寻求本科生加入科研项目

我们的科研团队正在寻找充满热情、自主学习能力强的优秀本科生加入,共同研究GPU并行计算领域的前沿课题。我们的研究方向主要包括隐私计算并行加速和深度学习并行加速。GPU(图形处理器)并行计算作为一种高性能计算技术,在许多计算密集型任务中表现出显著的优势。GPU拥有大量计算核心,可同时处理众多任务,因此在执行并行计算任务时性能优越。GPU在执行相同任务时通常具有更高的能效比,节能且环保。现代GPU支持通用编程语言,如CUDA和OpenCL,具有较高的灵活性和可编程性,适用于各种领域的问题。

隐私计算:我们关注同态加密计算(包括全同态、半同态)以及零知识证明技术的加速。同态加密允许在密文上进行计算,从而保证数据隐私安全;零知识证明则可以在不泄露任何信息的情况下证明某个命题的正确性。我们主要关注如何实现高效地并行执行隐私计算中的基础算子,例如大数模乘,多项式乘法,模数转换,多标量乘法等。

隐私计算框架:如何设计高效、通用、高可部署性的隐私计算框架,主要关注内存管理、资源调度、通信管理等模块。(可以理解成设计一个隐私计算领域的pytorch)。

深度学习:目前主要关注图神经网络和大模型的并行加速。图神经网络作为一种处理图结构数据的有效方法,在社交网络、生物信息学等领域具有广泛应用。而大型模型,如chatgpt,已在自然语言处理等领域取得了显著的成果。通过GPU并行计算技术,我们将为这些模型带来显著的性能提升。此外,我们还关注如何优化上述深度学习技术在国产AI芯片,例如华为昇腾系列等,上的执行效率(重点关注算子实现)。

能力要求:

——————- 此线以上是基本要求,以下是加分项 ———————-

如果你对我们的研究方向感兴趣,希望能借此机会挖掘自己的潜力、拓展知识面,欢迎加入我们的科研团队!我们期待你的参与,共同探索GPU并行计算领域的未来。

联系方式:zrji[at]sdu.edu.cn,本校学生可在办公时间drop by网络空间安全学院334。