研究方向

从服务器功耗到数据中心能效，研究计算与能源的协同优化。

• 服务器与集群能效建模
• 数据中心热管理与制冷优化
• AI 算力能效评测与基准
• 功耗预测与能源管理

研究成员：黄惠康、莫瑞超、罗潇轩、钟浩城、牟奇、邱鸿楷、陈泊圻、鄢志宇、尹浩朗、姚子毅、李卓兴、李昱、李俊淇

面向云计算与 AI 集群，让异构计算资源更高效地服务复杂工作负载。

• GPU / NPU 异构集群调度
• 虚拟机与容器资源管理
• 深度学习作业共享与干扰建模
• 作业抢占、排队确定性与碎片整理

研究成员：王新华、利建卓、熊辰念、吴海杰、陈冠宇、黄悦斌、李孟恒、叶晓明、庄梓龙、卢沂康、吴姿娴、吴陈洁婷、吴凯敏、徐浩恩、李维东

围绕模型训练、推理服务与应用评测，研究资源高效的大模型技术。

• 资源高效的模型微调
• 推理服务效率与用户体验
• 文档检索增强生成与评测
• 多模态模型及领域应用

研究成员：刘国志、彭鹏、黄嘉华、沈文轩、熊潼、孟子越、肖亦灯、吴纪宽、温文浩、袁振东、陈云风、张志鹏、徐尔羚

以轻量化建模和周期结构学习，理解复杂多元序列并预测未来。

• 轻量化长序列预测
• 多元依赖与周期模式建模
• 云负载与服务器功耗预测
• 面向真实场景的时序模型

研究成员：胡正阳、林升升、陈浩钧、雷富凯、邱椿雲、孙家政

连接端、边、云上的异构设备，探索协同计算与分布式学习。

• 端边云资源协同与任务卸载
• 异构设备运行时间预测
• 联邦学习通信与客户端选择
• 个性化学习与模型安全

研究成员：张皓同、李胜海、周智勇、林锦辉、李昊