DNNs layout on Wafer-Scale AI chip with Reinforcement Learning

江蘇省應用數學（中國礦業大學）中心系列學術報告

報告題目： DNNs layout on Wafer-Scale AI chip with Reinforcement Learning

報告人：張曉岩  南京師範大學教授，博士生導師

報告時間：2023年6月7日16:00-17:00  

報告方式：線上

騰訊會議：470-433-998

報告摘要：The applications of deep learning increase rapidly, and powers many aspects of daily life, such as the famous alphago, face recognition and so on. In response to such flourishing demands, both academia and industry are finding diverse architectures specialized for deep learning, including GPGPU, TPU, dedicated ASICs and AI hardware. Recently, Cerebras develops a novel computer system wafer-scale specialized for deep learning, CS-1 Wafer-Scale Engine(WSE), one of the key feature is that it could compute every layer of a neural network simultaneously. ISPD 2020 contest introduced a challenge that aims at the physical mapping of neural network onto WSE. In this paper, we propose an efficient engine for DNN layout problem on WWE with r enforcement learning.

專家簡介： 張曉岩，先後于南開大學和荷蘭特文特大學獲得應用數學和理論計算機科學博士學位，現為南京師範大學數學科學學院及數學研究所教授、運籌學和統計學博士生導師和博士後合作導師，中科院深圳先進技術研究院數字所高性能計算中心客座研究員，南京師範大學歐美同學會理事，南京師範大學“百名青年領軍人才”、“青藍工程”優秀中青年學術帶頭人，江蘇省六大人才高峰高層次人才，入選江蘇省科技智庫青年人才計劃，江蘇省歐美同學會青年委員會成員，江蘇省運籌學監事會監事，中國運籌學數學規劃分會理事，中國運籌學圖論與組合分會理事，中國計算機學會理論計算機科學專業委員會委員，德國波恩大學離散數學研究所、英國倫敦大學皇家霍洛威學院合作訪問教授，主要從事圖優化劃分問題、芯片設計圖算法和理論計算機科學的研究工作，研究成果發表在《SIAM J. COMPUTING》、《SIAM J. SCIENTIFIC COMPUTING》、《SIAM J. DISCRETE MATH》、《J. GTAPH THEORY》和《IEEE TRANSACTIONS ON INFORMATION THEORY 》等國際著名學術期刊，主持多項國家自然科學基金及省部級重點課題并著有英文學術論著兩部及譯著一部。