Informática - Computación distribuida, paralela y en clústeres

Un nuevo método acelera significativamente el conteo de triángulos en gráficos.

Un nuevo enfoque para manejar datos RDF de manera eficiente en dispositivos edge.

Explorando maneras de mejorar el intercambio de datos sin comprometer la privacidad del usuario.

Explorando las capacidades de Julia en el modelo de difusión-reacción de Gray-Scott para HPC.

Un nuevo sistema de caché mejora el uso de recursos y se adapta a cargas de trabajo cambiantes.

Un nuevo método mejora la visualización de datos con un uso de memoria mínimo.

Nuevas herramientas están mejorando el análisis de grandes grafos de propiedades.

Una mirada a las características, desafíos y potencial del continuo de computación para los usuarios.

FedGKD mejora el aprendizaje federado para Redes Neuronales de Grafos al optimizar la extracción de características de tareas.

Explorando técnicas de aprendizaje federado para mejorar la eficiencia de la comunicación mientras se preserva la privacidad del usuario.

Mejorando las estrategias de programación de tareas para aplicaciones móviles usando aprendizaje profundo por refuerzo.

Un método para crear registros auditables confiables en sistemas distribuidos.

DFedADMM y DFedADMM-SAM mejoran el entrenamiento del modelo mientras aseguran la privacidad de los datos.

Usar GPUs para acelerar simulaciones de reservorios puede mejorar la eficiencia y reducir los tiempos de cálculo.

Este estudio explora nuevas formas de evaluar aplicaciones de blockchain usando aprendizaje automático.

Un nuevo método mejora los modelos Transformer al reducir el uso de computación y memoria.

Este estudio examina cómo cambian los modelos de aprendizaje profundo durante la búsqueda de arquitecturas neuronales.

Descubre la importancia del tiempo de comunicación y la latencia en los servicios en la nube.

Proponiendo un método dinámico para la selección eficiente de líderes en redes blockchain.

Un enfoque novedoso estima el uso de energía a nivel de aplicación sin métodos intrusivos.

Un nuevo método mejora el Aprendizaje Federado al abordar la obsolescencia y las diferencias entre dispositivos.

Un nuevo sistema para entrenar de forma rápida y eficiente modelos de lenguaje grandes.

Un nuevo modelo mejora el comercio entre cadenas usando el mecanismo de bloqueo-intercambio para mayor eficiencia.

SPIRT ofrece un enfoque confiable y eficiente para el aprendizaje automático distribuido.

Un nuevo sistema integra computación sin servidor y redes de igual a igual para un entrenamiento de modelos eficiente.

FlexCast mejora la eficiencia de entrega de mensajes en sistemas distribuidos usando multicast atómico.

Examinando cómo el tamaño del registro afecta la solvencia de tareas en sistemas distribuidos.

Aprende a manejar los retrasos en el descenso de gradiente de manera efectiva.

Una mirada al paquete de simetrías de red para la física cuántica de muchos cuerpos.

Meld simplifica el procesamiento de datos para experimentos de neutrinos, mejorando la eficiencia de los investigadores.

MANA simplifica el checkpointing para aplicaciones MPI, asegurando una fácil integración y un rendimiento confiable.

Un nuevo método para compartir datos de manera eficiente entre funciones de la nube.

Entendiendo los desafíos y oportunidades en la tecnología de almacenamiento en el borde.

Una mirada a Aprendizaje Profundo de Equilibrio Federado y su impacto en la IA.

Canary mejora el rendimiento de allreduce adaptándose a la congestión de la red de manera dinámica.

Combinando HPC y computación en la nube para mejor rendimiento y ahorro de costos.

Aprende a predecir caídas de servicios en la nube usando métricas de rendimiento.

Este estudio examina cómo la compresión con pérdida afecta la visualización de datos de refinamiento de malla adaptativa.

Evaluando el rendimiento de modelos Transformer usando hardware especializado GAUDI.

Una nueva herramienta optimiza la asignación de recursos para aplicaciones de contenedores en la nube.