Informatique - Informatique distribuée, parallèle et en grappes

Un nouvel algorithme améliore la collaboration en temps réel pour l'édition de documents.

Cette approche améliore l’efficacité de l’entraînement des modèles à partir de grandes données graphiques tout en protégeant la vie privée.

Examiner l'équité et l'efficacité des enchères d'intention commerciale dans la finance moderne.

PASS utilise l'informatique probabiliste pour résoudre efficacement des défis difficiles dans différents domaines.

Domino améliore la vitesse d'entraînement des modèles de langue en optimisant la communication entre les GPU.

Une nouvelle méthode améliore l'efficacité pour gérer de longs textes dans les modèles de langue.

Découvre comment les relations causales influencent les décisions dans différents domaines.

Un aperçu de l'apprentissage fédéré hiérarchique et ses avantages pour la vie privée des appareils.

Une nouvelle méthode améliore l'apprentissage fédéré en réduisant la transmission de données et la consommation d'énergie.

Cette approche améliore l'efficacité et la précision dans l'analyse des données provenant de plusieurs appareils.

Un aperçu de la performance de LFRic sur différents supercalculateurs pour les prévisions météo.

Un outil pour analyser la consommation d'énergie des programmes informatiques.

Une nouvelle méthode protège la vie privée tout en trouvant les valeurs maximales dans des réseaux distribués.

Apprends comment améliorer l'efficacité des modèles de langage à long contexte.

Une étude sur la performance des modèles de détection d'objets sur des petits appareils.

miniLB offre un moyen plus simple d'évaluer les simulations LBM sur différents systèmes matériels.

Un aperçu de la computation préservant la vie privée et de son efficacité grâce à des designs centrés sur la mémoire.

Découvre la technologie blockchain et ses applis dans plein de domaines.

Apprends comment les cycloïdes peuvent rester efficaces même quand il y a des pannes dans le process.

Découvrez comment l'apprentissage automatique booste la compression des données en science.

Une nouvelle méthode pour analyser des graphes incertains et leurs mesures de centralité.

C-sync améliore l'efficacité de la synchronisation temporelle et la résilience aux pannes dans les réseaux IoT.

Des chercheurs utilisent l'apprentissage automatique pour améliorer l'estimation du bruit en informatique quantique.

TensorSocket améliore l'efficacité de l'entraînement en deep learning grâce à un chargement de données partagé.

DAOS propose une gestion des données efficace pour les environnements de calcul haute performance.

TAKFL optimise le partage de connaissances dans l'apprentissage fédéré pour des capacités d'appareils variées.

Cette étude améliore l'efficacité de l'apprentissage fédéré en utilisant des serveurs de périphérie pour une meilleure gestion des ressources.

Faro optimise l'allocation des ressources pour les modèles d'IA dans des environnements limités.

Une nouvelle méthode aide les satellites à réduire leur consommation de batterie et à prolonger leur durée de vie.

Une nouvelle méthode protège l'apprentissage décentralisé des attaques par empoisonnement de données.

L'intelligence en bord et l'informatique quantique améliorent les réseaux satellites-terrestres pour plus d'efficacité.

Intel SHMEM améliore la communication entre GPU, permettant des applications performantes et efficaces.

Présentation d'une solution de stockage sur mesure pour les blockchains de consortium comme Hyperledger Fabric.

Des stratégies innovantes améliorent la détection d'événements rares dans les systèmes d'apprentissage fédéré.

FLeNS améliore l'apprentissage fédéré en équilibrant la vitesse d'apprentissage et l'efficacité de la communication.

Découvrez comment la méthode de Lanczos filtrée améliore les calculs des valeurs propres en utilisant des GPU.

Une nouvelle approche pour planifier efficacement des tâches non préemptives.

Un aperçu de la simplification de l'entraînement de gros modèles avec FSDP et torch.compile.

Optimise l'utilisation du GPU pour améliorer l'efficacité de l'entraînement des modèles intelligents.

MASA propose une solution pour améliorer la sécurité dans les systèmes d'apprentissage fédéré.