138 artigos
Este artigo propõe um framework de agregação baseado em transporte ótimo para modelos de mistura de especialistas (MoE) distribuídos, permitindo a combinação eficiente de modelos locais em um estimador global com apenas uma etapa de comunicação, preservando a estrutura do MoE e garantindo desempenho comparável ao treinamento centralizado.
O artigo propõe o MFedMC, um framework de aprendizado federado multimodal eficiente em comunicação que utiliza uma arquitetura desacoplada e seleção conjunta de clientes e modalidades para superar desafios de heterogeneidade e limitações de rede, reduzindo o overhead de comunicação em mais de 20 vezes sem comprometer a precisão.
Este artigo investiga as condições necessárias e suficientes para a comunicação confiável em redes dinâmicas sujeitas a falhas bizantinas, identificando classes de topologias que garantem a entrega, integridade e autoria das mensagens mesmo na presença de perdas, atrasos de computação e mensagens autenticadas.
Este artigo apresenta a integração de MPI nos benchmarks da QED-C para simular circuitos quânticos em múltiplas GPUs, demonstrando que, embora as gerações recentes de GPUs ofereçam melhorias de velocidade, os avanços na tecnologia de interconexão entre nós têm um impacto ainda maior, resultando em ganhos de desempenho superiores a 16 vezes no tempo de solução.
O artigo apresenta o RedFuser, um framework automático que utiliza uma metodologia teórica para fundir operações de redução em cascata em um único loop, gerando kernels otimizados que superam compiladores de IA existentes e igualam o desempenho de soluções manuais.
O artigo apresenta o *dmaplane*, um módulo do kernel Linux que orquestra a gestão de buffers e a transferência de dados via DMA para otimizar pipelines de IA, oferecendo recursos como compartilhamento de memória *dma-buf*, controle de fluxo baseado em créditos e integração com GPU, permitindo inferência distribuída eficiente entre máquinas.
Este estudo apresenta uma avaliação abrangente da inferência de LLMs em GPUs AMD Instinct MI325X, demonstrando que otimizações específicas da arquitetura (como o uso seletivo do runtime AITER e configurações de cache) são essenciais para maximizar o desempenho, alcançando altas taxas de processamento e estabilidade em workloads de texto e visão.
Este artigo propõe o uso de pools de memória CXL para armazenar a memória condicional Engram em Grandes Modelos de Linguagem, integrando-a ao SGLang para oferecer uma solução de armazenamento escalável e econômica com desempenho de inferência próximo ao da memória DRAM.
O artigo apresenta o ACE Runtime, uma camada de execução nativa de ZKP que utiliza a separação entre autorização e identidade para substituir verificações de assinatura por transação por atestações HMAC leves e uma prova agregada por bloco, alcançando finalidade criptográfica em subsegundos com custos de verificação constantes e requisitos de hardware reduzidos.
O artigo apresenta o AgentServe, um sistema de inferência projetado para GPUs de consumo que otimiza o atendimento de múltiplos agentes de IA ao isolar fases de pré-preenchimento e decodificação, resultando em melhorias significativas na estabilidade da latência e no desempenho geral.
O artigo propõe o S-HPLB, uma estratégia de balanceamento de carga que explora a elasticidade de esparsidade heterogênea e estável entre os cabeçalhos de atenção para reduzir inconsistências de tempo de computação em GPUs, alcançando uma melhoria de 2,88 vezes na latência sem degradação da qualidade.
O artigo apresenta o COHORT, um framework baseado em ROS que utiliza uma estratégia híbrida de aprendizado por reforço (offline e online) para otimizar a inferência colaborativa de grandes redes neurais em sistemas multi-robô, reduzindo significativamente o consumo de bateria e aumentando a utilização de GPU enquanto atende a restrições de tempo real.
Este trabalho apresenta um método para estimar com precisão e baixo custo o número de condição de vetores filtrados por Chebyshev, permitindo a seleção automática do algoritmo de fatoração QR na biblioteca ChASE, o que melhora seu desempenho sem comprometer a precisão.
O artigo propõe o CD-Raft, um protocolo Raft otimizado para reduzir significativamente a latência de consenso em sites de domínios cruzados através da minimização do tempo de ida e volta (RTT) e do posicionamento estratégico do nó líder, garantindo consistência forte e demonstrando reduções de latência média e de cauda em testes empíricos.
Este artigo propõe uma técnica inovadora para emular multiplicação de matrizes em precisão dupla (FP64) utilizando unidades de multiplicação FP8 com o esquema Ozaki-II, superando limitações anteriores e reduzindo o número de operações necessárias em comparação com métodos baseados no esquema Ozaki-I.
O artigo apresenta o CacheSolidarity, um sistema que protege ambientes de inferência de LLMs multi-tenant contra canais laterais de temporização decorrentes do cache de prefixos, permitindo a reutilização segura de cache e melhor desempenho sem sacrificar a eficiência.
O artigo apresenta o Aceso, uma solução adaptativa de placement de microsserviços para PMEs que otimiza a localização geográfica considerando carbono, custo e latência, reduzindo as emissões em 37,4% e os custos operacionais em 3,6% em comparação com implantações estáticas, enquanto atende aos requisitos de serviço.
Este artigo apresenta um modelo topológico baseado na decomposição de Hodge para analisar fluxos operacionais em plataformas serverless, permitindo distinguir entre erros configuráveis e propriedades estruturais inerentes (modos harmônicos) e propondo estratégias de mitigação, como efeitos de "drenagem", para gerenciar essas ineficiências sem reestruturar completamente a arquitetura.
Este estudo analisa como as arquiteturas de Redes Neurais Convolucionais influenciam a precisão do modelo e investiga fatores adicionais que afetam a eficiência computacional em ambientes de aprendizado distribuído, fornecendo insights para otimizar a implantação desses modelos em cenários intensivos em recursos.
Este artigo apresenta uma arquitetura de referência e um roteiro para a evolução de supercomputadores centrados em quântica (QCSC), que integram processadores quânticos, GPUs e CPUs em três fases distintas para superar as limitações atuais de orquestração manual e permitir a execução eficiente de algoritmos híbridos em pesquisas aplicadas.