Copertina

Designing Datacenter Power Delivery Hierarchies for the AI Era

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wilkins, Grant, Kazhamiaka, Fiodar, Kumbhare, Alok Gautam, Zhang, Chaojie, Bianchini, Ricardo
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Distributed, Parallel, and Cluster Computing Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

From Servers to Sites: Compositional Power Trace Generation of LLM Inference for Infrastructure Planning
di: Wilkins, Grant, et al.
Pubblicazione: (2026)

Rearchitecting Datacenter Lifecycle for AI: A TCO-Driven Framework
di: Stojkovic, Jovan, et al.
Pubblicazione: (2025)

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

TAPAS: Thermal- and Power-Aware Scheduling for LLM Inference in Cloud Platforms
di: Stojkovic, Jovan, et al.
Pubblicazione: (2025)

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

Energy Use of AI Inference: Efficiency Pathways and Test-Time Compute
di: Oviedo, Felipe, et al.
Pubblicazione: (2025)

StreamWise: Serving Multi-Modal Generation in Real-Time at Scale
di: Qiu, Haoran, et al.
Pubblicazione: (2026)

Hybrid Heterogeneous Clusters Can Lower the Energy Consumption of LLM Inference Workloads
di: Wilkins, Grant, et al.
Pubblicazione: (2024)

Towards Resource-Efficient Compound AI Systems
di: Chaudhry, Gohar Irfan, et al.
Pubblicazione: (2025)

Intent-based System Design and Operation
di: Anand, Vaastav, et al.
Pubblicazione: (2025)

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

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

Datacenter Energy Optimized Power Profiles
di: Narayanaswamy, Sreedhar, et al.
Pubblicazione: (2025)

DynamoLLM: Designing LLM Inference Clusters for Performance and Energy Efficiency
di: Stojkovic, Jovan, et al.
Pubblicazione: (2024)

PowerTrip: Exploiting Federated Heterogeneous Datacenter Power for Distributed ML Training
di: Mehboob, Talha, et al.
Pubblicazione: (2025)

Sustainable Carbon-Aware and Water-Efficient LLM Scheduling in Geo-Distributed Cloud Datacenters
di: Moore, Hayden, et al.
Pubblicazione: (2025)

Fire-Flyer AI-HPC: A Cost-Effective Software-Hardware Co-Design for Deep Learning
di: An, Wei, et al.
Pubblicazione: (2024)

Accelerating Latency-Critical Applications with AI-Powered Semi-Automatic Fine-Grained Parallelization on SMT Processors
di: Los, Denis, et al.
Pubblicazione: (2025)

StreamServe: Adaptive Speculative Flows for Low-Latency Disaggregated LLM Serving
di: Kumar, Satyam, et al.
Pubblicazione: (2026)

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

Autonomous Systems Dependability in the era of AI: Design Challenges in Safety, Security, Reliability and Certification
di: Ranjbar, Behnaz, et al.
Pubblicazione: (2026)

HybridEP: Scaling Expert Parallelism to Cross-Datacenter Scenario via Hybrid Expert/Data Transmission
di: Yang, Weihao, et al.
Pubblicazione: (2025)

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

From Barrier to Bridge: The Case for AI Data Center/Power Grid Co-Design
di: Bashir, Noman, et al.
Pubblicazione: (2026)

Offline Energy-Optimal LLM Serving: Workload-Based Energy Models for LLM Inference on Heterogeneous Systems
di: Wilkins, Grant, et al.
Pubblicazione: (2024)

When AI Bends Metal: AI-Assisted Optimization of Design Parameters in Sheet Metal Forming
di: Tarraf, Ahmad, et al.
Pubblicazione: (2025)

PALS: Power-Aware LLM Serving for Mixture-of-Experts Models
di: Hankendi, Can, et al.
Pubblicazione: (2026)

Deploying Foundation Model Powered Agent Services: A Survey
di: Xu, Wenchao, et al.
Pubblicazione: (2024)

KAIROS: Stateful, Context-Aware Power-Efficient Agentic Inference Serving
di: Yuan, Yichao, et al.
Pubblicazione: (2026)

HFX: Joint Design of Algorithms and Systems for Multi-SLO Serving and Fast Scaling
di: Yousefijamarani, Zahra, et al.
Pubblicazione: (2025)

Xe-Forge: Multi-Stage LLM-Powered Kernel Optimization for Intel GPU
di: Spoczynski, Marcin, et al.
Pubblicazione: (2026)

Scaling Performance of Large Language Model Pretraining
di: Interrante-Grant, Alexander, et al.
Pubblicazione: (2025)

AI Benchmarks and Datasets for LLM Evaluation
di: Ivanov, Todor, et al.
Pubblicazione: (2024)

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

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

The infrastructure powering IBM's Gen AI model development
di: Gershon, Talia, et al.
Pubblicazione: (2024)

Adaptation of AI-accelerated CFD Simulations to the IPU platform
di: Rosciszewski, P., et al.
Pubblicazione: (2026)

AI Factories: It's time to rethink the Cloud-HPC divide
di: Lopez, Pedro Garcia, et al.
Pubblicazione: (2025)

MSCCL++: Rethinking GPU Communication Abstractions for AI Inference
di: Hwang, Changho, et al.
Pubblicazione: (2025)

Decentralized AI: Permissionless LLM Inference on POKT Network
di: Olshansky, Daniel, et al.
Pubblicazione: (2024)