徐凯强 Kaiqiang Xu

学术研究

我的研究推动提升机器学习系统的运行效率和易用性，重点是通过设计针对AI计算的抽象模式、并行化策略和调度算法，充分挖掘大规模 GPU 集群的工作负载特性。

我的第一作者研究成果在计算机网络、计算机体系结构和数据管理领域三大领域的最顶级会议（依据 CSRankings）上均有发表，包括 NSDI、ASPLOS 和 SIGMOD。

我带领计算机系统博士团队设计并运营了 AI 计算集群 TACC ，为 500 多名香港科技大学的教授和学生提供 AI 计算服务。我于中国人民大学获得计算机科学学士学位，并将于香港科技大学获得哲学博士（计算机科学）学位，师从陈凯教授。

代表性论文

•

ACM ASPLOS, 2025 | ACM International Conference on Architectural Support for Programming Languages and Operating Systems

Design and Operation of Shared Machine Learning Clusters on Campus

Kaiqiang Xu, Decang Sun, Hao Wang, Zhenghang Ren, Xinchen Wan, Xudong Liao, Zilong Wang, Junxue Zhang, Kai Chen

based on

•

USENIX NSDI, 2025 | USENIX Symposium on Networked Systems Design and Implementation

GREEN: Carbon-efficient Resource Scheduling for Machine Learning Clusters

Kaiqiang Xu, Decang Sun, Han Tian, Junxue Zhang, Kai Chen

•

ACM SIGMOD, 2025 | ACM International Conference on Management of Data

Sequoia: An Accessible and Extensible Framework for Privacy-Preserving Machine Learning over Distributed Data

Kaiqiang Xu, Di Chai, Junxue Zhang, Fan Lai, Kai Chen

•

ACM SIGMOD, 2023 | ACM International Conference on Management of Data

Scalable and Efficient Full-Graph GNN Training for Large Graphs

Xinchen Wan, Kaiqiang Xu (Co-first Author), Xudong Liao, Yilun Jin, Kai Chen, Xin Jin