Informática - Computação distribuída, paralela e em cluster

Desenvolvimentos recentes melhoram a velocidade e a eficiência nas simulações de circuitos quânticos.

Um novo framework pra treinar modelos de linguagem de forma eficiente em vários computadores.

Explorando privacidade diferencial em nível de usuário no treinamento de modelos de linguagem grande.

Explorando os benefícios do Aprendizado Federado para detecção de anomalias em redes de IoT.

EFVFL oferece um jeito estável de se comunicar de forma eficiente sem compartilhar dados pessoais.

Pesquisas destacam a robustez do modelo e defesas no aprendizado federado descentralizado.

Um estudo sobre como melhorar a atribuição de tarefas e o agendamento de trabalhos pra ter mais eficiência.

Este artigo fala sobre a importância dos algoritmos de hashing na tecnologia blockchain.

Um novo método pra melhorar o agendamento de tarefas em fluxos de trabalho científicos complexos.

O StatuScale melhora a gestão de recursos para microserviços, lidando bem com demandas de carga de trabalho repentinas.

Uma olhada em um novo método para melhorar a gestão de recursos em microsserviços.

Uma nova abordagem para detectar anomalias em dispositivos IoT usando aprendizado colaborativo.

O aprendizado federado melhora a imagem médica enquanto protege os dados dos pacientes.

Uma nova estrutura tem como objetivo reduzir problemas de desempenho para serviços críticos de latência.

Novas técnicas de contagem melhoram a análise de grandes conjuntos de dados genômicos.

Um novo método melhora a eficiência do aprendizado profundo para dispositivos de borda.

Uma nova abordagem para reduzir a latência de cauda em aplicações usando um pool de threads dinâmico.

Esse artigo analisa a importância da auto-ajuste para GPUs AMD em computação de alto desempenho.

O Octopus simplifica processos científicos com uma arquitetura orientada a eventos bem eficaz.

Uma estrutura para avaliar modelos de Aprendizado Federado em cenários do mundo real.

Apresentando um sistema de chave-valor distribuído pra aumentar a segurança dos dados em ambientes de nuvem.

Estratégias para um bom posicionamento de imagens de contêiner em redes de nuvem e borda.

A pesquisa foca em tornar os LLMs mais eficientes pra uso prático.

Aprenda como a transição para microsserviços pode melhorar a performance e a flexibilidade do software.

Um novo framework melhora o treinamento de deep learning ao integrar gerenciamento de hardware e tarefas.

FedDM melhora o aprendizado federado para modelos de difusão, garantindo a privacidade dos dados.

Métodos para otimizar o desempenho no treinamento e na inferência de modelos de linguagem grandes.

Computação sob demanda melhora a eficiência para tarefas de processamento em nuvem grandes e repentinas.

Um olhar sobre o Aprendizado Federado e seu papel na proteção dos dados dos usuários.

Novos métodos reduzem os custos de comunicação para cálculos de ciência de dados mais rápidos.

Novos métodos melhoram os testes de conectividade de rede usando medições de distância estocásticas.

Um novo método melhora a segurança das redes inteligentes sem comprometer a privacidade do usuário.

Uma olhada nos limites de erro e métodos de compressão confiáveis na pesquisa científica.

AgileDART agiliza o processamento de dados na ponta pra decisões rápidas.

Um novo sistema gerencia eficientemente os recursos na oferta de inferência usando estratégias de escalonamento combinadas.

Uma nova abordagem para melhorar a detecção de anomalias em microserviços usando simulação e comportamento real dos usuários.

LSM-GNN melhora o treinamento em múltiplas GPUs para redes neurais em grafos de grande escala.

Simopt melhora o design de FPGA aproveitando dados de simulação para um desempenho melhor.

Pesquisadores usam o Fugaku pra acelerar a análise de dados de MRI.

vTensor otimiza a memória para tarefas de computação de alto desempenho.