大数据时代下的智能超算——E级计算时代下的HPC+

报告一：基于超算的人工智能医疗技术研究：临床死亡终点预测，辅助诊疗、健康管理

报告人：彭绍亮，湖南大学

报告摘要：近年来人工智能机器学习是进行医疗健康临床重点预测和大数据挖掘的一个有力“武器”。在国家卫健委、湖南省卫健委、湘潭市（湖南省健康产业园）的支持和指导下，基于国家超级计算长沙中心的天河超级计算机和健康、医疗大数据，已经研发出了分导诊机器人、辅助诊疗机器人、骨质疏松机器人、健康管理家庭医生、远红外AI健康管理机器人等系列技术。提出了医疗、健康、组学等多维数据融合技术，从“诊前”、“诊中”、“诊后”3阶段支持和辅助医生进行全方位精准的智能诊疗，监测呵护病人和每个家庭成员的健康。本报告还会介绍国际、国内基于超级计算机、大数据、人工智能、区块链等技术在生命科学领域最新的应用研究，涉及人工智能医疗、基因工程、药物设计等领域，相关研究成果发表在Science精准医疗专刊、NAR、TPDS等期刊和会议上。

报告人简介：彭绍亮，教授，博导，现任国家超级计算长沙中心副主任，湖南大学“岳麓学者”，国防科技大学兼职教授，华大基因/深圳鹏城实验室特聘教授，中国计算机学会理事和杰出会员。曾获军队科技进步一等奖,中国计算机学会CCF自然科学二等奖，2016年荣立三等功。主要从事高性能计算、大数据、生物信息等技术研究。

报告二：高性能数据中心系统结构和运行优化

报告人：李东升，国防科技大学

报告摘要：云计算和大数据的多样化应用对高性能数据中心的系统架构和系统运行优化等提出了很多挑战。报告将分析高性能数据中心面临的挑战，探讨高性能数据中心互连架构优化、存储架构优化、数据传输优化和虚拟化计算环境等方面的研究进展。

报告人简介：李东升，并行与分布处理国家级重点实验室副主任。全国优秀博士学位论文获得者、首批国家优秀青年基金获得者，入选教育部新世纪优秀人才计划。主要从事并行与分布式计算、高性能数据中心、数据智能处理等方面研究工作，在《中国科学》、IEEE/ACM Transactions等学术期刊以及USENIX ATC、NSDI、VLDB、EuroSys、IEEE INFOCOM等学术会议上发表学术论文100 余篇，部分成果受到ACM Technews、ZDNET、HPCwire等报道，主持研制的系统在国家重要领域得到应用。获国家科技进步二等奖、省部级自然科学一等奖和中国青年科技奖等。

报告三：智能计算系统课程

报告人：陈云霁，中科院计算所

报告摘要：正如计算机专业的培养计划中不能缺少计算机组成原理和计算机体系结构等系统课程一样，人工智能专业学生的培养中，关于智能计算系统的课程也应当是不可或缺的一个环节。通过智能计算系统的课程学习，学生将能对智能算法、编程框架、编程语言和智能芯片产生系统性理解，具备开发一个小型智能系统的能力。我们已在或将在国科大、中科大、北大、北航、南开、天大、西工大等十个高校联合开设这一课程，并将公开分享相关教学资料，协助有兴趣的兄弟学校开设类似的课程。

报告人简介：陈云霁，CCF杰出会员。担任了中国科学院脑科学卓越中心特聘研究员，以及中国科学院大学岗位教授。目前他带领其实验室，研制寒武纪系列深度学习处理器。在此之前，他从事国产处理器的研发工作十余年，先后负责或参与了多款龙芯处理器的设计。他在包括ISCA、HPCA、MICRO、ASPLOS、ICSE、ISSCC、Hot Chips、IJCAI、FPGA、SPAA、IEEE Micro以及8种IEEE/ACM Trans.在内的学术会议及期刊上发表论文60余篇。陈云霁获得了首届国家自然科学基金“优秀青年基金”、首届国家万人计划“青年拔尖人才”、中国计算机学会青年科学家奖以及中科院青年人才奖。他还作为负责人带领科研团队获得了全国“青年文明号”和中央国家机关“青年文明号”的称号。

报告四：面向大数据处理的操作系统：研究与展望

报告人：陈海波，上海交通大学

报告摘要：新型大数据处理需要低时延与高吞吐等特征，这对操作系统的硬件抽象管理能力、资源管理效率与运行环境支撑等提出了新的挑战。另一方面，当前的硬件的低时延、非易失与异构解耦等特征也为新型大数据处理提供了新的机遇。该报告将首先分析当前的大数据操作系统在面向低时延、高吞吐与可扩展等方面需求的挑战，然而介绍了当前的一些工作，包括异构资源的低时延抽象、众核资源的高效管理与低时延分布式运行时环境构建等，以降低新型大数据应用处理的时延并提供高吞吐。最后，该报告将通过分析当前硬件与应用的趋势，展望未来面向数据处理的操作系统的发展。

报告人简介：陈海波，上海交通大学教授，博士生导师。主要研究方向为操作系统与并行分布式系统。获得2018年教育部技术发明一等奖，入选2014年国家“万人计划”青年拔尖人才计划，获得2011年全国优秀博士学位论文奖、2015年CCF青年科学家奖、2017年CCF NASAC-东软青年软件创新奖。目前担任ACM SIGOPS ChinaSys主席、ACM APSys指导委员会主席、《Communications of the ACM》编委与Special Sections co-Chair、《ACM Transactions on Storage》编委。曾任ACM SOSP 2017年大会主席、ACM CCS 2018系统安全领域主席、ACM SIGSAC奖励委员会委员。研究工作也获得华为最高个人贡献奖、Google Faculty Research Award、IBM X10 Innovation Award、NetApp Faculty Fellowship等企业奖励。目前也担任SOSP 2019、CCS 2019、NDSS 2020、IEEE S&P 2020, ASPLOS 2020等PC。

报告五：大规模任务的多粒度分类学习模型和算法

报告人：胡清华，天津大学

报告摘要：随着物联网的不断普及，许多领域涌现出海量低质的高维数据。这些数据普遍存在多元异构、噪声大、缺失多、维度高等特点，给建模算法带来挑战，大部分学习算法应用于此类数据时会出现性能急剧下降的现象。本报告将分析低质量大数据给机器学习算法带来的困难，当前国内外主流的解决方法以及在实际应用中的效果。

报告人简介：胡清华，天津大学教授、博导。博士毕业于哈尔滨工业大学。现为天津大学智能与计算学部副主任、人工智能学院院长、天津市机器学习重点实验室主任、中国人工智能学会理事、粒计算与知识发现专委会副主任，《IEEE Transactions on Fuzzy Systems》和《自动化学报》的编委。先后获国家优青、国家自然基金重点项目以及国家重大科技专项支持，从事机器学习和数据挖掘方面的研究，聚焦于低质量、高维、多模态数据的建模及其应用方面的研究。已申请专利12项，发表论文200余篇，150余篇被SCI检索，SCI他引3000余次，获省部级自然科学一等奖1项。