Computerwissenschaften - Verteiltes, paralleles und Cluster-Computing

Eine neue Methode verbessert die Effizienz von Deep Learning für Edge-Geräte.

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.

Octopus macht wissenschaftliche Prozesse einfacher durch eine effektive events-basierte Architektur.

Ein Rahmenwerk zur Bewertung von Federated Learning-Modellen in realen Szenarien.

Ein verteiltes Schlüssel-Wert-Speicher einführen, um die Datensicherheit in Cloud-Umgebungen zu verbessern.

Strategien für effektive Platzierung von Container-Images in Cloud-Edge-Netzwerken.

Die Forschung konzentriert sich darauf, LLMs effizienter für den praktischen Einsatz zu machen.

Lern, wie der Umstieg auf Mikrodienste die Softwareleistung und Flexibilität verbessern kann.

Ein neues Framework verbessert das Training von Deep Learning, indem es Hardware und Aufgabenmanagement integriert.

FedDM verbessert das föderierte Lernen für Diffusionsmodelle und sorgt gleichzeitig für Datenschutz.

Methoden zur Optimierung der Leistung beim Training und der Inferenz grosser Sprachmodelle.

Burst-Computing verbessert die Effizienz bei plötzlichen, grossangelegten Cloud-Verarbeitungsaufgaben.

Ein Blick auf Föderiertes Lernen und seine Rolle beim Schutz von Nutzerdaten.

Neue Methoden senken die Kommunikationskosten für schnellere Datenwissenschaftsberechnungen.

Neue Methoden verbessern Netzwerkverbindungstests mithilfe von stochastischen Distanzmessungen.

Eine neue Methode verbessert die Sicherheit von Smart Grids und schützt gleichzeitig die Privatsphäre der Nutzer.

Ein Blick auf Fehlergrenzen und zuverlässige Kompressionsmethoden in der wissenschaftlichen Forschung.

AgileDART macht die Datenverarbeitung am Rand einfacher für schnelle Entscheidungen.

Ein neues System verwaltet Ressourcen beim Inferenz-Serving effizient mit kombinierten Skalierungsstrategien.

Ein neuer Ansatz zur Verbesserung der Anomalieerkennung in Mikrodiensten durch Simulation und das Verhalten echter Nutzer.

LSM-GNN verbessert das Multi-GPU-Training für grossangelegte Graphen-Neuronale-Netzwerke.

Simopt verbessert das FPGA-Design, indem es Simulationsdaten nutzt, um die Leistung zu steigern.

Forscher nutzen Fugaku, um die Analyse von MRI-Daten zu beschleunigen.

vTensor optimiert den Speicher für Hochleistungsrechenaufgaben.

Ein neuer Ansatz zur Verbesserung der Leistung in hierarchischem föderierten Lernen.

Ein neues Toolkit erleichtert die Erstellung und Verwaltung wissenschaftlicher Workflows.

In diesem Artikel wird die Verbindung zwischen kosmischen Strahlen und Speicherfehlern in Computern untersucht.

Eine neue Methode verringert die verschwendete Zeit durch Speicherfehler in der Computertechnik.

AirChain gibt Menschen die Möglichkeit, Luftqualitätsdaten zu sammeln und zu teilen.

Eine neue Methode verbessert die sichere Datenanalyse und schützt dabei die Privatsphäre.

Untersuche Methoden zur Verbesserung von spärlichen Matrixoperationen in der wissenschaftlichen Computation.

Lern, wie verlustbehaftete Kompression und AMR das Datenhandling in Simulationen verbessern.

Ein neuer Ansatz für Quanten-Geld mithilfe von Cloud-Technologie für praktische Anwendungen.

Ein neuer Ansatz zur Verbesserung des Service-Managements in Smart Cities durch Edge Computing.

Ein Rahmenwerk zum Management von Energie bei gleichzeitiger Leistungsoptimierung in serverlosen Anwendungen.

Ein neues Programmiermodell soll die Integration von ML in wissenschaftliche Bereiche erleichtern.

StraightLine optimiert das Ressourcenmanagement für Machine-Learning-Anwendungen in verschiedenen Umgebungen.

Forschung zu Algorithmen für das k-Zentren-Problem in verteilten Netzwerkeinstellungen.

Lernt, wie man den Datenaustausch zwischen Prozessoren durch effektive Broadcast-Zeitpläne optimiert.