报告题目：A brief introduction to k-uniform states

报告专家：金玲飞 复旦大学 教授

报告时间：2023年11月04日（周六）上午08:30-09:15

报告地点：南教1-120报告厅

线上平台：腾讯会议 会议ID：153 622 933

报告摘要：Quantum entanglement appears in many areas of quantum information theory including quantum communications, quantum computing. A pure quantum state is called k-uniform if all its reductions to k-qubits are maximally entangled. In this talk, we introduce some constructions and results on k-uniform states.

专家简介：金玲飞，复旦大学计算机科学技术学院教授，博导，上海市东方特聘教授。主要研究方向为代数编码及其应用。已在国际高质量期刊和会议上，如IEEE TIT， ICALP等发表论文30余篇。曾主持国家自然科学基金面上基金，上海市青年科技启明星计划，扬帆计划等十余项项目。曾获上海市科技进步一等奖，党政机要密码科技进步三等奖。担任Frontiers of Computer Science(SCI, EI)青年编委。

报告题目：List Decoding of Rank-Metric Codes with Row-to-Column Ratio Bigger Than 1/2

报告专家：刘姝 电子科技大学 副教授

报告时间：2023年11月04日（周六）上午09:15-10:00

报告地点：南教1-120报告厅

线上平台：腾讯会议 会议ID：153 622 933

报告摘要：This paper is to explicitly construct a class of rank-metric codes C of rate R with the column-to-row ratio up to 2/3 and efficiently list decode these codes with decoding radius beyond the decoding radius (1-R)/2 (note that (1-R)/2 is at least half of relative minimum distance δ). In literature, the largest column-to-row ratio of rank-metric codes that can be efficiently list decoded beyond half of minimum distance is 1/2. Thus, it is greatly desired to efficiently design list decoding algorithms for rank-metric codes with the column-to-row ratio bigger than 1/2 or even close to 1. Our key idea is to compress an element of the field F_qn into a smaller  F_q-subspace via a linearized polynomial. Thus, the column-to-row ratio gets increased at the price of reducing the code rate. Our result shows that the compression technique is powerful and it has not been employed in the topic of list decoding of both the Hamming and rank metrics. Apart from the above algebraic technique, we follow some standard techniques to prune down the list. The algebraic idea enables us to pin down the message into a structured subspace of dimension linear in the number n of columns. This “periodic” structure allows us to pre-encode the message to prune down the list.

专家简介：刘姝目前是电子科技大学通信抗干扰全国重点实验室副教授。2018年在新加坡南洋理工大学获得博士学位，2018-2019年在南洋理工大学从事research fellow工作，2018年加入电子科技大学，入选2020年度四川省高层次人才引进计划。从事代数编码及其应用方面的基础研究，尤其致力于非经典纠错码的构造与列表译码机理研究。近五年在信息论与编码领域国际学术期刊上发表论文二十余篇，含IEEE TIT期刊论文9篇，IEEE TCOM 2篇。主持国家重点研发计划课题1项、国家自然科学基金面上项目1项、国家自然科学青年科学基金项目1项及国防重点实验室基金项目3项等；在国际重要编码理论学术会议上作邀请报告15余次；申请发明专利8项，授权发明专利3项；担任多个国际学术期刊IEEE TIT、FFA等的审稿人。

报告题目：面向深度学习的并行编码计算

报告专家：闫起发 西南交通大学 副教授

报告时间：2023年11月04日（周六）上午10:00-10:45

报告地点：南教1-120报告厅

线上平台：腾讯会议 会议ID：153 622 933

报告摘要：近年来，大模型取得空前的发展，驱动研究人员思考大模型的计算问题。本报告简要介绍大模型的并行计算方法，包括数据并行、张量并行和流水线并行，并且介绍英伟达给出的将三种并行方案有效融合的GPU并行架构。其次，针对给出一个通过梯度编码增加计算冗余的编码计算方案。梯度编码将解码求和函数作为解码目标，从而实现计算与通信的折中，特别是能根据实时的掉队节点个数，实现最优通信负载。最后，结合大模型的计算需求，讨论几个值得思考的重要问题。

专家简介：闫起发博士于2010年毕业于山西大学数学科学学院，获得数学与应用数学专业学士学位；于2017年毕业于西南交通大学信息科学与技术学院，获得通信与信息系统专业博士学位。在 2017 年 11 月至 2019 年 10 月期间，在法国巴黎高等电信学院和高等电力-中央理工学院做联合博士后研究；于 2020 年 1 月至 2021 年 1 月之间，在美国伊利诺伊大学芝加哥分校计算机工程系的做博士后研究工作。2021年3月回国加入西南交通大学信息科学与技术学院，现为副教授，主要研究方向为分布式编码与计算、信息论与人工智能。闫起发博士在通信与信息领域发表SCI论文20余篇，国际会议论文10余篇，主持国家自然科学青年基金、专项项目子课题各一项，2021年入选四川省“天府峨眉计划”青年人才。