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/2312.15640v2
- Date: Thu, 28 Dec 2023 00:54:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-29 21:00:38.490213
- 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
- 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) - Performance of Commercial Quantum Annealing Solvers for the Capacitated
Vehicle Routing Problem [0.0]
この研究は30時間以上にわたって、商用プラットフォームへのアクセスを広範囲に分析してきた。
絶対誤差は0.12から0.55であり、量子プロセッサユニット(QPU)時間は30から46マイクロ秒である。
論文 参考訳(メタデータ) (2023-09-11T15:51:22Z) - Task-Oriented Over-the-Air Computation for Multi-Device Edge AI [57.50247872182593]
エッジAIをサポートするための6Gネットワークは、AIタスクの効率的かつ効率的な実行に焦点を当てたタスク指向のテクニックを備えている。
本稿では,マルチデバイススプリット推論システムにおけるタスク指向オーバー・ザ・エア計算(AirComp)方式を提案する。
論文 参考訳(メタデータ) (2022-11-02T16:35:14Z) - Implementing Reinforcement Learning Datacenter Congestion Control in
NVIDIA NICs [62.557323506605236]
渋滞制御 (CC) アルゴリズムの設計は非常に困難になる。
現在、計算能力に制限があるため、ネットワークデバイスにAIモデルをデプロイすることはできない。
我々は,近年の強化学習CCアルゴリズムに基づく計算軽度解を構築した。
論文 参考訳(メタデータ) (2022-07-05T20:42:24Z) - 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) - Optimality-based Analysis of XCSF Compaction in Discrete Reinforcement
Learning [4.9444321684311925]
本稿では,新しい圧縮アルゴリズム(Greedy Niche Mass Compaction - GNMC)を導入する。
その結果、GNMCは適切なパラメトリエーションを施すと、機能近似誤差をわずかに改善する一方、人口規模は著しく減少することがわかった。
このメトリクスを迷路のような環境でよく使われるステップ・ツー・ゴールのメトリクスにリンクし、メトリクスが競合するよりも補完的であるかを説明します。
論文 参考訳(メタデータ) (2020-09-03T06:31:43Z) - 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) - Variational Inference with Vine Copulas: An efficient Approach for
Bayesian Computer Model Calibration [0.456877715768796]
ガウス過程を用いた計算機モデルの校正のための変分ベイズ推論(VBI)に基づく効率的なアルゴリズムを開発した。
VBIの効率を維持するために、Vine copulas を用いてデータのペアワイズ分解を行う。
また,核結合エネルギーの液滴モデルのキャリブレーションを通じて実データを用いた実践者に対して,本手法がもたらす機会を実証する。
論文 参考訳(メタデータ) (2020-03-28T21:05:16Z)
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。