Informática - Computación distribuida, paralela y en clústeres

Los últimos avances mejoran la velocidad y eficiencia en las simulaciones de circuitos cuánticos.

Un nuevo marco para el entrenamiento eficiente de modelos de lenguaje en varias computadoras.

Explorando la privacidad diferencial a nivel de usuario en el entrenamiento de modelos de lenguaje grandes.

Explorando los beneficios del Aprendizaje Federado para la detección de anomalías en redes IoT.

EFVFL ofrece un método estable para una comunicación eficiente sin compartir datos privados.

La investigación destaca la robustez del modelo y las defensas en el aprendizaje federado descentralizado.

Un estudio sobre cómo mejorar la asignación de tareas y la programación de trabajos para mayor eficiencia.

Este artículo habla sobre la importancia de los algoritmos de hashing en la tecnología blockchain.

Un nuevo método para mejorar la planificación de tareas en flujos de trabajo científicos complejos.

StatuScale mejora la gestión de recursos para microservicios, manejando de forma efectiva las demandas de carga de trabajo repentinas.

Una mirada a un nuevo método para mejor la gestión de recursos en microservicios.

Un nuevo enfoque para detectar anomalías en dispositivos IoT usando aprendizaje colaborativo.

El aprendizaje federado mejora la imagen médica mientras protege los datos de los pacientes.

Un nuevo marco busca reducir los problemas de rendimiento para servicios críticos de latencia.

Nuevas técnicas de conteo mejoran el análisis de grandes conjuntos de datos genómicos.

Un nuevo método mejora la eficiencia del aprendizaje profundo para dispositivos edge.

Un nuevo enfoque para reducir la latencia de cola en aplicaciones usando un pool de hilos dinámico.

Este documento analiza la importancia de la autoajuste para las GPUs de AMD en computación de alto rendimiento.

Octopus simplifica los procesos científicos a través de una arquitectura basada en eventos muy efectiva.

Un marco para evaluar modelos de Aprendizaje Federado en escenarios del mundo real.

Presentando un store de clave-valor distribuido para mejorar la seguridad de los datos en entornos de nube.

Estrategias para una colocación efectiva de imágenes de contenedor en redes de nube y borde.

La investigación se centra en hacer que los LLMs sean más eficientes para su uso práctico.

Aprende cómo pasar a microservicios puede mejorar el rendimiento y la flexibilidad del software.

Un nuevo marco mejora el entrenamiento de aprendizaje profundo al integrar la gestión de hardware y tareas.

FedDM mejora el aprendizaje federado para modelos de difusión mientras garantiza la privacidad de los datos.

Métodos para optimizar el rendimiento en el entrenamiento e inferencia de modelos de lenguaje grandes.

La computación explosiva mejora la eficiencia para tareas de procesamiento en la nube grandes y repentinas.

Una mirada a la Aprendizaje Federado y su papel en la protección de los datos de los usuarios.

Nuevos métodos reducen los costos de comunicación para hacer cálculos de ciencia de datos más rápido.

Nuevos métodos mejoran las pruebas de conectividad de redes usando medidas de distancia estocásticas.

Un nuevo método mejora la seguridad de las redes inteligentes sin comprometer la privacidad del usuario.

Una mirada a los límites de error y métodos de compresión confiables en la investigación científica.

AgileDART optimiza el procesamiento de datos en el borde para tomar decisiones rápidas.

Un nuevo sistema gestiona eficientemente los recursos en el servicio de inferencia usando estrategias de escalado combinadas.

Un nuevo enfoque para mejorar la detección de anomalías en microservicios usando simulación y el comportamiento real de los usuarios.

LSM-GNN mejora el entrenamiento multi-GPU para redes neuronales de grafos a gran escala.

Simopt mejora el diseño de FPGA aprovechando datos de simulación para un mejor rendimiento.

Los investigadores usan Fugaku para acelerar el análisis de datos de MRI.

vTensor optimiza la memoria para tareas de computación de alto rendimiento.