Informática - Computación distribuida, paralela y en clústeres

Aprende a crear registros SWMR que aguanten los desafíos de procesos bizantinos.

Ejecución eficiente de modelos de transformadores en una plataforma RISC-V de código abierto.

Un nuevo enfoque para programar trabajos en clústeres de procesamiento de datos utilizando árboles de decisión.

FedGELA aborda los desafíos en el aprendizaje federado con datos parcialmente disjuntos por clase.

FedLESAM aborda los desafíos de datos en el aprendizaje federado para mejorar el rendimiento del modelo.

FedMR aborda los desafíos en el aprendizaje federado con datos de clases parciales, mejorando el rendimiento del modelo.

Kosmosis combina datos de blockchain y redes sociales para prevenir estafas cripto.

PadFL mejora el compartir modelos y la eficiencia en diferentes capacidades de dispositivos.

Los protocolos BFT basados en DAG mejoran la escalabilidad y la eficiencia en el procesamiento de transacciones.

Un nuevo enfoque mejora la seguridad y el rendimiento en el aprendizaje federado con blockchain.

Descubre cómo los ciclos ayudan a modelar la sincronización en procesos de diferentes campos.

FunLess ofrece ejecución eficiente de funciones sin servidor en sistemas de nube privada en el borde.

Presentamos el Promedio Dinámico Federado para mejorar la comunicación en el aprendizaje profundo distribuido.

GROMACS integra SYCL para mejorar el rendimiento en GPUs AMD en simulaciones de dinámica molecular.

Un método para el aprendizaje automático colaborativo manteniendo los datos privados.

Explora varias soluciones de almacenamiento de big data y sus características únicas.

SpaFL mejora la comunicación y la computación en el Aprendizaje Federado mientras protege los datos personales.

Una estrategia para mejorar la asignación de servidores para una mejor ejecución de trabajos y reducir retrasos.

Un nuevo método aborda los errores inalámbricos en el aprendizaje federado para dispositivos IoT.

Un análisis de los requisitos de hardware para ejecutar de manera eficiente grandes modelos de lenguaje.

Un nuevo sistema mejora la atención a modelos de lenguaje grandes en distintas configuraciones de GPU.

Un nuevo enfoque de múltiples servidores mejora la eficiencia y velocidad del aprendizaje federado.

Nuevo enfoque mejora la privacidad del aprendizaje automático y la resistencia contra ataques.

Un estudio sobre Dask y Spark para analizar datos de neuroimagen.

Un marco para mejorar la reproducibilidad en flujos de trabajo computacionales para la ciencia.

Una mirada a cómo Rust facilita la gestión de memoria compartida distribuida.

Nuevos métodos mejoran la eficiencia del corte de circuitos cuánticos para sistemas distribuidos.

ReSaQuS mejora la eficiencia de búsqueda cuántica utilizando técnicas innovadoras de gestión de recursos.

Este artículo trata sobre cómo simular datos de clientes para un aprendizaje federado más rápido.

Nuevos métodos en el Aprendizaje Federado mejoran la privacidad y el rendimiento del modelo al manejar datos diversos.

Aprende cómo los rollups optimistas mejoran la velocidad y eficiencia de la blockchain.

Un nuevo marco mejora la eficiencia en el manejo de solicitudes para LLMs.

Fantastyc mejora el aprendizaje federado a través de blockchain para una mejor privacidad y seguridad.

Explorando cómo los dispositivos pueden colaborar para mejor eficiencia y rendimiento.

Aegis presenta cadenas de expansión para mejorar las capacidades y la seguridad del blockchain.

Un nuevo marco mejora los cálculos de probabilidad en conjuntos de datos complejos para varios campos.

Un nuevo enfoque para mejorar las colas de prioridad en entornos de computación complejos.

Explorando las fortalezas y debilidades de SGD local en diferentes entornos de datos.

Optimizar el razonamiento de múltiples saltos mejora la velocidad y la precisión para el análisis de datos complejos.

Nuevos métodos mejoran la velocidad y la eficiencia en la resolución de ecuaciones dependientes del tiempo.