中国科大苏州研究院提出高效图神经网络训练框架 Capsule

2月11日，中国科大苏州高等研究院医学影像智能与机器人研究中心DDL实验室宣布，其在大规模图神经网络（GNN）训练系统方面的研究论文被国际知名学术会议SIGMOD 2025录用。该团队针对现有GNN系统在处理大规模图数据时遇到的扩展性挑战，提出了一种新的核外（Out-of-Core）GNN训练框架——Capsule。

Capsule通过图划分和图裁剪策略，将训练子图结构及其特征完全放入GPU显存中，消除了反向传播过程中CPU与GPU之间的I/O开销，显著提升了系统性能。此外，Capsule采用基于最短哈密顿回路的子图加载方式和流水线并行策略，进一步优化了性能。实验结果显示，在大规模真实图数据集上，Capsule仅使用22.24%的内存即可实现最高12.02倍的性能提升。

这一成果标志着我国在图计算系统领域取得重要突破，为社交网络分析、生物医学图谱构建等需处理超大规模图数据的场景提供了全新解决方案。

本文 原创，转载保留链接！网址：https://licai.bangqike.com/cjnews/1054049.html