Buchumschlag

Scalable Artificial Intelligence for Science: Perspectives, Methods and Exemplars

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Brewer, Wesley, Kashi, Aditya, Dash, Sajal, Tsaris, Aristeidis, Yin, Junqi, Shankar, Mallikarjun, Wang, Feiyi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Piper: Efficient Large-Scale MoE Training via Resource Modeling and Pipelined Hybrid Parallelism
von: Dash, Sajal, et al.
Veröffentlicht: (2026)

Intelligent Sampling of Extreme-Scale Turbulence Datasets for Accurate and Efficient Spatiotemporal Model Training
von: Brewer, Wesley, et al.
Veröffentlicht: (2025)

The (R)evolution of Scientific Workflows in the Agentic AI Era: Towards Autonomous Science
von: Shin, Woong, et al.
Veröffentlicht: (2025)

FLYING SERVING: On-the-Fly Parallelism Switching for Large Language Model Serving
von: Gao, Shouwei, et al.
Veröffentlicht: (2026)

A Parallel Alternative for Energy-Efficient Neural Network Training and Inferencing
von: Seal, Sudip K., et al.
Veröffentlicht: (2025)

OReole-FM: successes and challenges toward billion-parameter foundation models for high-resolution satellite imagery
von: Dias, Philipe, et al.
Veröffentlicht: (2024)

Safactory: A Scalable Agentic Infrastructure for Training Trustworthy Autonomous Intelligence
von: Chen, Xinquan, et al.
Veröffentlicht: (2026)

The AI_INFN Platform: Artificial Intelligence Development in the Cloud
von: Anderlini, Lucio, et al.
Veröffentlicht: (2025)

Scalable Cloud-Native Architectures for Intelligent PMU Data Processing
von: Chockalingam, Nachiappan, et al.
Veröffentlicht: (2025)

X-MoE: Enabling Scalable Training for Emerging Mixture-of-Experts Architectures on HPC Platforms
von: Yuan, Yueming, et al.
Veröffentlicht: (2025)

Artificial Intelligence for Cost-Aware Resource Prediction in Big Data Pipelines
von: Goyal, Harshit
Veröffentlicht: (2025)

A Blockchain and Artificial Intelligence based System for Halal Food Traceability
von: Alourani, Abdulla, et al.
Veröffentlicht: (2024)

What Artificial Intelligence can do for High-Performance Computing systems?
von: Pochelu, Pierrick, et al.
Veröffentlicht: (2026)

Isambard-AI: a leadership class supercomputer optimised specifically for Artificial Intelligence
von: McIntosh-Smith, Simon, et al.
Veröffentlicht: (2024)

AI4EOSC: a Federated Cloud Platform for Artificial Intelligence in Scientific Research
von: Heredia, Ignacio, et al.
Veröffentlicht: (2025)

The Case for Co-Designing Model Architectures with Hardware
von: Anthony, Quentin, et al.
Veröffentlicht: (2024)

Data Readiness for Scientific AI at Scale
von: Brewer, Wesley, et al.
Veröffentlicht: (2025)

ORBIT: Oak Ridge Base Foundation Model for Earth System Predictability
von: Wang, Xiao, et al.
Veröffentlicht: (2024)

TACO: Efficient Communication Compression of Intermediate Tensors for Scalable Tensor-Parallel LLM Training
von: Liu, Man, et al.
Veröffentlicht: (2026)

DistShap: Scalable GNN Explanations with Distributed Shapley Values
von: Akkas, Selahattin, et al.
Veröffentlicht: (2025)

Blockchain and Artificial Intelligence: Synergies and Conflicts
von: Witt, Leon, et al.
Veröffentlicht: (2024)

AIBrix: Towards Scalable, Cost-Effective Large Language Model Inference Infrastructure
von: The AIBrix Team, et al.
Veröffentlicht: (2025)

oneDAL Optimization for ARM Scalable Vector Extension: Maximizing Efficiency for High-Performance Data Science
von: Sharma, Chandan, et al.
Veröffentlicht: (2025)

Tesserae: Scalable Placement Policies for Deep Learning Workloads
von: Bian, Song, et al.
Veröffentlicht: (2025)

Quality Scalable Quantization Methodology for Deep Learning on Edge
von: Khaliq, Salman Abdul, et al.
Veröffentlicht: (2024)

A Review on Building Blocks of Decentralized Artificial Intelligence
von: Kersic, Vid, et al.
Veröffentlicht: (2024)

Trace Replay Simulation of MIT SuperCloud for Studying Optimal Sustainability Policies
von: Brewer, Wesley, et al.
Veröffentlicht: (2025)

TensorHub: Scalable and Elastic Weight Transfer for LLM RL Training
von: Ye, Chenhao, et al.
Veröffentlicht: (2026)

Towards Scalable GPU-Accelerated SNN Training via Temporal Fusion
von: Li, Yanchen, et al.
Veröffentlicht: (2024)

ParaGAN: A Scalable Distributed Training Framework for Generative Adversarial Networks
von: Shi, Ziji, et al.
Veröffentlicht: (2024)

Scalable Runtime Architecture for Data-driven, Hybrid HPC and ML Workflow Applications
von: Merzky, Andre, et al.
Veröffentlicht: (2025)

HPC Digital Twins for Evaluating Scheduling Policies, Incentive Structures and their Impact on Power and Cooling
von: Maiterth, Matthias, et al.
Veröffentlicht: (2025)

FedFiTS: Fitness-Selected, Slotted Client Scheduling for Trustworthy Federated Learning in Healthcare AI
von: Kahenga, Ferdinand, et al.
Veröffentlicht: (2025)

FedFusion: Federated Learning with Diversity- and Cluster-Aware Encoders for Robust Adaptation under Label Scarcity
von: Kahenga, Ferdinand, et al.
Veröffentlicht: (2025)

NeurLZ: An Online Neural Learning-Based Method to Enhance Scientific Lossy Compression
von: Jia, Wenqi, et al.
Veröffentlicht: (2024)

Democratizing AI: Open-source Scalable LLM Training on GPU-based Supercomputers
von: Singh, Siddharth, et al.
Veröffentlicht: (2025)

Beluga: A CXL-Based Memory Architecture for Scalable and Efficient LLM KVCache Management
von: Yang, Xinjun, et al.
Veröffentlicht: (2025)

ModServe: Modality- and Stage-Aware Resource Disaggregation for Scalable Multimodal Model Serving
von: Qiu, Haoran, et al.
Veröffentlicht: (2025)

Privacy-Preserving Federated Learning: Integrating Zero-Knowledge Proofs in Scalable Distributed Architectures
von: Gupta, Divya
Veröffentlicht: (2026)

Scalable AI-assisted Workflow Management for Detector Design Optimization Using Distributed Computing
von: Anderson, Derek, et al.
Veröffentlicht: (2026)