董德尊国防科技大学计算机学院，研究员，长期从事国产HPC互连系统研制工作，担任天河互连系统副主任设计师。研究兴趣包括：高性能互连网络、数据中心网络、智能计算系统等，在中国计算机学会（CCF）推荐国际学术会议和期刊发表论文50余篇，授权专利20余项；曾获军队科技进步三等奖（2008），军队科技进步一等奖（2013），湖南省自然科学一等奖（2017），入选国防科技大学“青年拔尖人才”计划等；曾获全国百篇、全军、CCF优秀博士学位论文奖，中国科协优秀科技论文奖等。

付斌章博士，2012实验室中央软件院技术专家，Huawei CurreNET网络技术首席架构师，加入华为公司之前担任中科院计算所副研究员，硕士生导师，CCF高性能专委和体系结构专委委员，在高性能互连网络领域发表高水平论文40余篇。

庞征斌国防科技大学计算机学院计算机研究所研究员，博士生导师，高性能计算机领域专家。长期从事高性能计算机系统结构和网络互连技术研究，从事银河/天河工程，主要承担新一代银河/天河高性能计算机互连网络的研制工作。曾主持完成了天河二号互连网络核心芯片、高端容错计算机核心结点芯片等的研制，主持和参与了多项国家课题。获国家科技进步特等奖1项（11）、一等奖1项（14），军队科技进步一等奖4项（1、3、4、6），省级科技进步特等奖1项（7）、一等奖1项（7）。

题目: 关于天河互连网络融合设计的几点思考

摘要: E级计算机系统既是实现高性能计算的平台，也是承载AI、云计算和大数据处理分析的平台，E级系统的高速互连网络需支撑以上不同领域应用的通信需求。在HPC网络与HDC网络融合设计的背景下，定制化选择是获得性能的有效手段，软硬件协同设计是关键。本报告从网络底层传输、聚合通信卸载和软件接口界面等层次对天河互连网络的融合设计进行了探索研究。

周宏伟男，副研究员，硕士生导师。国防科技大学计算机学院微电子与微处理器研究所CPU系统架构研究室主任，天河计算机CPU研制方向主任设计师。研究方向包括：众核微处理器总体架构（64核及以上规模）、CPU+GPU以及CPU+加速器体系结构、片上存储（Cache一致性及Cache存储层次）与片上互连（NoC网络）、芯片间高速一致性互连（低延迟高带宽串行链路）等。在天河系列超级计算机研制、国家“核高基”重大专项等课题研发中发挥了重要作用，负责研发的多核处理器片上网络用于8核到64核3代飞腾高性能微处理器，核心专利获得湖南省专利奖一等奖。主持国家级和省部科研项目2项。先后获得国家科技进步奖特等奖1项、省部级科技进步一等奖2项。发表学术论文40余篇，获得发明专利授权14项（其中第一发明人5项）。

题目: 多核处理器片上Cache一致性协议与多路扩展实践

摘要: 随着后摩尔时代的到来，工艺的改进带来的性能收益逐渐缩小，架构革新的重要性突显。高性能多核处理器集成越来越多的处理器核心，支持更高性能的多路Cache一致性扩展能力。结合飞腾多核处理器研发经验，探讨多核处理器片上Cache一致性实现中的关键问题，包括片上网络组织、一致性协议设计与实现、无死锁验证等，以及面向多路扩展需求的Cache一致性协议的多路扩展方法及优化思路。

鄢贵海中科院计算所研究员，博士生导师，CCF优博，中科院青促会优秀会员。主要研究专用计算机体系结构，在容错计算、可定制计算，软件定义加速器等方向取得一系列研究成果，提出了以“敏捷异构”为特征的KPU专用计算架构，解决专用计算架构可定制的核心问题。研究成果发表在ISCA 、HPCA 、DAC、IEEE TC等，累计发表50余篇SCI、EI论文，获得中国科协第二届优秀论文，中国质量协会一等奖、北京市科技二等奖、中国计量学会技术发明二等奖等多项省部级科技奖励，创立了中科驭数科技有限公司，并获得中国科学院2018年度科技成果转化二等奖。

题目: 专用计算架构的创新与应用

王晓亮 南京大学计算机科学与技术系副教授。主要研究方向为云计算，网络系统，无线通信。曾在上海华为、微软亚洲研究院参与网络管理平台与数据中心网络开发与研究工作。2019年担任腾讯网络平台部顾问。研究成果发表在包括TIT，TON，IEEE INFOCOM, USENIX ATC, USENIX FAST, UBICOMP等期刊和会议。

题目: 面向云网络的NFV平台

摘要: 云服务提供商利用NFV(Network Function Virtualization)软件的方式支持客户快速构建灵活的网络能力。在数量众多的NFV产品不断迭代过程中，我们发现越来越多的共性问题需要解决。例如基本的GRE/VxLAN隧道能力的支持、BGP/BFD路由能力的支持、大规模路由表项的支持、虚拟化的支持等等。因此，有必要构建一套NFV通用平台来系统性的解决这些共性问题。我们将介绍NFV在实际云网络中的应用以及解决包括多网络的互联互通以及多个网络之间的路由传递和故障快速感知等问题的设计思路。

李强 高级技术专家，负责阿里巴巴统一存储中台盘古系统的存储网络方向。其负责的盘古大规模RDMA技术已在淘宝天猫、阿里云、蚂蚁金融等核心业务广泛应用3年多，由此打造了全球最大规模的RDMA商业化云存储机群。在此基础上，其带领团队攻关了存储网络100Gb Lossy RDMA关键技术，在生产落地的同时产生了NSDI等学术论文。目前，其带领团队自研阿里巴巴下一代高性能存储网络技术。加入阿里前，其曾就读于中科院计算所，毕业后留所参加工作，先后任助理研究员、副研究员，在计算所期间，核心参与曙光5000、6000高性能计算机研制，并负责高性能通信系统模块，先后发表学术论文20余篇。

题目: OpenRDMA: 阿里云存储大规模RDMA的演进

摘要: 阿里云存储大规模应用RDMA网络技术已历时3年多，以此构建了全球最大规模的RDMA云存储集群，并广泛应用于数据库、淘宝天猫、蚂蚁金融等于核心业务。在此过程中，阿里盘古和网络团队解决了RoCE RDMA（Lossless Ethernet）规模化、稳定性和性能等多种挑战，并推进了阿里云存储基于有损网络（Lossy Ethernet）的100Gb/s RDMA技术的落地。随着云存储网络场景的复杂化和软硬件协同的深化，RDMA技术硬件耦合性强、流控机制相对固化、多厂商网卡互联困难等问题逐渐凸显，如何结合业务流量特征进行开放的RDMA架构和实现变的越来越有意义，因此OpenRDMA成为阿里云存储RDMA技术演进的重要方向。

何志强 中国科学技术大学计算机学院在读博士生，主要研究领域为RDMA和网络虚拟化，导师为华蓓教授。在北京华为计算机网络与协议实验室实习期间（2019～2020），参与RDMA网络虚拟化的研究工作并以第一作者发表SIGCOMM大会论文一篇。

题目: MasQ：面向虚拟私有云（VPC）的RDMA网络虚拟化

摘要: 本报告将介绍我们今年被SIGCOMM 2020录用的工作——MasQ。公有云对网络性能的需求不断增加，在公有云VPC网络中部署高性能的RDMA网络已经成为业界趋势。然而，目前没有可以满足公有云需求同时不损失性能的RDMA虚拟化方案。为此，我们提出一种软件定义的方案——MasQ（Queue Masquerade）。MasQ使用了软件定义的思想，通过定义QP的行为，满足公有云中的网络虚拟化、安全隔离等需求，同时不损害任何网络性能。我们在OFED中实现了MasQ的原型，并使用HPC、Spark等应用进行了相关测试。实验结果表明，MasQ在实现上述需求的同时，可以获得接近逻辑RDMA的性能。MasQ是业界第一个在公有云VPC网络中使能RDMA的软件方案。

郭得科国防科技大学教授、博士生导师，2001年和2008年分别从北航和国防科大获得学士和博士学位。入选国家第四批“万人计划”青年拔尖人才（2019）、国家优秀青年科学基金获得者（2014）、 湖南省杰青获得者（2016）、教育部新世纪优秀人才（2014）。研究网络计算与系统、分布式计算与系统、 网络空间安全、大数据分析处理、移动计算等方向。担任中国计算机学会普及工委副主任、中国计算机学会分布式计算与系统专委会副主任。

徐子川大连理工大学副教授、博士生导师。徐子川博士于2015年5月从澳大利亚国立大学（Australian National University）毕业，在伦敦大学学院（University College London）从事博士后（Research Associate）工作。 徐子川博士的研究方向包括：边缘计算中的资源优化、网络功能虚拟化与软件自定义网络中的资源分配与路由、多数据中心网络中的资源调度、大数据在多数据中心网络中的处理等。徐子川博士在这些方向中做出了有国际影响力的成果超过60余项，其中包括中国计算机协会（CCF）推荐的A、B类期刊会议20余项。其中代表性的期刊论文发表在领域内顶级期刊IEEE TPDS、ACM/IEEE ToN、IEEE TC、IEEE TWC、IEEE TMC、IEEE INFOCOM、IEEE ICDCS 等。徐子川博士参与多项国际会议组织，其中包括The 2019 IEEE International Conference on Cloud Engineering (IC2E) 的Web and Information主席，The 2017 IEEE International Conference on Communications (ICC) 的小组主席（Session chair）以及多个会议的技术委员会委员。徐子川博士也参与到领域内顶级期刊会议的审稿工作中，其中包括IEEE Journal on Selected Areas in Communications、IEEE Transactions on Communications、Computer Networks、IEEE Transactions on Vehicular Technology、ACM Transactions on Sensor Networks、IEEE Wireless Communications Letters、IEEE IoTJ、IEEE INFOCOM、IEEE LCN等。

王洁大连理工大学，副教授。研究领域包括并行体系结构、信息内容安全、可信软件与容错计算。主持及参与国家自然科学基金项目6项，主持中央高校基本科研业务费专项项目2项，主持横向课题2项（北京计算机技术及应用研究所、哈尔滨工业大学），曾作为骨干人员完成总装预研项目“硬件防火墙”。发表论文30余篇，SCI、EI检索20余篇，授权发明专利2项，获得软件著作权10余项，获得辽宁省技术发明三等奖1项（基于规则的C代码缺陷静态检测技术及系统研制），通过国防科技成果鉴定1项。

Song Guo香港理工大学，教授，副系主任，博士生导师。Prof. Song Guo received his Ph.D. in computer science from University of Ottawa. He is currently a full professor at Department of Computing, The Hong Kong Polytechnic University. Prior to joining PolyU, he was a full professor with the University of Aizu, Japan. His research interests are mainly in the areas of cloud and green computing, big data, wireless networks, and cyber-physical systems. He has published over 300 conference and journal papers in these areas and received multiple best paper awards from IEEE/ACM conferences. His research has been sponsored by JSPS, JST, MIC, NSF, NSFC, and industrial companies. Dr. Guo has served as an editor of several journals, including IEEE Transactions on Parallel and Distributed Systems (2011-2015), IEEE Transactions on Emerging Topics in Computing (2013-), IEEE Transactions on Green Communications and Networking (2016-), IEEE Communications Magazine (2015-), and Wireless Networks (2013-). He has been actively participating in international conferences as general chair and TPC chair. He is a senior member of IEEE, a senior member of ACM, and an IEEE Communications Society Distinguished Lecturer.

Weifa Liang澳大利亚国立大学，教授，博士生导师。Prof. Weifa Liang received the PhD degree from the Australian National University in 1998, the ME degree from the University of Science and Technology of China in 1989, and the BSc degree from Wuhan University, China in 1984, all in computer science. He is currently a Full Professor in the Research School of Computer Science at the Australian National University. He has published over 200 conference and journal papers in top journals and conferences, such as IEEE ToN, TC, TMC, TPDS, INFOCOM, ICDCS, ICPP and etc. His research interests include design and analysis of energy efficient routing protocols for wireless ad hoc and sensor networks, cloud computing, Software-Defined Networking, design and analysis of parallel and distributed algorithms, approximation algorithms, combinatorial optimization, and graph theory. He is a senior member of the IEEE.

陈旭中山大学，教授，博士生导师，中山大学“百人计划”青年杰出人才。2012年于世界闻名的“网络编码理论发源地”香港中文大学信息工程系获得博士学位，2012年到2014年在美国亚利桑那州立大学网络信息实验室从事博士后研究，2014年到2016年，获世界著名的洪堡基金会资助成为洪堡学者，在拥有47位诺贝尔奖得主的德国哥廷根大学从事科研工作。迄今在IEEE Journal on Selected Areas in Communications、IEEE/ACM Transactions on Networking、IEEE Transactions on Mobile Computing、 IEEE INFOCOM、IEEE ICDCS、ACM MOBIHOC、 ACM MM等国际著名会议与权威期刊发表论文50余篇，并由国际知名出版社Springer出版科研专著2部。 以第一作者身份获得网络与通信领域极具影响力的国际顶级会议IEEE INFOCOM的最佳论文亚军奖以及国际会议IEEE ISI的最佳论文荣誉提名奖。获邀担任国际知名SCI期刊EURASIP Journal on Wireless Communications and Networking副编辑，Springer Handbook of Cognitive Radio领域编辑, 以及国际期刊International Journal of Big Data Intelligence专刊编委。同时担任2017年度IEEE通信协会旗舰会议IEEE WCNC分会主席，2015年度国际会议ISVC专区主席, 以及2014年度国际会议NetCoop大会宣传主席，并多次出任包括国际顶级会议ACM MOBIHOC，IEEE旗舰会议GLOBECOM、ICC、WCNC等大会技术程序委员会成员。

王晓飞博士，天津大学智能与计算学部教授，博士生导师。2017年IEEE通讯协会“年度最佳杂志论文奖(Fred W. Ellersick Prize)”获得者，ACM Rising Star（Tianjin），天津大学北洋青年学者。研究方向主要包括下一代移动网络体系与优化技术、移动边缘计算等。发表论文约100余篇，含SCI论文40余篇（包括中科院 1/2区、CCF-A/B类论文25余篇），WoS引用1000+次，ESI高引4篇，谷歌学术引用3027次。近期主要主持了NSF青年基金、重点研发计划课题，以及电信、华为HIRP等课题。

曹越北京航空航天大学，教授，博士生导师。入选2019年国家特聘专家青年项目。围绕信息、交通、能源三方面交叉特点，主要研究方向涵盖车联网通信及安全，新能源汽车充电控制及交通调度，无人驾驶自主泊车管理等。海外期间参与并主持了多项由 “欧盟-FP7&Interreg、英国-EPSRC” 资助的科研项目，及 “欧盟-Erasmus Mundus&H2020、英国-文化教育协会牛顿基金” 等资助的国际交流项目。在国际权威期刊及会议上发表论文100余篇，以第一作者身份发表IEEE期刊论文20余篇。 本科毕业于武汉工程大学电子通信专业、硕士毕业于英国萨里大学移动通信系统专业、博士毕业于英国萨里大学5G创新研究中心电子工程专业，历任该中心博士后研究员，英国诺森比亚大学、英国兰卡斯特大学终身教职；受外方基金资助特邀访问日本早稻田大学、新西兰奥克兰理工大学、法国国立路桥大学；现为英国高等教育协会会士，IEEE Access、KSII Transactions on Internet and Information Systems、Springer EURASIP Journal on Wireless Communications and Networking等国际期刊副编辑。

邱铁博士，天津大学计算机学院教授，博士生导师，青年长江学者，2018年入选天津大学北洋学者计划、同年入选天津市131人才计划（第一层次），ACM中国理事会天津分会秘书长；IEEE高级会员和中国计算机学会CCF高级会员、物联网专业委员会委员。曾在美国爱荷华州立大学（Iowa State University）电子与计算机工程系作访问学者（2014-2015）。主要从事物联网技术、智慧城市与移动计算，智能大数据分析等相关研究工作。目前为国际期刊IEEE Transactions on Systems, Man, and Cybernetics: Systems和Elsevier Ad Hoc Networks等五个SCI检索国际期刊编委，并担任过多个国际学术期刊的客座编辑。作为多个国际会议的大会主席、程序委员会主席及程序委员会成员。编写并出版专著及专业教材9部（第一作者8部）；现已获得授权国家发明专利16项，计算机软件著作权4项。已发表学术论文150余篇，部分论文发表在国际著名期刊IEEE/ACM ToN, TMC, TKDE, TII, TITS, TVT, TCY, COMST, COMMAG等期刊和IEEE INFOCOM, SMC, ICC, ACM MobiHoc, IEEE GLOBECOM等会议上，其中13篇论文被列为ESI高被引论文。主持国家重点研发计划和自然科学基金项目及省部级项目8项。

王尚广北京邮电大学网络技术研究院教授、博士生导师、网络与交换技术国家重点实验室副主任、国家优秀青年科学基金获得者；先后主持/完成国家及省部级项目10余项，发表学术论文超过100篇，ESI高被引收录论文8篇；担任IEEE CLOUD 2020、IEEE EDGE 2018、IEEE ICFCE 2017等多个国际会议的程序委员会主席/共同主席及IEEE EDGE 2020、ICCSA 2016、CollaborateCom 2016等多个国际会议的大会主席,也是IEEE服务计算青年专家委员会的首任主席；目前担任IEEE云计算计算委员会副主席、中国计算学会服务计算专委会秘书长、IEEE服务计算技术委员会秘书长、中国通信学会青年工作委员会秘书长、International Journal of Web Science期刊主编及多个SCI期刊的编委等；其主持研究的服务智能提供理论与方法获得2019年度吴文俊人工智能自然科学二等奖。

朱仕银新华三2029战略研究院，基础架构研究部部长。负责新华三Seerblade边缘智能架构总负责人。

张天飞英特尔资深软件工程师。长期从事Linux内核和驱动相关的研发工作。目前在英特尔服务器部门从事云服务器性能优化工作，尤其利用FPGA进行软件加速、智能网卡加速、FPGA开源软件等方面的工作。2017年出版《奔跑吧Linux内核》，2019年出版《奔跑吧Linux内核*入门篇》，2019年免费公开《Linux系统实验指导手册》。

温莉芳中国计算机学会理事、资深编辑，主持出版了大量国际久负盛名的计算机科学与技术类尤其是体系结构方向的图书，包括Patterson/Hennessy《计算机组成与设计》、《计算机体系结构：量化研究方法》，Bryant《深入理解计算机系统》、胡伟武《计算机体系结构基础》等等。关注国内外教育教学、关注人才培养，参与多项教育部计算机类教学指导委员会教育研究项目。

安虹中国科技大学计算机科学与技术学院教授，安徽省著名教师。她的主要研究领域是并行计算机体系结构、并行编程和操作系统设计。她是中国科技大学先进计算机系统体系结构实验室（ACSA）的创始人和主任，该实验室解决了提高计算效率的挑战，使大多数程序员都能使用并行编程，并研究了节能型高性能计算机的先进体系结构。她发表了100多篇计算机体系结构和并行处理的论文，并获得10多项专利授权。她曾在计算机体系结构相关的国内外学术会议上担任过20多年的PC会员或PC主席。她因其研究、计算机教育和教学成就获得15项荣誉和奖项。特别是成立了中国科技大学天鹅队，并指导该队以27项荣誉和奖项参加29项学生竞赛。

袁春风南京大学计算机科学与技术系教授。主要研究领域为大数据计算与并行处理技术、Web信息检索与文本挖掘技术、多媒体文档处理等。在相关领域承担科研项目30多项，发表论文60多篇，在Web信息处理方面获专利近10项，两次获江苏省科技进步二等奖，并获江苏省优秀软件一等奖。主持的“计算机组成原理”和“计算机组成与系统结构”课程被遴选为国家级精品课程、国家级精品资源共享课、江苏省精品课程、教育部-微软精品课程；所负责的“计算机组成与系统结构”课程网站获得江苏省优秀多媒体课件特等奖；独立编写普通高等教育“十一五”国家级规划教材《计算机组成与系统结构》以及《计算机组成与系统结构习题解答与教学指导》，该教材被遴选为江苏省精品教材；所承担的课程群被遴选为江苏省优秀课程群；所负责的“计算机系统专业课程体系”被遴选为2013年教育部-英特尔公司产学合作专业综合改革项目；作为主要成员获2013年江苏省教学成果特等奖。

陈云霁研究员，博士生导师，现为中国科学院计算技术研究所所长助理、智能处理器研究中心主任，中国科学院大学岗位教授，教育部高等学校计算机类专业教学指导委员会计算机系统专家委员会委员。他带领团队研制了国际上首个深度学习处理器芯片“寒武纪1号”。他的研究成果已经应用在近亿台智能手机和服务器中。他的学术论文多次获得计算机体系结构顶级国际会议最佳论文奖，受到上百个国际知名机构跟踪引用。他被Science杂志刊文评价为深度学习处理器研究的“先驱”和“引领者”。 他曾获国家杰出青年科学基金、中国青年科技奖、全国创新争先奖、教育部“青年长江学者”、国家自然科学基金委员会“优秀青年基金”、国家万人计划“青年拔尖人才”，并被《MIT科技评论》评为全球35位杰出青年创新者（2015年度）。他还是北京智源人工智能研究院智能体系结构与芯片方向的首席科学家。

张科博士，中国科学院计算技术研究所高级工程师、硕士生导师，中国科学院大学岗位教师，CCF高级会员、计算机工程与工艺专委委员、集成电路设计专业组委员，ACM计算机教育研究会中国分会常务理事。主持和参与多项国家自然基金委项目、国家重点研发计划及中科院先导专项项目。发表教育教学研究与计算机系统方向学术论文20余篇，获得3项美国发明专利及12项中国发明专利授权。

吴俊杰国防科技大学计算机学院量子信息研究所兼高性能计算国家重点实验室主任，副研究员。中国计算机学会杰出会员、中国电子学会量子信息分会委员、原中国计算机学会体系结构专业委员会秘书长。2009年获得国防科技大学计算机科学与技术专业博士学位，2012年起创建和带领国防科大计算机学科的量子计算团队，从事光量子计算、集成光子芯片、量子计算系统技术等方向的理论与实验研究。在National Science Review、Physical Review Letters等期刊发表论文，获湖南省自然科学一等奖。

龙桂鲁清华大学教授，英国和美国物理学会会士，曾任亚太物理学会联合会理事长（2017-19），中国密码学会量子密码分会副主任。学术贡献包括：建立和发展了量子直接通信；构造量子精确搜索算法；建立以酉算子线性组合进行计算的对偶量子计算框架。曾获得国家自然科学二等奖、三等奖，教育部自然科学一等奖、二等奖，IBM全球杰出学者奖，中国电子学会自然科学奖一等奖等。发表论文300余篇，谷歌学术引用18000余次。

题目: 量子算法的一些进展

摘要: 本报告首先简单介绍量子力学的假设，量子超并行的概念，然后介绍量子算法Grover算法和Shor算法，最后介绍一些量子算法的进展。

陆朝阳剑桥大学物理学博士，中国科学技术大学教授。长期致力于量子物理和量子计算的研究，研究成果五次入选两院院士评选的年度中国科技十大进展新闻。2015年获得国家杰出青年科学基金、国家自然科学一等奖，2016年被《自然》评为“中国科学之星”，并入选美国光学学会会士，2017年获得中国青年五四奖章、欧洲物理学会菲涅尔奖，2018年作为量子卫星团队成员获得美国科学促进会克利夫兰奖，2019年获得中国物理学会黄昆半导体物理奖、科学探索奖、仁科芳雄亚洲奖，入选万人计划科技创新领军人才。2020年，陆朝阳被授予美国光学学会颁发的阿道夫隆奖章（Adolph Lomb Medal），这是该奖章设立80年来中国科学家首次获奖。

题目: Scalable photonic quantum technologies

摘要: A photonic quantum information processor usually consists of three parts: quantum light sources, linear optical network, and photon detection. Among these, the non-classical and non-linear quantum light sources, for example, single-photon sources and entangled-photon sources, represent the most challenging tasks. In the past two decades, extensive research efforts have been devoted into developing quantum light sources for scalable quantum technologies [1]. The key is how to compatibly combine all the check lists together into a single device, namely, high single-photon purity, indistinguishability, and efficiency. We have developed pulsed resonance fluorescence in semiconductor InGaAs quantum dots to deterministically generate single photons with near-unity indistinguishability [2]. Further, by coupling the quantum dots to high-Purcell polarized micropillar cavities, and using two-color coherent excitation, we produce pure and indistinguishable single photons with high extraction efficiency [3], free from background [4], and with single polarization [5]: an in-principle perfect single-photon source. Meanwhile, based on a broadband microcavity, we develop deterministic quantum-dot based entangled photon sources with high efficiency and indistinguishability [6]. Meanwhile, in a parallel route, non-linear optics, we optimize entangled photon sources based on spontaneous parametric down-conversion to its physical limit. We demonstrated six-, eight-, ten-, and 12-photon entanglement [7-10], and 18-qubit hyper-entanglement [11], along this road. Now, our entangled photon sources simultaneously possess 97% collection efficiency and 96% indistinguishability. We systematically apply such high-performance quantum light sources for experiments in a series of fundamental quantum optics and quantum technology experiments. We develop non-demolition single-photon detection and demonstrate quantum teleportation of single photons with multiple degrees of freedom [12] and high dimensions [13]. The high-performance single photons are used to perform astronomical-distance quantum interference with sunlight with 80% raw visibility, proving the quantum nature of thermal light [14]. Another main goal has been to build quantum machines that can outperform classical computers for some specific tasks, a milestone termed as “quantum supremacy”, for which boson sampling is a strong candidate. In 2017, we have built a five-photon boson sampling machine, which is 4-5 orders of magnitudes faster than before [15]. Recently we report boson sampling with 20 single photons injecting into 60-mode interferometer at a state space of 10^14 [16]. In the near future, we aim to perform 30-50 photon experiment, and build solid-state quantum entanglement networks. References [1] Rev. Mod. Phys. 84, 777 (2012); [2] Nature Nanotechnology 8. 213 (2013); [3] PRL 116, 020401 (2016); [4] Nature Physics 15, 941 (2019); [5] Nature Photonics 13, 779 (2019); [6] PRL 122, 113602 (2019); [7] Nature Physics 3, 91 (2007); [8] Nature Photonics (2012); [9] PRL (2016); [10] PRL 121.250505 (2018); [11] PRL 120, 260502 (2018); [12] Nature (2015); [13] PRL 123, 070505 (2019); [14] PRL 123, 080401 (2019); [15] Nature Photonics 11, 365 (2017); [16] PRL 123, 250503 (2019).

冯元澳大利亚悉尼科技大学工程与信息技术学院和量子软件与信息中心教授。分别于1999年和2004年毕业于清华大学应用数学系和计算机系，获理学学士和工学博士学位。2004年8月进入清华大学计算机系智能技术与系统国家重点实验室工作，2007年12月晋升为副研究员。2009年1月起任悉尼科技大学量子计算与智能系统研究中心高级讲师，2015年1月晋升为教授。主要从事理论计算机科学、量子程序理论、量子信息处理等方面的研究，已在信息、计算机科学和量子计算领域发表学术论文70余篇，获2006年度全国百篇优秀博士论文奖和2010年澳大利亚研究理事会Future Fellow。

题目: 一种基于蒙特卡洛树搜索的量子电路转化算法

摘要: 在带噪中规模量子（NISQ）时代，所有量子电路都必须转换为功能上等效但满足量子处理单元连接性约束的电路才能够正确运行。现有电路转换算法受限于搜索空间爆炸，通常搜索深度都很小，只能通过启发式算法获得局部最优解。我们提出了一种蒙特卡洛树搜索框架来提高搜索的深度，并在设计评分机制时同时考虑短期和长期奖励。该搜索算法的复杂度在所有相关参数上都是多项式的。对大量实际电路的实验结果表明，与IBM Q20上最先进的算法相比，该算法平均可将输出电路的规模降低至少30％。

Yuan XuDr. Yuan Xu got his Ph. D degree at Tsinghua University in 2019 and then joined Shenzhen Institute for Quantum Science and Engineering of Southern University of Science and Technology as an assistant researcher. His research interest includes quantum operations, quantum entanglement and quantum error correction with superconducting quantum circuit system.

题目: High-fidelity, high-scalability two-qubit gate scheme for superconducting qubits

摘要: High-quality two-qubit gate operations are crucial for scalable quantum information processing. Often, the gate fidelity is compromised when the system becomes more integrated. Therefore, a low-error-rate, easy-to-scale two-qubit gate scheme is highly desirable. Here, we experimentally demonstrate a new two-qubit gate scheme that exploits fixed-frequency qubits and a tunable coupler in a superconducting quantum circuit. The scheme requires less control lines, reduces crosstalk effect, simplifies calibration procedures, yet produces a controlled-Z gate in 30 ns with a high fidelity of 99.5%. Error analysis shows that gate errors are mostly coherence-limited. Our demonstration paves the way for large-scale implementation of high-fidelity quantum operations

邓明堂博士，副研究员。2003~2007年本科毕业于国防科大计算机学院，2013年博士毕业于瑞典隆德大学固体物理系，2014~2018年哥本哈根大学玻尔研究所博士后。现为国防科技大学计算机学院量子信息研究所兼HPCL量子计算研究室主任，从事量子计算、量子器件物理、自旋电子学和低温物理等方向的研究。他在固体系统中探测到零模态信号的工作是世界上最早得到马约拉纳费米子存在证据的两个工作之一，该工作已被国际同行引用1400余次。以第一作者身份在Science、PRL、PRB、Nano Letters、Scientific Report发表多篇论文。

题目: Majorana零模与拓扑量子计算简介

摘要: 凝聚态物理系统中的Majorana零模态是Majorana费米子的准粒子激发形态，其在拓扑量子计算方面被认为有重要应用。在本报告中，我们将简要回顾Majorana零模态的理论和实验进展，特别是超导体-半导体复合系统中的相关工作。报告还将以Majorana零模态的非阿贝尔交换为例，阐述拓扑量子计算的工作原理。

喻之斌中国科学院深圳先进技术研究院研究员，数字所副所长。博士毕业于华中科技大学计算机学院，曾在华中科技大学计算机学院工作，担任华中科大提高班操作系统、程序设计语言、和面向对象设计与分析等课程的全英语教学任务。喻博士的研究兴趣包括异构智能计算体系结构、程序特征分析与建模、体系结构支持的云计算、大数据、边缘计算、及人工智能系统构建与优化。喻博士的研究成果发表在ISCA、MICRO、ASPLOS、HPCA、ICS、SoCC、HiPEAC等国际会议和IEEE TC、IEEE TPDS、IEEE TCAD、ACM TACO等期刊上。其中部分成果已经应用于企业实践中。喻博士也在多个国际会议如ISCA、MICRO、HPCA、和ICS中任职。

陈理中 Lizhong Chen is an Associate Professor in the School of Electrical Engineering and Computer Science at Oregon State University. He received his Ph.D. and M.S. from the University of Southern California in 2014 and 2011, respectively, and B.S. from Zhejiang University in 2009. His research interests are in the board area of computer architecture, interconnection networks, GPUs, machine learning, hardware accelerators and emerging IoT technologies. Dr. Chen is a recipient of NSF CRII Award, NSF CAREER Award, several Best Paper Awards/Nominations at major architecture conferences, and Chu Kochen Award from Zhejiang University. He is a Senior Member of IEEE and ACM, and recently an inductee of the HPCA Hall of Fame (2020). His research is supported by multiple government agencies and industry partners such as NSF, NIH, DOE, Intel, and Google. He is also the founder and organizer of the Annual International Workshop on AI-assisted Design for Architecture (AIDArc), held in conjunction with ISCA. Dr. Chen is currently serving on the editorial board of IEEE Transactions on Computers (TC) and, in the past, has served as a program committee member in major computer architecture conferences (e.g., ISCA, HPCA, MICRO, DAC, ICS, IPDPS, IISWC) and reviewer for a number of IEEE and ACM journals (e.g., TC, TPDS, TVLSI, TCAD, TACO).

题目: Enabling Large Architectural Design Space Exploration Using Machine Learning

摘要: Machine learning applied to computer architecture presents many promising opportunities with broad applications. AI-assisted design space exploration is particularly attractive, as computer architecture designs usually involve numerous choices and trade-offs among performance, power, area, reliability, security, verification efforts, etc. These complexities have rendered traditional strategies inadequate in practice. In this talk, I will present some of our latest works on addressing three key challenges in using AI for architectural exploration: how to guide search in the vast design space that even exceeds the game of Go (10^360), how to deal with the lack of training data, and how to evaluate design points rapidly without incurring cumbersome full system simulations each time. I will share several case studies on applying our proposed approaches to many-core CPU and GPU designs, which have demonstrated orders of magnitude improvement compared with prior art.

王峥 目前是英国利兹大学副教授，他的主要研究方向是编译技术及并行程序优化。部分工作获得ACM/IEEE PACT 2010，PACT 2017, CGO 2017, CGO 2019 等国际顶级会议的的最佳论文奖，ACM CCS 2018, ACM SenSys 2018最佳论文提名，以及ACM/IEEE PACT 2010, CGO 2013大会最佳报告奖。相关工作被10多所大学在编译课程中选讲，其中包括卡内基梅陇大学和加州伯克利大学。 报告题目：Using Machine Learning to Automate Compiler Heuristic Design

题目: Using Machine Learning to Automate Compiler Heuristic Design

摘要: Developing an optimising compiler is a highly skilled and arduous process, and there is inevitably a software delay whenever a new processor is designed. It often takes several generations of a compiler to start to effectively exploit the processors' potential, by which time a new processor appears, and the process starts again. This never-ending game of catch-up means that we rarely fully exploit a shipped processor and it inevitably delays time to market. As we move to multi- and many-core platforms, this problem increases. This talk will look at some of the research undertaken in my group which uses machine learning to learn how to design compiler optimisation heuristics. It will discuss some of our award-winning studies that use deep learning to generate synthetic benchmarks and to automate the design process of compiler optimisation heuristics. These data-driven techniques can help achieve state-of-the-art results while also reducing the development and maintenance costs of the compiler developers.

周可 华中科技大学、武汉光电国家研究中心教授，博导，中国计算机学会杰出会员，入选教育部新世纪优秀人才。主要从事云存储、智能存储方向的研究。获国家技术发明二等奖1项、省部级一等奖3项，主持制定国家和行业标准4项。

题目: AI for storage

摘要: 存储系统的数据和设备越来越多，导致数据调度和设备管理越来越复杂，采用人工智能技术改进存储系统成为一种必然！本报告将介绍采用机器学习算法优化大容量缓存系统、磁盘故障预测、图像内容存储等方面的一些研究工作，并探讨在存储系统中采用人工智能技术的新的研究点。

赵夏 赵夏，2012年本科毕业于华中科技大学，2014年硕士毕业于国防科技大学，2019年博士毕业于比利时根特大学，现为军事科学院助理研究员。他的主要研究兴趣为计算机体系结构，重点是GPGPU体系结构，包括片上互联网络、cache设计和高效多任务支持等。已在国际会议如ISCA，ASPLOS，MICRO和国际期刊IEEE TC，IEEE TPDS等发表论文十余篇， 其中一篇论文被选为IEEE TC亮点论文，三篇论文获得HiPEAC论文奖。担任ISCA，GPGPU，TACO，CALs等会议期刊的审稿人。详情请见个人主页， https://zhaoxiahust.github.io/ 。

题目: HSM: A Hybrid Slowdown Model for Multitasking GPUs

摘要: Graphics Processing Units (GPUs) are increasingly widely used in the cloud to accelerate compute-heavy tasks. However, GPU-compute applications stress the GPU architecture in different ways — leading to suboptimal resource utilization when a single GPU is used to run a single application. One solution is to use the GPU in a multitasking fashion to improve utilization. Unfortunately, multitasking leads to destructive interference between co-running applications which causes fairness issues and Quality-of-Service (QoS) violations. We propose the Hybrid Slowdown Model (HSM) to dynamically and accurately predict application slowdown due to interference. HSM overcomes the low accuracy of prior white-box models, and training and implementation overheads of pure black-box models, with a hybrid approach. More specifically, the white-box component of HSM builds upon the fundamental insight that effective bandwidth utilization is proportional to DRAM row buffer hit rate, and the black-box component of HSM uses linear regression to relate row buffer hit rate to performance. HSM accurately predicts application slowdown with an average error of 6.8%, a significant improvement over the current state-of-the-art. In addition, we use HSM to guide various resource management schemes in multitasking GPUs: HSM-Fair significantly improves fairness (by 1.59× on average) compared to even partitioning, whereas HSM-QoS improves system throughput (by 18.9% on average) compared to proportional SM partitioning while maintaining the QoS target for the high-priority application in challenging mixed memory/compute-bound multi-program workloads.

孙彬彬 Director of Huawei Cloud Technology Collaboration, received his M.S. from the Northeastern University in 2008. He is a member of China Computer Federation and China Society for Industrial and Applied Mathematics, mainly engaged in data mining, data processing, cloud architecture and system. He published one top-tier paper VLDB (2015), three technical invention patents, and participated an electronic information industry development project.

题目: What is the Next for Cloud Architecture and Systems？A View from Industry

摘要: As intelligent society is coming, cloud becomes the inevitable choice for enterprise digital transformation. As a result, the demand for cloud computing is projected to increase significantly in the feature. However, industry faces the following technical challenges：Low server resource utilization, poor AI capability support, unguaranteed QoS, and many more. On the other hand, it is also the golden age for computer architecture innovation. How to make better use of existing technology scales to meet customer's future demand for explosive growth? Cloud vendors are able to observe the running status of the entire cloud architecture and have an opportunity to leverage quantitative analysis approach to optimize the whole data center stack. We discuss how to employ advanced AI technology, together with computer architecture innovation, to provide the most robust cloud computing platform over the world.

陈超 陈超，中国科学院深圳先进技术研究院数字所异构智能计算体系结构与系统研究中心博士后。2017年10月获加拿大蒙特利尔大学计算机工程博士学位。主要从事云计算、边缘计算、大数据、性能优化以及实时系统等方向的研究。在国内外重点期刊和国际会议如HPCA上发表论文10余篇，主持一项国家自然科学基金青年基金项目。

题目: BBS: Micro-architecture Benchmarking Blockchain Systems through Machine Learning and Fuzzy Set

摘要: Due to the decentralization, irreversibility, and traceability, blockchain has attracted a lot of attentions and blockchain systems have been deployed in many critical industries such as banking and logistics. However, the micro-architecture characteristics of blockchain systems still remain unclear. What’s worse, the large number of micro-architecture events make understanding the characteristics extremely difficult. We even lack a systematic approach to identify the important events from a larger number of ones and in turn focus on them. In this paper, we propose a novel methodology dubbed BBS to characterize and benchmark blockchain systems at micro-architecture level. The key is to leverage fuzzy set theory to select the important micro-architecture events after the importance of them is quantified by a machine learning based approach. The selected important events for single programs are used to characterize the programs while the selected common important events form an importance vector which is used to measure the similarity between benchmarks. We use BBS to characterize seven benchmarks from Blockbench and six ones from the Caliper benchmark suite. The results show that BBS reveals five interesting findings. Moreover, by using the importance characterization results, we increase that the transaction throughput of Hyperledger Fabric by 70% as well as decrease the transaction latency by 55%. In addition, we find that three of the seven benchmarks from Blockbench and two of the six ones from Caliper are redundant, respectively.