当前位置: 首页
> 中心概况 > 中心简介
  • 中心简介
  • 学术委员会
  • 研究人员
  • 中心简介

    研究任务定位



      聚焦高性能智能计算的前沿领域,加强图计算引擎、图存储技术、图查询语言、图学习、图推理技术的研究与应用,为城市数字治理提供技术支撑。进一步加强与医疗、教育、交通、金融、康养等不同领域的协调与配合,通过校企合作,建立企业与学校之间的坚实纽带,共同推动行业发展。同时,建设相关领域人才的孵化基地,服务地方经济,为浙江省建设共同富裕示范区提供人才和技术支持。


    研究总体框架



      方向一:高性能图计算理论

      (1)基于多源语义映射的高扩展性图数据模型

    研究多源数据库关联语义转换的通用映射范式,提升数据可操作、可互联与可用性,实现高扩展性图数据模型,研究自动化模型选取与集成技术,显示衡量多样化模型的成本与收益。

      (2)面向超大规模图的高效存储与极速索引技术

    研究超大规模图高效存储结构,研究网格动态量化、时间渐进邻近分区、多态并行存取技术;基于简图弹性索引的静态构建、动态压缩、时序合并技术,构建亿级节点规模图数据库引擎。

      (3)面向超大规模图的高性能事务处理引擎

    研究超大规模图查询、优化、完整性约束和集成规则的统一范式,研究逻辑推理与统计模型相结合的高性能在线事务处理技术,构建跨多个图的复杂图处理系统。


      方向二:超大规模图分析技术与系统

      (1)基于多源异构数据融合的超大规模图构建技术

    研究异构数据的表示建模、自动抽取与多维度关联融合问题,跨越多源图数据与非图数据之间的结构与语义鸿沟,构建统一的图结构范式,为亿级节点超大规模图智能分析提供数据支撑。

      (2)面向超大规模图的计算引擎与查询语言设计

    研究基于时序聚合边的超大规模图增量构建与实时追溯方法,研究面向时间切片增量数据的图动态分析技术,研究基于分布式框架下的多层复杂关系实时查询技术。

      (3)面向多模态任务的超大规模图分析技术

    研究覆盖图计算、图深度学习、图规则挖掘生成等任务的通用编程范式,为模型的数据处理、训练等流程提供简单高效,无感知和自优化的引擎调度优化算法。


      方向三:超大规模图实时智能计算平台及应用

      (1)超大规模图实时智能计算平台构建

    构建面向超大规模图实时计算的内存存储引擎,具备混合时态时序大数据协同处理、批流融合存储能力;构建超大规模时序动态图的实时计算平台,具备十亿级节点动态图的实时建图、即时查询、动态追溯分析能力,具备面向超大规模动态图复杂边算子的毫秒实时计算以及动态窗口即时计算能力。

      (2)超大规模图智能推理平台

    研究面向复杂图的多任务机器学习技术,分析提取复杂异构大规模图中蕴含的面向领域应用的知识信息,加速机器学习向智能分析的发展;研究基于网络推断的增强现实和可视化技术,构建超大规模增强现实实时异构信息网络,并基于图概要与图嵌入的数据压缩技术,实现密集关联数据可视化与实时更新;研究基于数据知识双向融合趋优的商业智能推理模型,实现数据知识双向融合趋优的归纳学习,支持超大规模图知识融合智能决策与可解释性分析。

      (3)面向智慧城市治理的超大规模图智能应用

    研究面向海量跨领域关联数据的分布式图数据实时分析平台,研究面对多运行时环境的融合优化方法,搭建图计算与推理编程框架数据传输与交换模型,实现超大规模关联数据支持的智慧城市治理体系。



    Produced By 大汉网络 大汉版通发布系统