77 papers
GOMA is een op analytische modellering gebaseerd framework dat via een geometrische abstractie binnen een acceptabele tijd een globaal optimale mapping voor GEMM-werklasten op ruimtelijke acceleratoren berekent, wat resulteert in aanzienlijke verbeteringen in energie-efficiëntie en doorlooptijd ten opzichte van de huidige stand van de techniek.
Dit paper introduceert een fysica-gestuurde voorverwerkingsmethode voor millimetergolf-gebaseerde menselijke pose-schatting die, door expliciete fysieke priors te gebruiken in plaats van data-gedreven modules, de modelgrootte met 55,7-88,9% verkleint en real-time implementatie op Raspberry Pi mogelijk maakt zonder in te leveren op nauwkeurigheid.
Dit paper introduceert een nieuw capability-architectuur die, geïmplementeerd op FPGA met legacy hardware en een gedisaggregeerde Zephyr-RTOS, de integriteit van ingebouwde apparaten waarborgt door alle runtime-softwarecomponenten en randapparatuur als onbetrouwbaar te behandelen zonder hardwarewijzigingen.
Dit artikel presenteert een tweelaagskader voor het beheer van gedeelde decoders door een quantumbesturingssysteem, wat de klassieke verwerkingsvereisten voor kwantumfoutcorrectie met 10-40% verlaagt en zo de haalbaarheid van grootschalige, fouttolerante kwantumcomputers verbetert.
Dit witboek schetst een door de gemeenschap gedragen visie om onderzoek en ontwikkeling te prioriteren op het gebied van hardware-gedreven machine learning-systemen en de bijbehorende natuurkundige toepassingen, zodat deeltjesfysica-experimenten de komende uitdagingen op het gebied van data-intensiteit en extreme omstandigheden kunnen aanpakken.
RedFuser is een automatisch framework dat cascaderende reductie-operaties in AI-modellen efficiënt samenvoegt tot een enkele lus, waardoor een snelheidsverhoging van 2 tot 5 keer wordt bereikt ten opzichte van bestaande compilers.
Dit paper introduceert dmaplane, een Linux-kernmodule die buffer-orkestratie voor AI-datastromen expliciet maakt via een stabiele kernel-gebruikersinterface, en daarmee functies zoals NUMA-bewuste toewijzing, DMA-bufferbeheer en RDMA-gebaseerde gedistribueerde inferentie mogelijk maakt.
Deze studie presenteert een uitgebreide benchmark van LLM-inferentie op AMD Instinct MI325X-GPU's, waarbij wordt aangetoond dat architectuurbewuste optimalisaties, zoals het selectief toepassen van de AITER-runtime en het aanpassen van blokgroottes, essentieel zijn voor het maximaliseren van de doorvoer en stabiliteit van diverse modelarchitecturen.
Dit paper introduceert HTM-EAR, een hiërarchisch tiered memory-systeem dat HNSW-based werkgeheugen combineert met archiefopslag en hybride routing om essentiële informatie te behouden en verouderde data te vergeten onder extreme contextbeperkingen, wat leidt tot een significante verbetering in zoekprecisie vergeleken met traditionele LRU-mechanismen.
Dit position paper presenteert een computerarchitectuurperspectief op multi-agent geheugen door een drie-laags hiërarchie en protocollen voor consistentie te definiëren als cruciale stappen voor schaalbare, betrouwbare systemen.
Dit paper introduceert een schaalbare en kostenefficiënte oplossing voor Engram-gebaseerde conditionele geheugen in grote taalmodellen door het gebruik van CXL-geheugenpools, wat naadloze integratie met SGLang mogelijk maakt en prestaties dicht bij die van DRAM behoudt.
Dit paper introduceert een hardware-efficiënte "soft sparsity"-benadering met een instelbare fouttolerantie die, via een aangepaste RISC-V-instructie, de reken- en stroomverbruik van CNN's aanzienlijk verlaagt zonder in te leveren op nauwkeurigheid.
Deze paper introduceert BS-KMQ, een nieuwe niet-lineaire kwantisatiemethode die uitbijters aan de randen onderdrukt om de resolutie-eisen voor ADC's in geheugencomputersystemen te verlagen, wat leidt tot aanzienlijke verbeteringen in energie-efficiëntie, snelheid en nauwkeurigheid vergeleken met bestaande methoden.
Dit artikel presenteert een efficiënt gepipelined FPGA-architectuur voor de verplaatsingsvectorzoekmodule van de Intra Pattern Copy-tool in JPEG XS, die door geoptimaliseerd geheugendesign een hoge doorvoer van 38,3 Mpixels/s bij laag stroomverbruik bereikt en zo de praktische hardware-implementatie mogelijk maakt.
Dit artikel presenteert een referentiearchitectuur en een roadmap voor Quantum-Centrische Supercomputing (QCSC), die QPUs, GPUs en CPUs integreert om de huidige barrières in het handmatig coördineren van hybride workflows te overwinnen en de ontwikkeling van quantumcomputing voor kritieke toepassingen in drie fasen te versnellen.
Dit paper leidt theoretische ondergrenzen af voor de energie-efficiëntie van ideale neuromorfe leer-in-geheugen-optimizers door de thermodynamica van niet-evenwichtsleren te modelleren, waarbij de energiebarrières van fysieke geheugenelementen worden afgestemd op de dynamiek van optimalisatie en consolidatie.
Deze paper introduceert Linear Layouts, een nieuwe aanpak die tensorindelingen modelleert met lineaire algebra over om flexibele en efficiënte generatie van tensorberekeningen mogelijk te maken, de complexiteit van conversies te reduceren en de foutgevoeligheid in bestaande compilersystemen zoals Triton te verminderen.
Dit paper presenteert een schaalbaar, digitaal compute-in-memory Ising-machine gebaseerd op SRAM die BNN-robustheid verifieert door het probleem te herformuleren als een QUBO-optimalisatie, waarbij imperfecte oplossingen worden benut om adversariale perturbaties te vinden en zo een aanzienlijke versnelling en energie-efficiëntie ten opzichte van CPU-implementaties te bereiken.
LUMINA is een door LLM-aangedreven framework dat de efficiëntie van GPU-architectuurverkenning voor AI-workloads aanzienlijk verbetert door automatisch bottleneck-analyses uit te voeren en ontwerpregels af te leiden, waardoor het met slechts 20 stappen superieure ontwerpen vindt ten opzichte van de A100 en bestaande machine-learning-benchmarks.
Deze paper presenteert een FPGA-versneller die de geheugengebonden bottleneck van de Gated DeltaNet-decode oplost door de recurrente toestand persistent in on-chip BRAM te houden, waardoor een 4,5x hogere snelheid en tot 60x betere energie-efficiëntie wordt bereikt vergeleken met een NVIDIA H100 GPU.