Informática - Computação distribuída, paralela e em cluster

Revolucionando o compartilhamento de dados e a segurança em redes de veículos com novas estruturas de aprendizado.

Apresentando o DUETS: um jeito de otimizar a tomada de decisão em grupo com pouca comunicação.

Earth+ melhora a transmissão de imagens de satélite ao focar nas mudanças nas imagens.

Um novo sistema melhora a produção e a eficiência de custos de modelos de linguagem grandes.

Uma nova abordagem melhora a escalabilidade em sistemas BFT assíncronos.

BeRGeR oferece entrega de mensagens confiável em redes que enfrentam falhas.

Um olhar sobre as ameaças que os LLMs trazem e estratégias de defesa.

Explorando maneiras de aumentar a privacidade no aprendizado descentralizado sem perder desempenho.

Um novo programa melhora os cálculos de fluxo de fluidos usando os métodos Regent e LSKUM.

Um método que usa imagens do Sentinel-2 ajuda a rotular automaticamente o gelo marinho polar.

Uma nova estrutura tem como objetivo reduzir a pegada de carbono em modelos de linguagem grandes.

Uma nova abordagem que combina poda de peso e de tokens para um processamento de imagem mais eficiente.

Otimizando o processo de calibração pra simulações mais precisas em computação distribuída.

Ajuste dinâmico de estruturas de dados pra dar uma performance eficiente com cargas de trabalho diferentes.

Descubra como algoritmos distribuídos deixam a alocação de recursos entre os agentes mais tranquila.

O FedMef melhora o aprendizado federado para dispositivos com poucos recursos através de técnicas de poda inovadoras.

Explorando maneiras de conseguir uma finalização de transação mais rápida na rede Ethereum.

Um método novo usando transformadas de Fourier pra melhorar a estimativa de momentos dos dados.

Novos métodos melhoram o algoritmo de Kaczmarz para resolver sistemas lineares densos.

Um novo framework pra treinar modelos sem compartilhar dados sensíveis.

Combinando RADICAL-Pilot e Cylon pra uma gestão de dados eficiente em deep learning.

A Union facilita a gestão de cargas de trabalho híbridas em ambientes de computação de alto desempenho.

Esse método melhora as decisões de roteamento em redes Dragonfly usando aprendizado de máquina.

O MRSch melhora o agendamento de jobs em computação de alto desempenho otimizando o uso de recursos.

Uma nova abordagem usa árvores de decisão pra um agendamento de trabalho mais claro em computação de alto desempenho.

Métodos de roteamento inteligente melhoram o desempenho em redes de supercomputação Dragonfly.

Um olhar sobre como o DRM melhora a alocação de recursos em computação.

Um novo protocolo melhora a eficiência do treinamento de Redes Neurais Gráficas usando CPU e GPU.

Explorar a mudança de CPUs para GPUs na modelagem do gelo marinho.

Analisando contratos inteligentes, sua segurança e o papel da gestão de confiança.

Um novo método melhora a privacidade no aprendizado federado online enquanto se adapta a dados que mudam.

Raptor melhora o agendamento de funções serverless pra aplicações mais rápidas e confiáveis.

Data Mesh transforma a gestão de dados ao incentivar a propriedade e a colaboração das equipes.

Aprenda sobre métodos para identificar ciclos pares em grandes redes e a importância disso.

Estratégias pra reduzir a latência de cold start em aplicações serverless.

Uma visão geral do algoritmo Raft para consenso em sistemas distribuídos.

Explorando a interseção entre blockchain e aprendizado federado para privacidade e segurança de dados.

THEMIS melhora a justiça e a eficiência no agendamento de recursos FPGA para múltiplos usuários.

FedD2S melhora o Aprendizado Federado personalizando modelos enquanto preserva a privacidade dos dados.

Um framework pra treinar modelos de aprendizado de máquina enquanto protege a privacidade.