Informatique - Informatique distribuée, parallèle et en grappes

Le FrameBuffer distribué améliore l'efficacité du rendu pour de gros ensembles de données sur plusieurs ordinateurs.

Examiner l'empreinte carbone des services cloud et le besoin de transparence.

Un aperçu de l'arbre binaire de recherche convivial pour la contention et son efficacité.

Un cadre pour prédire les besoins en ressources dans les déploiements Kubernetes.

EBISU optimise les calculs de pochoir sur les GPU modernes pour de meilleures performances.

SplitAMC améliore la confidentialité des données et réduit la latence dans la classification de modulation.

Explore les méthodes et les défis de l'évaluation des modèles en apprentissage fédéré.

Une nouvelle approche de compilation simplifie la multiplication de matrices pour différents types de matériel.

Une nouvelle approche de la gestion des données en utilisant la technologie de la mémoire persistante.

Les contraintes de validité améliorent la fiabilité et l'efficacité des flux de travail d'analyse de données scientifiques.

Explore comment l'apprentissage fédéré vertical renforce la confidentialité dans l'apprentissage automatique.

Un protocole pour une communication efficace entre les microservices dans les applications cloud-native.

Présentation d'un nouveau système pour améliorer la vitesse et l'efficacité des LLMs génératifs.

Un nouvel outil d'IA améliore l'automatisation de la programmation parallèle avec les pragmas OpenMP.

Explore le partage d'énergie sans fil et comment minimiser les pertes d'énergie pendant les transferts.

Un kit d'outils qui simplifie la création de code SPIR-V pour les programmeurs Java.

Un nouvel outil aide les programmeurs dans la décomposition de domaine MPI en utilisant la technologie IA.

Apprends comment le BFT améliore la fiabilité des systèmes IoT face aux pannes.

Un aperçu de comment DRackSim aide à gérer la mémoire désagrégée dans les centres de données.

TSoR améliore la performance des réseaux pour les applications conteneurisées en utilisant RDMA.

Explorer de nouvelles méthodes quantiques pour améliorer le consensus dans les systèmes distribués.

Frontier fixe un nouveau standard avec des performances HPL inégalées et une optimisation GPU.

De nouvelles méthodes améliorent l'efficacité et la qualité de la protonthérapie pour le cancer.

Découvre comment les conteneurs Hibernate améliorent la performance et la gestion des ressources dans les applications sans serveur.

Un nouveau modèle améliore les performances des systèmes informatiques utilisant des énergies renouvelables.

Un nouvel outil pour évaluer les structures de données avec des charges de travail inspirées de la vie réelle.

Apprends comment Derecho améliore la fiabilité des systèmes distribués grâce à une réplication et un consensus efficaces.

Un aperçu du modélisation de la performance et de son rôle dans les systèmes d'apprentissage profond.

Cet article parle des algorithmes pour atteindre le consensus et la fiabilité dans les systèmes distribués malgré les pannes.

Améliorer l'efficacité dans l'apprentissage fédéré avec des stratégies de dispositifs conscientes des risques.

L'apprentissage fédéré améliore l'entraînement des modèles tout en gardant les données des utilisateurs privées.

Optimise l'entraînement du machine learning en ajustant les tailles de batch selon la performance du serveur.

Explorer l'apprentissage fédéré asynchrone multi-modèle pour une meilleure efficacité et confidentialité.

Une nouvelle méthode améliore la synchronisation des tâches GPU pour les modèles de machine learning.

Explorer comment les ANC se développent et s'adaptent en utilisant des signaux internes et externes.

HotStuff propose une solution efficace aux défis de consensus de la blockchain.

Des recherches montrent des méthodes efficaces pour résoudre les défis Horn-SAT en utilisant le calcul parallèle.

Flover simplifie l'inférence de l'IA pour de meilleures performances et des réponses plus rapides.

Examine comment l'accessibilité varie parmi les réseaux blockchain Proof-of-Stake populaires.

Une méthode pour tester la conductance sans collecte de données centralisée.