Buchumschlag

PowerTrip: Exploiting Federated Heterogeneous Datacenter Power for Distributed ML Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mehboob, Talha, Guo, Luanzheng, Tallent, Nathan, Zink, Michael, Irwin, David
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EcoLearn: Optimizing the Carbon Footprint of Federated Learning
von: Mehboob, Talha, et al.
Veröffentlicht: (2023)

On The Reproducibility Limitations of RAG Systems
von: Wang, Baiqiang, et al.
Veröffentlicht: (2025)

LLMTailor: A Layer-wise Tailoring Tool for Efficient Checkpointing of Large Language Models
von: Sun, Minqiu, et al.
Veröffentlicht: (2026)

QoSFlow: Ensuring Service Quality of Distributed Workflows Using Interpretable Sensitivity Models
von: Rashid, Md Hasanur, et al.
Veröffentlicht: (2026)

Datacenter Energy Optimized Power Profiles
von: Narayanaswamy, Sreedhar, et al.
Veröffentlicht: (2025)

Power Stabilization for AI Training Datacenters
von: Choukse, Esha, et al.
Veröffentlicht: (2025)

DCGen 1.1 Technical Report: Generating Datacenter Configurations (including IT, Power, Cooling)
von: Gnibga, Wedan Emmanuel, et al.
Veröffentlicht: (2026)

Designing Datacenter Power Delivery Hierarchies for the AI Era
von: Wilkins, Grant, et al.
Veröffentlicht: (2026)

Power- and Fragmentation-aware Online Scheduling for GPU Datacenters
von: Lettich, Francesco, et al.
Veröffentlicht: (2024)

EcoShift: Performance-Aware Power Management for Power-Constrained Heterogeneous Systems
von: Zheng, Zhong, et al.
Veröffentlicht: (2026)

Lagom: Unleashing the Power of Communication and Computation Overlapping for Distributed LLM Training
von: Xu, Guanbin, et al.
Veröffentlicht: (2026)

MassiveGNN: Efficient Training via Prefetching for Massively Connected Distributed Graphs
von: Sarkar, Aishwarya, et al.
Veröffentlicht: (2024)

Coordinated Power Management on Heterogeneous Systems
von: Zheng, Zhong, et al.
Veröffentlicht: (2025)

NOMAD: Generating Embeddings for Massive Distributed Graphs
von: Sarkar, Aishwarya, et al.
Veröffentlicht: (2026)

CrossPipe: Towards Optimal Pipeline Schedules for Cross-Datacenter Training
von: Chen, Tiancheng, et al.
Veröffentlicht: (2025)

On the Convergence of Malleability and the HPC PowerStack: Exploiting Dynamism in Over-Provisioned and Power-Constrained HPC Systems
von: Arima, Eishi, et al.
Veröffentlicht: (2024)

Modeling the Impact of Fiber Latency on Compute-Communication Overlap in Geo-Distributed Multi-Datacenter AI Training
von: Papavasileiou, Ioannis, et al.
Veröffentlicht: (2026)

Distribution and Management of Datacenter Load Decoupling
von: Lin, Liuzixuan, et al.
Veröffentlicht: (2025)

Serving Compound Inference Systems on Datacenter GPUs
von: Devata, Sriram, et al.
Veröffentlicht: (2026)

Distributed Order Recording Techniques for Efficient Record-and-Replay of Multi-threaded Programs
von: Fu, Xiang, et al.
Veröffentlicht: (2026)

Addressing Variable Heterogeneity in Distributed Multimodal Training with Entrain
von: Jang, Insu, et al.
Veröffentlicht: (2026)

Heta: Distributed Training of Heterogeneous Graph Neural Networks
von: Zhong, Yuchen, et al.
Veröffentlicht: (2024)

Overcoming Memory Constraints in Quantum Circuit Simulation with a High-Fidelity Compression Framework
von: Zhang, Boyuan, et al.
Veröffentlicht: (2024)

FEPLB: Exploiting Copy Engines for Nearly Free MoE Load Balancing in Distributed Training
von: Qi, Shuyao, et al.
Veröffentlicht: (2026)

CARAT: Client-Side Adaptive RPC and Cache Co-Tuning for Parallel File Systems
von: Rashid, Md Hasanur, et al.
Veröffentlicht: (2026)

DFPL: Decentralized Federated Prototype Learning Across Heterogeneous Data Distributions
von: Zhang, Hongliang, et al.
Veröffentlicht: (2025)

Scrutinizing Variables for Checkpoint Using Automatic Differentiation
von: Huang, Xin, et al.
Veröffentlicht: (2026)

Speedup of Distributed Algorithms for Power Graphs in the CONGEST Model
von: Barenboim, Leonid, et al.
Veröffentlicht: (2023)

SpecInF: Exploiting Idle GPU Resources in Distributed DL Training via Speculative Inference Filling
von: Lv, Cunchi, et al.
Veröffentlicht: (2025)

Poplar: Efficient Scaling of Distributed DNN Training on Heterogeneous GPU Clusters
von: Zhang, WenZheng, et al.
Veröffentlicht: (2024)

Generic and ML Workloads in an HPC Datacenter: Node Energy, Job Failures, and Node-Job Analysis
von: Chu, Xiaoyu, et al.
Veröffentlicht: (2024)

Evaluating Cross-Architecture Performance Modeling of Distributed ML Workloads Using StableHLO
von: Svedas, Jonas, et al.
Veröffentlicht: (2026)

Tetris: Efficient Intra-Datacenter Calls Packing for Large Conferencing Services
von: Gandhi, Rohan, et al.
Veröffentlicht: (2025)

To Offload or Not To Offload: Model-driven Comparison of Edge-native and On-device Processing In the Era of Accelerators
von: Ng, Nathan, et al.
Veröffentlicht: (2025)

Capsule: Efficient Player Isolation for Datacenters
von: Du, Zhouheng, et al.
Veröffentlicht: (2025)

Sailor: Automating Distributed Training over Dynamic, Heterogeneous, and Geo-distributed Clusters
von: Strati, Foteini, et al.
Veröffentlicht: (2025)

Designing Dense Satellite Clusters for Distributed Space-based Datacenters
von: Pénot, Jules, et al.
Veröffentlicht: (2026)

The Ghost in the Datacenter: Link Flapping, Topology Knowledge Failures, and the FITO Category Mistake
von: Borrill, Paul
Veröffentlicht: (2026)

Understanding Power Consumption Metric on Heterogeneous Memory Systems
von: Proaño, Andrès Rubio, et al.
Veröffentlicht: (2024)

Exploiting Stragglers in Distributed Computing Systems with Task Grouping
von: Adikari, Tharindu, et al.
Veröffentlicht: (2024)