• 首页
  •   >   教育教学
  •   >   实践条件
  •   >   正文
  • 教育教学

    我院李君科教授获评省高校“青蓝工程” 中青年学术带头人培养对象

    发布日期:2024-05-11    作者:李君科     来源:办公室    点击:

    日前,江苏省教育厅公布高校“青蓝工程” 中青年学术带头人培养对象评审结果,我院李君科教授入选。

    2019年以来,李君科教授除了在教学、研究生培养等方面作出了较为突出的成绩,尤其在针对 CPU 和 GPU 组成的异构系统下的低功耗调度方法,存在 CPU-GPU 任 务分配欠均衡、 GPU 的过利用或欠利用的问题以及调度方法的求解速度问题。研究了性能约束下并行程序功耗优化的问题。通过分类技术、最优化方法、启发式方法 对计算资源的低功耗调度,提出了提出的 KRSE 方法。该方法揭示了 kernel 调度顺序影响嵌入式系统的能耗,同时探明了对 kernel 进行分类指导 kernel 低功耗调度 的启发方法。其次,通过获得待执行的程序在各个处理器上的能耗和时间,然后依据性能约束以及处理器的数量将调度问题形式化为 0-1 背包问题, 提出了一种异构系统的并行程序调度节能框架。再次,通过感知任务的执行时间,收集任务数量和相应的估计性能信息然后将问题转化为 0-1背包问题或者 FIFO进行调度。建立了调度框架并提出了一种最小化执行时间间隔(METS,Minimizing Execution Time Slot) 算法。对于调度方法的求解速度问题,在获得资源信息、待执行程序信息下利用均分思想和折半方法对任务按执行时间进行分配的启发式思想以减少系统能耗提出了一种 BATS(Balanced Average Time Scheduling)调度方法。通过相关研究发现处 理器的资源利用情况对处理器的功耗有重要影响。在处理器支持并行多任务执行的 技术下, 并行多任务同时对处理资源的利用与任务的类别有直接关系(访存密集型、 计算机密集型和混合型)。对 kernel 进行分类减少算法的搜索空间,提升算法的效率,降低调度算法的复杂度具有显著的效果;优化算法揭示了 kernel 特征与能耗节 约量之间的关系;在分类方法以及优化方法的基础上,利用启发式方法指导 kernel 的调度具有良好的节能效果。相关成果发表在中科院二区期刊《Journal of Computational Science》以及《Journal of Circuits, Systems, and Computers》 《KSII Transactions on Internet and Information Systems》等 SCI 期刊上,被国内外同行引用达 50 余次。

    他还在教育信息技术方向,首次提出学术关注度,并在教育领域的学科视角下对其进行了度量。同时,研究了在学科背景下学术关注度与公众关注度之间的相互关系及其发展趋势。为此,提出了RMPF 框架,利用皮尔逊相关系数、 LOOCV等方法分析和论证学科网络关注度与学科文献研究之间的关联关系;依据RMPF 深入思考百度指数平台和 CNKI 学术文献平台所反映的共同信息,从双平台的多维度提取 学科研究热点。通过挖掘学科热点和预测学科发展趋势为基础教育多学科的并行发 展补充理论依据。相关成果发表在中科院二区Top 期刊《Education and Information Technology》以及《Heliyon》《Engineering Reports》等 SCI、EI 期刊上,被国内外同行引用达20余次。相关研究成果已形成相关发明专利四项并在《Journal of Computational Science》《Journal of Circuits, Systems, and Computers》《Education and Information Technology》《Heliyon》等国内外知名 SCI、EI 期刊上发表论文 20余篇。经济效益:随着GPU 异构系统的应用越来越广泛,降低 GPU 异构系统的能耗对 ICT 产业的能量消耗具有现实经济意义。我们所提出的方法探明了 kernel 的类别与 处理器资源利用之间的相互关系以及资源利用和能耗之间的联系;明确了调度方法 的调度粒度;揭示了任务调度顺序与节能之间的关系;改善了节能效果。 成果对于 降低运营商的电费、延长板卡使用寿命、减少二氧化碳排放量起到了重要的推动作 用,同时, 对开展能源节约型和环境友好型社会贡献一份力量。相关成果的运用预计可节能近万度电能以及减少20 余吨碳排放。社会效益:项目的相关成果为异构系统的可调度性、功耗预测以及软件层的低功耗调度算法提供了理论支撑和直接的数据支撑,对异构系统优化低功耗调度具有重要的借鉴及理论指导意义。相关成果在深度学习、物联网、并行计算以及高性能计算等高新技术领域具有一定的应用潜力,促进了我国并行计算以及高性能计算技术的快速发展。


    地址:江苏省宿迁市黄河南路399号     联系电话:0527-84202314       邮编:223800     江苏省宿迁学院信息工程学院   Email:jkx@squ.edu.cn