“云計算和大數據”重點專項2018年度項目申報指南

2017-10-12 15:36:34 科技部　點擊量：評論 (0)

為落實《國家中長期科學和技術發展規劃綱要( 2006-2020年)》，以及國務院《關于促進云計算創新發展，培育信息產業新業態的意見》和《關于印發促進大數據發展行動綱要的通知》等提出的任務，國家重點研發計劃啟動

為落實《國家中長期科學和技術發展規劃綱要( 2006-2020年)》，以及國務院《關于促進云計算創新發展，培育信息產業新業態的意見》和《關于印發促進大數據發展行動綱要的通知》等提出的任務，國家重點研發計劃啟動實施“云計算和大數據”重點專項。 根據本重點專項實施方案的部署，現發布 2018 年度項目申報指南。

本重點專項總體目標是：形成自主可控的云計算和大數據技術體系、標準規范和解決方案;在云計算與大數據的重大設備、核心軟件、支撐平臺等方面突破一批關鍵技術;基本形成以云計算與大數據骨干企業為主體的產業生態體系和具有全球競爭優勢的云計算與大數據產業集群;提升資源匯聚、數據收集、存儲管理、分析挖掘、安全保障、按需服務等能力，實現核心關鍵技術自主可控。

本重點專項按照云計算和大數據基礎設施、基于云模式和數據驅動的新型軟件、大數據分析應用與類人智能、云端融合的感知認知與人機交互等 4 個創新鏈(技術方向)，共部署 31 個重點研究任務。專項實施周期為 5 年( 2016—2020 年)。

2016 年，本重點專項在 4 個技術方向已啟動 12 個研究任務的 15 個項目。 2017 年，在 4 個技術方向已啟動 15 個研究任務的15 個項目。 2018 年，在 4 個技術方向啟動 20 個研究任務，擬支持 20-40 個項目，擬安排國撥經費總概算為 6.25 億元。凡企業牽頭的項目須自籌配套經費，配套經費總額與國撥經費總額比例不低于1：1。

項目統一按指南二級標題(如 1.1)的研究方向組織申報。除特殊說明外，擬支持項目數均為 1-2 項。項目實施周期不超過 3年。申報項目的研究內容須涵蓋該二級標題下指南所列的全部考核指標。項目下設課題數原則上不超過 5 個，每個課題參研單位原則上不超過 5 個。項目設 1 名項目負責人，項目中每個課題設1 名課題負責人。

指南中“擬支持項目數為 1-2 項”是指：在同一研究方向下，當出現申報項目評審結果前兩位評價相近、技術路線明顯不同的情況時，可同時支持這 2 個項目。 2 個項目將采取分兩個階段支持的方式。第一階段完成后將對 2 個項目執行情況進行評估，根據評估結果確定后續支持方式。

1. 云計算和大數據基礎設施

1.1 數據科學的若干基礎理論(基礎研究類)

研究內容：研究大數據的統一表示和有效度量;研究大數據的新型計算復雜性理論;研究高通量計算理論與算法;研究近似

計算理論與算法;研究數據副本一致性理論、數據壓縮與摘要理論;研究數據數據權屬理論等。

考核指標：形成有國際性影響的數據科學理論體系，研制可驗證其理論和算法有效性的原型系統，發表一批高水平學術論文和若干專著。在關鍵技術上申請系列專利，形成專利群。

1.2 基于非易失存儲器( NVM)的 TB 級持久性內存存儲技術與系統(共性關鍵技術類)

研究內容：研究基于持久性內存的混合主存系統 I/O 棧與存儲管理策略;研究分布式持久性內存文件系統;研究基于遠程直接數據存取( RDMA)的分布式持久性共享內存新型編程模型及其應用編程接口; 構建分布式持久性內存存儲系統; 研制基于 TB級內存系統的典型大數據應用系統擴展并示范應用。

考核指標：研制不少于 8 節點的內存存儲系統，每節點均包含 TB 級非易失性內存;分布式內存系統中節點間通信延遲不超過 1µs，高負載通信延遲不超過 10µs，帶寬可擴展， 8 節點帶寬不低于 40GB/s;讀操作 ops 不低于 5000 萬/s，寫操作 ops 不低于1000 萬/s;在 ZB 級大數據場景下應用于 1-3 個典型領域。在關鍵技術上申請系列專利，形成專利群，發表一批高水平學術論文。

1.3 面向異構體系結構的高性能分布式數據處理技術與系統(共性關鍵技術類)

研究內容：面向分布式異構體系結構，研究基于數據流的編程模型、性能分析方法、同步與通信技術和運行時系統，并實現高通量視頻等典型應用示范。具體內容：支持異構體系結構上的數據流編程模型與軟件工具鏈;異構體系結構上的運行時系統，支持 CPU 與加速器之間的高效率混合執行，支持加速器上的細粒度流水線并行; 性能分析技術和優化調度技術，優化分配 CPU 與加速器上的運行資源;分布式異構系統數據處理技術，包括數據與計算的高效劃分技術、負載平衡以及高性能同步與通信技術。

考核指標：支持 CPU-GPU 異構體系結構，并支持單機多加速器和多機多加速器。性能分析工具支持多種程序執行模式的優化選取，并可給出混合模式時的 CPU-GPU 執行比例。支持單個GPU SM 上部署多個核( kernel)的細粒度任務調度，以及以此為基礎的流水線并行模式。單機和多機(不低于 8 臺服務器 16 塊GPU)上 CPU/GPU 細粒度混合執行的應用性能是當前通用 CPU的 5 倍以上，是僅實現粗粒度并行性的 GPU 的 2 倍以上。在關鍵技術上申請系列專利，形成專利群，發表一批高水平學術論文。

1.4 面向圖計算的通用計算機技術與系統(共性關鍵技術類)

研究內容：研究圖計算眾核處理器和異構圖計算機體系結構;研制支撐異構圖計算機的系統軟件;研究面向異構圖計算機系統的分布式處理技術;研究基于異構圖計算機的數據管理與處理系統;研制基于異構的圖計算機的通用計算機系統，開展應用示范。

考核指標：研制面向圖計算的眾核處理器芯片原型;研制基于已有加速器的低功耗異構的圖計算系統，單節點圖計算機總體性能達到 GTEPS，性能功耗比提升 10 倍;在浮點運算能力不大于 1TFlops 的條件下，每秒處理的邊數大于 10GTEPS，靜態圖計算可獲得 2-3 倍加速比; 單節點支持 50 億條邊的圖數據存儲和查詢，平均查詢響應時間為秒級，支持每秒 10 萬邊的圖流數據分析;針對金融等領域 2 個以上典型應用開展應用驗證。在關鍵技術上申請系列專利，形成專利群。發表一批高水平學術論文。

1.5 面向國產處理器的虛擬化技術與系統(共性關鍵技術類)

研究內容：研究面向國產單核/多核/眾核處理器的虛擬化架構、虛擬化技術、容器技術等;研究虛擬執行環境的構建與優化技術、虛擬計算環境下應用驅動的軟件棧設計/構造的理論和方法;研究輕量級虛擬機鏡像定制、應用定制的虛擬機優化等方法和技術，構造面向特定領域/應用的輕量級虛擬機;研究虛擬化和虛擬機的性能評價方法與基準測試、性能調優工具;研制采用國產單核/多核/眾核處理器的云服務器原型，在云計算系統中應用驗證。

考核指標：研發面向國產處理器的虛擬化、虛擬機監控器、虛擬機三類核心技術，支持多核、眾核異構計算資源的虛擬化，支持虛擬資源的統一調度和分配，基于多核的國產服務器虛擬機數量不小于 256，每虛擬機內存最大 2TB，處理器和內存虛擬化開銷小于百分之三;采用國產處理器的云服務器原型在關鍵行業的云計算系統中開展應用驗證，在典型云計算應用負載下，與采用 X86 處理器的云服務器對應指標相當，提升基于國產處理器的云裝備在云計算行業的應用能力。申請系列專利，發表一批高水平學術論文。

1.6 數據驅動的云數據中心智能管理技術與平臺(共性關鍵技術類)

研究內容：研究超大規模云數據中心運行數據的管理方法;研究基于運行數據的云數據中心運行評估與預測技術，實現數據驅動的云數據中心運行精準化評估與預測;研究數據驅動的大規模云數據中心資源智能調度與管理技術;面向典型領域，研究應用導向的云工作流智能管理與調度技術，提供高能效、高服務質量的云工作流應用服務;研制云數據中心智能部署、運維管理與服務能力保障系統，并開展示范應用。

考核指標：形成智能化的云數據中心系統運行評估、行為預測、資源調度、工作流管理與系統運維的關鍵技術體系;云工作流和云服務請求的接受率比當前主流水平提升 20%以上，滿足用戶在時間和成本等多方面的差異化需求;研制的云數據中心智能管理系統在數十萬臺量級服務器規模的云數據中心開展示范應用;申請系列專利，發表一批高水平學術論文，并完成若干國家標準(送審稿)或國際標準提案。

2. 基于云模式和數據驅動的新型軟件

2.1 群智化生態化軟件開發方法與環境(基礎研究類)

研究內容：研究基于互聯網的群體智能的形成機理、軟件生態系統中的群體協作規律、社區組織模式、社會化特性和最佳實踐;研究軟件生態系統的多維度度量和評估方法、軟件生態系統形成和演化的微過程模型等;研究基于大規模群體協同的在線需求獲取與建模、軟件設計與建模、軟件構造與測試、個體信息融合與個性化信息推薦等群智軟件開發模式與方法;研制基于群體智能的協作式軟件開發、管理和維護支撐工具集及平臺，形成支持智能化群體協作的軟件開發環境，并進行示范應用。

考核指標：建立基于群智協作的軟件開發模型與機制，形成覆蓋軟件生命全周期的群智軟件開發方法、工具、環境和最佳實踐，支持單一項目數千名開發者規模;形成兼容國際主流、符合中國特色的群智化軟件開發生態系統建設方案，實際應用于 10個以上項目合計 1000 名以上開發者;發表一批高水平學術論文，申請系列知識產權。