2019年5月14日至17日，第19届IEEE/ACM集群、云计算与网格计算国际研讨会（The 19th Annual IEEE/ACM International Symposium in Cluster, Cloud, and Grid Computing, CCGrid 2019）在塞浦路斯拉纳卡举行。实验室主任金海教授,蒋文斌教授赴塞浦路斯参加了此次会议。

围绕集群、云计算与网格计算领域的热点问题，本次大会邀请了三位领域资深专家分别作了大会主题报告。来自波士顿大学的Azer Bestavros教授作了题为“Sharing Knowledge without Sharing Data: Software Platforms for Deploying Secure Multi-Party Computation at Scale”的报告，聚焦于云计算与网格计算环境下数据安全等问题；来自柏林工业大学的Volker Markl教授作了题为“Mosaics in Big Data：Stratosphere, Apache Flink, and Beyond”的报告，探讨了大数据时代数据库发展的几个典型关键问题；来自以色列理工学院的Idit Keidar教授作了题为“Harnessing Multicores for Big Data Processing”的报告，介绍了面向大数据处理的多核环境涉及的数据检索等若干关键问题。

5月14日，金海教授作为大会指导委员会委员参加CCGrid工作会议，就后续CCGrid的举办地等问题进行了商讨，并做了最后表决。CCGrid 2020将在澳大利亚墨尔本举行。

5月17日上午，蒋文斌教授就录用论文“A Novel Stochastic Gradient Descent Algorithm Based on Grouping over Heterogeneous Cluster Systems for Distributed Deep Learning”作了学术报告。该论文提出一种新的适合异构集群环境下分布式深度学习系统的随机梯度下降算法。该算法将各计算节点依据性能进行分组，将节点数据交换分为两个层次：组内采用同步梯度下降法，组间采用异步梯度下降法。同时，对参数服务器按性能进行排序，并维护不同网络模型层的梯度参数。实验表明该新方法对于异构集群有很好的加速效果和收敛性。

CCGrid是高性能分布式计算领域的国际知名会议，本次会议由塞浦路斯大学承办。会议吸引了一百多名相关领域研究人员参会，围绕任务调度与资源管理、编程模型与运行时、分布式深度学习等领域进行了广泛讨论。本次会议共收到270篇投稿，其中主会207篇，最终录用长文47篇，录用率为23%。