Buchumschlag

ATLAS: Efficient Out-of-Core Inference for Billion-Scale Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Naman, Pranjal, Simmhan, Yogesh
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

OptimES: Optimizing Federated Learning Using Remote Embeddings for Graph Neural Networks
von: Naman, Pranjal, et al.
Veröffentlicht: (2025)

Ripple: Scalable Incremental GNN Inferencing on Large Streaming Graphs
von: Naman, Pranjal, et al.
Veröffentlicht: (2025)

Optimizing Federated Learning using Remote Embeddings for Graph Neural Networks
von: Naman, Pranjal, et al.
Veröffentlicht: (2025)

RIPPLE++: An Incremental Framework for Efficient GNN Inference on Evolving Graphs
von: Naman, Pranjal, et al.
Veröffentlicht: (2026)

Understanding the Performance and Power of LLM Inferencing on Edge Accelerators
von: Arya, Mayank, et al.
Veröffentlicht: (2025)

Evaluating Multi-Instance DNN Inferencing on Multiple Accelerators of an Edge Device
von: Tayal, Mumuksh, et al.
Veröffentlicht: (2025)

Scaling Real-Time Traffic Analytics on Edge-Cloud Fabrics for City-Scale Camera Networks
von: Sharma, Akash, et al.
Veröffentlicht: (2026)

Adaptive Heuristics for Scheduling DNN Inferencing on Edge and Cloud for Personalized UAV Fleets
von: Raj, Suman, et al.
Veröffentlicht: (2024)

AeroGen: Agentic Drone Autonomy through Single-Shot Structured Prompting & Drone SDK
von: Astu, Kautuk, et al.
Veröffentlicht: (2026)

Performance Characterization of Containerized DNN Training and Inference on Edge Accelerators
von: K., Prashanthi S., et al.
Veröffentlicht: (2023)

Characterizing the Performance of Accelerated Jetson Edge Devices for Training Deep Learning Models
von: K., Prashanthi S., et al.
Veröffentlicht: (2025)

AeroDaaS: A Programmable Drones-as-a-Service Platform for Intelligent Aerial Systems
von: Astu, Kautuk, et al.
Veröffentlicht: (2026)

AeroDaaS: Towards an Application Programming Framework for Drones-as-a-Service
von: Raj, Suman, et al.
Veröffentlicht: (2025)

Federated Learning within Global Energy Budget over Heterogeneous Edge Accelerators
von: Banerjee, Roopkatha, et al.
Veröffentlicht: (2025)

A Blockchain-Enabled Framework for Storage and Retrieval of Social Data
von: Parab, Aishwarya, et al.
Veröffentlicht: (2025)

AerialDB: A Federated Peer-to-Peer Spatio-temporal Edge Datastore for Drone Fleets
von: Jaiswal, Shashwat, et al.
Veröffentlicht: (2025)

Fulcrum: Optimizing Concurrent DNN Training and Inferencing on Edge Accelerators
von: K., Prashanthi S., et al.
Veröffentlicht: (2025)

Optimizing FaaS Platforms for MCP-enabled Agentic Workflows
von: Kulkarni, Varad, et al.
Veröffentlicht: (2026)

Characterizing FaaS Workflows on Public Clouds: The Good, the Bad and the Ugly
von: Kulkarni, Varad, et al.
Veröffentlicht: (2025)

D3FL: Data Distribution and Detrending for Robust Federated Learning in Non-linear Time-series Data
von: Marisetty, Harsha Varun, et al.
Veröffentlicht: (2025)

ACGraph: An Efficient Asynchronous Out-of-Core Graph Processing Framework
von: Chen, Dechuang, et al.
Veröffentlicht: (2025)

AgentX: Towards Orchestrating Robust Agentic Workflow Patterns with FaaS-hosted MCP Services
von: Tokal, Shiva Sai Krishna Anand, et al.
Veröffentlicht: (2025)

Collaborative Processing for Multi-Tenant Inference on Memory-Constrained Edge TPUs
von: Ng, Nathan, et al.
Veröffentlicht: (2026)

RapidGNN: Communication Efficient Large-Scale Distributed Training of Graph Neural Networks
von: Niam, Arefin, et al.
Veröffentlicht: (2025)

Ocularone-Bench: Benchmarking DNN Models on GPUs to Assist the Visually Impaired
von: Raj, Suman, et al.
Veröffentlicht: (2025)

AMPED: Accelerating MTTKRP for Billion-Scale Sparse Tensor Decomposition on Multiple GPUs
von: Wijeratne, Sasindu, et al.
Veröffentlicht: (2025)

PowerTrain: Fast, Generalizable Time and Power Prediction Models to Optimize DNN Training on Accelerated Edges
von: K., Prashanthi S., et al.
Veröffentlicht: (2024)

BANG: Billion-Scale Approximate Nearest Neighbor Search using a Single GPU
von: V., Karthik, et al.
Veröffentlicht: (2024)

SageServe: Optimizing LLM Serving on Cloud Data Centers with Forecast Aware Auto-Scaling
von: Jaiswal, Shashwat, et al.
Veröffentlicht: (2025)

LuWu: An End-to-End In-Network Out-of-Core Optimizer for 100B-Scale Model-in-Network Data-Parallel Training on Distributed GPUs
von: Sun, Mo, et al.
Veröffentlicht: (2024)

Pagoda: An Energy and Time Roofline Study for DNN Workloads on Edge Accelerators
von: K., Prashanthi S., et al.
Veröffentlicht: (2025)

SkyMemory: A LEO Edge Cache for Transformer Inference Optimization and Scale Out
von: Sandholm, Thomas, et al.
Veröffentlicht: (2025)

End-to-End and Phase-Level Performance Optimization for Hyperledger Fabric
von: Sollu, Pavan, et al.
Veröffentlicht: (2026)

Flotilla: A scalable, modular and resilient federated learning framework for heterogeneous resources
von: Banerjee, Roopkatha, et al.
Veröffentlicht: (2025)

AeroResQ: Edge-Accelerated UAV Framework for Scalable, Resilient and Collaborative Escape Route Planning in Wildfire Scenarios
von: Raj, Suman, et al.
Veröffentlicht: (2025)

Leveraging Core and Uncore Frequency Scaling for Power-Efficient Serverless Workflows
von: Tzenetopoulos, Achilleas, et al.
Veröffentlicht: (2024)

Armada: Memory-Efficient Distributed Training of Large-Scale Graph Neural Networks
von: Waleffe, Roger, et al.
Veröffentlicht: (2025)

Embedded Distributed Inference of Deep Neural Networks: A Systematic Review
von: Peccia, Federico Nicolás, et al.
Veröffentlicht: (2024)

Optimizing Distributed Training Approaches for Scaling Neural Networks
von: Baligodugula, Vishnu Vardhan, et al.
Veröffentlicht: (2025)

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