近日，第17届高级并行处理技术国际会议（Advanced Parallel Processing Technologies, APPT 2026）录用结果揭晓，实验室博士生熊倩（导师石宣化教授）的论文“HieraNTT: A Memory Hierarchy-Aware Data Access Architecture for Efficient Number Theoretic Transform on GPU”被录用。

数论变换（Number Theoretic Transform, NTT）作为零知识证明（Zero-Knowledge Proofs, ZKP）和全同态加密（Fully Homomorphic Encryption, FHE）等隐私保护协议中的核心基础运算，其计算效率直接决定了上层协议的整体性能。实验测量表明，NTT在ZKP流水线中占用16%至29%的运行时间，在FHE流水线中更是高达65%至90%。然而，现有的GPU加速NTT实现普遍面临内存子系统效率低下的瓶颈：全局内存带宽优化与共享内存存储体冲突缓解难以兼顾，导致实际带宽利用率最低仅12.5%，严重制约了计算吞吐量。为此，论文提出了一种内存层次感知的数据访问架构——HieraNTT。HieraNTT以128位对齐槽位为基本单元，对全局内存、L2缓存、共享内存到寄存器的端到端数据访问进行全栈协同设计，并通过重组蝶形运算的计算顺序从根本上减少共享内存的存储体冲突与波前串行化。实验结果表明，在NVIDIA V100和A100 GPU上，HieraNTT将单次NTT计算性能相较于当前最优GPU基线最高提升了77%（ZKP素数）和35%（FHE素数）；在完整协议层面，将FHE CKKS方案的端到端性能分别提升了24%。

（通讯员：马玮良）