Computerwissenschaften - Verteiltes, paralleles und Cluster-Computing

Ein neuer Compiler-Ansatz vereinfacht die Matrixmultiplikation für verschiedene Hardware-Konfigurationen.

Ein neuer Ansatz für das Datenmanagement mit persistenter Speichertechnologie.

Gültigkeitsbeschränkungen verbessern die Zuverlässigkeit und Effizienz in wissenschaftlichen Datenanalyse-Workflows.

Erforsche, wie vertikales föderiertes Lernen die Privatsphäre im maschinellen Lernen verbessert.

Ein Protokoll für effiziente Kommunikation zwischen Mikrodiensten in cloud-nativen Anwendungen.

Wir stellen ein neues System vor, um die Geschwindigkeit und Effizienz von generativen LLMs zu verbessern.

Ein neues KI-Tool verbessert die Automatisierung von paralleler Programmierung mit OpenMP-Pragmas.

Erforsche drahtlose Energieübertragung und wie man den Energieverlust während der Transfers minimieren kann.

Ein Toolkit, das die Erstellung von SPIR-V-Code für Java-Programmierer vereinfacht.

Neues Tool unterstützt Programmierer bei der MPI-Domänenzerlegung mit KI-Technologie.

Finde heraus, wie BFT die Zuverlässigkeit von IoT-Systemen bei Ausfällen verbessert.

Ein Blick darauf, wie DRackSim bei der Verwaltung von disaggregiertem Speicher in Rechenzentren hilft.

TSoR verbessert die Netzwerkleistung für containerisierte Anwendungen mit RDMA.

Neue Quantenmethoden erkunden, um den Konsens in verteilten Systemen zu verbessern.

Frontier setzt einen neuen Standard mit unübertroffener HPL-Leistung und GPU-Optimierung.

Neue Methoden verbessern Effizienz und Qualität in der Protonentherapie bei Krebs.

Entdecke, wie Hibernate-Container die Leistung und Ressourcenverwaltung in serverlosen Anwendungen verbessern.

Neues Modell verbessert die Leistung von Computersystemen mit erneuerbarer Energie.

Ein neues Tool zur Bewertung von Datenstrukturen mit realitätsnahen Arbeitslasten.

Erfahre, wie Derecho die Zuverlässigkeit verteilter Systeme durch effektive Replikation und Konsens verbessert.

Ein Blick auf Performance-Modellierung und ihre Rolle in Deep-Learning-Systemen.

Dieser Artikel behandelt Algorithmen zur Erreichung von Konsens und Zuverlässigkeit in verteilten Systemen trotz Ausfällen.

Effizienzsteigerung im föderierten Lernen mit risikobewussten Geräte-Strategien.

Federated Learning verbessert das Modelltraining und schützt dabei die Nutzerdaten.

Optimiere das Training von Machine Learning, indem du die Batch-Grössen je nach Serverleistung anpasst.

Erforschung von Multi-Modell asynchronem föderierten Lernen für bessere Effizienz und Privatsphäre.

Eine neue Methode verbessert die GPU-Aufgaben-Synchronisierung für Maschinenlernmodelle.

Erforschen, wie NCAs wachsen und sich anpassen, indem sie interne und externe Signale nutzen.

HotStuff bietet eine effiziente Lösung für die Herausforderungen des Blockchain-Konsenses.

Forschung zeigt effektive Methoden zur Lösung von Horn-SAT-Herausforderungen mit paralleler Datenverarbeitung.

Flover optimiert KI-Inferenz für bessere Leistung und schnellere Antworten.

Untersuchung, wie die Zugänglichkeit bei beliebten Proof-of-Stake-Blockchain-Netzwerken variiert.

Eine Methode zum Testen der Leitfähigkeit ohne zentrale Datensammlung.

Das Hydro-Projekt will das Programmieren für verteilte Systeme einfacher machen.

Entdecke, wie verteilte Algorithmen Sicherheit und Effizienz in Kommunikationsnetzwerken verbessern.

Effektive Techniken für den nahtlosen Umgang mit Datenbanktransaktionen.

Das untersucht Fortschritte bei Konsensalgorithmen für effektives Datensammeln.

WeiAvg verbessert das föderierte Lernen, indem es die Datenvielfalt priorisiert und gleichzeitig die Privatsphäre schützt.

Lern, wie neue Algorithmen die Konsensprobleme in der verteilten Datenverarbeitung angehen.

Die Kombination von Quanten- und Edge-Computing für schnellere und effizientere Anwendungen.