近日，信息工程与科学学院阳王东教授课题组在稀疏矩阵分解领域取得重大进展。课题组创新采用图神经网络来描述稀疏矩阵的结构，并指导在国产鲲鹏处理器上稀疏矩阵分解的并行算法设计和参数优化。研究成果被The International Conference for High Performance Computing, Networking, Storage, and Analysis（SC 2021）录用。
该项研究成果能够提取采用传统矩阵分析方法难以获得的特征信息，利用提取的信息来提升稀疏矩阵运算效率，可替代国外相应的函数库，基于国产处理器平台提供一个完全国产可替代的基础数学运算操作。
目前针对特定结构的稀疏矩阵的分解存在较多研究，并且也有一些好的并行算法，但如何根据稀疏矩阵结构特征进行最优的并行任务划分以达到最佳的并行效率是一大难点，该项研究成果采用大量的稀疏矩阵训练图神经网络模型，通过图神经网络来对稀疏矩阵进行特征分析和分类，从而实现稀疏矩阵分解算法的结构和参数优化。
阳王东教授所在的高性能计算应用软件技术教育部工程研究中心在EDA软件并行计算、基础数学库、性能分析工具以及面向大数据和人工智能的高效能计算等领域做出了一系列具有创新性和实用性的研究成果。在国产飞腾、鲲鹏、寒武纪、昇腾等国产处理器上研制了一系列基础数学函数库，整体性能达到部分可超越国外商用和开源函数库，并且已经在华为高性能服务器、国产自主超级计算机上进行部署和应用。目前，已有40余篇研究论文发表在SC、DAC、TC、TPDS等国际顶级会议和期刊上。
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。这是湖南大学首次在SC上发表学术论文，该论文第一作者为博士研究生林圣乐，通训作者为阳王东教授。本研究得到了国家自然科学基金和国家重点研发计划的资助与支持。
来源：信科院
责任编辑：张萌萌
