138 articoli
Questo studio dimostra che la rimozione del GIL in Python 3.14.2 offre significativi vantaggi di velocità ed efficienza energetica solo per carichi di lavoro paralleli indipendenti, mentre comporta un aumento del consumo energetico e della memoria per le attività sequenziali o con forte contenzione, suggerendo che il suo utilizzo non sia universalmente vantaggioso ma dipenda dalla natura del carico di lavoro.
Questo articolo dimostra come l'errore categoriale FITO, che ignora la fase riflessiva necessaria per stabilire un ordine causale, provochi la corruzione semantica in sistemi quotidiani come la sincronizzazione dei file, la posta elettronica e la memoria, poiché il mero flusso temporale in avanti viene erroneamente scambiato per significato.
Questo saggio conclusivo della serie "La Freccia Semantica del Tempo" costruisce il "Ponte Leibniziano", un quadro unificato che collega fondamenti filosofici, ingegneria dei protocolli e meccanica quantistica attraverso il principio di conservazione dell'informazione reciproca, dimostrando come l'abbandono della fallacia FITO permetta di superare i limiti teorici della computazione distribuita e ridefinire la natura del tempo semantico.
Il documento presenta FluxSieve, un'architettura unificata che integra un livello di precalcolo e filtraggio direttamente nel percorso di ingestione dei dati per migliorare le prestazioni delle query nelle piattaforme di osservabilità cloud, ottenendo miglioramenti fino a ordini di grandezza con costi computazionali e di archiviazione trascurabili.
Il paper presenta PromptTuner, un sistema elastico consapevole degli SLO che ottimizza il prompt tuning per i LLM tramite un Prompt Bank per accelerare la convergenza e uno Workload Scheduler per ridurre le violazioni degli SLO e i costi delle risorse.
Questo lavoro fornisce una caratterizzazione completa delle condizioni che permettono di risolvere il problema dell'Election in reti anonime dotate di casualità condivisa, generalizzando i risultati deterministici esistenti e analizzando l'impatto di diversi livelli di conoscenza strutturale sulla computabilità dell'algoritmo.
Il paper presenta un sistema di trasporto intelligente basato su intelligenza artificiale che scala l'analisi del traffico in tempo reale su una rete edge-cloud, integrando inferenza DNN, modelli grafici spaziotemporali e apprendimento federato per elaborare fino a 1000 flussi video in una città come Bangalore.
Questo articolo presenta la progettazione e l'implementazione di un sistema di monitoraggio che raccoglie, aggrega e rende accessibili tramite diverse API metriche a livello di macchina, container e applicazione da cloud distribuiti, garantendo la necessaria osservabilità per il loro funzionamento in scenari reali.
Questo studio valuta le prestazioni del framework FleCSI su fino a 1024 nodi, dimostrando che il backend MPI offre un'elevata efficienza di parallelizzazione per problemi di comunicazione, mentre il runtime asincrono HPX supera MPI+Kokkos in scenari di calcolo intensivo su un numero ridotto di nodi, nonostante alcune limitazioni attuali nella scalabilità.
Questo articolo propone una strategia di adattamento della qualità del servizio basata sull'intensità di carbonio della rete elettrica, che utilizza un'ottimizzazione multi-orizzonte per ridurre le emissioni di CO2 dei servizi cloud intensivi, come quelli di intelligenza artificiale generativa, fino al 10% senza compromettere la disponibilità locale.
Il documento presenta DCEA, un meccanismo che genera una "Proof of Cloud" crittografica legando l'attestazione delle Macchine Virtuali Confidenziali (CVM) all'evidenza dei moduli TPM della piattaforma, garantendo così che l'esecuzione avvenga fisicamente all'interno di un data center fidato e prevenendo attacchi di relay e proxy.
Il paper introduce OSGym, un motore dati distribuito ed economicamente accessibile che scala migliaia di repliche di sistemi operativi per addestrare agenti informatici generalizzabili su una vasta gamma di compiti, facilitando la raccolta dati e l'ottimizzazione tramite apprendimento per rinforzo.
Questo articolo esplora l'uso di risorse di entanglement multipartito e qudit a quattro dimensioni per implementare efficientemente operazioni di fan-out e porte globali in un contesto di calcolo quantistico distribuito, offrendo implicazioni per la compilazione di circuiti e la progettazione di data center quantistici.
Questo articolo analizza sistematicamente i fallimenti degli agenti basati su LLM nell'analisi delle cause profonde dei guasti nel cloud, rivelando che le principali criticità derivano dall'architettura condivisa piuttosto che dai modelli specifici e dimostrando che l'arricchimento dei protocolli di comunicazione inter-agente è più efficace della sola ingegneria dei prompt per mitigare tali errori.
Il paper propone SENTINEL, un meccanismo di verifica leggero basato su medie esponenziali mobili che garantisce l'integrità dell'addestramento decentralizzato con parallelismo di pipeline su nodi inaffidabili, permettendo l'addestramento di grandi modelli linguistici senza duplicazione computazionale.
Questo lavoro propone un algoritmo euristico basato sulla beam search e sensibile al tempo per partizionare efficientemente i circuiti quantistici in un'architettura distribuita, riducendo significativamente i costi di comunicazione rispetto ai metodi statici e alle meta-euristiche tradizionali.
Il paper presenta PTOPOFL, un framework di apprendimento federato personalizzato che garantisce la privacy e migliora le prestazioni su dati non-IID sostituendo la condivisione dei gradienti con descrittori topologici derivati dall'omologia persistente, riducendo drasticamente il rischio di ricostruzioni dei dati e ottenendo risultati superiori rispetto agli approcci esistenti.
Questo articolo propone un metodo di fusione dei gate quantistici nei percorsi in avanti e all'indietro per la simulazione classica dell'apprendimento quantistico che migliora significativamente il throughput e riduce l'uso della memoria, rendendo fattibile l'addestramento di modelli quantistici su larga scala su GPU consumer.