Home

【喜讯】近日中心取得多项研究成果


  • 2019-11-29 09:25:14
编者按

近日,上海交通大学约翰·霍普克罗夫特计算机科学中心(以下简称“中心”)多位老师在各自科研领域取得突破,多篇论文获国际顶级期刊、会议录用

 

 

 
 
符鸿飞在理论计算机研究上取得重要进展
 
 

     日前,中心助理教授符鸿飞在程序设计语言领域进行的研究取得重要进展,两篇研究成果分别被国际顶级会议POPL、程序语言理论领域的顶级刊物TOPLAS录用。符鸿飞也成为上海交通大学首位研究成果被POPL会议收录的教师。

 
1
 
 
 

关于POPL会议

 
 

POPL是编程语言领域历史最久、水平最高的国际会议,它是国际公认的讨论编程语言和编程系统最新突破的最主要论坛,内容涵盖编程语言的理论、编程语言的设计、编译器技术、程序分析、程序验证、可信软件等众多研究领域。国际期刊和会议的各种分区方法都把POPL放在该领域的最高区域中。此前中国大陆高校和科研机构作为第一单位的发表的POPL论文只有8篇。

 

 
 

论文导读

 
 

Proving Expected Sensitivity of Probabilistic Programs with Randomized Variable-Dependent Termination Time

作者:Peixin Wang, Hongfei Fu, Krishnendu Chatterjee, Yuxin Deng, Ming Xu

 

 

       程序灵敏性(program sensitivity)是程序验证中的一个经典问题,考察程序在输入有轻微扰动的情况下输出上的变化是否也是轻微的。本文研究概率程序上关于期望输出的灵敏性验证问题。关于此问题,先前结果仅考虑执行步数固定为常数的情形。本文着重考察一般情况,即执行步数随机且取决于初始输入的程序,并利用鞅的方法给出了第一个能够处理一般情况的概率程序期望输出灵敏性验证方法。基于该方法,本文通过案例分析的方式验证了随机梯度下降算法一个变种的期望输出灵敏性,并通过算法实现自动化地验证了一些基准概率程序的灵敏性。

 

论文链接

https://arxiv.org/abs/1902.04744

 

 
2
 
 
 

关于TOPLAS

 
 

      ACM Transactions on Programming Languages and Systems (TOPLAS) 是程序语言理论领域的顶级刊物,仅接收在原创性、基础性方面有突出贡献的成果,在CCF列表中被评为软件工程/系统软件/程序设计语言A级刊物。

 

 
 

论文导读

 
 

Non-polynomial Worst-Case Analysis of Recursive Programs

作者:Krishnendu Chatterjee, Hongfei Fu, Amir Kafshdar Goharshady

 

      该论文研究如何在代码级层面上通过算法自动地输出递归算法的非多项式(对数、幂次等)最坏运行时间。由于ranking function的方法是验证程序最坏运行时间的一个经典通用方法,该论文在此方法的基础上考察如何通过算法合成具有对数以及幂次形式的ranking function。由于对数、幂次形式的表达式在一般意义下没有通用的方法,论文考虑对对数以及幂次作线性近似,由此将问题转化为多项式的合成问题,进而给出了在约束求解中处理对数、幂次等非多项式项的一个有效方法。在此基础上,该论文给出了一个输出递归程序非多项式最坏运行时间的算法,能够输出归并排序、堆排序、karatsuba算法、Strassen算法、最近点对算法等一些经典算法的精确最坏运行时间。

论文链接: 

https://dl.acm.org/citation.cfm?id=3339984

 

 
 

作者简介

 
 

符鸿飞.jpg

符鸿飞,上海交通大学约翰·霍普克罗夫特计算机科学中心助理教授。他于2010年赴德国亚琛工业大学计算机科学系攻读形式化方法相关的博士学位,师从导师Joost-Pieter Katoen教授,读博期间,符鸿飞主要研究概率系统形式化验证。获得博士学位之后,符鸿飞开展了博士后研究,和奥地利科学技术研究院(IST Austria)的Krishnendu Chatterjee教授合作研究概率程序的形式化验证,并发表了多篇关于基础理论的结果。

符鸿飞长期致力于探索理论计算机科学中形式化方法领域的理论问题。在模型检验以及程序验证方面发表基础性理论成果二十余篇,有多篇成果发表在POPL、PLDI、CAV、OOPSLA、ICALP、TOPLAS、IANDC等程序语言理论以及形式化方法国际顶级学术会议及期刊上。

 

 
 
冷静文在HPCA会议发表重要研究成果
 
 

     日前,IEEE 高性能计算架构会议( HPCA)公布了研究成果收录名单,中心助理教授冷静文作为第一作者发表的题为Asymmetric Resilience: A System Architecture for Transient Error Recovery in Accelerator-Rich Processors的论文榜上有名。

 

 
 

关于HPCA会议

 
 

        该会议是体系结构的三个顶级会议之一,今年会议投稿248篇,接收论文48篇。在计算机体系结构的三个顶级会议中,来自中国大陆的团队研究论文非常少。据2017年统计,大陆第一单位在HPCA会议上发表的论文仅17篇。

 

 
 

论文导读

 
 

Asymmetric Resilience: A System Architecture for Transient Error Recovery in Accelerator-Rich Processors

两个表格.jpg

1:处理器种类多样性趋势图。

aITRS预测数据,b是实测数据。

 

在本论文中,我们提出了一种新颖的架构设计思路——非对称容错架构 (asymmetric resiliency),以普适并且有效地保证加速器发生瞬态错误时包含大量种类加速器的新型异构系统的可靠性。普适性针对加速器种类的多样性,力求找到一种较为通用的方法以保障不同加速器的可靠性。而有效性针对的是系统的整体效率,因为计算系统部署加速器是为了其优异的性能和能效,因此我们不能以过度牺牲其性能为代价来保障加速器的可靠性。

非对称容错架构将容错任务分解成错误检错和错误纠正两个子任务,其中错误检错是可靠性优化的前提条件,因为如果无法检错,纠错更无从谈起。在非对称容错架构中,加速器只需具有检错能力,而将纠错任务委托给CPU核。整个纠错过程将加速器的计算任务当作一个独立的计算单元进行错误恢复工作。此做法不仅保证了可靠性优化方案的普适性,即不同的加速器架构可以采用这种类似的方法,而且最大程度地简化了加速器的容错要求。

 

 
 

作者简介

 
 

冷文静.jpg

冷静文,上海交通大学约翰·霍普克罗夫特计算机科学中心助理教授主要研究方向包括异构计算系统的并行化和性能、能效、可靠性方面的优化,以及针对深度学习应用进行大规模并行化和新型加速芯片设计。他于2016年12月毕业于德州大学奥斯汀分校电子与计算机工程系并获得博士学位,2010年7月毕业于上海交通大学,获得学士学位。其在博士期间主攻方向为GPU处理器的体系结构优化,目前主持一项自然科学基金青年基金(2017年)和多项合作课题,他也入选了2018年微软亚洲研究院青年学者铸星计划。

 

 
 
张伟楠AAAI国际顶级会议上发表多项研究成果
 

 

近日,中心助理教授张伟楠在其研究领域中取得积极进展,共有三篇研究成果成功发表在人工智能领域顶级会议AAAI上,具体研究成果如下并对其中一篇进行介绍:

1
 

Bi-level Actor-Critic for Multi-agent Coordination.

作者:Haifeng Zhang, Weizhe Chen, Zeren Huang, Minne Li, Yaodong Yang, Weinan Zhang, Jun Wang.

2
 

Disambiguation on Heterogeneous Information Network with Adversarial Representation Learning

作者:Haiwen Wang, Ruijie Wang, Chuan Wen, Shuhao Li, Yuting Jia, Weinan Zhang, Xinbing Wang.

3
 

Towards Making the Most of BERT in Neural Machine Translation.

作者:Jiacheng Yang, Mingxuan Wang, Hao Zhou, Chengqi Zhao, Weinan Zhang, Yong Yu, Lei Li. 

 

 
 

关于AAAI会议

 
 

AAAI Conference on Artificial Intelligence 是人工智能领域顶级会议,是人工智能领域投稿量最大,评级最高的国际会议之一。AAAI 2020是该会议的第34次,举办地在美国纽约。

 

 
 

论文导读

 
 

张伟楠-微信喜报.png

      协作是多智能体系统中一个很重要的问题。现有的典型多智能体算法往往平等对待每个智能体,并希望能够多智能体能收敛到一个纳什均衡(NE)。一般的算法对于这个纳什均衡没有什么选择性,所以当有很多纳什均衡存在的时候往往显得缺乏有效性。在本论文中,考虑到斯塔克尔伯格均衡是一个很有可能比纳什均衡好的结果,我们不平等地考虑了每个智能体,并希望我们的算法能收敛到斯塔克尔伯格均衡。在马尔科夫场景下,我们正式定义了用于寻找斯塔克尔伯格均衡的双层强化学习问题,并提出了一个针对多智能体协作的双层动作评价算法。在这个算法中我们在训练时给不同的智能体提供了不同的额外信息,但是依然维持了最终运行时的不需要提供额外信息的分布性和同时性。我们分析了我们算法的收敛性并在几个环境上做了实验。我们发现我们成功的得到了我们想要的非对称的结果。

 

 
 

个人名片

 
 

张伟楠,上海交通大学约翰·霍普克罗夫特计算机科学中心助理教授,科研领域包括深度学习、强化学习、数据挖掘、知识图谱及其在推荐系统、搜索引擎、文本分析等场景中的应用。相关的研究成果在国际一流会议和期刊上发表70余篇学术论文。2016年获得英国伦敦大学学院计算机系博士学位,研究成果在国际一流的会议和期刊上发表70余篇论文;2017年获得ACM国际信息检索会议SIGIR的最佳论文提名奖;2017年获得上海ACM新星奖;2018年获得阿里巴巴达摩院青橙奖;2019年获KDD-DLP研讨会最佳论文奖。

 

 
 
金海明研究成果被IEEE/ACM TON录用
 
 

近日,中心助理教授金海明题为Data-Driven Pricing for Sensing Effort Elicitation in Mobile Crowd Sensing Systems的最新研究成果成功被IEEE / ACM TON期刊录用。

 
 

关于IEEE / ACM TON

 


 

 IEEE / ACM TON是由计算机协会和电气和电子工程师协会联合创办的致力于推动通信网络研究的发展的顶级刊物。该期刊主要发表最新理论研究,介绍计算机领域技术、新概念或创新性研究,并根据实际系统的经验和实验报告为该领域做出贡献。

 

 
 

论文导读

 
 

Data-Driven Pricing for Sensing Effort Elicitation in Mobile Crowd Sensing Systems

作者:Haiming Jin,Baoxiang He,Lu Su,Klara Nahrstedt,Xinbing Wang

 

金海明喜讯截图.png

近年来,随着用户移动设备的激增,移动感知群智系统应运而生。该系统将感知数据收集的任务外包给了众多具有移动感能力的用户群。由于从众多用户中收集的原始数据质量参差不齐,具有一定的噪声甚至有些数据互相冲突,数据真实值发现算法引起了极大关注。该算法通过质量已知的数据聚合联合估计用户质量和数据的真实值。但该算法没有考虑到用户的自私性,即策略性地减少感知行为的努力程度来获取回报。因此,为了在群智系统中解决该问题,本文中我们提出了一种名为Theseus的付款回报机制,该机制可以处理用户的策略性行为并激励用户竭尽全力参与感知任务。该机制(Theseus)可以确保在其引导的非合作博弈的贝叶斯纳什均衡下,所有参与感知任务的用户将尽最大的努力进行感知数据收集,从而可以有效提高感知数据的质量。我们发现,将基于该机制收集到的数据输入真实值发现算法中得到的聚合结果非常准确。此外,Theseus也具备个人理性和预算可行性等优良特性。文末通过理论分析和广泛的模拟,验证了Theseus的一系列性质。

 

论文链接: https://ieeexplore.ieee.org/document/8894398

 

 
 

个人名片

 
 
金海明.jpg

金海明,上海交通大学约翰·霍普克罗夫特计算机科学中心助理教授他的科研领域包括城市计算、智慧城市、群智感知、信息物理系统、和物联网。他在专业排名全球前五的美国伊利诺伊大学厄巴纳香槟分校(UIUC)的计算机科学系获得博士学位,在攻读博士期间师从德国科学院院士、ACM及IEEE Fellow、ACM SIGMM协会杰出技术成就奖获得者Klara Nahrstedt教授,在大规模群智数据的高效收集和处理方面作出突出贡献,设计了一系列可保证感知数据质量、保护用户隐私、调控系统动态的激励机制,提高了群智感知系统的感知覆盖度和感知数据质量。他的相关科研成果广泛发表在IEEE/ACM TON、IEEE TMC、MobiHoc、INFOCOM等高水平国际期刊和会议。他曾担任ICDCS 2019、IPSN 2016、WiOpt 2018等多个国际会议的TPC成员,担任IoTDI 2019的Poster TPC主席。他曾获得CCF-滴滴盖亚青年学者科研基金和2017至2018年度UIUC工学院的院长奖学金等科研奖励。

 

 
© John Hopcroft Center for Computer Science, Shanghai Jiao Tong University
分享到

地址:上海市东川路800号上海交通大学软件大楼专家楼
邮箱:jhc@sjtu.edu.cn 电话:021-54740299
邮编:200240