我院四年级本科生陈政和苏吉雅在数据工程与知识工程教育部重点实验室张峰博士指导下，在计算机系统结构方向开展毕业论文研究。他们克服知识新、门槛高、时间短、工程量大、以及新冠疫情带来的困难，完成了预定的研究工作。近日，他们以第一作者撰写的论文被ICPP 2020录用（长文），展现出了人大信院学子超强的学习和研究能力。

    ICPP(International Conference on Parallel Processing)国际并行处理会议是计算机学科历史最悠久的国际学术会议之一，至今已召开49届。每年，来自并行和分布式领域的学术界、工业界、政府的相关工程师和研究人员会在大会展示在并行和分布式系统方面的最新研究成果，在并行处理领域享有很高的学术声誉。由于计算机系统结构方向的研究工作工程量大，实现难度高，鲜有本科生能在这类会议上发表论文。ICPP每年录用70篇左右的论文，录用率在30%左右。2020年投稿269篇，录用78篇，录用率为29%。

附：论文信息

论文题目：ParSecureML: An Efficient Parallel Secure Machine Learning Framework on GPUs

作者：陈政(人大四年级本科生)，张峰，翟季冬，周池，张晨阳(人大二年级本科生), 杜小勇

论文概述：

随着大数据时代的到来，机器学习技术取得了巨大的进展，并在我们的日常生活中得到了广泛的应用。受限于本地计算机的性能，当前许多机器学习任务需要在第三方提供的计算能力更强劲的云服务器上完成，那么如何保证用户提供的数据安全就成为了一个亟待解决的问题。近年来出现了许多如SecureML等安全多方计算机器学习框架系统，但这些系统没有使用GPU等加速设备，无法真实投入使用。本研究提出了世界上第一个基于GPU的安全机器学习框架系统ParSecureML，和目前最先进的安全机器学习系统SecureML相比，本研究所开发的ParSecureML框架系统可达到其性能的32倍。

论文题目：CapelliniSpTRSV: A Thread-Level Synchronization-Free Sparse Triangular Solve on GPUs

作者：苏吉雅（人大四年级本科生）、张峰、刘伟峰、何炳胜、乌若凡（人大三年级本科生）、杜小勇、王茹嘉

论文概述：

稀疏下三角矩阵求解(Sparse Triangular Solve, SpTRSV)是科学计算等领域非常重要的一个基础算法，每年大量的工程技术人员在研究如何进一步提高SpTRSV的求解速度。随着GPU异构计算的兴起，出现了大量基于GPU的SpTRSV求解器。世界顶级GPU厂商NVIDIA在其官方基础线性代数数学库cuBLAS中也提供SpTRSV的求解实现。然而，本研究发现针对并行度较高的稀疏矩阵，可以用线程级的细粒度方法进一步并行获得性能提升。针对这类矩阵，本研究所开发的CapelliniSpTRSV求解器是当前性能最好的开源SpTRSV性能的5倍，是NVIDIA官方数学库SpTRSV性能的4倍。