我有幸参与 GPC 2025学术会议。在普适计算与云计算的背景下，绿色计算是计算机科学与工程领域一个新兴的研究方向。作为前景广阔的计算范式，普适计算与云计算已在实践中得到指数级增长的应用，并有望在人类日常生活中扮演重要角色。但为实现这一潜力，二者均面临与能耗相关的关键挑战——例如控制大规模数据中心的能源消耗，以及延长物联网中移动设备的电池续航。通过探索移动云计算、软件定义网络、边缘计算及混合云服务等新概念与技术，可有效提升数据中心与无线设备的能源利用效率。第20届绿色、普适与云计算国际会议GPC 2025（Green, Pervasive, and Cloud Computing）将聚焦普适性与环境可持续的计算技术，旨在为学界与业界专家提供交流平台，共同探讨绿色计算、普适计算与云计算领域的最新理念、研究成果、实践经验和阶段性研究进展。 我的论文题为《Lightweight Gated Spiking Neural Network Based on Temporal Residual Connection》（基于时间残差连接的轻量级门控脉冲神经网络）。近年来，脉冲神经网络（SNN）因其事件驱动特性和时序数据处理能力，逐渐成为类脑计算领域的研究热点。作为SNN的基础单元，泄露-积累-发放（LIF）模型是最为简单且常见的脉冲神经元模型。然而，当使用反向传播的方法对LIF网络进行训练时，会出现梯度消失问题。现有研究通过引入门控机制，提出了门控参数神经元模型（GPC）。虽然它在一定程度上缓解了梯度消失问题，但是复杂的门控结构带来了参数量的激增，这与SNN低能耗的优势相悖。为了克服上述问题，本文提出一种基于时间残差连接的轻量化门控脉冲神经网络（RC-LGN）。与现有的复杂门控模型相比，该模型的创新之处在于通过时间残差连接在隐层状态间建立跨时间步的梯度传播路径，同时结合轻量化门控机制动态调节膜电位的衰减与重置，在避免参数量激增的同时有效缓解了梯度消失问题。实验结果表明，与GPN模型相比，RC-LGN在模型参数量减少约35%的情况下，不仅能够保持相当的分类性能，而且显著改善了梯度消失问题。这一进展为SNN在资源受限场景中的实际应用提供了切实可行的解决方案。 会议期间，我全程参与了学术报告与相关技术论坛，我进一步把握了绿色计算与普适计算在能效优化、系统可持续性等方面的最新进展，并对移动云计算、边缘计算等技术在节能场景中的应用潜力形成了更清晰的认识。此外，我还与行业内专家建立了学术联系，分享RC-LGN模型的研究细节，收获了关于技术优化方向、实际场景落地等方面的宝贵建议。 此次参与GPC 2025会议，是我学术道路上的重要里程碑。我不仅展示了团队在轻量化类脑计算方向上的阶段性成果，也与相关领域的专家学者建立了学术联系，为今后开展跨机构合作、推进绿色高效计算模型的实际应用奠定了良好基础。 该团组已进行事后公示。 （领队签字） |
