报告题目：神经架构搜索的性能预测器

报告人：孙亚楠 四川大学 研究员 博士生导师

时间：11月16日19:00

腾讯会议ID：680 494 463

摘要：神经架构搜索（Neural Architecture Search，NAS）是自动化设计深度神经网络结构的关键技术，是人工智能领域近年的研究热点。NAS运行中需要训练大量神经网络模型，进而获得其性能指标用于指导搜索算法的高效执行。然而训练大量的神经网络模型需要海量高性能GPU计算资源，这对NAS算法的实际应用带来了极大挑战。性能预测器不需硬件资源即可直接计算神经网络模型性能，在降低NAS计算复杂度方面有着极大研究价值。本报告将介绍团队在ICCV2021和NeurIPS2022发表的两个成果，分别从神经网络结构增广、以及迁移学习角度构建高效的性能预测器模型。

个人简介：

孙亚楠，四川大学研究员，博士生导师，入选国家青年人才计划、四川省天府峨眉人才计划。2017年6月博士毕业于四川大学，2017年7月至2019年3月在新西兰惠灵顿维多利亚大学从事博士后研究，2019年3月底引进至四川大学计算机学院。长期从事基于神经演化的网络架构自动设计方法研究，在低功耗AI芯片设计以及新一代核反应堆设计中得到应用。近五年以第一/通讯作者发表IEEE汇刊以及CCF-A类论文30篇，4篇同时入选了ESI高被引和ESI热点论文，3篇入选IEEE CIS研究前沿论文，授权发明专利16项，出版学术专著1部(Springer出版)，同时入选了2021年度和2022年度的世界前2%顶尖科学家榜(斯坦福大学发布)。