稀疏矩陣和稠密矩陣乘法運(yùn)算SpMM（Sparse Matrix-Matrix Multiplication）在圖神經(jīng)網(wǎng)絡(luò)、稀疏線性代數(shù)求解器、科學(xué)計算仿真等領(lǐng)域廣泛應(yīng)用。

當(dāng)前Tensor Core是GPU上矩陣計算的核心單元。為了解決Tensor Core上稀疏矩陣存儲開銷大、訪存模式不規(guī)則、數(shù)據(jù)加載和計算掩蓋不充分等問題，中心研發(fā)了Acc-SpMM算法庫，并設(shè)計了系統(tǒng)化的優(yōu)化策略，包括新的稀疏矩陣壓縮存儲格式、數(shù)據(jù)重排算法、流水線和自適應(yīng)負(fù)載均衡算法。實驗證明 Acc-SpMM 在多類數(shù)據(jù)集上性能高于cuSPARSE。該成果被并行編程原理與實踐會議ACM SIGPLAN Annual Symposium Principles and Practice of Parallel Programming（PPoPP 25，CCF 推薦 A 類會議）錄用。該成果得到國家重點研發(fā)計劃（2023YFB3002100）和中國科學(xué)院先導(dǎo)專項（XDB0500103）的支持。

 The overview of Acc-SpMM

稀疏矩陣重排

論文第一作者為我中心碩士研究生趙海杉，指導(dǎo)老師為我中心周純葆研究員，通信作者為我中心王玨正高級工程師，碩士研究生李三為共同一作。

相關(guān)成果：

Haisha Zhao, San Li, Jiaheng Wang, Chunbao Zhou, Jue Wang, Zhikuang Xin, Shunde Li, Zhiqiang Liang, Zhijie Pan, Fang Liu, Yan Zeng, Yangang Wang. Acc-SpMM: Accelerating General-purpose Sparse Matrix-Matrix Multiplication with GPU Tensor Cores, ACM SIGPLAN Annual Symposium Principles and Practice of Parallel Programming; PPoPP’25.

責(zé)任編輯：郎楊琴