近日，2020级博士生赵思凡（导师姚德中教授）的论文“ApSpGEMM: Accelerating Large-scale SpGEMM with Heterogeneous Collaboration and Adaptive Panel”被 ACM Transactions on Architecture and Code Optimization (TACO) 期刊录用。

稀疏广义矩阵乘法（Sparse General Matrix-matrix Multiplication，SpGEMM）在代数多重网格方法、图形处理、深度学习以及几何变换等多个领域得到了广泛应用。由于输入和输出矩阵的稀疏特性，加速SpGEMM在GPU上的执行成为了研究的重点。为解决内存限制、计算并行性等问题，文章提出了ApSpGEMM，一种基于自适应panel的异构协同方法，用于大规模SpGEMM计算。首先，设计了轻量级分析器以提取非零元素的分布特征，并定义了一种有效的稀疏排序规则以根据非零元素的特性快速重新排序和拆分矩阵。ApSpGEMM采用自适应线程分配算法，通过核心亲和性分析，在异构核之间分配panels以实现负载均衡和减少内存访问开销。最后，提出了异步乘法方法和调度策略，以在不同核心之间重叠panels的计算和传输，从而减少数据传输延迟。实验结果表明，ApSpGEMM在处理大多数矩阵时，性能比现有的GPU内核方法提高了1.12到2.31倍。通过异步重叠调度和自适应panels分配，异构协作进一步提升了大规模矩阵乘法的效率，性能提高了2.25到7.21倍。

ACM Transactions on Architecture and Code Optimization (TACO) 是计算机系统结构和编译领域最权威的国际学术期刊之一，也是中国计算机学会CCF A类期刊。每季度出版一期，每期录用论文20篇左右，主要关注计算机系统结构和代码优化方面的硬件、软件和系统研究等方面的研究。

（通讯员：赵思凡）