报告题目：面向图算法的“软硬兼施”加速研究

演讲摘要：图（Graph）是描述和分析实体之间关系/交互的通用语言，被广泛应用于表示各种日常生活数据和科研数据，例如地铁路线图、分子拓扑等等。图算法具有超强的图数据处理能力，已经被应用于路线导航、蛋白质功能预测、知识推理等重要领域。例如，图神经网络算法就已经被应用于许多知名企业的推荐系统中。随着图数据规模的不断增大，图算法的运行时间也不断增长。因此，图算法的加速研究就变得尤为重要。该报告将会介绍我们团队通过”软硬兼施“的研究路线加速图算法的相关工作。

讲者简介：CCF专业会员、中国科学院计算技术研究所副研究员。2020年于中国科学院计算技术研究所获得工学博士学位，并留所工作。研究方向是图算法的”软硬兼施“加速。在包括MICRO、HPCA、AAAI、IJCAI等在内的领域顶级会议或期刊上发表论文20余篇。入选CCF青年人才发展计划、中科院青促会、中科院青年团队计划，曾获北京市技术发明一等奖。博士论文《图处理加速架构》入选2022年度CCF优秀博士学位论文。