論文の概要: Infrastructure for Artificial Intelligence, Quantum and High Performance Computing

• arxiv url: http://arxiv.org/abs/2012.09303v1
• Date: Wed, 16 Dec 2020 22:41:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-03 04:48:53.928030
• Title: Infrastructure for Artificial Intelligence, Quantum and High Performance Computing
• Title（参考訳）: 人工知能・量子・高性能コンピューティングのための基盤
• Authors: William Gropp, Sujata Banerjee, and Ian Foster
• Abstract要約: これらの分野の研究者は、コンピューティングインフラストラクチャへのアクセスに依存しているが、これらのリソースは不足しており、通常は彼らの研究を支援するサイロ化されている。 本稿では、コンピュータ科学研究を支援するために、いくつかの能力の収束を認識するコンピューティングインフラに対するより総合的なアプローチが必要であると論じる。
• 参考スコア（独自算出の注目度）: 0.5760524510298753
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High Performance Computing (HPC), Artificial Intelligence (AI)/Machine Learning (ML), and Quantum Computing (QC) and communications offer immense opportunities for innovation and impact on society. Researchers in these areas depend on access to computing infrastructure, but these resources are in short supply and are typically siloed in support of their research communities, making it more difficult to pursue convergent and interdisciplinary research. Such research increasingly depends on complex workflows that require different resources for each stage. This paper argues that a more-holistic approach to computing infrastructure, one that recognizes both the convergence of some capabilities and the complementary capabilities from new computing approaches, be it commercial cloud to Quantum Computing, is needed to support computer science research.
• Abstract（参考訳）: ハイパフォーマンスコンピューティング(HPC)、人工知能(AI)/マシンラーニング(ML)、量子コンピューティング(QC)およびコミュニケーションは、イノベーションと社会への影響の巨大な機会を提供する。 これらの分野の研究者は、コンピューティングインフラストラクチャへのアクセスに依存しているが、これらのリソースは不足しており、研究コミュニティのサポートでサイロ化されており、収束的かつ学際的な研究を追求することがより困難である。 このような研究は、段階ごとに異なるリソースを必要とする複雑なワークフローに依存している。 本稿では,コンピュータ科学研究を支援するために,コンピューティングインフラストラクチャに対するより包括的なアプローチと,商用クラウドから量子コンピューティングまで,新たなコンピューティングアプローチからの相補的能力の両方を認識するアプローチが必要であることを論じる。

関連論文リスト

• Bridging eResearch Infrastructure and Experimental Materials Science Process in the Quantum Data Hub [0.36651088217486427]
  本稿では,量子材料を扱う研究者を対象としたコミュニティアクセス型研究基盤であるQuantum Data Hub (QDH)を紹介する。 QDHはNational Data Platformと統合され、FAIRの原則に準拠しながら、ユーザビリティ、ナビゲートビリティ、解釈可能性、タイムラインに関するUNITの新たな原則を提案している。
  論文  参考訳（メタデータ） (2024-05-30T05:35:57Z)
• Generative AI-enabled Quantum Computing Networks and Intelligent Resource Allocation [80.78352800340032]
  量子コンピューティングネットワークは、大規模な生成AI計算タスクと高度な量子アルゴリズムを実行する。 量子コンピューティングネットワークにおける効率的なリソース割り当ては、量子ビットの可変性とネットワークの複雑さのために重要な課題である。 我々は、生成学習から量子機械学習まで、最先端強化学習(RL)アルゴリズムを導入し、最適な量子リソース割り当てを行う。
  論文  参考訳（メタデータ） (2024-01-13T17:16:38Z)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• The QUATRO Application Suite: Quantum Computing for Models of Human Cognition [49.038807589598285]
  量子コンピューティング研究のための新しい種類のアプリケーション -- 計算認知モデリング -- をアンロックします。 我々は、認知モデルから量子コンピューティングアプリケーションのコレクションであるQUATROをリリースする。
  論文  参考訳（メタデータ） (2023-09-01T17:34:53Z)
• Towards a Dynamic Composability Approach for using Heterogeneous Systems in Remote Sensing [0.0]
  本稿では,科学計算,人工知能(AI),リモートセンシング領域の共通部分において,構成可能なシステムを利用するための新しいアプローチを提案する。 我々は,NSFが出資するスーパーコンピュータであるExpanseを,地理的分散クラスタであるNautilusとフェデレートする,構成可能なインフラストラクチャの最初の実例のアーキテクチャについて述べる。
  論文  参考訳（メタデータ） (2022-11-13T14:48:00Z)
• Coordinated Science Laboratory 70th Anniversary Symposium: The Future of Computing [80.72844751804166]
  2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。 シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。 参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
  論文  参考訳（メタデータ） (2022-10-04T17:32:27Z)
• Future Computer Systems and Networking Research in the Netherlands: A Manifesto [137.47124933818066]
  我々はICTの重要部分としてCompSysに注目している。 オランダ経済のトップセクター、国家研究アジェンダの各ルート、国連持続可能な開発目標の各ルートは、コンプシーズの進歩なしには対処できない課題を提起する。
  論文  参考訳（メタデータ） (2022-05-26T11:02:29Z)
• Quantum Heterogeneous Distributed Deep Learning Architectures: Models, Discussions, and Applications [13.241451755566365]
  量子深層学習(QDL)と分散深層学習(DDL)は、既存の深層学習を補完するために出現している。 QDLは、ローカルデバイスやサーバ上のディープラーニング計算を量子ディープラーニングに置き換えることで、計算上の利益を得る。 サーバとクライアント間の量子セキュアな通信プロトコルを使用することで、データセキュリティを向上させることができる。
  論文  参考訳（メタデータ） (2022-02-19T12:59:11Z)
• Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
  AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
  論文  参考訳（メタデータ） (2021-01-15T10:43:10Z)
• Convergence of Artificial Intelligence and High Performance Computing on NSF-supported Cyberinfrastructure [3.4291439418246177]
  人工知能(AI)アプリケーションは、産業や技術におけるビッグデータの課題に対して、トランスフォーメーションソリューションを推進している。 AIは、統計的および数学的厳密性を備えたコンピューティングパラダイムへと進化し続けており、トレーニング、検証、テストのためのシングルGPUソリューションがもはや不十分であることが明らかになっている。 この実現により、AIとハイパフォーマンスコンピューティングの融合が加速し、監視時間の短縮が図られている。
  論文  参考訳（メタデータ） (2020-03-18T18:00:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。