电子科技大学计算机科学与工程学院（网络空间安全学院）“网络与分布式系统”实验室科研团队取得重大突破，两篇论文分别被计算机体系结构领域顶级会议ppopp和期刊tpds录用，电子科技大学均为第一单位和通讯单位。
PPoPP 2025录用论文：GPU架构下三对角化性能优化
由2023级博士生王瀚生领衔的论文“Improving Tridiagonalization Performance on GPU Architectures”被PPoPP 2025收录。该论文针对矩阵特征值分解中耗时最长的三对角化步骤，深入分析了现有算法（如cuSOLVER和MAGMA库）在英伟达H100 GPU上的性能瓶颈，发现其主要在于矩阵秩2k更新和Bulge Chasing。
论文创新性地提出了双分块算法，显著提升了矩阵秩2k更新效率，达到硬件峰值性能的70%以上，远超传统单分块算法的30%。同时，论文还充分挖掘了Bulge Chasing的并行性，通过高效的CUDA算子实现，性能提升高达12.5倍，推翻了此前Bulge Chasing难以GPU加速的论断。最终，该算法在三对角化和整体特征值分解上分别实现了10.1倍和6.1倍的性能提升。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
PPoPP（ACM SIGPLAN Symposium on Principles and Practice of Parallel Programming）是计算机体系结构领域CCF A类会议，2025年仅录用38篇论文，王瀚生团队的论文是近五年西南地区唯一一篇被PPoPP录用的论文。该论文将于2025年3月1日至5日在拉斯维加斯进行宣讲。
TPDS录用论文：基于Tensor Cores的高性能Householder QR分解
另一篇由2022级硕士生冷玉含为第一作者的论文“High Performance Householder QR Factorization On Emerging GPU Architectures Using Tensor Cores”被TPDS录用。该论文针对英伟达Tensor Cores硬件单元，提出了一种针对不同精度（FP16、FP32、FP64）的Householder QR分解优化方法。
论文针对高瘦矩阵的计算效率瓶颈，采用内部二次分块计算，优化矩阵形状，提升计算访存比。同时，该算法在保证高性能的同时，有效降低了QR分解中的正交性损失。与cuSOLVER库相比，该算法在A100和RTX GeForce 3090 GPU上实现了最高8.67倍的加速比。
TPDS（IEEE Transactions on Parallel and Distributed Systems）是IEEE主办的并行与分布式计算领域顶级期刊，为中国科学院/JCR一区和CCF A类期刊。
这两项研究成果标志着电子科技大学在高性能计算领域取得了显著进展，为未来高性能计算应用提供了新的思路和方法。
