jackdongarra斩获2021图灵奖( 二 ) 3月30日

批处理计算：Dongarra开创了将大型密集矩阵计算（通常用于模拟、建模和数据分析）拆分为多个小型计算任务块的范例，这些块可以独立、并发计算。根据他在2016年发表的论文《GPU上批处理矩阵乘法的性能、设计与自动调优》（Performance,design,andautotuningofbatchedGEMMforGPUs）， Dongarra领导了针对此类计算的“批量基本线性代数子程序标准”（BatchedBLASStandard）开发，相关成果已经在MAGMA和SLATE软件库中得到应用。
在探索以上成果期间， Gongarra以创新推动者的身份与众多同业人士开展国际合作，积极开发新技术以最大限度提高算法性能与可移植性，同时使用前沿成果有力保障数据计算能够给出可靠的结果。他主导的其他成果还包括消息传递接口（MPI）与性能API（PAPI），后者提供的接口能够收集并整合来自异构系统各组件的性能指标。他协助建立的多项标准（包括MPI、LINPACK基准测试、全球超算五百强榜单等）也一直在为气象预测、气候变化、大型物理实验数据分析等计算任务提供有力支撑。
Dongarra的贡献还成功构建起基础框架，帮助无数科学家和工程师在大数据分析、医疗保健、可再生能源、气象预测、基因组学及经济学等领域取得重要发现，进而构建起足以改变游戏规则的重大创新。Dongarra的工作还极大推动了计算机架构的跨越式发展，燃起了计算机图形学与深度学习革命的燎原之火。
Dongarra的主要贡献是建立起开源软件库及标准，其采用线性代数作为中间语言，可为各类应用程序所广泛使用。他的开源软件库能够顺利运行在单处理器、并行计算机、多核节点以及多GPU节点之上。Dongarra还在库中引入众多重要创新，包括自动调优、混合精度算术及批处理计算等。
【jackdongarra斩获2021图灵奖】作为高性能计算先驱， Dongarra致力于说服硬件供应商优化计算方法，并引领软件开发者在工作中使用他编写的开源库。最终，他的努力成功让基于线性代数的软件库在高性能科学与工程计算中得到普及，相关负载遍布从笔记本电脑到超级计算机的各类平台。这些库成为高性能计算发展中的重要基础，也推动着愈发强大的计算机攻克一个又一个极具挑战的计算难题。