报告摘要：

　　人工智能（AI）的快速发展正在重塑高性能计算（HPC）的范式。深度学习模型的核心计算已高度标准化为矩阵乘法（MM）操作，推动处理器广泛采用Tensor Core Units（TCUs），显著提升了AI计算性能。然而，与深度学习中统一的MM操作不同，HPC任务的计算模式复杂多样，优化技术分散且缺乏通用性，难以充分利用AI硬件的潜力。本报告提出了一种基于统一矩阵计算的HPC新范式，通过将多样化的HPC计算模式转化为MM操作，充分发挥AI硬件加速器的能力。以科学计算中的性能瓶颈Stencil计算为例，我们探索了Cloud4Science系列工作，推动HPC与深度学习模式的融合。ConvStencil（PPoPP’24最佳论文）引入卷积算子优化思路，将Stencil计算映射为TCU矩阵乘法操作，实现了显著性能提升；LoRAStencil（SC’24）借鉴低秩适应（LoRA）技术，进一步减少多维数据访问冗余，优化访存效率。Cloud4Science系列工作首次实现了HPC、科学计算和深度学习领域计算模式的统一，为非矩阵乘法类的科学应用提供了性能优化的新途径，开创了AI时代高性能计算的新方向。

个人简介：

　　李琨，微软亚洲研究院高级研究员，2022年博士毕业于中国科学院计算技术研究所。主导的研究和项目在SC、PPoPP、ICS、IPDPS、TPDS等重要会议及期刊上发表论文30余篇，研究兴趣包括并行与分布式计算，AI4Science，高性能大语言模型系统等。获得中国计算机学会优秀博士学位论文奖，中国计算机学会高性能计算青年科技人才奖，ACM SIGHPC中国新星奖，ACM SIGHPC中国优秀博士学位论文奖，中科院院长奖等。Cloud4Science系列工作连续发表在SC、PPoPP等高性能计算顶会，并获得PPoPP’24最佳论文奖；CCF HPCChina 2024大会特邀报告讲者，CCF青年精英大会优秀讲者，夏培肃青年学者论坛优秀讲者；CCF高性能计算专委执行委员，CCF体系结构专委委员。