Buchumschlag

High-Performance Statistical Computing (HPSC): Challenges, Opportunities, and Future Directions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Abdulah, Sameh, Salvana, Mary Lai O., Sun, Ying, Keyes, David E., Genton, Marc G.
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

GPU-Accelerated Vecchia Approximations of Gaussian Processes for Geospatial Data using Batched Matrix Computations
von: Pan, Qilong, et al.
Veröffentlicht: (2024)

Parallel Approximations for High-Dimensional Multivariate Normal Probability Computation in Confidence Region Detection Applications
von: Zhang, Xiran, et al.
Veröffentlicht: (2024)

GPU-Accelerated Modified Bessel Function of the Second Kind for Gaussian Processes
von: Geng, Zipei, et al.
Veröffentlicht: (2025)

RCOMPSs: A Scalable Runtime System for R Code Execution on Manycore Systems
von: Zhang, Xiran, et al.
Veröffentlicht: (2025)

Scaled Block Vecchia Approximation for High-Dimensional Gaussian Process Emulation on GPUs
von: Pan, Qilong, et al.
Veröffentlicht: (2025)

Accelerating Mixed-Precision Out-of-Core Cholesky Factorization with Static Task Scheduling
von: Ren, Jie, et al.
Veröffentlicht: (2024)

Cross-Layer Energy Analysis of Multimodal Training on Grace Hopper Superchips
von: Ahmed, Mahmoud, et al.
Veröffentlicht: (2026)

A Novel Approach to Translate Structural Aggregation Queries to MapReduce Code
von: Abdelmoniem, Ahmed M., et al.
Veröffentlicht: (2025)

Sustainable Edge Computing: Challenges and Future Directions
von: Arroba, Patricia, et al.
Veröffentlicht: (2023)

Linear Complexity $\mathcal{H}^2$ Direct Solver for Fine-Grained Parallel Architectures
von: Boukaram, Wajih, et al.
Veröffentlicht: (2025)

FedPBS: Proximal-Balanced Scaling Federated Learning Model for Robust Personalized Training for Non-IID Data
von: AbouNassar, Eman M., et al.
Veröffentlicht: (2026)

A Survey on Scheduling Techniques in the Edge Cloud: Issues, Challenges and Future Directions
von: Asghar, Hassan, et al.
Veröffentlicht: (2022)

Adaptive Management of Microservices in Dynamic Computing Environments: A Taxonomy and Future Directions
von: Chen, Ming, et al.
Veröffentlicht: (2026)

Federated Unlearning in Edge Networks: A Survey of Fundamentals, Challenges, Practical Applications and Future Directions
von: Ng, Jer Shyuan, et al.
Veröffentlicht: (2026)

Cold Start Latency in Serverless Computing: A Systematic Review, Taxonomy, and Future Directions
von: Golec, Muhammed, et al.
Veröffentlicht: (2023)

Placement of Microservices-based IoT Applications in Fog Computing: A Taxonomy and Future Directions
von: Pallewatta, Samodha, et al.
Veröffentlicht: (2022)

Deep Reinforcement Learning-based Methods for Resource Scheduling in Cloud Computing: A Review and Future Directions
von: Zhou, Guangyao, et al.
Veröffentlicht: (2021)

AIGC-assisted Federated Learning for Edge Intelligence: Architecture Design, Research Challenges and Future Directions
von: Qiang, Xianke, et al.
Veröffentlicht: (2025)

Akita: A High Usability Simulation Framework for Computer Architecture
von: Jannat, Sabila Al, et al.
Veröffentlicht: (2026)

Report on Challenges of Practical Reproducibility for Systems and HPC Computer Science
von: Keahey, Kate, et al.
Veröffentlicht: (2025)

Reinforcement Learning based Workflow Scheduling in Cloud and Edge Computing Environments: A Taxonomy, Review and Future Directions
von: Jayanetti, Amanda, et al.
Veröffentlicht: (2024)

Blockchain-Enhanced Offloading in Mobile Edge Computing: A Systematic Review and Survey of Current Trends and Future Directions
von: Moghaddasi, Komeil, et al.
Veröffentlicht: (2024)

Modern Computing: Vision and Challenges
von: Gill, Sukhpal Singh, et al.
Veröffentlicht: (2024)

Reproducible Cross-border High Performance Computing for Scientific Portals
von: Abarenkov, Kessy, et al.
Veröffentlicht: (2022)

High Performance Unstructured SpMM Computation Using Tensor Cores
von: Okanovic, Patrik, et al.
Veröffentlicht: (2024)

EPIC: An Energy-Efficient, High-Performance GPGPU Computing Research Infrastructure
von: Själander, Magnus, et al.
Veröffentlicht: (2019)

Experiences with Model Context Protocol Servers for Science and High Performance Computing
von: Pan, Haochen, et al.
Veröffentlicht: (2025)

HP2C-DT: High-Precision High-Performance Computer-enabled Digital Twin
von: Iraola, E., et al.
Veröffentlicht: (2025)

Edge AI: A Taxonomy, Systematic Review and Future Directions
von: Gill, Sukhpal Singh, et al.
Veröffentlicht: (2024)

Is RISC-V ready for High Performance Computing? An evaluation of the Sophon SG2044
von: Brown, Nick
Veröffentlicht: (2025)

XaaS: Acceleration as a Service to Enable Productive High-Performance Cloud Computing
von: Hoefler, Torsten, et al.
Veröffentlicht: (2024)

Comparative Analysis of Lightweight Kubernetes Distributions for Edge Computing: Performance and Resource Efficiency
von: Yakubov, Diyaz, et al.
Veröffentlicht: (2025)

Monte Cimone v2: Down the Road of RISC-V High-Performance Computers
von: Venieri, Emanuele, et al.
Veröffentlicht: (2025)

Parallel Reduced Order Modeling for Digital Twins using High-Performance Computing Workflows
von: de Parga, S. Ares, et al.
Veröffentlicht: (2024)

Monte Cimone v3: Where RISC-V Stands in High-Performance Computing
von: Venieri, Emanuele, et al.
Veröffentlicht: (2026)

Workflows Community Summit 2024: Future Trends and Challenges in Scientific Workflows
von: da Silva, Rafael Ferreira, et al.
Veröffentlicht: (2024)

Quantum Cloud Computing: A Review, Open Problems, and Future Directions
von: Nguyen, Hoa T., et al.
Veröffentlicht: (2024)

Asynchronous-Many-Task Systems: Challenges and Opportunities -- Scaling an AMR Astrophysics Code on Exascale machines using Kokkos and HPX
von: Daiß, Gregor, et al.
Veröffentlicht: (2024)

Split Federated Learning Empowered Vehicular Edge Intelligence: Concept, Adaptive Design and Future Directions
von: Qiang, Xianke, et al.
Veröffentlicht: (2024)

Accurate Performance Predictors for Edge Computing Applications
von: Giannakopoulos, Panagiotis, et al.
Veröffentlicht: (2025)