在校期间系统学习了计算机体系结构、算法设计与分析等专业课程，GPA 3.8/4.0，专业排名前 10%。积极参与科研项目，发表学术论文 2 篇，具备扎实的理论基础和科研能力。

• 负责公司高性能计算平台的架构设计与优化，通过对计算节点的硬件选型和软件配置优化，使平台整体计算性能提升 30%，支撑了公司核心业务的高效运行。
• 主导开发了分布式并行计算框架，成功将其应用于气象模拟项目中，该项目涉及海量气象数据的处理与分析，通过框架的优化，使计算时间从原来的 48 小时缩短至 24 小时，大大提高了气象预报的时效性。
• 与跨部门团队协作，为金融客户定制高性能计算解决方案，针对金融风险评估模型的计算需求，设计了专用的计算加速模块，使模型计算效率提升 40%，获得客户高度认可。

• 参与公司自研超算系统的开发，负责计算节点的软件栈构建与性能调优。针对科学计算领域的应用特点，优化了 MPI 通信库，使并行计算任务的通信延迟降低 20%，提升了系统整体性能。
• 负责维护和管理公司高性能计算集群，保障集群 99.9%的高可用性。通过资源调度算法的优化，使集群资源利用率从 70%提升至 85%，降低了运营成本。
• 为生物信息学团队提供技术支持，协助其将基因序列分析算法移植到高性能计算平台上。通过代码并行化改造和数据存储优化，使分析时间从一周缩短至 3 天，加速了科研进程。

项目名称： 大规模流体动力学模拟高性能计算项目 担任角色： 核心开发工程师 项目描述： 该项目旨在通过高性能计算模拟复杂流体动力学现象，为航空航天领域提供技术支持。我负责设计并行计算策略，将计算任务分解到分布式计算节点上。通过优化网格划分算法，使计算精度提高 15%。同时，开发了自适应负载均衡模块，根据计算节点的实时负载动态调整任务分配，使系统整体计算效率提升 25%。项目涉及的数据规模达到 PB 级，最终成功模拟出高精度的流体动力学模型，为飞机机翼设计优化提供了关键数据，项目成果被应用于某型号飞机的改进设计中，预计可降低飞机飞行阻力 8%。

项目名称： 深度学习模型训练高性能加速项目 担任角色： 技术负责人 项目描述： 针对公司深度学习模型训练耗时过长的问题，主导开发高性能加速方案。首先对深度学习框架进行定制化优化，结合 GPU 并行计算特性，优化张量运算内核，使矩阵乘法运算速度提升 30%。然后设计数据预处理流水线，采用异步 I/O 和数据缓存技术，将数据加载时间降低 40%。最终实现深度学习模型训练速度整体提升 50%，在图像识别模型训练中，使训练周期从原来的 72 小时缩短至 36 小时，大大加速了模型迭代和上线速度，为公司人工智能业务发展提供了有力支撑。