日程安排系统出现问题，导致GPCE计划无法显示周二上午8:30举行的SLE主题演讲。欢迎并鼓励GPCE与会者参加！
ACM SIGPLAN生成性编程国际会议：概念与经验（GPCE）是一个研究人员和实践者感兴趣的场所，他们使用程序生成、特定领域语言和组件部署技术来提高程序员生产力、提高软件质量、，缩短软件产品的上市时间。除了探索生成性软件的尖端技术外，我们的目标是促进软件工程和编程语言研究社区之间的进一步交叉。
正如自动化和组件化革命了制造业一样，生成和组件方法以及特定领域的抽象正在革命性地推动软件开发。几十年来，提高软件规范中的抽象水平一直是计算界的一个基本目标。自动化程序开发并将抽象层提升到更接近问题域的关键技术是用于程序合成的生成性编程，用于紧凑的面向问题的编程符号的领域特定语言（DSL），以及旨在模块化、正确性、重用、，和进化。随着该领域的成熟，应用程序和经验结果变得越来越重要。
诉讼程序可用在线.
金牌赞助商
金牌赞助商文件征集
ACM SIGPLAN国际生成编程会议：概念与经验是一次编程语言会议，重点讨论代码生成、语言实现和产品线开发的技术和工具。GPCE寻求对其感兴趣的主题的概念、理论、经验和技术贡献，包括但不限于
- 程序转换、分段、宏系统、预处理器、程序合成和代码再推荐系统，
- 领域特定语言、语言嵌入、语言设计和语言工作台，
- 面向特征的编程、领域工程和特征交互，
- 代码生成、语言实现和产品线开发的应用程序和属性。
欢迎作者与PC主席核实他们计划的论文是否在范围内。
GPCE项目委员会将根据以下选择标准评估每份提交文件：
- 新颖。论文必须提出新的观点或证据，并将其恰当地放在该领域先前研究建立的背景中。
- 意义。论文中的结果必须有潜力以显著的方式添加到最新技术或实践中。
- 证据。该文件必须提供支持其主张的证据。证据的例子包括形式化和证明、实施的系统、实验结果、统计分析和案例研究。
- 清晰。该文件必须清楚地介绍其贡献和结果。
GPCE要求提交三种类型的文件。
-
全文报告对上述任何GPCE主题的科学知识有贡献的原始和未发表的研究结果。提交的完整论文不得超过12页，书目除外。
-
短文提出关于上述任何GPCE主题的非传统想法或愿景。短篇论文并不总是像完整论文那样需要完整的结果。通过这种方式，作者可以向社区介绍新想法，并获得早期反馈。请注意，短文并非旨在作为立场声明。会议记录中包括短文，并将在会议上提交。提交的短文不得超过6页，书目除外。
-
工具演示为上面列出的任何GPCE主题提供工具。工具必须可供使用，不得纯粹用于商业目的。提交的文件必须提供不超过6页的工具说明（不包括参考书目）和不超过6页的单独演示大纲（包括屏幕截图）。工具演示的标题中必须包含关键字“Tool Demo”或“Tool Demonstration”。如果提交被接受，工具说明将在会议记录中公布。演示大纲仅供项目委员会用于评估提交文件。
所有提交必须使用ACM SIGPLAN会议格式“acmart”。请确保使用最新的LaTeX模板和类文件.sigplan子格式和10点字体。请咨询示例sigplan.tex模板并使用document-class\documentclass〔sigplan，匿名，评论〕｛acmart｝.
为了提高审查的公平性，双盲审查过程已成为SIGPLAN会议的标准。GPCE将遵循一个非常轻量级的模型，在提交初始评论后，作者身份将被透露给审阅者。因此，目的并不是不惜一切代价隐藏作者身份，而仅仅是为了让审稿人对提交的作品有一个公正的第一眼。提交的论文中应省略作者姓名和机构，并以第三人称提及作者自己的相关作品。无需其他更改，如果审阅者能够以隐式方式推断其身份，则作者不会受到惩罚。
必须使用HotCRP提交论文：https://gpce18.hotcrp.com/
如需更多信息、澄清或问题回答，请联系项目主席。
官方发布日期是ACM数字图书馆提供会议记录的日期。论文必须描述目前未提交给其他地方出版的作品，如SIGPLAN重新发布策略。作者还应了解ACM关于剽窃的政策.
实现高性能并非易事。当涉及到在稀疏数据上运行的程序时，硬件、语言或编译器支持很少，获得高性能几乎是不可能的。随着数据分析和模拟等重要的现代应用程序在稀疏数据上运行，性能不足正成为一个关键问题。在计算的早期，实现高性能是非常重要的，许多研究人员花费了一生的时间试图从关键代码中提取更多的FLOPS。核心性能工程师试图在没有任何语言、编译器或工具帮助的情况下，独自实现这一性能天堂。在本次演讲中，我将使用两个示例TACO和GraphIt，论证特定于领域的语言和编译器技术可以减少大多数性能优化负担，即使是在非常困难的领域，例如稀疏计算。
TACO是用于线性代数和张量代数的优化代码生成器。TACO引入了一种将复合张量代数表达式编译成有效循环的新技术。TACO生成的代码在张量和矩阵运算方面具有同类最佳手写代码的竞争力。
GraphIt是用于高性能图形计算的DSL和编译器。图形它分离了算法、时间表和物理数据布局，为程序员提供了对优化的最终控制。GraphIt在无标度图和道路图上的性能分别高达2.4倍和4.7倍，优于最先进的库和DLS。
Saman P.Amarasinghe是麻省理工学院电气工程和计算机科学系的教授兼副系主任，也是计算机科学和人工智能实验室（CSAIL）的成员，他领导着Commit编译器小组。在Saman的指导下，Commit小组开发了StreamIt、PetaBricks、StreamJIT、Halide、Simit、MILK和GraphIt编程语言和编译器、DynamoRIO动态检测系统、用于SIMD矢量化的Superword级并行性、用于保护程序免受外部攻击的程序保护、，OpenTuner可扩展自动调谐器和Kendo确定性执行系统。他是原始建筑项目的联合负责人。他的研究兴趣是发现新的方法来提高现代计算机系统的性能，同时又不会过度增加最终用户、应用程序开发人员、编译器编写人员或计算机架构师面临的复杂性。Saman是VMware收购的Determina Corporation的创始人，也是Lanka Internet Services Ltd.的联合创始人。Saman于1988年在康奈尔大学获得电气工程和计算机科学学士学位，并于1990年和1997年分别在斯坦福大学获得理学硕士学位和博士学位。
