近日，赵进副教授的论文 “TempGraph: An Efficient Chain-driven Temporal Graph Computing Framework on the GPU”被 ACM Conference on Architectural Support for Programming Languages and Operating Systems（ASPLOS 2025）录用。

现实图常含时间信息，时序图上的时序路径问题在多领域有广泛应用，如航班网络等。现有方法在处理时序图时，时序约束导致图顶点状态更新需沿时序依赖链顺序进行，前置顶点状态更新后才能处理后续相关顶点的更新，导致计算并行性差。同时，较长的时序依赖链使得需要更多轮的迭代处理，收敛速度慢。文章提出了面向GPU的高效时序图计算框架TempGraph。首先，TempGraph将时序图转化为多个不相交的时序依赖链，这些链能够表达顶点间的时序依赖关系，每个时序依赖链都可以作为独立的并行处理单元。在此基础上，TempGraph为每条时序依赖链生成快捷路径，以此解耦了不同时序依赖链之间的时序依赖关系，使得多个时序依赖链可以被GPU线程并行处理，显著提高了并行性和收敛速度。实验表明，TempGraph 在A100上的性能比现有GPU解决方案快3.0~16.2倍，与128核CPU上的TeGraph相比速度提升达33.9~368.9倍。

ASPLOS是综合体系结构、编程语言和操作系统三个方向的计算机系统领域顶级会议，尤其重视不同方向之间的交叉，属于CCF推荐A类会议，近年来录用率约为20%左右。

（通讯员：赵进）