近日，数据管理领域顶级国际学术会议——2026 ACM SIGMOD/PODS Conference（简称 SIGMOD 2026）公布了论文录用结果，山东大学-南洋理工大学人工智能国际联合研究院（C-FAIR）研究成果“FastGNAS: Accelerating and Scaling Graph Neural Architecture Search on Multi-GPUs via Ring-Based Model Migration”被会议录用，该论文由山东大学作为第一单位完成，C-FAIR宋振副研究员为第一作者。

该工作面向图神经网络结构搜索（Graph Neural Architecture Search, GNAS）这一新兴的自动化机器学习任务，聚焦其在多GPU环境下普遍存在的高计算负载和强数据密集型等关键挑战。GNAS需要对大量候选图神经网络（GNN）结构进行反复训练和评估，容易造成巨大的数据访问冗余和同步开销，现有多GPU方案通常仅采用数据并行或架构并行：前者在多卡同步上成本高昂，后者在大规模数据集上难以扩展。

针对上述瓶颈，FastGNAS提出了一套高效可扩展的多GPU并行训练与数据管理框架：一方面，通过融合数据并行与架构并行并设计环式模型迁移机制，在多GPU间构建高效的数据流，既保留了良好的扩展性，又显著降低了同步成本；另一方面，通过面向中间结果的专用缓存层与批次管理策略，对中间数据进行存储与概率化复用，减少重复加载与计算，降低整体数据管理开销。同时，FastGNAS还引入负载均衡与调度机制，通过任务生成和负载预测实现对不同候选架构的资源感知分配，提升多GPU集群的利用率与吞吐量。实验结果表明，在多种基准数据集上，FastGNAS相比现有先进基线方法平均加速可达3.14倍，最高可达6.18倍，并在模型精度上保持竞争力，有力验证了所提出框架在效率与效果上的综合优势。

SIGMOD是数据库领域的顶级国际会议，致力于展示和分享数据库管理系统和数据管理领域的最新研究成果。作为一年一度的重要学术盛会，SIGMOD在全球学术界和工业界享有极高的声誉，是中国计算机学会（CCF）推荐会议列表中的A类会议。

本次论文的录用，体现了C-FAIR在多GPU并行计算、图数据管理与自动化机器学习交叉领域的持续创新能力，标志着C-FAIR在大规模图数据管理与多GPU并行训练方向的研究工作获得了国际同行的高度认可。