9月28日，上海交通大学安泰经济与管理学院、智能计算研究院（IIC）团队与合作者在《美国国家科学院院刊》（PNAS）发表论文“Large-scale semidefinite programming with graphics processing units”（https://www.pnas.org/doi/10.1073/pnas.2516128123）。研究通过数学优化算法与GPU架构协同设计，显著提升大规模半定规划的求解效率，为AI4S提供高性能优化计算基础。

       论文第一作者Qiushi Han在本科阶段接受课题组指导，现于麻省理工学院（MIT）攻读博士学位；第二作者林振伟为邓琪教授指导的博士生。邓琪、葛冬冬、叶荫宇现均为交大IIC教授，葛冬冬与南京大学陈彩华教授为共同通讯作者。

       半定规划广泛应用于组合优化、机器学习、控制和量子科学，但传统方法常受计算时间与存储容量限制。团队研发的GPU加速求解器cuLoRADS，并非简单移植CPU程序，而是结合低秩分解、分裂算法与GPU并行特点，重新设计核心计算流程，降低存储需求，拓展超大规模问题的可计算边界。

       实验显示，cuLoRADS在单张H100 GPU上，仅需10秒至1分钟即可求解一组千万阶矩阵的最大割半定规划松弛问题，此前报道的CPU方法则需数十小时；研究还在数分钟内处理了1.7亿阶矩阵的最大割松弛问题及约含2亿个约束的矩阵补全问题。

       cuLoRADS的应用已拓展至多个科学前沿。在量子有序搜索方面，团队与北京大学量子计算团队合作，突破六次查询场景的大规模计算瓶颈，推进量子搜索复杂度上界，成果被ICML 2026接收。在具身智能方面，与哈佛大学Heng Yang团队合作，推进GPU优化方法在机器人轨迹规划与模型预测控制中的应用验证，提升复杂约束下的精确控制能力。 在量子化学方面，与Google Quantum AI合作，利用cuLoRADS计算分子基态能量下界，支撑降低量子模拟资源成本，成果已发表于《Physical Review X》（PRX）。

       从管理科学基础方法到量子科学与具身智能，这项成果展现了安泰团队的交叉创新特色，也体现了对本科生早期科研培养的成效。团队将继续推进优化理论、算法与异构计算融合，为AI4S与智能决策提供基础支撑。