上海市计算机学会存储专委主任，中国科学技术大学、香港城市大学博士，博士后。
华东师范大学海内外公开招聘教授，博士生导师。
上海市计算机学会存储专委主任，中国科学技术大学、香港城市大学博士，博士后。
华中科技大学教授、博士生导师
湖北省杰青获得者，国家高层次青年人才计划入选者。2012年于华中科技大学博士毕业，2013.1-2015.1在新加坡南洋理工大学任研究员。目前主要从事新型非易失性内存、内存计算、云计算等方向的研究。先后主持多项国家自科基金项目、国家重点研发计划课题以及企业横向合作项目10多项。在DAC/SC/ICS/HPDC、IEEE TC/TCAD/TPDS等计算机顶级国际会议以及期刊上发表论文60多篇。获国家自然科学二等奖一项、教育部自然科学一等奖一项。
基于LSM树或哈希索引的KV存储系统在现代数据中心被广泛使用。新型非易失性内存（NVM）如Intel傲腾的涌现，为设计高性能、大容量、持久可靠的内存键值数据库带来了机遇。然而，由于NVM的性能、功耗、耐久性等特性与传统DRAM内存的差异，给KV存储系统的内存管理带来了巨大的冲击。本报告将深入分析NVM给KV存储系统带来的挑战性问题，然后介绍在KV存储系统中支持新型非易失内存的一些实践和思路，如基于跳表和LSM树结构的内存键值存储系统。
1）非易失内存
2）KV存储
3）LSM树结构
湖南大学国家超级计算长沙中心总工程师
湖南大学信息科学与工程学院岳麓学者特聘教授，博士生导师，教育部青年长江学者，国家超级计算长沙中心总工程师，湖南大学先进技术协同创新研究中心常务副主任。
在“东数西算”工程的背景下，如何针对跨数据中心场景，探索应用访问模式感知、资源建模量化、智能资源分发和数据计划、调度安全等关键技术，实现智能数据调度，构建面向AI的数据密集型超算及其算力网络。
1）数据密集型超算
2）智能数据调度
3）东数西算
国防科技大学计算机学院教授
青年长江学者、湖南省杰出青年基金获得者。主要研究领域包括人工智能加速器设计、科学计算加速器设计、片上网络设计。2012年12月在国防科技大学获博士学位，博士期间曾赴多伦多大学联合培养。以第一完成人获教育部自然科学二等奖1项，以主要完成人获军队科技进步一等奖1项、湖南省自然科学二等奖1项，获CCF优博奖、全军优博奖、校优秀教师奖和校优秀教学奖。因业绩优秀，2021年破格晋升教授。
脉动阵列已成为神经网络加速器研究的热点。但最新的紧凑型卷积神经网络中的小尺寸卷积和深度卷积会导致脉动阵列中的PE利用率下降，严重影响了加速器的性能和能效。针对上述挑战，报告人所在课题组提出了可配置多向脉动阵列和异构脉动阵列设计，利用多向传输结构实现了对阵列的非对称切分，提升了小尺寸卷积的计算性能；设计了异构PE结构，支持计算过程在传统数据流和单通道输出固定数据流之间切换，实现了对深度卷积的高效支持。
1）紧凑型卷积神经网络
2）异构PE
3）异构脉冲阵列
上海交通大学计算机科学与技术系长聘教轨副教授
现就职于上海交通大学计算机科学与技术系、John Hopcroft计算机科学中心，任长聘教轨副教授，主要研究方向为面向人工智能的新型计算系统的设计以及性能、能效、可靠性优化，并在国际一流的会议和期刊上发表了三十多篇论文和相关国内国际专利。
深度学习模型的高算力需求催生了专用人工智能芯片的发展。面向人工智能芯片的编译器是发挥人工智能芯片的算力和满足不断发展的深度学习模型的关键技术。传统的编译器架构已经趋向于成熟，而人工智能芯片的编译器还处于起步阶段。在本次报告中，我们将分享近期在人工智能芯片的编译器上的相关工作，包括多层次的编译器架构、动态编译优化，以及基于数据流分析的深度学习模型可解释性技术。
1）深度学习模型
2）人工智能编译器
3）基于数据流分析的深度学习模型
中国科技大学副教授、信息存储专委委员
博士，副教授，中科院青促会会员，仲英青年学者，信息存储专委委员。获得ACM合肥分会学术新星奖、CCF-腾讯犀牛鸟基金优秀奖、PingCAP优秀合作奖等奖励。主要研究方向是存储系统，包括键值系统、内存系统、虚拟化与图计算等。目前共发表论文60余篇。主持国家自然科学基金青年与面上项目各一项、科技部重点研发计划子课题一项，以及PingCAP、华为等多项企业合作项目。担任ASPLOS2022(ERC)、APSys2020等会议程序委员会委员，TOS、TC、TPDS等期刊审稿人。
随着非结构化数据占据主导，键值存储成为当前的主流存储技术之一。键值存储将数据抽象成键值对，并采用基于LSM-tree的存储结构进行管理，通过存储分层、日志写、数据排序等思想，实现优良的单点查询、范围查询与数据写入性能。但是，基于LSM-tree的键值存储由于需要维护数据有序并需要多层查找，面临严重的读写放大问题。本报告主要介绍我们在键值存储方面的研究工作，聚焦键值存储的系统结构设计，以实现高性能高可靠的键值存储系统。
1）非结构化数据
2）KV存储
3）LSM树结构
ScaleFlux技术团队负责人
25年始终专注在数据管理和存储领域，拥有包括代码开发，技术支持，故障分析，咨询顾问，产品管理和团队管理等各个方面丰富的工作经验；曾在上海天玑数据、苏宁易购集团、华胜天成集团和IBM等知名企业担任专业技术及高级管理岗位任职。 2022年加入ScaleFlux，负责北区技术团队。
随着CPU主频增速的减缓，以及业务数据的爆炸式增长，计算能力慢慢向专有设备发展，可计算存储CSD应运而生。CSD （2000和3000）是ScaleFlux独家推出的拥有数据透明压缩能力的PCIe 接口的企业级SSD。通过压缩技术，不仅可以降低业务数据在SSD内部物理空间大小，还能进一步抑制SSD盘内GC带来的性能下降，并减小写放大的发生，从而显著提升SSD寿命和数据随机读写能力。这在包括传统关系型B-Tree模型数据库，新兴的基于LSM Tree模型的分布式数据库，大数据计算和分布式存储等多个场景都取得非常显著的效果。
上汽技术中心基础软件架构师
报告拟就汽车电子电器架构发展趋势、SDV时代的行业变革、车载高性能计算和存储的应用场景和行业痛点几个部分分享工业界新型计算场景下的数据和存储系统