Informática - Computación distribuida, paralela y en clústeres

Las ciudades ahora pueden monitorear los caminos para ciclistas de manera más efectiva gracias a la tecnología de crowdsensing.

TangleSim ofrece información sobre el rendimiento y la seguridad de DLT basados en DAG a través de simulaciones.

Explora métodos para asegurar sistemas DAG contra ataques de disponibilidad y mejorar la fiabilidad.

Este artículo analiza el problema del consenso y sus implicaciones en la computación distribuida.

Probar FT-BLAS contra las mejores bibliotecas muestra un rendimiento sólido y una tolerancia a fallos efectiva.

Explorando cómo los protocolos de población pueden proteger datos sensibles entre dispositivos conectados.

GALOIS ofrece una solución flexible para gestionar datos de IoT de manera eficiente en el borde.

Un nuevo proyecto tiene como objetivo mejorar el software RISC-V para aplicaciones en la nube.

Esta investigación se centra en mejorar la gestión de tareas en sistemas autónomos a través de un procesamiento de datos eficiente.

Las optimizaciones mejoran el método de Boltzmann en red para un mejor rendimiento en GPU en simulaciones de fluidos.

DECICE busca optimizar los recursos de computación usando IA y gemelos digitales.

Los investigadores mejoran el rendimiento de las simulaciones usando GPUs para materiales complejos.

Un lenguaje de programación facilita la escritura y ejecución de algoritmos de gráficos en diferentes hardware.

Una visión general de cómo Bitcoin cambia sus reglas y maneja la gobernanza.

BRAIN combina blockchain y IA para transparencia y fiabilidad en modelos grandes.

Los satélites ahora aprenden y analizan datos por su cuenta con aprendizaje automático a bordo.

La desagregación de memoria mejora la eficiencia y el rendimiento al compartir memoria entre servidores.

Descubre los beneficios del Array de Memoria Empacada Comprimida para almacenar datos.

FedPDD mejora los sistemas de recomendación mientras protege la privacidad de los datos de los usuarios.

El aprendizaje federado protege la privacidad mientras mejora las aplicaciones de movilidad.

Te presentamos MoCA, un sistema que mejora la gestión de memoria para redes neuronales profundas.

Una nueva técnica para mejorar el acceso a recursos compartidos mientras se reduce el tiempo de inactividad.

Un nuevo enfoque mejora la velocidad, precisión y costo en sistemas de aprendizaje automático.

Una mirada a las complejidades del consenso en sistemas distribuidos.

Presentando un sincronizador que mejora los algoritmos distribuidos en entornos asincrónicos.

Una mirada a Atomic Broadcast y TEEs para mejor fiabilidad.

Explorando tácticas de búsqueda para un agente móvil usando piedras como marcadores.

Un enfoque novedoso mejora la eficiencia del entrenamiento de los GLMs usando técnicas avanzadas.

El FrameBuffer distribuido mejora la eficiencia de renderizado para grandes conjuntos de datos en varias computadoras.

Examinando la huella de carbono de los servicios en la nube y la necesidad de transparencia.

Una mirada al Árbol de Búsqueda Binaria Amigable con la Contención y su eficiencia.

Un marco para predecir las necesidades de recursos en despliegues de Kubernetes.

EBISU optimiza los cálculos de plantillas en GPUs modernas para un mejor rendimiento.

SplitAMC mejora la privacidad de los datos y reduce la latencia en la clasificación de modulación.

Explora los métodos y desafíos de la evaluación de modelos en el aprendizaje federado.

Un nuevo enfoque de compilador optimiza la multiplicación de matrices para diferentes configuraciones de hardware.

Un nuevo enfoque para la gestión de datos usando tecnología de memoria persistente.

Las restricciones de validez mejoran la fiabilidad y eficiencia en los flujos de trabajo de análisis de datos científicos.

Explora cómo el aprendizaje federado vertical mejora la privacidad en el aprendizaje automático.

Un protocolo para una comunicación eficiente entre microservicios en aplicaciones nativas de la nube.