李永坤

电　话：(0551)63603412

E-Mail：ykli@ustc.edu.cn

个人主页：http://staff.ustc.edu.cn/~ykli

主要研究方向：存储系统、内存系统、云计算、Serverless、智能计算与分布式系统。

李永坤，男，特任教授，IEEE、ACM、CCF会员，信息存储专委委员。本科毕业于中国科学技术大学，博士毕业于香港中文大学，师从John C.S. Lui教授。主要致力于面向大规模数据密集型计算的存储系统研究，共发表论文70余篇，包括FAST、ATC、ICDE、SIGMETRICS、TOS、TC、TPDS等。主持国家自然科学基金青年与面上项目、安徽省自然科学基金项目、华为、PingCAP、阿里等提供的多项企业合作项目，以单位负责人参与科技部重点研发计划课题、重点研发青年科学家项目。入选中科院青促会并获评优秀会员，获评唐仲英基金会仲英青年学者、翟光龙学者等。

导师选题：

面向服务器无感计算的多租户大模型推理系统	大模型是当前最重要的技术变革之一，构建多租户大模型推理系统，是实现大模型应用落地必须的基础系统。由于大模型推理任务在多租户场景中呈现突发性负载特征，而服务器无感计算云服务范式凭借其细粒度计费模式和高弹性优势，能够针对这一特性提升GPU集群利用率，降低推理成本。面向服务器无感计算，构建多租户大模型推理系统，对于充分释放集群性能至关重要。主要参考文献：ServerlessLLM@OSDI24, vLLM@ SOSP23。
面向数据密集型计算的资源池化	当前主流的存算一体系统架构面临着计算与存储资源耦合的问题，资源扩容能力差，且难以跨节点共享。未来数据中心的发展趋势是将关键资源解耦，通过高可扩展性的高速互联网络（CXL/NVLINK/RDMA）聚合与共享大规模资源池，突破传统架构的资源约束。该课题主要关注池化后的资源如何高效使用，面向数据库、微服务与大模型等常见业务场景，研究如何降低应用迁移到池化架构的难度，并隐藏跨网络访问带来的性能损失，以充分利用池化架构下的共享能力、可扩展性与容灾能力。主要参考文献：Pond@ASPLOS23，Memliner@OSDI22, LegoOS@OSDI18。
面向终端大模型推理的操作系统支持	随着大模型等技术的突破、智能手机等终端设备的广泛普及，面向智能终端的大模型推理具有非常重要的价值，而面向该场景的操作系统尤为重要。端侧推理通过在本地终端设备上执行计算，有效降低了延迟，提高实时性，并增强用户隐私保护。然而，端侧推理面临计算、内存资源有限，以及功耗约束等挑战，需要重新设计合适的内存管理与存储系统等，并充分结合大模型推理计算框架等技术，以确保在终端设备的有效资源下实现高效推理，该课题将以开源鸿蒙OS为基础，研究面向终端大模型推理的新型内存管理与存储系统技术。主要参考文献：Powerinfer@arxiv2023, Powerinfer2@arxiv2024。