Computerwissenschaften - Leistung

Wichtige Erkenntnisse zur Verbesserung der Transaktionsverarbeitung in Online-Systemen.

Ein System, das Berechnungen für spärliche Matrizen mit blockierter Speicherung optimiert.

Die Forschung konzentriert sich darauf, Transformer für kleine Geräte mit begrenzten Ressourcen zu optimieren.

Analyse von Hardware und Software für effiziente Quantencomputing-Lösungen.

Untersuchen, wie Kunden zwischen Servicestationen wählen und welchen Einfluss das hat.

Erforscht Performance-Modellierung, um die Effizienz beim Training von Machine Learning mit mehreren GPUs zu verbessern.

LLAMP bewertet die Netzwerk-Latenztoleranz für hochleistungsfähige Computeranwendungen effektiv.

Künstliche Daten bieten kostengünstige Lösungen und sorgen gleichzeitig für Datenschutz und weniger Vorurteile.

Neue Techniken reduzieren den Speicherzugriff und steigern die Leistung in Deep-Learning-Modellen.

Eine neue Methode verbessert die Effizienz des Machine Learning-Trainings und schützt gleichzeitig die Datenprivatsphäre.

Ein Blick auf Netzwerk-Slicing und Ressourcenmanagement in modernen Mobilfunknetzen.

Ein neues System verbessert die Effizienz bei der Analyse von Graphdatenmustern.

Neue Methoden verbessern die QR-Zerlegung für grosse, schlecht konditionierte Matrizen.

Ein Blick darauf, wie Warteschlangensysteme die Effizienz verbessern können.

Neue Verbesserungen an BIT1 steigern die Leistung von Plasmasimulationen durch fortschrittliche Computertechniken.

CXL-Speicher steigert die Kapazität und Effizienz für anspruchsvolle Anwendungen.

Ein flexibles Framework verbessert die Platzierung von Geräten in KI-Modellen für eine bessere Leistung.

Eine neue Plattform, die die Datenverarbeitung mit smarten NICs verbessert.

Diese Studie bewertet die Vorteile von GPUs für CFD-Simulationen in Bezug auf Geschwindigkeit, Leistung und Kosten.

Dieser Artikel untersucht, wie die Anordnung von Daten die Geschwindigkeit und Effizienz von Programmen beeinflusst.

Die Sicherheitsherausforderungen und Lösungen für RIC in Open RAN-Netzwerken untersuchen.

Nutzen von Reinforcement Learning, um die Jobplanung mit Gittins-Index-Techniken zu optimieren.

GROMACS integriert SYCL für bessere Performance auf AMD-GPUs bei molekulardynamischen Simulationen.

Eine Strategie, um die Serverzuweisung zu verbessern, damit Jobs besser ausgeführt werden und Verzögerungen verringert werden.

AI nutzen, um die Vektorisierung zu automatisieren, was die Effizienz und Richtigkeit des Codes verbessert.

Die Optimierung von Multi-Hop-Reasoning verbessert die Geschwindigkeit und Genauigkeit bei komplexen Datenanalysen.

Diese Forschung untersucht, wie variable Ankunfts- und Servicezeiten Warteschlangen beeinflussen.

Das Problem mit dem Cold Start angehen mit neuen Profiling-Techniken für bessere App-Performance.

Ein Blick auf die effiziente Ressourcenzuteilung in Quanten Netzwerken und die Rolle von EGS.

Techniken zur Beschleunigung der Erstellung von Checkpoints für Deep Learning Modelle.

Verbesserung der Reaktionszeiten für grosse Sprachmodelle mit einem neuen adaptiven Ansatz.

CEBench hilft Unternehmen und Forschern, LLMs zu bewerten und dabei Kosten und Leistung im Blick zu behalten.

Ein Blick darauf, wie Autotuning gemischte Kernel-SVMs für die Datenanalyse verbessert.

LLload macht es einfacher, die Arbeitsleistung auf HPC-Systemen zu verfolgen.

MIREncoder verbessert die Code-Optimierung mit multi-modalen Repräsentationen und maschinellem Lernen.

SPOGA beschleunigt tiefe neuronale Netzwerke mit verbesserter Geschwindigkeit und Energieeffizienz.

ConvBench bietet eine neue Möglichkeit, die Leistung von Faltung-Algorithmen effektiv zu bewerten.

Lerne effektive Methoden, um den Energieverbrauch von Software abzuschätzen.

Ein neuer Ansatz, um die Tail-Latenz in Anwendungen mit einem dynamischen Thread-Pool zu reduzieren.

Dieses Papier analysiert die Bedeutung von Auto-Tuning für AMD GPUs im Hochleistungsrechnen.