131 articoli
Il paper presenta Nezha, un archivio distribuito chiave-valore che risolve le sovrapposizioni di I/O tra il protocollo di consenso Raft e i motori di storage integrando la separazione chiave-valore e una raccolta spazzatura a livelli, ottenendo così significativi miglioramenti nelle prestazioni di throughput mantenendo la coerenza forte.
Questo articolo propone un framework gerarchico basato sul ciclo OODA (Osserva-Orienta-Decidi-Agisci) distribuito su livelli cloud-edge-terminal e potenziato dalla virtualizzazione delle funzioni di rete, per migliorare l'adattabilità, l'efficienza e il processo decisionale cooperativo degli sciami di droni in ambienti incerti.
Il paper introduce PIM-SHERPA, un metodo software che risolve le inconsistenze negli attributi e nel layout della memoria per abilitare un'efficiente inferenza di modelli linguistici di grandi dimensioni (LLM) su dispositivi edge tramite Processing-in-Memory (PIM), ottenendo risparmi significativi nella capacità di memoria senza compromettere le prestazioni.
Il paper presenta Flash-KMeans, un'implementazione GPU ottimizzata che supera i colli di bottiglia di I/O e di contenzione delle versioni esistenti tramite le innovazioni FlashAssign e sort-inverse update, ottenendo speedup fino a 17,9 volte rispetto ai migliori baseline e fino a 200 volte rispetto alle librerie industriali come FAISS.
Questo lavoro dimostra che l'implementazione di Mamba-2 utilizzando esclusivamente primitive standard XLA, senza kernel personalizzati, abilita un caching autoregressivo portatile e a complessità che raggiunge prestazioni elevate su CPU, GPU NVIDIA e TPU mantenendo la compatibilità numerica con le implementazioni CUDA di riferimento.
Questo studio presenta un'analisi delle prestazioni dell'architettura frontend virtualizzata XRootD di T2_BR_SPRACE, che ha dimostrato di sostenere un throughput aggregato di 51,3 Gb/s e picchi di 41,5 Gb/s verso Fermilab durante trasferimenti dati ad alta intensità su WAN.
Questo lavoro introduce il framework RDFC per la computazione distribuita randomizzata, dimostrando come la comunicazione semantica possa garantire privacy locale e ridurre drasticamente il tasso di trasmissione rispetto ai metodi tradizionali, anche in assenza di casualità condivisa.
Il paper introduce SparseLoom, un sistema dimostrativo che utilizza la "model stitching" per ricombinare sottografi di modelli sparsi senza riaddestramento, permettendo l'inferenza multi-DNN su SoC edge e riducendo significativamente le violazioni degli SLO, migliorando il throughput e diminuendo l'overhead di memoria rispetto agli stati dell'arte.
Questo articolo propone un framework di scheduling basato su offset temporali che, decomponendo i grafi di dipendenza dei dati e sincronizzando i produttori attraverso un algoritmo di ricerca del consenso, garantisce la freschezza dei dati nei sistemi autonomi critici eliminando la latenza artificiale del paradigma LET e l'inefficienza del sovracampionamento.
Questo articolo introduce un quadro teorico di rate-distortion a blocco finito per campi aleatori eterogenei su reticoli finiti, stabilendo limiti non asintotici e un'espansione del secondo ordine che quantificano l'impatto di correlazione spaziale, eterogeneità e vincoli di tassellazione sulle prestazioni di compressione lossy in ambito scientifico.
Il documento propone un sistema di coerenza delle capacità (CCS) che mappa i modelli di consistenza della memoria sui meccanismi di revoca dell'autorizzazione, dimostrando tramite simulazione che la strategia RCC riduce drasticamente le operazioni non autorizzate rispetto ai metodi basati su TTL, eliminando la dipendenza dalla velocità di esecuzione degli agenti.
Questo articolo analizza teoricamente e sperimentalmente la convergenza dell'errore di approssimazione verso zero in due schemi di calcolo codificato generale (BACC e LeTCC) in presenza di un regime probabilistico di server lenti, dimostrando che l'indipendenza delle interruzioni permette di ottenere risultati precisi anche quando il numero medio di server lenti scala con la dimensione totale del sistema.
Il paper presenta EROICA, il primo sistema di risoluzione dei problemi di prestazioni online per l'addestramento di modelli su larga scala, che combina profilazione dettagliata e osservabilità differenziale per diagnosticare con successo sia problemi hardware che software su cluster di GPU di produzione.
Il paper propone Co-LoRA, un metodo di apprendimento federato personalizzato che affronta l'eterogeneità sia dei dati che delle architetture dei modelli attraverso una strategia di aggregazione consapevole della rilevanza del compito e un modulo dimensionale-invariante, validato su un nuovo benchmark multi-modale che dimostra prestazioni superiori rispetto agli stati dell'arte.
Il paper presenta NANOMIND, un framework di co-progettazione hardware-software che ottimizza l'inferenza di modelli multimodali su dispositivi portatili alimentati a batteria suddividendo i modelli in moduli eseguiti su acceleratori eterogenei, ottenendo così un'efficienza energetica superiore e un funzionamento completamente offline.
Il paper sostiene che l'integrazione tra risorse HPC e QPU richieda modelli e metriche di resilienza quantitativa, definiti come vincoli progettuali a priori, per valutare l'impatto delle vulnerabilità e il rapporto costo-beneficio delle migliorie tecnologiche.
Il paper presenta NEST, un framework di posizionamento dei dispositivi per l'addestramento distribuito di deep learning che unifica la parallelizzazione, la modellazione della topologia di rete e la fattibilità della memoria tramite programmazione dinamica strutturata, ottenendo fino a 2,43 volte una maggiore velocità di elaborazione rispetto alle soluzioni esistenti.
Questo articolo presenta un framework di orchestrazione runtime basato su configurazione che genera dinamicamente grafi di esecuzione per l'aggregazione efficiente e a bassa latenza di dati da sistemi distribuiti eterogenei, eliminando la necessità di ridistribuire il codice quando le integrazioni evolvono.
Il paper presenta AIReSim, un simulatore a eventi discreti progettato per valutare sistematicamente le scelte di progettazione, i parametri e le strategie di recupero nei cluster su larga scala per carichi di lavoro AI, al fine di ottimizzare l'affidabilità complessiva e supportare la pianificazione della capacità.
Il documento presenta l'architettura di failover di Uber (UFA), un sistema che ottimizza l'affidabilità e l'efficienza dei costi su larga scala sostituendo il modello di ridondanza 2x con un approccio differenziato basato sulla criticità del servizio, riducendo così il provisioning di base da 2x a 1,3x e liberando oltre un milione di core CPU mantenendo un'uptime del 99,97%.