Buchumschlag

FastqZip: An Improved Reference-Based Genome Sequence Lossy Compression Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Yuanjian, Luo, Huihao, Han, Zhijun, Hu, Yao, Yang, Yehui, Chard, Kyle, Di, Sheng, Foster, Ian, Wu, Jiesheng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Combining Language and Graph Models for Semi-structured Information Extraction on the Web
von: Hong, Zhi, et al.
Veröffentlicht: (2024)

SemanticZip: A Pilot Framework for Lossy Text Compression with LLMs as Semantic Decompressors
von: Trukhina, Natalia, et al.
Veröffentlicht: (2026)

Agentic Discovery: Closing the Loop with Cooperative Agents
von: Pauloski, J. Gregory, et al.
Veröffentlicht: (2025)

UniFaaS: Programming across Distributed Cyberinfrastructure with Federated Function Serving
von: Li, Yifei, et al.
Veröffentlicht: (2024)

Lossy Compression of Scientific Data: Applications Constrains and Requirements
von: Cappello, Franck, et al.
Veröffentlicht: (2025)

Flight: A FaaS-Based Framework for Complex and Hierarchical Federated Learning
von: Hudson, Nathaniel, et al.
Veröffentlicht: (2024)

Topology-Aware Knowledge Propagation in Decentralized Learning
von: Sakarvadia, Mansi, et al.
Veröffentlicht: (2025)

Successive Refinement for Lossy Compression of Individual Sequences
von: Merhav, Neri
Veröffentlicht: (2025)

To Compress or Not To Compress: Energy Trade-Offs and Benefits of Lossy Compressed I/O
von: Wilkins, Grant, et al.
Veröffentlicht: (2024)

WRATH: Workload Resilience Across Task Hierarchies in Task-based Parallel Programming Frameworks
von: Zhou, Sicheng, et al.
Veröffentlicht: (2025)

A Survey on Transformer Compression
von: Tang, Yehui, et al.
Veröffentlicht: (2024)

Understanding The Effectiveness of Lossy Compression in Machine Learning Training Sets
von: Underwood, Robert, et al.
Veröffentlicht: (2024)

Preserving Clusters in Error-Bounded Lossy Compression of Particle Data
von: Ren, Congrong, et al.
Veröffentlicht: (2026)

ZCCL: Significantly Improving Collective Communication With Error-Bounded Lossy Compression
von: Huang, Jiajun, et al.
Veröffentlicht: (2025)

Empowering Scientific Workflows with Federated Agents
von: Kamatar, Alok, et al.
Veröffentlicht: (2025)

QPET: A Versatile and Portable Quantity-of-Interest-Preservation Framework for Error-Bounded Lossy Compression
von: Liu, Jinyang, et al.
Veröffentlicht: (2024)

DeepCQ: General-Purpose Deep-Surrogate Framework for Lossy Compression Quality Prediction
von: Mumenin, Khondoker Mirazul, et al.
Veröffentlicht: (2025)

Accelerating Python Applications with Dask and ProxyStore
von: Pauloski, J. Gregory, et al.
Veröffentlicht: (2024)

An Optimized Error-controlled MPI Collective Framework Integrated with Lossy Compression
von: Huang, Jiajun, et al.
Veröffentlicht: (2023)

Steering a Fleet: Adaptation for Large-Scale, Workflow-Based Experiments
von: Pruyne, Jim, et al.
Veröffentlicht: (2024)

Boosting Scientific Error-Bounded Lossy Compression through Optimized Synergistic Lossy-Lossless Orchestration
von: Wu, Shixun, et al.
Veröffentlicht: (2025)

Powerful Lossy Compression for Noisy Images
von: Cai, Shilv, et al.
Veröffentlicht: (2024)

An Error-Bounded Lossy Compression Method with Bit-Adaptive Quantization for Particle Data
von: Ren, Congrong, et al.
Veröffentlicht: (2024)

Addressing Reproducibility Challenges in HPC with Continuous Integration
von: Hayot-Sasson, Valérie, et al.
Veröffentlicht: (2025)

IPComp: Interpolation Based Progressive Lossy Compression for Scientific Applications
von: Yang, Zhuoxun, et al.
Veröffentlicht: (2025)

Employing Artificial Intelligence to Steer Exascale Workflows with Colmena
von: Ward, Logan, et al.
Veröffentlicht: (2024)

TaPS: A Performance Evaluation Suite for Task-based Execution Frameworks
von: Pauloski, J. Gregory, et al.
Veröffentlicht: (2024)

Scalable Cross-Facility Federated Learning for Scientific Foundation Models on Multiple Supercomputers
von: Li, Yijiang, et al.
Veröffentlicht: (2026)

Optimizing Fine-Grained Parallelism Through Dynamic Load Balancing on Multi-Socket Many-Core Systems
von: Wang, Wenyi, et al.
Veröffentlicht: (2025)

ZipNN: Lossless Compression for AI Models
von: Hershcovitch, Moshik, et al.
Veröffentlicht: (2024)

SolarZip: An Efficient and Adaptive Compression Framework for Solar EUV Imaging Data
von: Liu, Zedong, et al.
Veröffentlicht: (2025)

Lossy Compression of Individual Sequences Revisited: Fundamental Limits of Finite-State Encoders
von: Merhav, Neri
Veröffentlicht: (2024)

Make Lossy Compression Meaningful for Low-Light Images
von: Cai, Shilv, et al.
Veröffentlicht: (2023)

Octopus: Experiences with a Hybrid Event-Driven Architecture for Distributed Scientific Computing
von: Pan, Haochen, et al.
Veröffentlicht: (2024)

FFCz: Fast Fourier Correction for Spectrum-Preserving Lossy Compression of Scientific Data
von: Ren, Congrong, et al.
Veröffentlicht: (2026)

LCP: Enhancing Scientific Data Management with Lossy Compression for Particles
von: Zhang, Longtao, et al.
Veröffentlicht: (2024)

An Information-Theoretic Regularizer for Lossy Neural Image Compression
von: Zhang, Yingwen, et al.
Veröffentlicht: (2024)

FedSZ: Leveraging Error-Bounded Lossy Compression for Federated Learning Communications
von: Wilkins, Grant, et al.
Veröffentlicht: (2023)

PackKV: Reducing KV Cache Memory Footprint through LLM-Aware Lossy Compression
von: Jiang, Bo, et al.
Veröffentlicht: (2025)

The Axiomatization and Spectral Completion of a Unified Field Framework
von: Yuanjian, Li
Veröffentlicht: (2025)