主要研究方向

SAIL 实验室聚焦于创新的计算机系统设计与问题解决方法。我们的目标是建设高效能的微小型化数据中心，为未来十年乃至更长远的智能化数字服务提供优质算力支撑。

如下是我们目前正在进行中的部分工作，面向数据中心系统从应用到底层的各个方面：

	多模态智能计算 如今，人工智能和物联网技术的飞速进步促进了多模态智能计算的发展。多模态智能计算指的是对多种复杂感知模态数据（如图像、语音、文字等）的融合处理，从而实现对外部环境的更精准感知。未来各类机器人和无人系统都需要构建高效的算力系统以应对多模态计算这种新型负载。 近期部分代表性工作: ISCA, RTSS, Euro-Par
	图计算与图采样 作为一种无处不在的强大数据结构，“图”存储着抽象实体的内在信息以及实体之间的关系信息。在大数据时代，图计算和图采样是我们理解复杂图结构数据的重要手段，能够解释深刻的自然现象或社会现象。针对图大数据处理构建高效的并行与分布式算力系统具有非常重要的意义。 近期部分代表性工作: TC, TACO, TPDS, PACT
	云原生系统优化 如今我们已经进入云原生的时代，各类应用和软件原生于云环境中。在这种新的软件开发和任务执行模式下，系统面临与以往不同的计算资源管理与分配逻辑。为了释放云原生应用的性能潜力，充分发挥数据中心的可扩展性、弹性、灵活性，需要我们持续优化和改进有关资源管理平台。 近期部分代表性工作: TC, SoCC, IPDPS, ICPP
	服务器内存管理 在系统底层，数据中心面临访存墙难题，访存成为限制计算性能的核心要素之一。随着当今各类应用对内存需求日益增大，数据中心必须积极融合新型的存储技术，改进其系统架构，并结合软件应用特征来深度优化访存逻辑，以此降低数据访问开销，提升服务器整体内存资源利用率。 近期部分代表性工作: TC, HPCA, IPDPS, ICCD
	服务器电能管理 除去数据访问之外，能源供给也是限制计算性能发挥的核心要素。无论是从成本角度来看还是从环境角度来看，我们都不能够允许数据中心无无限制地从外部所需能源。随着绿色计算概念日益深入人心，数据中心需要更加智能的电能管理策略以满足服务质量的同时降低能耗和碳排放。 近期部分代表性工作: ISCA, SC, ICPP, ICCD

致谢

我们衷心感谢政府、社会机构，以及合作公司对本实验室的慷慨支持，使得我们的研究变为可能：