图神经网络 (GNN) 将深度学习扩展到了面向图结构数据的学习，并在很多任务上展示了其强大的图表示学习能力。报告主要介绍了在高效能图神经网络方面的一些研究工作。主要通过算法与体系结构的协同设计来去除计算过程中的冗余，以此来加速图神经网络。首先介绍了消除图神经网络计算冗余的算法和体系结构，最后介绍了针对图神经网络动态裁剪的算法和体系结构。

报告结束后，参会的老师和同学们与陈岑教授进行了深入探讨与交流。此次学术报告会，深刻揭示了对图神经网络的加速方法，也为在座师生提供了一个共同交流的平台，学生了解了华南理工大学未来技术学院的相关情况，以及招收博士的相关要求。我院期待未来将有更多师生投身进人工智能模型加速的研究工作，共同推动人工智能技术的发展。

陈岑教授简介：

陈岑，博士，现担任华南理工大学未来技术学院教授，博导。研究方向：面向大数据和人工智能的高效能计算、并行与分布式计算。已累计在权威学术期刊和会议上发表论文60余篇。其中一作或通讯作者论文24篇，包括IEEE& ACM期刊论文14篇，CCF A类期刊或会议论文5篇，中科院SCI 1区期刊论文13篇，授权专利10项。获得湖南省优秀博士论文和湖南省计算机学会优秀博士论文。因其在面向大数据和人工智能的高效能体系结构方面的成就，获得新加坡人工智能人才特殊津贴。近年来，主持或者参与中国-新加坡自然科学基金国际(区域)合作与交流重点项目、华为EDA软件合作项目、新加坡国家人工智能项目、中国自然科学基金人工智能应急重点项目等。