Informatique - Informatique distribuée, parallèle et en grappes

Présentation d'un cadre d'apprentissage collaboratif pour améliorer la sécurité de la blockchain.

Specx améliore la gestion des tâches sur différents systèmes informatiques pour des performances d'application plus rapides.

Une nouvelle méthode améliore la location de ressources pour le cloud et l'edge computing.

Hanayo améliore l'efficacité de l'entraînement des grands modèles de langage avec sa structure en vagues.

Découvre comment le calcul approximatif optimise les performances dans le calcul haute performance.

Apprends comment les systèmes d'audit améliorent la sécurité des données et la responsabilité.

FedLADA améliore la vitesse et la précision de l'entraînement des modèles tout en garantissant la confidentialité des données.

Ce document explore des configurations d'ajustement pour de meilleures performances dans les plateformes de données cloud.

Equitable-FL permet un apprentissage fédéré efficace sur des appareils avec des ressources variées.

Ce papier explore l'impact de la logique multirôle sur les opérations logiques et les systèmes de communication.

Apprends des méthodes pour créer des scénarios pessimistes pour des programmes concurrents.

Cette étude examine la dynamique du vote majoritaire dans les réseaux sociaux et ses implications pour les élections.

FCCA améliore la précision des modèles tout en garantissant la confidentialité des utilisateurs dans l'apprentissage fédéré.

Un aperçu des protocoles de diffusion dans les systèmes distribués en mettant l'accent sur l'efficacité de la communication.

Objcache améliore l'accès aux données et la cohérence pour les applications conteneurisées.

Une étude sur comment les CPU et les GPU influencent l'efficacité de l'entraînement en deep learning.

Un aperçu des systèmes de recommandation avancés utilisant des modèles maître-esclave pour de meilleures suggestions utilisateur.

Grove propose une méthode pour garantir la fiabilité dans les systèmes distribués.

SymED propose une représentation symbolique adaptative pour la gestion des données IoT en temps réel.

Ce boulot parle de comment les robots peuvent se voir entre eux dans des environnements en grille.

Explorer comment l'informatique de périphérie améliore les sites web statiques et leur hébergement.

Étude des performances du logiciel FLASH sur le système informatique A64FX pour des simulations astrophysiques.

Examiner les effets climatiques des systèmes informatiques et leurs implications pour la durabilité.

Recherche sur l'amélioration de l'efficacité énergétique dans les simulations de circuits quantiques avec ARCHER2.

Présentation d'OrcoDCS pour un traitement de données efficace dans les environnements IoT.

Cet article parle des méthodes pour maintenir l'ordre des messages dans Kafka.

Méthodes pour la certification locale des graphes d'intersection géométrique en utilisant des certificats compacts.

De nouvelles méthodes améliorent l'efficacité de l'apprentissage fédéré tout en garantissant la vie privée des données.

La recherche se concentre sur l'amélioration de la sécurité des messages pendant des conditions réseau imprévisibles.

Cet article compare Llama-2 et GPT-3 dans la génération de code HPC.

Un aperçu des modèles de programmation GPU pour un calcul efficace.

De nouvelles méthodes améliorent l'entraînement des modèles tout en protégeant la vie privée des utilisateurs.

Une nouvelle méthode de gestion de la mémoire améliore les performances des grands modèles de langage.

Méthode innovante pour analyser des données médicales tout en garantissant la protection de la vie privée.

Cet article parle des techniques de DRL pour améliorer la planification dans les environnements IoT.

MPI Advance améliore l'échange de messages pour une meilleure efficacité de calcul.

Apprends comment les types de session garantissent une communication sûre dans les systèmes logiciels.

FedDIP optimise la communication en apprentissage fédéré grâce à l'élagage dynamique et à la régularisation.

MPCGPU accélère le contrôle en robotique en utilisant des GPU pour plus de précision.

Une nouvelle approche pour améliorer le dimensionnement automatique des fonctions sans serveur en utilisant l'apprentissage par renforcement.