本团队结合大规模智能计算的底层系统和上层应用，主要研究内容如下：

（1）智能存储与计算技术。研究存算协同的智能计算技术，设计内存、持久化内存、闪存、HDD硬盘等多级存储自适应聚合算法和多级索引机制，研究智能计算性能调优技术。

（2）分布式机器学习系统。研究大规模机器学习系统的体系结构关键技术和优化调度技术，设计面向GPU、加速器等异构计算硬件的协同软件栈和大规模参数的通信优化模型。

（3）图计算系统。研究超大规模图的高效存储和智能计算技术，设计图结构和图计算系统拓扑相匹配的边点划分方法，研究图算法的计算通信优化技术。

团队在分布式机器学习技术，图计算技术，高效存储与计算技术等方向具有深厚的积累。机器学习系统成果应用于基于迈创多核CPU的天河智能计算系统，对提升我军分析能力做出了重要贡献，入选2020年度中国十大国防科技进展。图计算成果应用于天河超算图计算系统，在2021年度Graph500评测中名列世界第一，为天河系列超级计算机位居世界领先行列、高效支撑数据密集型应用做出了重要贡献。高效存储与计算技术成果应用于国家超算天津中心，“实现了存储规模从百TB级到百PB级、I/O延迟从毫秒级至微秒级、IOPS从千级到百万级的飞跃”。研究成果获首届唯一华为“奥林帕斯奖”，获得4千万元A轮投资。

（1）要求计算机相关专业学生，具有分布式系统/存储系统/操作系统/智能计算等方面的基础知识。

（2）要求具有较高的英文读写水平。

（3）ACM程序设计竞赛、数学建模竞赛获奖者优先。

招生联系老师及联系邮箱：张一鸣（zhangyiming@xmu.edu.cn）