胡琳关于图模式挖掘的论文《GAMMA：A Graph Pattern Mining Framework for Large Graphs on GPU》被ICDE 2023 接收。

图模式挖掘（GPM）算法最近越来越受到大家的关注。 GPM 有许多并行的计算框架，但是它们中有许多都没有让人满意的性能。 GPU 常被用于图计算任务，并且实现了很大的性能提升；但是，并行 GPM 算法会产生大量中间结果，而GPU的显存空间有限，这限制了 GPM 在 GPU 上的实现。在本文中，我们提出了 GAMMA，一个 GPU 上的 GPM 计算框架，它充分利用主机内存来处理大图。具体来说，GAMMA通过对于主存的隐式访问来提高用户编程的简便性，通过多级内存设计来提升系统的整体内存带宽。 GAMMA 为用户构建上层算法提供了灵活有效的接口。我们还针对GPU处理大图的系统中的原语提供了一些优化。实验结果表明，GAMMA 在可处理的图规模上比现有算法框架具有一个数量级的提升，并且比现有的 GPM 框架也有更好的性能。