IEEE International Conference on Parallel and Distributed Systems (ICPADS) 是计算机网络领域的知名会议之一（CCF C类），旨在为全球并行计算、分布式系统、云计算、边缘计算、大数据处理、AI计算系统等相关领域的专家学者、工程技术人员和产业界代表提供一个共享科研成果、交流最新进展、探讨前沿趋势、促进技术合作与产业转化的高水平平台。ICPADS 2025于2025年12月15-17日在中国合肥召开。
信息学院向乔教授团队的研究成果《Toward Scalable and High-Performance GNN-Based Traffic Engineering with Free Path Selection》获得本次会议的最佳论文奖（Best Paper Award）。论文第一作者是信息学院苏强助理教授，通信作者为宋庆禹助理教授和向乔教授，与硕士生蒋怡宁、硕士生黄思咏、舒继武教授、麦吉尔大学刘学教授等合作完成。
流量工程被广泛用于优化现代网络性能，通常被建模为多商品流优化问题并通过数学求解器或机器学习方法求解。然而，随着网络规模扩大，该问题难以扩展。现有方法通过限制可用路径以加速求解，但往往以牺牲性能为代价。在保持自由路径选择的同时实现高性能与低延迟决策仍是关键挑战。该论文提出了一种支持自由路径选择的可扩展高性能流量工程框架 TELD。TELD利用图神经网络高效捕获网络结构特征，实现比传统数学求解器更快速的决策。其核心思想是将多商品流问题重构为更适合学习的形式，并将流量工程约束直接融入图神经网络的训练与推理过程。为此，TELD将流量分配变量从离散松弛为连续形式，并设计了多约束混合图神经网络架构及结果微调机制，以进一步提升性能与效率。实验结果表明，TELD相比最新的基于图神经网络的流量工程方法性能提升约55%，并将决策延迟相较于数学求解器降低了三个数量级。
ICPADS 2025共收到1069篇论文，其中常规论文录用率为29.37%(314/1069)，本次大会共有两篇论文入选最佳论文奖。
