Informatica - Informatica distribuita, parallela e in cluster

Esecuzione efficiente di modelli transformer su una piattaforma RISC-V open-source.

Un nuovo modo di pianificare i lavori nei cluster di elaborazione dati usando alberi decisionali.

FedGELA affronta le sfide nell'apprendimento federato con dati parzialmente disgiunti.

FedLESAM affronta le sfide dei dati nell'apprendimento federato per migliorare le prestazioni del modello.

FedMR affronta le sfide nell'apprendimento federato con dati di classi parziali, migliorando le prestazioni del modello.

Kosmosis unisce dati blockchain e social media per prevenire le truffe nel crypto.

PadFL migliora la condivisione dei modelli e l'efficienza tra diverse capacità dei dispositivi.

I protocolli BFT basati su DAG migliorano la scalabilità e l'efficienza nel trattamento delle transazioni.

Un nuovo approccio migliora la sicurezza e le prestazioni nell'apprendimento federato con blockchain.

Scopri come le cicloidi aiutano a modellare la sincronizzazione nei processi in vari campi.

FunLess offre esecuzione di funzioni serverless in modo efficiente nei sistemi cloud edge privati.

Introducendo il Federated Dynamic Averaging per migliorare la comunicazione nel deep learning distribuito.

GROMACS integra SYCL per migliorare le prestazioni sulle GPU AMD nelle simulazioni di dinamica molecolare.

Un metodo per l'apprendimento automatico collaborativo mantenendo i dati privati.

Esplora varie soluzioni di archiviazione dei big data e le loro caratteristiche uniche.

SpaFL migliora la comunicazione e il calcolo nel Federated Learning, mantenendo sicuri i dati personali.

Una strategia per migliorare l'allocazione dei server per una migliore esecuzione dei lavori e ridurre i ritardi.

Un nuovo metodo affronta gli errori wireless nell'apprendimento federato per i dispositivi IoT.

Un'analisi dei requisiti hardware per eseguire in modo efficiente grandi modelli linguistici.

Un nuovo sistema migliora la gestione di grandi modelli linguistici su diverse configurazioni GPU.

Un nuovo approccio multi-server migliora l'efficienza e la velocità dell'apprendimento federato.

Nuovo approccio migliora la privacy del machine learning e la resilienza contro gli attacchi.

Uno studio su Dask e Spark per analizzare dati di neuroimmagini.

Un framework per migliorare la riproducibilità nei flussi di lavoro computazionali per la scienza.

Uno sguardo a come Rust facilita la gestione della memoria condivisa distribuita.

Nuovi metodi migliorano l'efficienza del taglio dei circuiti quantistici per sistemi distribuiti.

ReSaQuS migliora l'efficienza della ricerca quantistica usando tecniche innovative di gestione delle risorse.

Questo articolo parla di come simulare i dati dei clienti per un apprendimento federato più veloce.

Nuovi metodi nel Federated Learning migliorano la privacy e le prestazioni del modello mentre gestiscono dati diversi.

Scopri come gli optimistic rollup migliorano la velocità e l'efficienza della blockchain.

Un nuovo framework migliora l'efficienza nella gestione delle richieste per i LLM.

Fantastyc migliora l'apprendimento federato tramite blockchain per una maggiore privacy e sicurezza.

Esplorando come i dispositivi possono collaborare per una migliore efficienza e prestazioni.

Aegis presenta le catene di espansione per migliorare le capacità e la sicurezza della blockchain.

Nuovo framework migliora i calcoli di probabilità in dataset complessi per vari settori.

Un nuovo modo per migliorare le code di priorità in ambienti di calcolo complessi.

Esplorando i punti di forza e di debolezza del Local SGD in diversi contesti di dati.

Ottimizzare il ragionamento multi-salto migliora la velocità e la precisione per l'analisi di dati complessi.

Nuovi metodi migliorano la velocità e l'efficienza nella risoluzione di equazioni dipendenti dal tempo.

Un nuovo sistema di firma digitale migliora la velocità e la sicurezza nelle applicazioni dei centri dati.