主要研究方向

SAIL 实验室聚焦于创新的计算机系统设计与问题解决方法。我们的一个重要目标是设计高效能的微小型算力中心，为未来十年乃至更长远的智能化数字服务提供优质算力支撑。

如下是我们目前正在进行中的部分工作，涉及数据中心系统从芯片到应用的多个方面：

	多模态智算芯片 如今，人工智能与物联网的飞速进步促进了多模态智能计算的发展。系统需要融合处理多种模态的复杂感知数据（如图像、语音、文字等），从而实现对外部环境更全面的理解，并作更准确的决策。未来各类机器人和无人系统都需要专用AI芯片和系统来加速多模态计算这种新型负载。 近期部分代表性工作: ISCA'23, RTSS'23, Euro-Par'23, IWQoS'24, RTSS'24, TACO'24
	复杂大数据加速 作为一种无处不在的强大数据结构，“图”表征了抽象实体的内在信息以及实体之间的关联信息。图计算和图采样是我们理解复杂图结构大数据的重要手段，能够解释深刻的自然现象或社会现象。针对图大数据处理构建高效的加速器与并行计算系统具有非常重要的意义。 近期部分代表性工作: ICCD'17, TPDS'19, PACT'21 TACO'21, TC'23, VLDB'24
	硬件追踪与优化 如今各类软件应用和智能服务原生于云环境中。在这种新的软件开发和任务执行模式下，系统面临与以往不同的计算资源管理与分配逻辑。为了释放应用的性能潜力，充分发挥新一代数据中心的可扩展性，需要我们高效监测底层硬件性能事件，细粒度动态优化资源利用。 近期部分代表性工作: ICPP'19, TC'21, SoCC'23, IPDPS'23, Science China'24
	内存与数据管理 在系统底层，数据中心面临访存墙难题，访存成为限制计算性能的核心要素之一。随着当今各类大模型应用对内存需求日益增大，数据中心必须积极融合新型的存储技术，改进其系统架构，并结合软件应用特征来深度优化访存逻辑，以此降低数据访问开销，提升服务器整体内存资源利用率。 近期部分代表性工作: HPCA'18, TC'19, IPDPS'22, ICCD'22, SC'24
	高能效硬件架构 除去数据访问之外，电能消耗也是限制未来计算性能的核心要素。无论是从成本角度来看还是从环境角度来看，我们都不能够承受各类芯片板卡无限制地消耗能源。随着绿色计算概念日益深入人心，算力设施需要更高效的设备硬件以及更智能的电源管理策略来实现低碳排的智能计算服务。 近期部分代表性工作: ISCA'16, ICCD'18, ICPP'19, SC'20, TPDS'24, ISCA'24

致谢

我们衷心感谢政府、社会机构，以及合作公司对本实验室的慷慨支持，使得我们的研究变为可能：