新氦讲习会01期——可计算存储架构下的大规模近似最近邻搜索研究
Hide
活动背景
在大规模数据场景中，由于基于图的高维向量索引结构需要占用极大的内存空间，现有研究将图索引结构存储在SSD中，以减少内存空间的占用，但是这些方案会造成显著的I/O开销和性能损失。本次分享将分析可计算存储的架构特性，介绍可计算存储与大规模ANN结合的前沿学术进展 Vstore，并对未来的研究进行展望。
田冰，华中科技大学计算机系统结构专业22级在读博士生，主要研究兴趣为System for ML，近数据侧异构算力的协同优化，参与多项华为合作研究项目，对计算型存储和近数据处理架构有比较深的理解，曾获得MCM/ICM特等奖提名，国家奖学金等荣誉。
VStore: in-storage graph based vector search accelerator
https://dl.acm.org/doi/abs/10.1145/3489517.3530560
作为上海市首批功能型平台，类脑芯片与片上智能系统研发与转化功能型平台致力于打造基于类脑计算与人工智能芯片的产业发展引擎，构建集人才、技术、数据、产品及行业应用场景于一体的产业生态。 作为平台的承载主体，上海新氦类脑智能科技有限公司(NeuHelium)采用企业、高校、政府及社会多元化资本投入的股权结构，在保证平台公共服务及公益属性的前提下，充分发挥民营企业的高效和市场化优势。平台由国际顶级芯片及人工智能行业专家领衔，配备前沿的芯片设计、仿真及测试验证环境；拥有强大的专家智库及行业资源，对接各类人工智能应用场景，具有完善的市场转化能力。平台紧紧把握类脑人工智能技术与产业化痛点，打通上下游产业链，进而构建可持续发展的生态圈。平台始终保持中立，不与市场形成竞争关系，从而最大限度地发挥产业集聚和资源共享功能。
