Informatique - Informatique distribuée, parallèle et en grappes

Une nouvelle méthode améliore la modélisation de la consommation d'énergie dans les centres de données.

ExeGPT améliore l'efficacité dans le fonctionnement de grands modèles de langage pour les tâches de traitement du langage naturel.

Révolutionner le partage de données et la sécurité dans les réseaux de véhicules avec de nouveaux cadres d'apprentissage.

Présentation de DUETS : une méthode pour optimiser la prise de décision distribuée avec un minimum de communication.

Earth+ améliore la transmission des images satellites en se concentrant sur les changements dans les images.

Un nouveau système améliore la production et le rapport coût-efficacité des grands modèles de langage.

Une nouvelle approche améliore la scalabilité dans les systèmes BFT asynchrones.

BeRGeR propose une livraison de messages fiable dans les réseaux confrontés à des pannes.

Un aperçu des menaces posées par les LLM et des stratégies de défense.

Explorer des méthodes pour améliorer la confidentialité dans l'apprentissage décentralisé tout en gardant la performance.

Un nouveau programme améliore les calculs d'écoulement de fluides en utilisant les méthodes Regent et LSKUM.

Une méthode utilisant des images Sentinel-2 aide à étiqueter automatiquement la glace de mer polaire.

Un nouveau cadre vise à réduire l'empreinte carbone des grands modèles de langage.

Une nouvelle approche combinant la taille et le pruning de tokens pour un traitement d'image efficace.

Rendre le processus d'étalonnage plus simple pour des simulations plus précises en informatique distribuée.

Ajustement dynamique des structures de données pour une performance efficace selon les charges de travail changeantes.

Découvre comment les algorithmes distribués simplifient l'allocation des ressources entre les agents.

FedMef améliore l'apprentissage fédéré pour les appareils à faibles ressources grâce à des techniques de taille innovantes.

Explorer des méthodes pour obtenir une finalité des transactions plus rapide sur le réseau Ethereum.

Une nouvelle méthode utilisant des transformations de Fourier pour une meilleure estimation des moments de données.

De nouvelles méthodes améliorent l'algorithme de Kaczmarz pour résoudre des systèmes linéaires denses.

Un nouveau cadre pour entraîner des modèles sans partager de données sensibles.

Combiner RADICAL-Pilot et Cylon pour une gestion des données efficace en deep learning.

Union simplifie la gestion des charges de travail hybrides dans les environnements de calcul haute performance.

Cette méthode améliore les décisions de routage dans les réseaux Dragonfly en utilisant l'apprentissage automatique.

MRSch améliore la planification des jobs en calcul haute performance en optimisant l'utilisation des ressources.

Une nouvelle approche utilise des arbres de décision pour un planning de jobs plus clair dans l'informatique haute performance.

Les méthodes de routage intelligentes améliorent les performances des réseaux de supercalculateurs Dragonfly.

Un aperçu de comment le DRM améliore l'allocation des ressources en informatique.

Un nouveau protocole améliore l'efficacité de l'entraînement des réseaux de neurones graphes en utilisant le CPU et le GPU.

Explore le passage des CPU aux GPU dans la modélisation de la glace de mer.

Examiner les contrats intelligents, leur sécurité et le rôle de la gestion de la confiance.

Une nouvelle méthode améliore la vie privée dans l'apprentissage fédéré en ligne tout en s'adaptant aux données en évolution.

Raptor améliore la planification des fonctions sans serveur pour des applis plus rapides et plus fiables.

Le Data Mesh transforme la gestion des données en favorisant la propriété et la collaboration des équipes.

Apprends des méthodes pour identifier les cycles pairs dans de grands réseaux et leur importance.

Stratégies pour réduire la latence de démarrage à froid dans les applications sans serveur.

Un aperçu de l’algorithme Raft pour le consensus dans les systèmes distribués.

Explorer l'intersection entre la blockchain et l'apprentissage fédéré pour la confidentialité et la sécurité des données.

THEMIS améliore l'équité et l'efficacité dans la planification des ressources FPGA pour plusieurs utilisateurs.