IT之家 2 月 23 日音问，2 月 11 日，中国科大苏州高档探究院医学影像智能与机器东说念主探究中心 DDL 履行室晓示，团队在大界限图神经齐集（GNN）磨练系统方面的探究论文被外洋驰名学术会议 ACM International Conference on Management of Data（SIGMOD）2025 委用。

图神经齐集（GNN）的主流磨练框架，如 DGL 和 PyG，专揽 GPU 的并行处理才调从图数据中索求结构信息，在推选系统、当然谈话处理、计算化学和生物信息学等领域展现出独特性能。

尽管 GPU 在 GNN 磨练中提供了强盛的计算上风，但其有限的显存容量难以容纳巨大的图数据，因而现存 GNN 系统在大界限图数据上的扩张性方面仍濒临挑战。

对此，DDL 履行室团队提议了一种新的核外（Out-of-Core）GNN 磨练框架 ——Capsule，为大界限图神经齐集磨练提供了高效的责罚决议。

与现存的核外 GNN 框架不同，配资股票该系统通过图折柳和图剪辑政策将磨练子图结构偏握特征十足放入 GPU 显存之中从而搁置了反向传播进程中 CPU 与 GPU 之间的 I/O 支拨，进而权贵栽种了系统性能。

此外，Capsule 通过野心基于最短哈密顿回路的子图加载阵势和活水线并行政策，进一步优化了性能。同期，Capsule 具备即插即用的特质，或者无缝集成至主流开源 GNN 磨练框架中。在大界限真正图数据集上，Capsule 与现存最佳的系统比拟或者在仅使用 22.24% 的内存下带来最高 12.02 倍的性能栽种，并提供了对于磨练所得镶嵌方差的表面上界。

这一恶果象征着我国在图计算系统帅域获得垂死冲突，为酬酢齐集分析、生物医学图谱构建等需处理超大界限图数据的场景提供了全新责罚决议。

• 中国
• 可达
• 冲突
• 深京
• 奇迹