138 articles
Cette étude révèle que la version de Python 3.14.2 sans GIL offre des gains significatifs en temps d'exécution et en efficacité énergétique pour les charges de travail parallélisables, mais entraîne une surconsommation d'énergie pour les tâches séquentielles et une augmentation de l'empreinte mémoire due aux mécanismes de sécurité thread-safe.
Ce quatrième article démontre que l'erreur de catégorie FITO, qui consiste à confondre la succession temporelle avec l'intégration sémantique en l'absence de phase de réflexion transactionnelle, provoque des corruptions systématiques dans la synchronisation de fichiers, la messagerie électronique et la mémoire, tant humaine qu'artificielle.
Ce papier final de la série établit le « Pont Leibniz », un cadre unifié reliant la philosophie, l'ingénierie des protocoles et la physique quantique via le principe de conservation de l'information mutuelle, démontrant ainsi que les théorèmes d'impossibilité en informatique distribuée sont des artefacts du modèle FITO et non des limites fondamentales de la physique.
Ce papier présente FluxSieve, une architecture unifiée qui intègre un prétraitement et un filtrage légers directement dans le flux d'ingestion des données pour concilier les plans de données analytiques et de streaming, permettant ainsi d'améliorer considérablement les performances des requêtes dans les plateformes d'observabilité cloud à grande échelle avec un surcoût de calcul et de stockage négligeable.
Le papier présente PromptTuner, un système élastique conscient des objectifs de niveau de service (SLO) qui optimise le réglage des prompts pour les grands modèles de langage grâce à une banque de prompts et un planificateur de charge de travail, réduisant ainsi significativement les violations de SLO et les coûts par rapport aux systèmes existants.
Cet article propose une caractérisation complète des conditions d'existence d'algorithmes d'élection randomisés dans des réseaux anonymes, en analysant l'impact de diverses connaissances structurelles et de la nature partagée ou non des sources de hasard.
Cet article présente un système de transport intelligent piloté par l'IA, déployé sur une architecture edge-cloud, qui permet l'analyse en temps réel et l'inférence prédictive de flux de trafic à l'échelle de la ville en traitant jusqu'à 1000 flux vidéo via une orchestration adaptative et un apprentissage fédéré continu.
Cet article présente la conception et la mise en œuvre d'un système de surveillance capable de collecter, d'agréger et de rendre accessibles via plusieurs API des métriques détaillées issues de clouds distribués dynamiques, afin d'assurer une observabilité essentielle à leur viabilité opérationnelle.
Cette étude évalue les performances du framework FleCSI sur des applications de physique computationnelle en comparant ses backends MPI, Legion et HPX, révélant que si Legion présente des limites d'évolutivité, le backend HPX offre des avantages significatifs en termes de vitesse sur des configurations de taille modérée tout en maintenant une efficacité parallèle élevée pour les solveurs de Poisson.
Cet article propose une méthode d'adaptation de la qualité de service basée sur l'intensité carbone du réseau électrique et une optimisation multi-horizon pour réduire les émissions de CO₂ des services cloud intensifs en énergie, tels que les grands modèles de langage, tout en respectant un budget carbone annuel.
Ce papier présente DCEA, un mécanisme qui génère une preuve cryptographique garantissant l'exécution des machines virtuelles confidentielles au sein d'un centre de données spécifique en liant les attestations TEE aux preuves matérielles de la plateforme, comblant ainsi la faille de sécurité actuelle qui permet des attaques par relais et mix-and-match.
OSGym est un moteur de données distribué et évolutif conçu pour entraîner des agents informatiques généralisables sur plus d'un millier de répliques de systèmes d'exploitation à un coût abordable pour le milieu universitaire, tout en offrant une grande flexibilité de personnalisation et une efficacité de génération de données.
Cet article explore l'utilisation de l'intrication multipartite et des qudits pour optimiser la mise en œuvre de portes globales dans le calcul quantique distribué, offrant ainsi des perspectives pour la compilation de circuits et la conception de centres de données quantiques.
Cet article identifie que les échecs systématiques des agents d'IA dans l'analyse de cause racine du cloud proviennent principalement de défauts architecturaux partagés plutôt que de limitations des modèles individuels, démontrant que l'enrichissement des protocoles de communication inter-agents est plus efficace que le simple ajustement des invites pour atténuer ces erreurs.
Le papier présente SENTINEL, un mécanisme de vérification léger basé sur des moyennes mobiles exponentielles qui garantit l'intégrité de l'entraînement décentralisé en parallélisme de pipeline sur des nœuds non fiables sans duplication de calcul, permettant l'entraînement efficace de grands modèles jusqu'à 4 milliards de paramètres.
Cet article propose un algorithme heuristique basé sur une recherche en faisceau et sensible au temps pour partitionner efficacement les circuits quantiques dans un environnement de calcul distribué, minimisant ainsi les coûts de communication entre les unités de traitement quantique tout en offrant une complexité computationnelle bien inférieure à celle des métaheuristiques existantes.
Le papier présente PTOPOFL, un cadre d'apprentissage fédéré personnalisé qui remplace l'échange de gradients par des descripteurs topologiques issus de l'homologie persistante pour garantir une confidentialité accrue et améliorer la convergence dans des environnements de données non indépendants et non identiquement distribués (non-IID).
Cet article propose une méthode de fusion de portes quantiques dans les chemins avant et arrière pour réaliser une simulation classique rapide et économe en mémoire de l'apprentissage automatique quantique, offrant des gains de débit significatifs et permettant l'entraînement de modèles à grande échelle sur des GPU grand public.