学位论文简介

本文围绕GPU平台，系统研究稀疏BLAS Level-2算子稀疏矩阵-向量乘（SpMV）和Level-3算子稀疏矩阵-矩阵乘（SpMM）的高性能优化方法。围绕数据加载优化，计算负载均衡优化展开系统研究，针对现有SpMV和SpMM算法中忽略了对密集向量和密集矩阵的数据加载优化，负载均衡欠缺等问题，论文提出了基于GPU平台，结合体系结构特性的性能优化方法，主要创新点包括：

（1） 提出了一种高效的SpMV数据加载优化算法FastLoad，用于加速现代GPU上稀疏矩阵与输入向量的数据加载过程。FastLoad通过利用合并内存访问机制，根据非零元素数量对稀疏矩阵的列以及输入向量元素进行排序，并将非零元素组织为块结构以减少线程分歧，从而在提升数据访问连续性的同时实现良好的负载均衡。

（1） 提出了一种高效算法Swift，用于加速现代GPU上SpMM中稀疏矩阵和稠密矩阵的数据加载过程。通过利用合并内存访问机制，Swift根据非零元素数量对稀疏矩阵的列以及稠密矩阵的元素进行排序，以提升数据加载效率。在此基础上，通过充分利用共享内存优化原子操作带来的负面影响。

（2） 提出了一种基于GPU平台的SpMM负载均衡优化策略。从稀疏矩阵非零元素分布特征出发，针对不规则部分提出了一种新的划分与调度策略，通过更加细粒度的任务分配方式，实现线程间负载的有效均衡。实验结果表明，所提出的负载均衡策略能够在保持算法稳定性的同时，进一步提升Swift算法在GPU平台上的整体性能表现。

主要学术成果

[1] Jinyu Hu, Huizhang Luo*, Hong, Jiang, Guoqing, Xiao, Kenli, Li (2024). FastLoad: Speeding up data loading of both sparse matrix and vector for SPMV on GPUs. IEEE Transactions on Parallel and Distributed Systems, 35(12), 2423-2434.（CCF推荐A类期刊，第一作者）

[2] Jinyu Hu, Huizhang Luo*, Hong, Jiang, Marc Casas, Kenli, Li, Chubo, Liu. (2026). Swift: High-Performance Sparse-Dense Matrix Multiplication on GPUs. In 2026 IEEE International Symposium on High Performance Computer Architecture (HPCA) (pp. 1-16). IEEE.（CCF推荐A类会议，第一作者）