論文の概要: Development of Authenticated Clients and Applications for ICICLE CI
Services -- Final Report for the REHS Program, June-August, 2022
- arxiv url: http://arxiv.org/abs/2304.11086v1
- Date: Mon, 17 Apr 2023 00:27:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-30 07:57:04.992348
- Title: Development of Authenticated Clients and Applications for ICICLE CI
Services -- Final Report for the REHS Program, June-August, 2022
- Title（参考訳）: ICICLE CIサービスのための認証クライアントとアプリケーションの開発 -- 2022年6月～8月REHSプログラムの最終報告
- Authors: Sahil Samar, Mia Chen, Jack Karpinski, Michael Ray, Archita Sarin,
Christian Garcia, Matthew Lange, Joe Stubbs, Mary Thomas
- Abstract要約: ICICLE リソースやサービスにアクセスする Jupyter Notebooks と Python コマンドラインクライアントの開発について述べる。
クライアントを接続するために、計算研究をサポートするフレームワークであるTapisを使用しました。
本報告では,ソフトウェアアーキテクチャ,設計とアプローチ,クライアントソフトウェアの成功,今後の作業について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The Artificial Intelligence (AI) institute for Intelligent
Cyberinfrastructure with Computational Learning in the Environment (ICICLE) is
funded by the NSF to build the next generation of Cyberinfrastructure to render
AI more accessible to everyone and drive its further democratization in the
larger society. We describe our efforts to develop Jupyter Notebooks and Python
command line clients that would access these ICICLE resources and services
using ICICLE authentication mechanisms. To connect our clients, we used Tapis,
which is a framework that supports computational research to enable scientists
to access, utilize, and manage multi-institution resources and services. We
used Neo4j to organize data into a knowledge graph (KG). We then hosted the KG
on a Tapis Pod, which offers persistent data storage with a template made
specifically for Neo4j KGs. In order to demonstrate the capabilities of our
software, we developed several clients: Jupyter notebooks authentication,
Neural Networks (NN) notebook, and command line applications that provide a
convenient frontend to the Tapis API. In addition, we developed a data
processing notebook that can manipulate KGs on the Tapis servers, including
creations of a KG, data upload and modification. In this report we present the
software architecture, design and approach, the successfulness of our client
software, and future work.
- Abstract（参考訳）: ai(artificial intelligence) institute for intelligent cyberinfrastructure with computational learning in the environment (icicle)は、nsfが資金提供し、aiを誰にでもアクセスしやすくし、より大きな社会におけるさらなる民主化を推進する次世代のサイバーインフラを構築する。
ICICLE認証機構を用いて,これらのICICLEリソースやサービスにアクセスするJupyter NotebooksとPythonコマンドラインクライアントの開発について述べる。
クライアントをつなぐために、私たちはtapisを使いました。tapisは計算研究をサポートするフレームワークで、科学者が多施設のリソースやサービスにアクセスし、利用し、管理できるようにします。
neo4jを使ってデータをナレッジグラフ(kg)に整理しました。
そしてKGをTapis Pod上にホストし、Neo4j KG専用のテンプレートを備えた永続的なデータストレージを提供しました。
当社のソフトウェアの能力を実証するために,jupyter notebooks authentication,neural networks (nn) notebook,そしてtapis apiの便利なフロントエンドを提供するコマンドラインアプリケーションという,いくつかのクライアントを開発しました。
さらに,Tapisサーバ上のKGを操作可能なデータ処理ノートブックを開発し,KGの作成,データのアップロード,修正を行った。
本報告では,ソフトウェアアーキテクチャ,設計とアプローチ,クライアントソフトウェアの成功度,今後の作業について述べる。
関連論文リスト
- OS-ATLAS: A Foundation Action Model for Generalist GUI Agents [55.37173845836839]
OS-AtlasはGUIグラウンディングとOODエージェントタスクに優れた基礎的なGUIアクションモデルである。
現在までに1300万以上のGUI要素を含む、オープンソースのクロスプラットフォームGUI基盤コーパスをリリースしています。
論文 参考訳（メタデータ） (2024-10-30T17:10:19Z) - SoTaNa: The Open-Source Software Development Assistant [81.86136560157266]
SoTaNaはオープンソースのソフトウェア開発アシスタントだ。
ソフトウェア工学の分野のための高品質な命令ベースのデータを生成する。
オープンソースの基盤モデルであるLLaMAを強化するためにパラメータ効率のよい微調整アプローチを採用している。
論文 参考訳（メタデータ） (2023-08-25T14:56:21Z) - CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。
我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。
CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
論文 参考訳（メタデータ） (2023-05-31T05:24:48Z) - End-to-end AI framework for interpretable prediction of molecular and
crystal properties [3.8878792624088856]
このフレームワークは、CGCNN、PhysNet、SchNet、MPNN、MPNN-transformer、TorchMD-NETといった最先端AIモデルに基づいている。
これらのAIモデルとベンチマークQM9、hMOF、MD17データセットを併用して、モデルがユーザ指定の材料特性を予測する方法を示す。
論文 参考訳（メタデータ） (2022-12-21T19:27:51Z) - Scalable Collaborative Learning via Representation Sharing [53.047460465980144]
フェデレートラーニング(FL)とスプリットラーニング(SL)は、データを(デバイス上で)プライベートにしながら協調学習を可能にする2つのフレームワークである。
FLでは、各データ保持者がモデルをローカルにトレーニングし、集約のために中央サーバにリリースする。
SLでは、クライアントは個々のカット層アクティベーション(スマッシュされたデータ)をサーバにリリースし、そのレスポンス(推論とバックの伝搬の両方)を待つ必要があります。
本研究では, クライアントがオンライン知識蒸留を通じて, 対照的な損失を生かして協調する, プライバシ保護機械学習の新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-11-20T10:49:22Z) - Federated Learning with Heterogeneous Architectures using Graph
HyperNetworks [154.60662664160333]
パラメータ共有にグラフハイパーネットワークを採用することにより、異種クライアントアーキテクチャに対応する新しいFLフレームワークを提案する。
既存のソリューションとは異なり、当社のフレームワークは、クライアントが同じアーキテクチャタイプを共有することを制限せず、外部データも使用せず、クライアントがモデルアーキテクチャを公開する必要もありません。
論文 参考訳（メタデータ） (2022-01-20T21:36:25Z) - FDNAS: Improving Data Privacy and Model Diversity in AutoML [7.402044070683503]
クライアントの分散データからハードウェアを意識したNASを実現するためのFDNAS(Federated Direct Neural Architecture Search)フレームワークを提案する。
メタラーニングにインスパイアされたクライアントのデータ分散をさらに適応させるために、CFDNAS(Federated Direct Neural Architecture Search)フレームワークが提案され、クライアント対応NASを実現する。
論文 参考訳（メタデータ） (2020-11-06T14:13:42Z) - NLP Service APIs and Models for Efficient Registration of New Clients [42.43072290124031]
最先端のNLP推論では、GPUでトレーニングされた巨大なニューラルネットワークとモデルが使用されている。
これにより、大規模なAI企業による、すべてのパブリックAPIベースのNLPサービスモデルが、多数のクライアントに提供されるようになりました。
我々は,集中型NLPサービスのクライアントへの適応に関する研究を開始し,実用的で軽量なアプローチを提案する。
論文 参考訳（メタデータ） (2020-10-04T09:47:40Z) - Machine Learning Algorithms for Active Monitoring of High Performance
Computing as a Service (HPCaaS) Cloud Environments [0.0]
本稿では,HPCプラットフォームとして構成されたクラウドインフラストラクチャ上で動作するエンジニアリングアプリケーションの実用性について検討する。
この研究で考慮された工学的応用としては、ロスアラモス国立研究所が開発した放射線輸送コードMCNP6、オープンソースの計算流体力学コードOpenFOAM、素数分解に使用される一般数場シーブアルゴリズムCADONFSなどがある。
論文 参考訳（メタデータ） (2020-09-26T01:29:19Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳（メタデータ） (2020-03-30T15:12:03Z)
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。