创新资源
科技成果
技术需求
服务需求
人才需求
更多
专家展示

汪东升

正高级职称

汪东升,男,教授。工学博士(计算机科学与技术) ,哈尔滨工业大学, 1995年毕业。 研究领域:计算机体系结构、处理器安全。 研究概况 以构建高效、安全和智能的硬件与系统为愿景和目标,主要从事分布式计算与存储,智能加速与应用、安全硬件与安全系统等研究。 负责的团队于2003年成立,原名微处理器与SoC研究中心,是一个长期稳定的科研团队。团队一直从事计算机体系结构、安全硬件与安全系统等领域研究工作。团队自成立以来,成功研制了当时国内主频最高的具有自主知识产权的微处理器THUMP(2003年),并采用该处理器设计了视频编解码处理芯片、移动存储卡控制器、流量分配器、云终端等设备;2009年,获得核高基重大专项“众核处理器关键技术及应用性研究”支持,成功研制了64+多核SoC仿真平台,在神舟6载人飞船仿真测试中发挥重要作用;2012年与苏州云计算中心合作,研制了基于云存储的个人移动计算环境。2015年研制的高性能视频编码算法模块应用于某公司H.265编码芯片中。2018年,我们基于FPGA研制了深度神经网络加速平台。2019年发现现代处理器重大漏洞骑士,此后陆续发现 5 个处理器安全漏洞。在 HPCA/ICS/ INFOCOM / AAAI / NIPS / DAC / CCS 等发表论文100余篇、获得发明专利70余项。曾获清华大学先进工作者、清华大学研究生良师益友等称号。 奖励与荣誉 曾获国家科技进步二等奖 一次

舒继武

正高级职称

舒继武,男,教授。工学博士 (计算机科学与技术), 南京大学, 1998年毕业。 研究领域 主要研究方向包括:① 基于非易失存储器件的新型存储系统与技术、② 闪存存储系统与技术、③ 网络(/云/大数据)存储系统与关键技术、④ 数据存储可靠性等。 研究概况 ①在基于非易失存储器件的新型存储系统与技术方面,针对传统存储架构、软件及各层次都是基于传统器件设计而难以发挥NVM器件特性等问题,同时NVM器件本身也有性能和器件寿命等等不足,研究了基于NVM的存储系统与相关技术,针对持久性内存存储系统构建中面临的NVM设备抽象、系统故障时的一致性保证、内存碎片、操作系统抽象、软件开销与软件栈臃肿等一系列问题与挑战,在持久性内存的编程模型、数据结构、空间管理、文件系统和分布式持久性内存文件系统、持久性内存存储可靠性、存内计算PIM架构与技术等方面,进行了深入研究,相关主要学术论文发表在OSDI’2021、FAST’2021(2)、ASPLOS’2020、MICRO’2018/2014、USENIX ATC’ 2021/2017(2)、EuroSys’2019/2016、ICDE’2021、VLDB’2020、DAC’ 2020/2019/2016/2015、DSN’2014、MSST’ 2020/2016/2015、ICCD’2014、DATE’2017(2)、ICPP’2016、CF’2015、GLSVLSI’16、ASP-DAC’2018/2016、NVMSA’ 2019/2018/2016/2015等重要国际会议和ACM TOS 2020/2018/2016、IEEE TPDS 2019等权威国际期刊上,并获得MSST‘2015国际会议的Best Papers Nominated。基于上述关键技术,研制出了分布式持久性内存存储系统TH-DPMS,以及持久性内存存储文件系统KucoFS、可扩展的RDMA网络系统ScaleRPC、分布式持久性内存文件系统Octopus。这些系统与应用成果获得2020年华为首届唯一“奥林帕斯奖”和百万悬红、2020年中国计算机学会科学技术奖技术发明一等奖;该方面研究已获得国家部委等资助外,还获得华为、阿里、中兴、快手等公司资助,部分成果已转化到公司并获得应用。 ②在闪存存储系统与技术方面,针对闪存设备架构与闪存特性和以磁盘为中心的存储架构及软件设计之间的矛盾,导致了系统软件与闪存设备之间的功能冗余、感知屏蔽、语义隔离及系统性能抖动等一系列严重问题,提出了软件直管的开放通道闪存存储架构,获Linux4.4内核及后续支持;研制出软硬件协同的闪存存储系统TH-SSS主要研究了基于开放通道(Open-Channel SSD)的固态存储系统和相关技术,相关主要学术论文发表在OSDI’2020、FAST’2014/2013、USENIX’2016、SC’2017、DAC’2020/2019、ICDCS’2020/2019、IPDPS’2014、ICCD’2013、DATE’2014、CODES+ISSS’2017、NVMSA’ 2014等重要国际会议和ACM TOS 2019、IEEE TC 2019/2016/2015、IEEE TPDS 2018等权威国际期刊上,并获得NVMSA’2015国际会议的Best Papers。同时研制出了软硬件协同的闪存存储系统TH-SSS及相关子系统(主要包括:闪存文件系统ParaFS、键值闪存存储系统FlashKV、分布式闪存存储系统OCStore等);这些系统与应用成果获得2019年教育部科学技术发明奖一等奖;部分成果已转化到相关合作公司并获得应用。

杨广文

正高级职称

杨广文,男,教授。工学博士 (计算机系统结构), 哈尔滨工业大学, 1996年毕业. 研究领域:并行与分布式计算,地球系统模式 研究概况 自2003年以来,负责多项国家973、863及自然基金委等重点科研项目,共发表论文85余篇,其中有28 篇被SCI检索。我在国际重要刊物Journal of Grid Computing、Concurrency and Computation: Practice & Experience、Nucleic Acids Research、Nano Letters和国际著名会议CCGrid、Grid、ICNP、ICDCS、IPTPS、ICPP等上发表了相关论文。主要研究成果如下: 1. 在网格计算技术与系统的研究开发方面,开展了计算网格系统性能分析研究,提出了基于区间的网格性能预测方法,为性能分析结果的实用化迈出了坚实的一步,研究成果发表在网格领域的重要国际会议Grid 2007和CCGrid 2008上;开发了Corsair存储系统,是首个国内云存储平台,截止到2010年6月,系统已有15000多个注册用户以及300多个社区,平均日访问量3000余人次、日数据传输量1.3TB,目前的存储总量达到100TB。 2. 在高性能计算与应用方面,研究并开发了一个基于Java的异构集群并行计算环境,避免了目标代码和数据的异构性;开展了高性能计算程序优化与分析技术研究,支持交叉学科研究,如与材料系合作完成的论文“Icosahedral FACE-Centered Cubic Fe Nanoparticles”发表在纳米顶级刊物NANO LETTERS上。 3.在分布式信息服务与集成技术方面,提出了一种针对结构化P2P系统的多层次索引切分策略,较好地解决了现有索引切分策略的瓶颈——主干网对分带宽占用过多,具有均匀性和局部延迟性两个基本特征。这一研究结果是利用IR技术在P2P网络上进行内容检索方向上的早期工作,相关论文发表在P2P顶级会议IPTPS上,据Google Scholar检索数据统计,被引用58次。 4. 在地球系统数值模拟研究方面,完成高分辨率大气模式gamil(360*180)的并行优化工作,通过实现进程内的共享内存机制及进程间的通信优化,使高分辨率gamil可以高效使用480核并行运行,性能大大提升;在地球系统模式耦合器研制方面,完成了多种网格间的高效插值算法研究与软件系统开发。 研究课题 973二级课题: 信息网格中基于语义的信息检索与集成 (2004-2009); 国家自然科学基金重点课题: 网络计算应用支撑中间件 (2004-2007);

薛巍

正高级职称

薛巍,男,教授。工学博士 (电机工程与应用电子技术系), 清华大学, 2003年毕业。 研究领域 主要研究方向包括:① 大规模科学计算;② 量化不确定性分析。 研究概况 十亿亿次和千万核并发的超级计算机已成为现实,E级和10亿并发系统将于近年建成。并行度的快速增长为应用程序有效利用高端系统带来新的机遇和前所未有的挑战。针对此,本人近年来主要开展高可扩展并行算法和众核体系结构优化技术的研究,在高性能计算相关领域学术期刊和会议(包括SC、PPoPP、IPDPS、ICS和IEEE TC等国际顶级会议和期刊等)已发表超过70篇高水平论文。特别地,在国际上首次成功开展千万核大气动力过程全隐式模拟,获得2016年ACM戈登贝尔奖(国际高性能计算应用最高奖,我国首次),入选2016年中国十大科技进展新闻;在国际上首次成功完成非线性大地震模拟,获得2017年ACM戈登贝尔奖,获评2017年清华大学重大学术成果;首次成功实现巨型电网系统的超实时动态过程仿真(IEEE Transactions on Power Systems)。 大规模超级计算系统计算能力和并发度的快速增长使得其网络、I/O等共享部件潜在竞争加剧,同时静态的系统软件配置无法适应多样的应用动态访问需求,这些导致了共享部件的低效使用问题。本人领导的研究小组面向神威·太湖之光平台,研发了可扩展端到端的I/O性能采集与诊断系统,为定位应用I/O瓶颈,分析应用竞争,识别系统异常提供了基础平台;提出I/O资源动态调度策略,为提升应用I/O性能,提高存储资源利用率和缓解I/O干扰探索了有效手段,相关工作发表在相关领域的重要国际会议FAST和NSDI上。 针对气候系统模式中多物理耦合分析与不确定性分析的困难,本人研究并建立了新的多通量在线集合耦合和参数调优方法与平台,成为量化分析模式偏差和不确定性的有效工具,获得2013年度“清华大学-浪潮集团计算地球科学青年人才奖”(全国5人之一),并得到科技部973课题和国家重点专项课题的持续资助。 主要研究项目和课题 国家重点专项课题: 无缝隙气候模式集合预测方法 (2016-2021); 国家重点专项课题: 地球系统模式参数分析优化方法研究与系统研制 (2017-2022);

陈挺

正高级职称

陈挺,男,教授。陈挺教授现为清华大学计算机科学与技术系教授。同时在北京信息科学与技术国家研究中心,清华大学人工智能研究院任职。担任清华大学数据科学研究院,医疗和健康大数据研究中心主任。1988年保送进入清华大学计算机系学习,1993年获学士学位,1997年获美国纽约州立大学石溪分校(Stony Brook University)计算机科学博士学位。1997至2000年,任美国哈佛大学医学院(Harvard Medical School)遗传学讲师;2000至2016年,历任美国南加州大学(University of Southern California)生命科学系,计算机科学系,数学系助理教授、副教授、正教授,曾经担任南加州大学计算生物学部主任(相当于系主任)。 陈挺教授长期研究大数据高效算法设计和机器学习,并应用于研究人类基因组、转录组和蛋白组的高通量大数据分析和功能预测。在生物调控系统的数学模型、蛋白质组学以及质谱仪数据处理、高通量基因组测序数据处理、宏基因组数据处理,复杂疾病的遗传学研究、医学信息处理等方面均取得了一系列重要的研究成果。主持及参与美国自然科学基金会(NSF)、美国国家卫生研究院(NIH),中国自然科学基金(NSFC)等项目十余项。在Cell、Science、Nature Communications、PNAS、Genome Research、American Journal of Human Genetics, Cell Systems, Genome Biology, Nucleic Acid Research等国际著名期刊发表学术论文120余篇,被引超过10000次(Google Scholar),其中20篇论文被引用超过100次。 2004年获得美国史隆基金会研究奖(Sloan Fellow)。