本研讨会的目的是为研究人员和从业者提供一个稳定的论坛，以应对现代并行平台和HPC系统上软件开发生命周期的紧迫挑战和问题。现代并行平台上并行应用程序的复杂性增加（例如多核/多核、分布式/混合系统）要求对针对底层并行系统的并行软件工程有更深入的了解。快速出现的人工智能相关技术及其在软件工程和并行计算系统中的应用将是解决这些问题的有前途的方法，以及使用传统经验和实验方法的方法，因此，首字母缩写AI-SEPS反映了与以前版本相比的变化，重点放在了这一趋势上。我们的目标是在软件工程和并行计算系统（如需求工程和软件规范）技术的各个方面提高技术水平；设计与实施；程序分析；性能分析、分析和调整；测试和调试。
诉讼程序可用联机.
接受的论文
文件征集
职位论文（最多2页）或摘要论文（最多800字）的提交截止9月28日仍然开放。立场或摘要论文可以包括工业和实践经验、工具演示/演示、未经全面/广泛评估的早期结果和新颖想法、采用非常规方法或疯狂想法的初步和探索性工作。立场或摘要论文为研讨会上的演示提供了机会，但不会包含在ACM数字图书馆的正式会议记录中。
研讨会的目标是提供一个令人振奋的环境，在这个环境中，可以在系统、编程、语言和软件领域的研究人员和从业人员之间共享/交流与并行软件工程和软件分析相关的想法、经验和主题。研讨会的目的是发起合作，重点解决这些主题中正在进行的研究所带来的挑战。通过问答环节，主持人有机会获得其他领域专家的反馈和意见，并讨论当前研究中的障碍和有希望的方法。作者和与会者都可以发现并行编程研究的新思路和新方向。
感兴趣的具体主题包括但不限于：
- 用于并行编程和高性能计算的AI和机器学习
- 并行程序的软件分析
- 工程并行软件所有方面的工具和环境，以及通过AI相关技术的增强
- 高绩效深度学习
- 并行程序和并行设计模式的设计
- 并行软件的软件开发过程和需求工程
- 并行软件体系结构
- 并行系统的性能建模技术
- 分析和事件跟踪分析
- 重构和再造
- 性能分析和自动调整
- 高效节能的并行计算
- 并行应用程序的测试和调试
- 案例研究和经验报告
研讨会将采用SIGPLAN批准的全天研讨会形式。我们欢迎关于当前研究的原创、未发表的常规论文（10页）和短文（4页），包括工业和实践经验、工具演示/演示、早期结果和新颖想法，但无需全面/广泛的评估，用非常规的方法或疯狂的想法进行初步的探索性工作。被接受的论文将作为论文在ACM数字图书馆出版。
联系AI SEPS 2018组委会ai-seps-2018@googlegroups.com有任何问题或担忧。
演示文稿pdf文件
摘要：本次演讲将回顾NERSC在DOE综合体中最大的CPU和基于GPU的HPC系统上扩展深度学习的努力。受高能物理、宇宙学和气候科学中具有挑战性的科学问题的激励，我们开发了2D和3D卷积结构，以解决一系列模式分类、回归和分割问题。这些项目已经取得了许多首次成果：将Caffe扩展到9600个Cori/KNL节点（SC'17），获得15PF性能；将TensorFlow扩展到8192 Cori/KNL节点，获得3.5PF性能，最后，将TensortFlow扩展至4560 Summit/Volta节点，获得1 ExaOp性能。这次演讲将回顾从这些项目中吸取的教训，并概述科学深度学习的未来挑战。
生物：Prabhat领导伯克利实验室超级计算中心NERSC的数据和分析服务小组。在此职位上，Prabha负责NERSC 7000多名用户的数据软件堆栈和服务。Prabhat是将深度学习、机器学习和统计方法应用于科学应用的先驱。他在高性能计算、数据管理和可视化领域拥有广泛的兴趣。Prabhat拥有印度理工学院德里分校和布朗大学的计算机科学学位，目前正在加州大学伯克利分校攻读地球和行星科学博士学位。
- 小组组织者：
- 佐藤由纪（丰桥工业大学）
- 小组成员：
- Shigeru Chiba（东京大学）、Ali Jannesari（爱荷华州立大学）
迅速兴起的AI相关技术及其在软件工程和并行计算系统中的应用将是解决现代并行平台和HPC系统上软件开发生命周期中的挑战的有希望的方法。与迄今为止发展起来的传统经验和基于知识的方法一起，这一趋势正在为以性能为中心的并行软件的各个方面形成一个强大的生态系统。在本专题讨论会中，我们将分享此类方法的当前实践，并寻求未来的进一步作用。
地铁列车时刻表
9:30-9:35小组组织者介绍小组
9:35-9:50位置演讲（每次5分钟）：
- Ali Jannesari，《深度竞赛：通过深度学习发现数据竞赛漏洞》。
- 千叶茂。“捕获编程语言语法”。
- 佐藤由纪诺丽。“通过深度学习和实证方法的共同设计来综合绩效工具”。
9:50-10:00互动讨论
