2023年10月31日2:40—6:20，数学系在C101教室组织的面向低年级学生的“超算与人工智能融合发展”和面向高年级学生的“面向通用国产化平台的深度学习加速算法研究” 两场报告圆满举行。

本次报告邀请到国防科大计算机学院、山西省智能计算工程技术研究中心的裴向东博士、高级工程师，报告由数学系主任李香林主持，部分专业教师参加报告会。

“超算与人工智能融合发展”围绕在人工智能的驱动下，算力需求持续增长，高性能计算技术与应用未来的发展和演进引发二者间的关系进行深入浅出的讲解。高效的计算能力是越来越复杂和庞大的人工智能应用的基础。反过来，人工智能技术的快速发展、基于大数据训练深度神经网络的需求又推动着算力的进步，新的计算软硬件基础设施不断推陈出新。因此裴向东博士在该报告中深入讨论两个关键主题：一是了解如何充分发挥超级计算；二是人工智能的协同应用，提高科学研究效率。其中包括在生物科学领域的机器学习算法在大规模分子动力学模拟中的应用。探索大数据分析与AI技术的革命性融合，特别关注深度学习和神经网络的广泛应用，以推动领域如天文学、气候科学和生物学的研究进展，从而更好地理解自然现象、预测气候变化，以及挖掘新的疾病治疗方法。

“面向通用国产化平台的深度学习加速算法研究”从研究背景、研究内容、创新总结、成果应用四个方面对算法研究进行了详细讲解。卷积神经网络广泛应用于各种任务和领域训练与推理中，卷积操作都占据了最大比例的计算开销对卷积操作的优化是学术界和工业界研究的热点。三者之间的关系：转置算法是两种卷积算法优化实现的基础，通用的卷积实现算法支持广泛的卷积参数配置，高性能低开销的直接卷积算法可发挥多核DSP计算性能。对应用推广中用多目标跟踪技术捕捉视频中目标（如行人）的轨迹，将不同行人的轨迹在时间维度上进行压缩、组合，实现缩短视频时长且保留全部轨迹信息的效果。

报告结束后,学生就内容中提到的计算科学、科学计算融合协同，以及AI for scinece等进行了提问，裴向东博士对学生提问做出回答，并给了很好的建议，让学生对超算在人工智能发展中的应用发展有了解，并对我校人工智能和信息与计算科学的学生对自己的专业充满信心和学习的动力。