课题组介绍

课题组的主要成员来自武汉大学计算机学院，课题组长期专注于程序分析和系统级优化，具体包括：系统层软件优化（内存管理、虚拟机、垃圾回收器）、AI系统优化等。

课题组积极为硕士生、博士生积极创造良好的科研条件：

• 科研津贴
• 资助参加国内外学术交流
• 与国际知名高校联合培养
• 赴国际知名高校交流访问
• 推荐头部企业研实习

招生说明：没有硬性条件，但是有学习底层技术的热情、编程能力和英语能力，不畏挑战，有良好的自我时间管理(实验室不打卡，每周一次meeting)。

学生就业及深造

课题组跟相关领域头部企业（包括华为、OPPO、百度、平头哥、国产芯片企业等）有良好的合作与沟通，可以为同学们就业提供较好的指导和帮助。

与此同时，课题组跟澳洲UNSW、香港城市大学、国防科大等高校有良好的合作关系，有意向攻读博士学位的同学也能提前了解学习。可以在本实验室考虑硕博连读（通常会与海外专家联合指导），也可以推荐海外求学。已推荐多名学生前往美国Georgia Institute of Technology、加拿大University of British Columbia、澳洲UNSW、香港城市大学深造。

课题组的研究方向大多都涉及编译优化、系统层软件优化、内存管理等领域，因此在科研训练过程中，有一定的门槛和挑战；但是，同时，该方向也能建立一定的壁垒，适合长期沉淀积累，该方向的研究或工程人员供不应求，薪资待遇普遍高于多数开发岗位。课题组对于研究生毕业后的研究发展没有限制，乐于为同学们工作或继续深造提供建议和帮助。

科研方向

面向AI计算的系统层优化

• 方向介绍：
  • 探索AI计算的编译流程，以及相关开发框架（比如Pytorch、TensorFlow）的原理，并提出和验证新颖、有效的优化方法。
  • 实验验证平台：开源的AI编译框架，包括CMU的TVM、百度的PaddlePaddle和阿里的MNN等软件，以及GPU、NPU、CPU等硬件。
  • 相关技能或知识点：C++编程、编译原理、虚拟内存、智能计算系统、深度学习
  • 部分学习资料：AI编译

• 项目：
  • 基于DNN开发框架的高性能优化方法研究（基金）
  • 基于多范式编程模型和张量优化的智能计算框架平台关键技术研发（基金）
  • 面向深度神经网络的内存分配与优化方法研究（基金）
  • 面向国产NPU的深度学习框架适配与优化（CCF-飞腾基金）

Android内核分析与优化

• 方向介绍：
  • 探索Android内核的原理，重点关注其编译流程和虚拟机机制，并提出和验证新颖、有效的优化方法。
  • 实验验证平台：开源的Android实现版——AOSP，以及可刷AOSP的手机Pixel。
  • 相关技能或知识点：Java虚拟机、Android虚拟机、虚拟内存、操作系统、编译原理、C++编程
  • 部分学习资料：AOSP

• 项目：
  • Android应用代码尺寸优化方法研究（企业）
  • Android虚拟机的内存管理优化方法（企业）

程序分析与软件优化

• 方向介绍：
  • 面向传统或新型芯片的编译方法；基于程序分析的软件优化方法。
  • 实验验证平台：开源编译器LLVM等。
  • 相关技能或知识点：C++、编译原理、计算机组成与设计、程序分析等
  • 部分学习资料：程序分析与优化

• 项目：
  • 面向专用处理器的编译优化方法研究（企业）
  • 面向嵌入式系统的编译器内存优化方法（企业）

加入课题组

人员详细信息

欢迎报考研究生（欢迎联系）

• 2023级博士生 (已满)
• 2025级硕士生 (开放中)

欢迎本科生同学以灵活的形式参加本课题组(要求：在知识学习和技术方面积极主动）

• 毕业设计：鼓励与读研的研究方向衔接，欢迎有意向读研的同学
  • 详细信息
• 暑期实习实训：适合大二、大三暑期实习实训 -> 鼓励后续与毕业设计衔接

实习实训、毕设、研究生可选的题目（仅供参考）

支持和鼓励基于实习、实训或毕设阶段的工作发表学术论文或专利。要求：无硬性要求，但是需要对学习有热情，愿意投入精力。

1. 面向AI的软件优化方法
   • 背景：新的AI模型不断涌现，新的硬件加速器也在不断更新，二者之间需要一套AI开发框架以及对应的优化方法，使得新模型能够在新的硬件加速器上高效运行。
   • 内容：研究面向AI计算框架的内存优化 (预期收获：AI计算框架的机理、内存优化、计算图优化、算子调度与算子优化等)
   • 参考资料：AI编译
2. 高性能GC设计
   • 背景：当前Java虚拟机无论在服务器端还是移动端，都面临性能瓶颈。克服瓶颈的一大方向是改善内存管理的性能。
   • 内容：研究和实现高性能的内存垃圾回收器（Garbage Collector, GC) （预期收获：Java虚拟机原理）
   • 参考资料：GC
3. 基于Android的移动设备性能优化
   • 内容：研究Android App的代码特点，识别其中的重复、相似和冗余，并探讨优化方案（预期收获：Android系统架构、App代码组成与结构、虚拟机、编译）
4. 持久化内存（persistent memory，PM）
   • 背景：PM能够对传统的存储架构带来巨大变革，展现了巨大的潜力；但是当前面临一致性问题，影响了PM产品的大规模推广。
   • 内容：研究面向持久化内存的内存模型、I/O系统 （预期收获：内存模型、编程模型、文件系统等）
5. 并发编程研究
   • 背景：当前的并发编程主要是利用多线程机制。但是线程机制涉及内核上下文切换的成本。为此，业界提出了很多用户态的并发机制，比如协程。这些机制需要显示管理并发任务之间的同步，给编程带来了不小的挑战。
   • 内容：研究并发编程的特性；提出编程友好的、高效的并发编程模型。
6. 编译器研发
   • 内容：基于LLVM，设计和实现面向特定领域芯片的编译器（预期收获：LLVM工具、后端代码优化、后端代码生成、汇编器的实现、链接器的实现）
   • 参考资料: 编译器

鄂ICP备18027762号-1

鄂ICP备18027762号-3