Informatique - Informatique distribuée, parallèle et en grappes

Nouvelles méthodes GPU accélèrent l'analyse du pangéome, améliorant la recherche génétique.

L'agrégation de classements aide à combiner les préférences pour prendre de meilleures décisions dans divers domaines.

Une étude sur la récupération d'erreurs et les algorithmes économes en mémoire pour des réseaux dynamiques anonymes.

Stratégies pour gérer les problèmes de timing dans la planification des tâches périodiques.

De nouvelles méthodes améliorent la détection de bugs dans les systèmes distribués en utilisant des techniques d'apprentissage par renforcement.

Découvre les différents niveaux de cohérence dans les systèmes distribués et leur impact.

Une nouvelle méthode renforce la sécurité de l'apprentissage fédéré en combattant efficacement les attaques byzantines.

Exploration des techniques d'apprentissage automatique pour un partitionnement efficace de la conception VLSI.

Introduction d'algorithmes heuristiques pour améliorer l'efficacité de la planification des jobs dans les problèmes de flowshop.

Le cadre CARIn adapte les modèles de deep learning pour une performance optimale sur les appareils mobiles.

RoLoRA améliore l'apprentissage fédéré avec un ajustement fin robuste et une communication efficace.

Une nouvelle approche de l'informatique sans serveur vise à réduire efficacement les émissions de carbone.

Apprends comment la compression de modèle améliore l'efficacité des grands modèles de langage.

Une analyse complète de l'efficacité et de la précision d'un nouvel algorithme dans le traitement des données.

Combiner l'informatique quantique et classique pour faire avancer la recherche scientifique.

Une nouvelle méthode améliore la planification des tâches sur les serveurs de périphérie en utilisant des algorithmes heuristiques et l'informatique évolutive.

GreenWhisk se concentre sur la réduction des émissions de carbone dans le cloud computing.

DiOMP combine PGAS et OpenMP pour une programmation efficace des systèmes distribués.

Une nouvelle approche utilise l'apprentissage fédéré pour optimiser les décisions de délégation des tâches mobiles.

De nouvelles techniques de compression accélèrent l'entraînement des gros modèles de langue tout en gardant la précision.

De nouvelles méthodes améliorent l'efficacité de l'apprentissage automatique dans les environnements mobiles.

Analyser la consommation d'énergie des supercalculateurs pour améliorer l'efficacité.

L'équilibrage de charge piloté par l'IA améliore la performance et l'efficacité du cloud.

Une nouvelle approche pour une IA mobile flexible utilisant des modèles de langage sur appareil.

Présentation de FedFT, une méthode pour améliorer la communication dans l'apprentissage fédéré.

Cet article examine comment l'intégration de Coarray et CUDA Fortran améliore les performances de calcul.

Un devoir captivant sur l'alignement des séquences d'ADN aide à l'éducation à la programmation parallèle.

Apprends comment la vérification des entrées de modèle protège la précision des simulations dans différents domaines.

Une nouvelle méthode améliore l'apprentissage collaboratif en optimisant la sélection des clients et l'entraînement de modèles personnalisés.

Explorer de nouveaux protocoles pour un consensus sécurisé dans les réseaux décentralisés en utilisant la technologie quantique.

Une nouvelle bibliothèque améliore les algorithmes MPPI pour les applications robotiques.

Une nouvelle méthode pour entraîner des CNN directement sur des appareils mobiles et des dispositifs de périphérie.

Rationaliser les jumeaux numériques grâce à des modèles d'ordre réduit et à l'informatique haute performance.

Une nouvelle méthode renforce la confidentialité tout en garantissant une bonne performance du modèle dans l'apprentissage fédéré.

Inf-MLLM améliore l'efficacité dans la gestion de flux de données complexes avec des ressources limitées.

Une méthode innovante de données synthétiques améliore la précision de l'imagerie médicale tout en protégeant la vie privée des patients.

De nouvelles stratégies pour la collaboration des agents renforcent la confiance et l'efficacité des réponses de l'IA.

Une nouvelle méthode améliore la fiabilité et l'efficacité de la blockchain dans les réseaux décentralisés.

FedD2P propose une nouvelle façon pour l'IoT d'entraîner des modèles sans avoir besoin de grosses ressources.

Analyser la performance des datacenters HPC avec des workloads ML et traditionnels.