自动化所联合上海交大在图神经网络高效计算方面取得系统性突破

文章预览

近年来，图神经网络（GNN）在许多场景中得到广泛应用，如社交网络分析、推荐系统、自动驾驶等。然而，真实世界中庞大的数据量及图结构显著的不规则稀疏性，为图神经网络的低时延、高能效应用带来了巨大的挑战。随着图数据规模的爆炸式增长，解决图神经网络中超大规模数据量带来的访存及计算问题变得越发迫切。 图1. 图数据具有复杂的拓扑结构 中国科学院自动化研究所程健课题组联合上海交通大学先进体系结构实验室的梁晓峣教授和李钢博士从 图神经网络压缩算法设计、专用推理架构设计及高效训练框架设计 三方面对图神经网络的高效计算进行了系统和深入地研究，取得系列进展。相关成果相继发表于第11届国际表征学习大会（ICLR 2023）、第30届IEEE国际高性能计算机体系结构大会（HPCA 2024）和第29届ACM架构支持编程语言和操作系统国 ………………………………