Informática - Computación distribuida, paralela y en clústeres

Este marco mejora el acceso y la eficiencia de los modelos de IA usando sharding híbrido.

Una propuesta para mejorar la eficiencia de Hyperledger Fabric en el manejo de transacciones conflictivas.

Nuevo método mejora la eficiencia y precisión del entrenamiento de Redes Neurales Graph.

Un nuevo marco aborda los inicios en frío en la computación sin servidor a través de pools cálidos compartidos.

Un marco mejora la gestión de energía en modelos de lenguaje grandes sin perder rendimiento.

La monitorización efectiva de recursos mejora el procesamiento de datos en los flujos de trabajo de investigación científica.

Una mirada más cercana al QAOA y su enfoque distribuido en la computación cuántica.

Técnicas para reducir el uso de energía en sistemas de computación potentes sin sacrificar el rendimiento.

Nuevo método mejora la privacidad de los transformadores de visión en el aprendizaje automático.

Un nuevo enfoque para el checkpointing en MPI mejora la eficiencia y facilita su uso.

Un enfoque novedoso para el aprendizaje federado que mejora la privacidad y la eficiencia.

El marco throttLL'eM reduce el consumo de energía mientras asegura respuestas rápidas.

Tapis mejora la programación de trabajos al predecir los tiempos de espera para obtener resultados más rápidos.

Una mirada al impacto de DRL en la programación de flujos de trabajo en la nube y la computación en el borde.

Aprende cómo el Aprendizaje por Refuerzo Profundo puede reducir los gastos de computación en la nube.

Un nuevo método mejora la protección contra ataques en sistemas de aprendizaje federado.

Nuevos métodos mejoran la velocidad y eficiencia de las instantáneas atómicas en sistemas de paso de mensajes.

FedLog mejora el aprendizaje federado con una comunicación eficiente y privacidad de datos.

Un nuevo sistema mejora la eficiencia del entrenamiento de modelos de lenguaje grandes multimodales.

DaVE ofrece ejemplos para ayudar a visualizar datos complejos de manera efectiva.

Explorando técnicas para mejorar el rendimiento de LLM durante la inferencia.

Un nuevo protocolo mejora la eficiencia y la aleatoriedad en el muestreo entre pares para redes P2P.

Un marco que combina blockchain y meta-aprendizaje federado para el entrenamiento de modelos centrados en el usuario.

Un nuevo marco mejora el procesamiento de datos en dispositivos edge.

Nuevos algoritmos mejoran el análisis de árboles de contorno en grandes conjuntos de datos en diferentes campos científicos.

Un nuevo compilador mejora la comunicación y gestión de tareas en chips de IA.

Descubre cómo la tecnología memristiva puede transformar la eficiencia de la inversión de matrices.

Los investigadores mejoran las simulaciones de sistemas parecidos al cerebro para resolver problemas complejos.

FADAS mejora el aprendizaje federado permitiendo actualizaciones asíncronas de los clientes mientras se mantiene la privacidad de los datos.

Nuevo marco mejora el entrenamiento de modelos de lenguaje multimodal para un mejor rendimiento.

Enfoques para manejar los colores de máquinas virtuales en entornos de computación dinámica.

Un nuevo enfoque que usa redes neuronales de grafos mejora los métodos de coloreado de grafos.

Un nuevo marco mejora la eficiencia del aprendizaje federado mientras protege la privacidad de los datos.

Combinando aprendizaje federado y blockchain para compartir modelos de manera segura.

Una guía para desarrolladores sobre el uso de energía de memoria en computación de alto rendimiento.

FlexMod mejora el aprendizaje federado al optimizar la asignación de recursos para diferentes tipos de datos.

La investigación destaca los patrones de tráfico y la congestión cerca de UNCC usando métodos iterativos.

Presentamos un nuevo método para mejorar la eficiencia del aprendizaje federado a través de submodelos personalizados.

Un nuevo método para mejorar el consenso en sistemas distribuidos usando aprendizaje automático.

Un nuevo marco mejora la privacidad y la eficiencia en el aprendizaje federado.