高性能计算工程师简历模板

• 负责千卡级GPU训练集群通信优化，基于NCCL与自研AllReduce策略将大模型训练吞吐提升约35%。
• 主导科学计算核心内核CUDA重构，单卡算子性能提升2.1倍，支撑3个业务线按期交付。
• 搭建性能回归与压测平台，将集群故障定位时间从小时级缩短至15分钟内。

• 参与流体仿真求解器MPI并行化改造，支持万核规模扩展，并行效率保持在78%以上。
• 优化内存访问与向量化指令，单节点计算耗时降低约40%，客户验收一次通过。

• 针对AllReduce通信瓶颈设计分层拓扑感知算法，端到端训练迭代时间缩短28%。
• 联合网络团队完成RDMA参数调优，跨节点带宽利用率由62%提升至89%。

• 完成12个高频算子从CUDA到国产加速卡的迁移适配，精度误差控制在1e-5以内。
• 通过流水线与共享内存优化，整体推理时延下降约30%，通过业务方验收。

研究方向：并行计算与体系结构；参与国家自然科学基金高性能计算课题。

主修数据结构、操作系统、计算机组成原理；CET-6。