近日，实验室2022级博士生郭渝洛（导师张宇教授）的论文“PGMiner: A Load-Aware Dynamic Graph Pattern Matching Approach on GPUs”被IEEE Transactions on Knowledge and Data Engineering（TKDE）期刊录用。

随着图数据规模持续增长以及实时更新需求日益提升，动态图模式匹配已成为图计算领域的重要基础任务。然而，传统CPU方法面临严重的性能瓶颈，现有基于增量计算的动态图模式匹配模型迁移至GPU后，仍普遍存在冗余计算、负载不均衡和硬件资源利用率不足等问题。论文提出了一种面向GPU的高效动态图模式匹配系统PGMiner。该系统通过分析模式图的拓扑结构，为同构模式图中的边生成共享执行计划，有效减少冗余计算与对称性检查。同时，PGMiner设计了负载感知的多层次任务调度机制：在多GPU之间，利用任务开销预测模型指导任务分配；在GPU内部，通过自适应任务拆分与动态工作窃取缓解不同线程束之间的负载不均衡；在线程束内部，根据候选集中顶点的负载执行基于负载融合的动态循环展开，并行完成多组集合交运算，从而提升线程利用率。实验结果表明，与先进的动态图模式匹配系统GraphSet-P和G²Miner-P相比，PGMiner分别实现了2.18～7.81倍和3.85～9.21倍的性能提升。

IEEE TKDE是计算机数据工程领域最权威的国际学术期刊之一，也是中国计算机学会（CCF）推荐的A类期刊，当前影响因子为10.4。

（通讯员：郭渝洛）