Informatique - Informatique distribuée, parallèle et en grappes

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.

Une nouvelle approche utilise l'apprentissage par renforcement pour s'attaquer aux problèmes de démarrage à froid dans l'informatique sans serveur.

Explorer des méthodes pour distribuer les biens de façon équitable selon les préférences de chacun.

Une étude sur la parallélisation des réseaux de neurones en utilisant le langage de programmation Go.

Explorer le rôle des GNN dans le traitement des données de nuages de points.

Un nouvel algorithme améliore la vitesse et l'efficacité dans le traitement des tenseurs clairsemés.

Découvrez comment les algorithmes parallèles accélèrent les calculs de LCS pour les grands ensembles de données.

Une nouvelle méthode accélère considérablement le comptage des triangles dans les graphes.

Une nouvelle façon de gérer les données RDF sur les appareils edge de manière efficace.

Explorer des moyens d'améliorer le partage de données tout en garantissant la vie privée des utilisateurs.

Explorer les capacités de Julia dans le modèle de diffusion-réaction de Gray-Scott pour le HPC.

Un nouveau système de cache améliore l'utilisation des ressources et s'adapte aux charges de travail changeantes.

Une nouvelle méthode améliore la visualisation des données avec un minimum d'utilisation de mémoire.

De nouveaux outils améliorent l'analyse des grands graphes de propriété.

Un aperçu des caractéristiques, défis et potentiel du continuum informatique pour les utilisateurs.

FedGKD améliore l'apprentissage fédéré pour les réseaux de neurones graphes en optimisant l'extraction des caractéristiques des tâches.

Explorer des techniques d'apprentissage fédéré pour améliorer l'efficacité de la communication tout en préservant la vie privée des utilisateurs.

Améliorer les stratégies de planification des tâches pour les applis mobiles en utilisant l'apprentissage par renforcement profond.

Une méthode pour créer des registres fiables et audités dans des systèmes distribués.

DFedADMM et DFedADMM-SAM améliorent l'entraînement des modèles tout en garantissant la confidentialité des données.

Utiliser des GPU pour accélérer les simulations de réservoir peut améliorer l'efficacité et réduire les temps de calcul.