研究经历包括，神威E级计算机上AceMesh数据流并行编程语言、曙光系列超级计算机的UPCH语言和编程环境、GPU平台上OpenMP语言扩展和优化技术、曙光系列计算机上多粒度并行化编译系统ParaORC研制、面向短向量的SIMD并行编译优化系统的研制等。

      目前的主要研究兴趣有，1）面向大语言模型的并行编译优化方法；2）混合精度自动分析技术；3）异构众核系统上的类数据流编程模型；4）面向新型数据流众核结构的并行编程和编译优化技术。

      大语言模型的普遍应用对性能提出了很高的要求，我们研究算子融合的编译优化方法、国产处理器上的自动算子优化方法。

      低精度计算是计算机体系结构的重要趋势，可显著优化计算、访存和通信的性能，并降低能耗。混合精度编程面临误差分析难和配置空间组合爆炸的双重挑战，我们研究实用的混合精度误差分析方法和精度搜索算法。

     类数据流编程模型能自然地表达应用中隐含的丰富并行性，显著降低并行编程的难度。我们引入结构化的语言机制和调度机制，优化细粒度任务到异构并行系统的依赖追踪和任务映射调度；研究通信和计算的协同优化；研究计算热点的异构编译优化等。

      面向深度学习网络以及DSP等应用领域，为新型数据流众核结构研究并行编程方法和并行编译优化技术。探索数据流模型和制导语言等不同的高层编程方法，建立可扩展的编译优化框架以自动挖掘算子中隐含的大量并行性，并优化地映射到底层芯片复杂的组织结构上。

1999-09--2002-07   中国科学院计算技术研究所   工学博士

   

1.Intel Corp., Scalable Execution Environment of Heterogeneous Multi-/Many-core（多核/众核的异构平台上的可扩展执行环境）
2.University of Houston, on "Data oriented extensions to shared memory programming model for hetergeneous Many-core systems (异构平台上以数据为中心的多线程编程模型扩展)."