High-Performance Optimisation (Postdoctoral Researcher)

Huawei ist ein führender globaler Anbieter von Informations- und Kommunikationstechnologielösungen (IKT). Durch unser ständiges Engagement für kundenorientierte Innovationen und starke Partnerschaften haben wir führende End-to-End-Fähigkeiten und Stärken in den Bereichen Carrier-Netzwerke, Unternehmen, Verbraucher und Cloud-Computing etabliert. Unsere Produkte und Lösungen wurden in über 170 Ländern eingesetzt und bedienen mehr als ein Drittel der Weltbevölkerung.

Für das Computing Systems Laboratory suchen wir drei Postdoktoranden im Bereich einer optimierungsbezogenen Hochleistungsrechnerplattform. In den kommenden 1-2 Jahren zielen wir darauf ab, grundlegende wissenschaftliche Probleme im Zusammenhang mit hochleistungsfähiger verteilten und gemeinsamen Speicherparalleloptimierung zu lösen, mit dem Ziel, Veröffentlichungen in führenden wissenschaftlichen Zeitschriften zu produzieren. Langfristig soll die Plattform industrielle Optimierungsprobleme entweder vor Ort oder als Dienstleistung lösen. Diese Forschung wird gemeinsam mit einem Team führender Wissenschaftler im Theory Lab von Huawei in Hongkong durchgeführt, mit denen die erfolgreichen Kandidaten eng zusammenarbeiten sollen.

Die Forscher in Zürich werden an grundlegenden Operatoren arbeiten, die Funktionen auf einem Niveau ähnlich wie BLAS, SparseBLAS, GraphBLAS, LAPACK, LAGraph usw. bereitstellen, wobei der Fokus auf grundlegenden fundamentalen Operatoren für Optimierungsarbeitslasten liegt.

Der erfolgreiche Kandidat wird an folgenden Aufgaben arbeiten:

• Identifizierung sowohl bestehender als auch neuartiger grundlegender Operationen, die für Optimierungsplattformen relevant sind;
• Geschwindigkeitsanalysen sowohl bestehender als auch neu identifizierter grundlegender Operationen, die a) grundlegende Leistungsengpässe identifizieren, b) Skalierbarkeitseigenschaften genau vorhersagen (z. B. Iso-Effizienz), c) Trade-off-Effekte vorhersagen (z. B. Speicher vs. Kommunikation) und d) vorhersagen, welche Kombination von Geräten (klassische CPUs oder spezialisierte Beschleuniger und wie viele) zur höchsten Effizienz führen würde;
• Entwurf und Prototyping von hoch skalierbaren, hoch effizienten und hochproduktiven Softwaresystemen, die die Grundlage unserer nächsten Generation von Optimierungsplattformen bilden.

Verantwortlichkeiten

Erfolgreiche Kandidaten werden:

• Neue grundlegende Operatoren entwerfen und implementieren, die für unsere Optimierungsplattform erforderlich sind;
• Bestimmte Algorithmen für grundlegende Operatoren analysieren und grundlegende Grenzen in Modellen paralleler Berechnungen festlegen, die nicht nur klassische Arbeiten (Flops) und Rechenleistung (Flop/s) berücksichtigen, sondern auch Datenwiederverwendung sowie Speicherbandbreite und Zugriffsverzögerungen;
• Geeignete cachebewusste oder cacheunabhängige Paradigmen sowie Standard-HPC-Paradigmen für gemeinsame und verteilte Speicherparallelisierung, Vektorisierung usw. verfolgen;
• Neue Datenstrukturen erforschen, um die Ausführung grundlegender Operatoren auf traditionellen CPUs mit Vektor- und Matrix-SIMD sowie weniger traditionellen xPUs wie KI-Beschleunigern zu beschleunigen;
• Sicherstellen, dass Solver leicht als datenzentrierter C++-Kontrollfluss um Aufrufe an grundlegende Operatoren ausgedrückt werden können, die den Solver automatisch über potenziell mehrere xPUs verteilen;
• Falls erforderlich, Laufzeitsysteme und Kommunikationsschichten verwenden und erweitern, um eine höhere Effizienz grundlegender Operatoren, bessere Skalierbarkeit und automatisierte rechnerische Trade-offs zu erreichen;
• Sicherstellen, dass die Qualität und Leistung aller Solver, die auf unseren grundlegenden Operatoren implementiert sind, die Lösung von wissenschaftlichen und industriellen Problemen der nächsten Generation ermöglichen.

Anforderungen

Erfolgreiche Kandidaten verfügen über umfassende Erfahrungen mit mehreren der folgenden Punkte:

• Optimierung unregelmäßiger Algorithmen, wie z. B. Graphberechnungen oder spärliche numerische lineare Algebra, die alle Aspekte von hochrangigen Datenstrukturen und Algorithmen bis hin zu niedrigstufigen Codeoptimierungen wie SIMD, grob- und fein-granulare Sperrmechanismen berühren;
• Multi-Core-, Many-Core-Programmierung (z. B. POSIX-Threads oder OpenMP);
• Verteilte Speicherprogrammierung (z. B. MPI, BSP oder LPF), sowohl unter Verwendung kollektiver Kommunikation als auch rohem RDMA;
• Erfahrung mit der Codegenerierung für Hochleistungsberechnungen und/oder fundierte Kenntnisse ihrer zugrunde liegenden Methoden (z. B. ALP, BLIS, DaCE, Spiral, Flame, Firedrake usw.).

Erfolgreiche Kandidaten beherrschen die folgenden allgemeinen Aspekte:

• Generische Programmierung in C++11 (oder höher), mit fundierten Kenntnissen der Standardalgorithmen und Datenstrukturen, wie sie in der STL und darüber hinaus zu finden sind;
• Leistungsanalyse und paralleles Debugging (z. B. Valgrind, GNU Debugger, CI-Tests);
• Ausgezeichnete schriftliche und mündliche Kommunikationsfähigkeiten mit nachgewiesener Fähigkeit, komplexe technische Informationen klar und prägnant einem breiten Publikum zu präsentieren;
• Nachweisbare Veröffentlichungen in führenden HPC- oder angewandten Mathematik-Konferenzen oder -Zeitschriften;
• Kollaborativer Arbeitsstil mit der Fähigkeit, in einem multikulturellen Umfeld zu arbeiten.

Die folgenden zusätzlichen Erfahrungen und fundierten Kenntnisse würden als Plus angesehen:

• GraphBLAS oder Algebraic Programming (ALP);
• Jeder Aspekt der Optimierung oder ihrer Schlüssel-Solver;
• State-of-the-Art Fabrics und deren Programmierung (z. B. Infiniband & ibverbs);
• Veröffentlichungen an führenden Orten in den Naturwissenschaften oder theoretischen Informatik;
• SIMT- oder Beschleunigerprogrammierung (z. B. CUDA, OpenCL) – insbesondere mit Huawei Ascend.

Über das Huawei Research Center Zürich

Gegründet im Jahr 1987.