Hurtigere grafanalyse med parallel computing

I løbet af sit ph.d.-studium har Cheng Huang forsket i, hvordan store og komplekse grafproblemer kan løses effektivt på moderne parallel computerhardware. Cheng Huang har udviklet nye parallelle algoritmer til grafanalyse og grafmining med særligt fokus på flerkernede CPU’er, GPU’er og IPU’er. Han har undersøgt, hvordan disse algoritmer kan forbedre beregningseffektiviteten, skalerbarheden og hukommelsesforbruget i forskellige grafanalyse- og grafminingopgaver.

De opnåede forskningsresultater bidrager til hurtigere analyse af store mængder grafdata og giver praktiske metoder til bedre udnyttelse af moderne computerhardware.

Ph.d.-studiet er gennemført ved Institut for Datalogi, Faculty of Natural Sciences, Aarhus Universitet.

Dette resumé er udarbejdet af den ph.d.-studerende. 

Tid: mandag den 28. september 2026 kl. 13:00
Sted: Bygning 5243, lokale 333, 5342-333, Institut for Datalogi, Aarhus Universitet, Åbogade 34, Aarhus 8200.
Afhandlingens titel: Scalable Graph Analytics on Modern Parallel Architectures
Kontaktinfo: Cheng Huang, e-mail: cheng@cs.au.dk, tlf.: +45 55255746
Bedømmelsesudvalg:
Professor Fragkiskos Malliaros, CentraleSupélec, Université Paris-Saclay, France
Lektor Pinar Tözun, Data, Systems and Robotics Section, IT University of Copenhagen, Denmark
Lektor Sophia Yakoubov (forperson), Institut for Datalogi, Aarhus Universitet, Danmark
Hovedvejleder: Lektor Davide Mottin, Institut for Datalogi Aarhus Universitet, Danmark
Medvejleder: Professor Ira Assent, Institut for Datalogi, Aarhus Universitet, Danmark
Sprog: Ph.d.-afhandlingen forsvares på engelsk

Forsvaret er offentligt.
Afhandlingen ligger til gennemsyn hos Graduate School of Natural Sciences (GSNS), Ny Munkegade 120, bygning 1521, 8000 Aarhus C