138 편의 논문
이 논문은 Python 3.14.2 의 GIL 제거 빌드가 병렬화 가능한 작업에서는 실행 시간과 에너지 소비를 획기적으로 줄이는 반면, 순차적 작업이나 공유 객체 접근이 빈번한 경우 오히려 에너지 효율이 저하되고 메모리 사용량이 증가한다는 트레이드오프를 규명하여, 도입 전 워크로드 특성을 신중히 평가할 것을 권고합니다.
이 논문은 파일 동기화, 이메일, 기억 시스템 등 다양한 분야에서 '미래지향적 시간'만 가정하고 '반사적 위상'이 부재할 때 의미의 화살표가 위반되어 데이터 손실과 인과율 붕괴가 발생하며, 이는 FITO 범주 오류가 다양한 규모에서 작동하는 결과임을 규명합니다.
이 논문은 FITO 오류를 배제하고 상호 정보 보존 원리를 기반으로 한 '라이프니츠 브리지'를 제시함으로써, 분산 시스템의 근본적 한계로 알려진 정리가 물리 법칙이 아닌 잘못된 시간 가정에서 비롯된 것임을 규명하고 의미 있는 시간 화살을 위한 통일된 이론을 정립합니다.
이 논문은 고가용성과 대규모 데이터를 처리하는 현대 데이터 플랫폼의 성능 병목 현상을 해결하기 위해, 데이터 수집 경로에 경량 필터링 계층을 내장하여 스트리밍과 분석 데이터 플레인을 통합하는 'FluxSieve' 아키텍처를 제안하고, 이를 Apache Pinot 및 DuckDB 와 통합하여 저장 및 연산 오버헤드는 최소화하면서 쿼리 성능을 획기적으로 향상시키는 방법을 제시합니다.
본 논문은 LLM 프롬프트 튜닝 워크로드의 SLO 위반을 줄이고 비용을 절감하기 위해 효율적인 초기 프롬프트를 식별하는 '프롬프트 뱅크'와 빠른 리소스 할당을 가능하게 하는 '워크로드 스케줄러'를 도입한 SLO 인지형 탄력적 시스템인 PromptTuner 를 제안합니다.
이 논문은 공유 무작위성을 가진 익명 네트워크에서 구조적 지식의 다양한 수준에 따라 무작위 선출 (Election) 알고리즘의 존재 조건을 라스베이거스 및 몬테카를로 방식 모두에 대해 완전히 규명하고, 기존 결정론적 및 무작위적 연구 결과를 일반화하여 지식과 계산 가능성 간의 관계를 종합적으로 제시합니다.
이 논문은 엣지-클라우드 패브릭 기반의 AIITS 를 통해 수천 개의 CCTV 스트림을 실시간으로 처리하고, 스페이셜-타임 GNN 을 활용한 교통 예측 및 지속적 학습을 가능하게 하는 확장성 있는 도시 규모 교통 분석 시스템을 제안하고 검증합니다.
이 논문은 분산 클라우드 환경에서 노드, 컨테이너, 애플리케이션 수준의 메트릭을 수집하고 제어 평면으로 전송하여 다양한 클라이언트가 접근할 수 있도록 하며, 각 분산 클라우드 단위로 메트릭을 집계하여 시스템 상태를 종합적으로 파악할 수 있는 모니터링 시스템의 설계와 구현을 제시합니다.
이 논문은 FleCSI 프레임워크의 MPI, Legion, HPX 백엔드를 사용하여 푸아송 솔버와 방사선 유체역학 코드를 대규모로 벤치마크한 결과, 추상화 계층의 오버헤드가 최소화되었으며 HPX 백엔드가 특정 조건에서 MPI 대비 우수한 성능을 보임을 입증합니다.
이 논문은 지연 시간이나 데이터 프라이버시 제약으로 인해 위치가 고정된 에너지 집약적 서비스의 탄소 배출을 줄이기 위해, 전력망의 탄소 강도에 따라 서비스 품질을 동적으로 조절하는 예측 기반 최적화 접근법을 제안합니다.
이 논문은 기존 CVM(비밀 가상 머신) 의 인증 메커니즘이 실행 위치를 보장하지 못하는 취약점을 해결하기 위해, TEE 측정값과 플랫폼 TPM 증거를 결합하여 데이터센터 내 물리적 실행을 암호학적으로 증명하는 'DCEA'를 제안하고 이를 이론적으로 증명 및 실증 평가한 연구입니다.
이 논문은 학술적 예산 내에서 1,000 개 이상의 OS 복제본을 병렬로 실행하여 컴퓨터 에이전트 학습을 위한 확장성, 범용성, 경제성을 갖춘 분산 데이터 엔진 'OSGym'을 소개하고 그 유효성을 입증합니다.
이 논문은 분산 양자 컴퓨팅 환경에서 GHZ 상태와 같은 다체 얽힘 자원과 4 차원 쿼디트를 활용하여 전역 게이트 (Global Gates) 를 효율적으로 구현하는 방법과 이를 통한 회로 깊이 감소 가능성 및 향후 양자 데이터 센터 설계에 대한 시사점을 다룹니다.
본 논문은 클라우드 시스템의 자동화된 근본 원인 분석 (RCA) 에서 LLM 기반 에이전트가 모델의 성능과 무관하게 공유된 아키텍처 결함으로 인해 체계적으로 실패하는 원인을 규명하고, 프롬프트 엔지니어링보다는 에이전트 간 통신 프로토콜 개선이 더 효과적인 해결책임을 입증했습니다.
이 논문은 기존 비잔틴 허용 기법이 적용되지 않는 파이프라인 병렬 분산 학습 환경에서 연산 중복 없이 경량 모멘텀 기반 모니터링을 통해 위변조 통신을 탐지하고 4B 파라미터 규모의 LLM 학습을 보장하는 SENTINEL 메커니즘을 제안합니다.
이 논문은 분산 양자 컴퓨팅 환경에서 통신 오버헤드를 최소화하기 위해 정적 분할 방법의 한계를 극복하고 회로 깊이와 큐비트 수에 따라 효율적으로 확장 가능한 시간 인식 빔 탐색 기반의 양자 회로 분할 알고리즘을 제안합니다.
이 논문은 영속적 호몰로지에서 도출된 위상 기술자를 활용하여 그래디언트 공유를 대체함으로써 데이터 재구성 공격 위험을 줄이고 비동일 분포 (Non-IID) 환경에서도 개인화된 학습 성능을 극대화하는 새로운 프라이버시 보호 개인화 연동 학습 프레임워크인 PTOPOFL 을 제안합니다.
이 논문은 순방향 및 역방향 게이트 융합 기법을 통해 양자 머신러닝 고전 시뮬레이션의 메모리 접근을 최소화하고 처리량을 20 배 이상 향상시켜, 소비자 GPU 환경에서도 대규모 양자 모델 훈련을 가능하게 하는 효율적인 방법을 제안합니다.