HiPO）的两篇论文被The International Conference for High Performance Computing, Networking, Storage, and Analysis（SC 2020）录用，第一作者均为低年级博士研究生。SC是国际公认的高性能计算领域旗舰会议，也是中国计算机学会（CCF）推荐的A类学术会议。SC始于1988年，由ACM和IEEE合办，第32届SC会议（SC 2020）共收录论文95篇，包括稀疏计算、性能分析工具、深度学习优化等方面的最新研究进展，录取比例为25%（95/380）。录取文章中共有11篇来自中国大陆，其中清华大学4篇，上海交通大学3篇，北京航空航天大学2篇，山东大学、上海科技大学各1篇。这是北航首次在SC上发表学术论文。

本次录用的论文题目分别为“Zerospy: Exploring Software Inefficiency with Redundant Zeros（作者：游心、杨海龙、栾钟治、钱德沛、刘旭）”和“SpTFS: Sparse Tensor Format Selection for MTTKRP via Deep Learning（作者：孙庆骁、刘轶、敦明、杨海龙、栾钟治、甘霖、杨广文、钱德沛）”。Zerospy一文研究了软件中含有的冗余零会引入不必要的访存以及无效计算的问题，提出了细粒度分析器用于有效识别由于数据结构使用不当和无用计算而造成的冗余零，并提供直观的优化指导来获得显著的加速效果。实验结果表明，该研究可以在消除冗余零后实现最高58.8%的加速效果。审稿专家评价“该工作支持了对程序优化开展深入研究，这为PGO（Profile-Guided Optimization，评测指导优化）框架研发铺平了道路，从而可以在工业等实际应用的层次上解决该问题”。论文将于11月18日凌晨在线宣读。SpTFS一文研究了稀疏张量存储格式在张量典范分解MTTKRP计算中的性能适配问题，提出了自动格式选择框架用于预测输入张量在不同硬件平台上运行MTTKRP的最优存储格式。该工作首次提出了利用神经网络技术预测稀疏张量最优存储格式的方法。实验结果表明，相比机器学习方法XGBoost，该研究可以取得更高的预测准确率和加速比。审稿专家评价“该工作提出了一种通过深度学习对MTTKRP进行稀疏格式选择的新颖方法，特别是在深度学习算法和新颖的硬件平台背景下，该方法实用价值高”。论文将于11月17日午夜在线宣读。

杨海龙研究团队（HiPO）在稀疏数值算法、性能分析工具、系统结构、编译优化、深度学习、任务调度等领域做出了一系列具有创新性和实用性的研究成果。目前，已有十余篇研究论文发表在SC、PLDI、ICSE、TPDS、TCAD、TACO、ICS、ICPP、CLUSTER等国际著名会议和期刊上。

（审核：王蕴红）

编辑：贾爱平