计算机科学 · 高性能计算 · 并行编程
zhangweihao22@outlook.com · 西南石油大学
本人现就读于西南石油大学计算机科学与技术专业（创新拔尖班），担任学院超算与并行计算团队队长。专业领域内，主要关注高性能计算、异构加速及并行编程等技术方向。曾赴清华大学高性能计算研究所实习，并具备一定的超算竞赛参与经验。在面对工程与学术问题时，习惯以理性的视角进行复盘，从错误中提炼经验并持续改进。
在技术之外，倾向于将生活视为一段重在体验与探索的旅程，对未知领域保持着持续的求知欲。业余时间保持阅读习惯，尤其关注心理学领域。我认为，剖析行为背后的底层逻辑与动机是增进自我认知的重要途径，有助于更有针对性地修正自身不足。同时，我也客观地认识到自己存在视野和认知层面的局限，目前正将其作为个人成长的一部分，通过不断拓宽眼界、积累人生经验来进行自我完善。
在 Intel Xeon 与 NVIDIA A100 异构平台上进行 AMSS-NCKU 数值相对论程序的部署与系统调优。实施流程解耦策略，通过重构 I/O 工作流并引入异步数据缓冲机制，实现演化与分析任务的并行化；结合核心算法重构与基于 MPI_Waitany 的通信机制增加计算与通信的重叠，在保持数值稳定与精度的前提下，分别在 2*64 CPU 核心及 8*A100 环境下取得 5.02x 与 9.73x 的加速。获比赛二等奖 27/300+。
围绕国产 GPU 平台进行 Matlab 信号处理算法的迁移与重构。设计 OpenCL 异构计算流水线，对 GEMM、Conv 等核心算子进行底层重构，并引入内存池技术改善显存分配效率，验证信号处理算法在国产算力平台的移植可行性。获比赛优胜奖。
针对 AMD GPU 平台上的 Prefix Sum、Softmax 及 APSP 算子进行性能调优。在 48 小时的限定时间内构建算子性能剖析模型，通过 Kernel Fusion 技术降低显存读写压力，调整 Warp 线程同步机制以提高计算单元利用率。获比赛二等奖。
基于国产曙光DCU异构平台，对广义最小残差法（GMRES，Generalized Minimal Residual Method）进行性能优化。针对大规模稀疏矩阵的维度与分布特征，设计自适应算法派发机制，实现求解策略与矩阵特征的动态匹配；结合底层架构特点，引入算子融合、访存合并及并行规约等调优手段，有效降低异构环境下的数据搬运开销。
围绕国产鲲鹏平台下 HPCG 与 DGEMM 算子进行性能优化。利用 roofline 模型定位算子瓶颈，采用矩阵转置与 Tiling 分块技术改善 Cache 局部性，配合 NUMA 绑核及流水线重排手段，完成相关算法库在目标平台的性能适配。
在国产鲲鹏 ARM 高性能集群上对通用地球系统模式 (CESM) 进行并行优化。通过 NUMA 核心亲和性绑定策略降低跨节点访问开销，并基于计算访存比特征对计算流水线进行重排，减少 Cache Miss 冗余，实现系统整体 1.71x 加速。
针对卷积前向算子的 I/O 访存瓶颈进行特征分析，引入双缓冲异步流水线设计，以掩盖数据搬运延迟。结合 SIMD 数据重排技术提高计算单元吞吐率，实现算子整体 1.20x 加速。获得比赛贡献奖 26/97。