138 papers
Deze studie toont aan dat de experimentele GIL-vrije build van Python 3.14.2 de uitvoeringstijd en energie-efficiëntie voor parallelle werklasten aanzienlijk verbetert, maar voor sequentiële taken of gedeelde data-structuren juist leidt tot hoger energieverbruik en meer geheugengebruik.
Dit artikel toont aan dat het FITO-categoriefout, waarbij systemen zonder reflecterende fase voorwaartse informatiestromen verwarren met betekenis, leidt tot semantische corruptie in domeinen zoals bestandsynchronisatie, e-mail en geheugen, omdat deze processen het onderscheid tussen succesvolle integratie en louter tijdelijke opeenvolging niet kunnen maken.
Dit artikel presenteert de Leibniz-brug, een unificerend raamwerk dat filosofische principes, protocol-engineering en kwantumfysica verbindt via wederzijdse informatiebehoud om de schijnbare onmogelijkheden van de FLP-, Twee Generaals- en CAP-stellingen op te lossen door ze te herkennen als theorema's over systemen met de FITO-fout in plaats van fundamentele fysieke beperkingen.
Dit paper introduceert FluxSieve, een unificerend architectuurconcept dat stream- en analytische data-planes samenvoegt door ingebouwde, lichtgewicht voorverwerking en filtering tijdens data-inname, wat leidt tot een tot orde van grootte betere queryprestaties in schaalbare cloudobservabiliteitsplatforms met verwaarloosbare extra kosten.
Dit paper introduceert PromptTuner, een SLO-bewust elastisch systeem dat de kosten en schendingen van serviceleveldoelstellingen voor prompt tuning van grote taalmodellen aanzienlijk verlaagt door middel van een Prompt Bank voor snellere convergentie en een Workload Scheduler voor efficiëntere resource-toewijzing.
Dit artikel biedt een volledige karakterisering van de voorwaarden waaronder een gekozen verkiezingsalgoritme mogelijk is in anonieme netwerken met gedeelde willekeur, door de invloed van diverse vormen van structurele kennis op de berekenbaarheid van het probleem te analyseren.
Dit paper presenteert een schaalbaar, AI-gedreven intelligent verkeerssysteem dat op een edge-cloud-fabric live camerastromen verwerkt tot real-time verkeersvoorspellingen door middel van een geoptimaliseerde DNN-inferentiepijplijn, spatio-temporele GNN's en federatief leren, zoals gevalideerd in een testomgeving in Bengaluru.
Dit artikel presenteert het ontwerp en de implementatie van een monitoringssysteem dat machine-, container- en applicatiemetrics verzamelt, aggregatie toepast en via diverse API's beschikbaar stelt voor gedistribueerde clouds om deren levensvatbaarheid in realistische scenario's te waarborgen.
Dit artikel presenteert benchmarks van het FleCSI-framework op tot 1024 knopen, waarbij wordt vastgesteld dat de MPI-backend uitstekende schaalbaarheid biedt, terwijl de HPX-backend in rekenintensieve stralingshydrodynamica-toepassingen op kleinere schaal prestatievoordelen biedt ten opzichte van MPI.
Dit artikel introduceert een forecast-gebaseerde optimalisatiemethode die de koolstofuitstoot van energie-intensieve diensten, zoals generatieve AI, verlaagt door de kwaliteit van antwoorden dynamisch aan te passen aan de koolstofintensiteit van het elektriciteitsnet, waardoor emissies met tot 10% kunnen worden gereduceerd zonder de beschikbaarheid te beïnvloeden.
Dit paper introduceert Data Center Execution Assurance (DCEA), een ontwerp dat cryptografische bewijzen levert dat vertrouwelijke virtuele machines daadwerkelijk binnen een vertrouwd datacenter draaien door attesteringsgegevens te koppelen aan platformbewijs, waardoor proxy-aanvallen worden voorkomen en de uitvoeringslocatie kan worden geverifieerd.
OSGym is een schaalbaar, gedistribueerd data-engine dat academici in staat stelt duizenden OS-replica's kostenefficiënt te draaien voor het genereren van grote datasets en het trainen van veelzijdige computeragenten.
Dit artikel onderzoekt hoe multipartiete verstrengeling en qudits van dimensie vier kunnen worden ingezet om efficiënte, gedistribueerde fan-out-operaties en globale Mølmer-Sørensen-poorten te realiseren, wat leidt tot diepere inzichten voor kwantumcircuitcompilatie en het ontwerp van kwantumdatacenters.
Deze studie analyseert systematisch de falen van LLM-agenten bij het bepalen van de oorzaak van cloudproblemen, identificeert twaalf veelvoorkomende valkuilen die voortkomen uit de gedeelde architectuur in plaats van modelbeperkingen, en toont aan dat het verrijken van communicatieprotocollen effectiever is dan prompt engineering om deze fouten te verminderen.
Het paper introduceert SENTINEL, een verificatiemechanisme dat lichtgewicht momentum-bewaking gebruikt om corruptie in de communicatie tussen lagen te detecteren tijdens gedecentraliseerd pipeline-parallel trainen van grote taalmodellen over onbetrouwbare knooppunten, zonder de noodzaak van computationele duplicatie.
Deze paper introduceert een efficiënt, tijdsbewust beam search-algoritme voor het partitioneren van quantumcircuits in gedistribueerde quantumcomputing, dat de communicatiekosten aanzienlijk verlaagt ten opzichte van statische methoden en metaheuristieken door qubit-toewijzingen dynamisch te optimaliseren.
PTOPOFL is een privacybehoudend framework voor gepersonaliseerd federatief leren dat persistent homologie gebruikt om in plaats van kwetsbare gradiënten compacte topologische beschrijvingen te communiceren, waardoor zowel reconstructierisico's worden geminimaliseerd als de prestaties bij niet-IID data worden verbeterd.
Deze paper presenteert een methode voor het fuseren van quantumpoorten in zowel de voorwaartse als achterwaartse paden om de klassieke simulatie van quantum machine learning aanzienlijk te versnellen en geheugenefficiënter te maken, waardoor het trainen van grote modellen op consumer-GPU's mogelijk wordt.