論文の概要: Report of the DOE/NSF Workshop on Correctness in Scientific Computing,
June 2023, Orlando, FL
- arxiv url: http://arxiv.org/abs/2312.15640v1
- Date: Mon, 25 Dec 2023 07:59:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 17:18:49.204190
- Title: Report of the DOE/NSF Workshop on Correctness in Scientific Computing,
June 2023, Orlando, FL
- Title（参考訳）: DOE/NSF Workshop on correctness in Scientific Computing, June 2023, Orlando, FL参加報告
- Authors: Maya Gokhale, Ganesh Gopalakrishnan, Jackson Mayo, Santosh
Nagarakatte, Cindy Rubio-Gonz\'alez, Stephen F. Siegel
- Abstract要約: 本報告は2023年6月17日に開催されたDOE/NSF Workshop on Correctness in Scientific Computing (CSC'23)のダイジェストである。
CSC は DOE と NSF によって考案され,大規模科学的シミュレーションを行うために計算手法を使用している人々の間で,正当性に関する懸念が高まっている。
このような多様なバックグラウンドを持つ参加者を巻き込むため、CSCは2023年のFCRC(Federated Computing Research Conference)で開催された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This report is a digest of the DOE/NSF Workshop on Correctness in Scientific
Computing (CSC'23) held on June 17, 2023, as part of the Federated Computing
Research Conference (FCRC) 2023. CSC was conceived by DOE and NSF to address
the growing concerns about correctness among those who employ computational
methods to perform large-scale scientific simulations. These concerns have
escalated, given the complexity, scale, and heterogeneity of today's HPC
software and hardware. If correctness is not proactively addressed, there is
the risk of producing flawed science on top of unacceptable productivity losses
faced by computational scientists and engineers. HPC systems are beginning to
include data-driven methods, including machine learning and surrogate models,
and their impact on overall HPC system correctness was also felt urgent to
discuss.
Stakeholders of correctness in this space were identified to belong to
several sub-disciplines of computer science; from computer architecture
researchers who design special-purpose hardware that offers high energy
efficiencies; numerical algorithm designers who develop efficient computational
schemes based on reduced precision as well as reduced data movement; all the
way to researchers in programming language and formal methods who seek
methodologies for correct compilation and verification. To include attendees
with such a diverse set of backgrounds, CSC was held during the Federated
Computing Research Conference (FCRC) 2023.
- Abstract（参考訳）: 本報告は,federated computing research conference (fcrc) 2023の一環として2023年6月17日に開催された doe/nsf workshop on correctness in scientific computing (csc'23) のダイジェストである。
CSC は DOE と NSF によって考案され,大規模科学的シミュレーションを行うために計算手法を使用している人々の間で,正当性に関する懸念が高まっている。
これらの懸念は、今日のHPCソフトウェアとハードウェアの複雑さ、スケール、および不均一性を考えると、エスカレートしている。
正しさが積極的に取り組まなければ、計算科学者やエンジニアが直面する許容できない生産性の損失に加えて、欠陥のある科学を生み出すリスクがある。
hpcシステムには、機械学習やサロゲートモデルを含むデータ駆動手法が含まれ始めており、その全体的なhpcシステムの正確性への影響についても議論が急務と感じられた。
この領域の正しさの保持者は、高エネルギー効率を提供する特別な目的のハードウェアを設計するコンピュータアーキテクチャ研究者、精度の低下とデータ移動の低減に基づく効率的な計算スキームを開発する数値アルゴリズム設計者、プログラミング言語の研究者や正しいコンパイルと検証の方法論を求める形式的方法など、コンピュータ科学のいくつかのサブ分野に属すると同定された。
このような多様なバックグラウンドを持つ参加者を巻き込むため、CSCは2023年のFCRC(Federated Computing Research Conference)で開催された。
関連論文リスト
- Computation-Aware Gaussian Processes: Model Selection And Linear-Time Inference [55.150117654242706]
我々は、1.8万のデータポイントでトレーニングされた計算対応GPのモデル選択が、1つのGPU上で数時間以内に可能であることを示す。
この研究の結果、ガウス過程は、不確実性を定量化する能力を著しく妥協することなく、大規模なデータセットで訓練することができる。
論文 参考訳（メタデータ） (2024-11-01T21:11:48Z) - Integrating Quantum Computing Resources into Scientific HPC Ecosystems [29.1407119677928]
量子コンピューティングは、量子化学、最適化、人工知能といった分野における科学的な発見を促進する大きな可能性を秘めている。
QCは、ノイズの多い中間スケールの量子時代の固有の外部ノイズ問題のために、課題に直面している。
本稿では,新たな計算可能性の解き放つ計画の概要を述べる。
論文 参考訳（メタデータ） (2024-08-28T22:44:54Z) - Optimizing Checkpoint-Restart Mechanisms for HPC with DMTCP in Containers at NERSC [0.07767214588770123]
この研究は、最先端のスーパーコンピュータシステムであるNERSC Perlmutter上で動作する現実世界のアプリケーションに基礎を置いている。
我々は,HPCにおける複雑で長い計算を管理する上でのチェックポイント再起動(C/R)の利点について論じ,その効率性と信頼性を強調した。
論文 参考訳（メタデータ） (2024-07-26T22:42:40Z) - NeurIPS 2024 ML4CFD Competition: Harnessing Machine Learning for Computational Fluid Dynamics in Airfoil Design [15.301599529509057]
この課題は、エアフォイル設計シミュレーション(Airfoil design simulation)という、確立された物理応用の基礎となる課題に焦点を当てている。
この競争はML駆動のサロゲート法を探求する先駆的な試みである。
このコンペティションは、参加するすべてのソリューションに対して、オンライントレーニングと評価を提供する。
論文 参考訳（メタデータ） (2024-06-30T21:48:38Z) - FedCAda: Adaptive Client-Side Optimization for Accelerated and Stable Federated Learning [57.38427653043984]
フェデレートラーニング(FL)は、分散クライアント間の機械学習モデルの協調トレーニングにおいて、顕著なアプローチとして登場した。
我々は,この課題に対処するために設計された,革新的なクライアント適応アルゴリズムであるFedCAdaを紹介する。
我々はFedCAdaが適応性、収束性、安定性、全体的な性能の点で最先端の手法より優れていることを実証する。
論文 参考訳（メタデータ） (2024-05-20T06:12:33Z) - Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。
管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
論文 参考訳（メタデータ） (2024-01-11T19:07:58Z) - PhySRNet: Physics informed super-resolution network for application in
computational solid mechanics [0.0]
本研究は,物理インフォームド深層学習に基づく超解像フレームワーク(PhySRNet)の開発を目的とする。
高分解能ラベル付きデータを必要とせずに、高分解能変形場を低分解能変形体から復元することができる。
論文 参考訳（メタデータ） (2022-06-30T17:51:50Z) - Convolutional generative adversarial imputation networks for
spatio-temporal missing data in storm surge simulations [86.5302150777089]
GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。
提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
論文 参考訳（メタデータ） (2021-11-03T03:50:48Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z) - A Machine Learning Approach to Online Fault Classification in HPC
Systems [4.642153471124352]
機械学習に基づくHPCシステムの故障分類手法を提案する。
当社のアプローチの斬新さは、ストリーミングされたデータをオンラインで操作できるという事実に起因しています。
我々はFINJと呼ばれる高レベルかつ使いやすい断層注入ツールを導入し、複雑な実験の管理に重点を置いている。
論文 参考訳（メタデータ） (2020-07-27T15:36:56Z) - Straggler-aware Distributed Learning: Communication Computation Latency
Trade-off [56.08535873173518]
ストラグワーカーは冗長な計算を割り当て、データと計算をまたいでコーディングすることで許容できる。
既存のほとんどのスキームでは、各非ストラグリングワーカーは、全ての計算を完了した後、1イテレーションごとに1つのメッセージをパラメータサーバ(PS)に送信する。
このような制限を課すことで、ストレグリング動作の不正確な予測による過剰計算と、ストレグラー/非ストレグラーとしての作業員の処理による未使用の2つの主な欠点が生じる。
論文 参考訳（メタデータ） (2020-04-10T08:39:36Z)
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。