高能效、高可靠性存储体系结构研究：

当今计算机系统面临严重的“存储墙”问题：即存储系统无法提供足够的数据来匹配飞速增长的计算能力，同时又难以满足功耗和可靠性的需求限制。因此，本课题将通过优化存储体系结构来缓解这一问题，主要包括如下几部分研究：（1）基于新型非易失存储（NVM）的存储体系结构：新型NVM具备密度高、静态功耗低等优点，同时具有非对称访问，寿命有限等新特性，因此，针对其特性在不同存储层次提出结构改进和管理策略的优化来显著提高存储能效；（2）面向新兴应用的存储体系结构设计：针对新兴应用（如内存计算/内存数据库）的数据访存特点，提出创新的访存控制架构与相应管理策略，从而有效地提高访存性能并降低功耗；（3）高可靠性、高安全性的存储体系结构：随着存储工艺的发展以及新型存储器件的兴起，存储可靠性和数据安全性成为一个重要挑战，本课题将通过存储体系结构的优化，提高存储系统的可靠性和安全性。本课题已获得国家自然科学基金项目（61202072）、863项目（2013AA013201）以及华为等项目的支持，初步成果已发表在ISCA, HPCA, ISLPED, DATE, CASES, ICCD等国际会议。

面向大数据的高性能存储系统设计研究：

为了有效地利用海量数据，需要解决的首要问题就是如何高效存储及访存这些数据。各种互联网大数据应用的后台基础设施都依赖于一个强大的分布式存储系统，该系统也是各大互联网公司的核心技术。近年来，以传统磁盘为代表的存储设备已经成为计算机的性能瓶颈。因此，存储领域正在发生一场深刻的变革，以闪存固态硬盘（Flash based SSD）为代表的新型存储硬件正逐渐取代传统磁盘来实现高性能数据访存。然而，传统的存储系统并不能充分发挥新型存储硬件的特性，硬件的潜能并没有得到充分挖掘。我们期望能够合理选择并且能够最大限度地发挥底层硬件的价值，在设计、优化存储系统上开展多层次的研究。本课题自上而下涉及如下三个层次的研究：（1）针对新型存储设备的分布式存储系统（如Ceph等）优化设计；（2）面向新型存储设备的文件/操作系统、资源/任务调度优化；（3）衔接上层存储引擎（如KV store等）与底层新型存储设备的接口库开发。本课题已获得863项目（2013AA013201）、百度和华为等项目的支持，初步成果已发表在EuroSys, ASPLOS, APSys, MSST, ISLPED等国际会议。

面向深度学习应用的高能效系统设计研究：

近年来，借助于高性能计算机系统的飞速发展和深度学习（Deep Learning）算法的不断改进，科研人员在机器学习领域取得了突破性的进展。目前，深度学习算法已经被广泛应用在图像视频语音识别、自然语言处理等研究方向，并取得了巨大成功。然而，在基于通用处理器的计算机系统上运行深度学习算法的效率较低，而仅仅通过现有的纵向与横向扩展（scale up & out）方法，即使能够满足性能的要求，也由于功耗、价格、体积等因素的限制，难以得到满足不同场景下各种应用的多方面需求。因此，基于GPU、FPGA、定制芯片（ASIC）等开发异构计算系统已经成为主流的解决方案。因此，本课题自下而上在如下三个方面开展高能效深度学习系统设计和优化：（1）针对不同应用的具体需求，合理需用硬件平台并设计相应的深度学习异构加速器；（2）基于异构加速器，设计深度学习异构计算系统并提供灵活易用的开发平台；（3）面向异构系统对深度学习算法和应用进行改造和优化，从而进一步提高其运行能效。本项目初步成果已经发表在FPGA, SHAW等国际会议上。