論文の概要: Workshop Scientific HPC in the pre-Exascale era (part of ITADATA 2024) Proceedings
- arxiv url: http://arxiv.org/abs/2503.21415v1
- Date: Wed, 26 Mar 2025 10:22:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-28 12:51:06.878782
- Title: Workshop Scientific HPC in the pre-Exascale era (part of ITADATA 2024) Proceedings
- Title(参考訳): ワークショップ・サイエンティフィック HPC in the pre-exascale era (ITADATA 2024) Proceedings
- Authors: Nicola Bena, Claudia Diamantini, Michela Natilli, Luigi Romano, Giovanni Stilo, Valentina Pansanella, Claudio A. Ardagna, Anna Monreale, Roberto Trasarti, Valentina Cesare, Gianluca Mittone, Emanuele De Rubeis, Alberto Vecchiato,
- Abstract要約: 2024年9月18日、イタリアのピサで開催されたSHPCのワークショップ「Scientific HPC in the pre-Exascale era (S HPC)」。
S HPCワークショップの主な目的は、天体物理学、宇宙論、その他の科学的文脈や実験において、現在のHPCにおける最も重要な質問がどのように出現するかを議論することであった。
- 参考スコア(独自算出の注目度): 4.318253965448887
- License:
- Abstract: The proceedings of Workshop Scientific HPC in the pre-Exascale era (SHPC), held in Pisa, Italy, September 18, 2024, are part of 3rd Italian Conference on Big Data and Data Science (ITADATA2024) proceedings (arXiv: 2503.14937). The main objective of SHPC workshop was to discuss how the current most critical questions in HPC emerge in astrophysics, cosmology, and other scientific contexts and experiments. In particular, SHPC workshop focused on: $\bullet$ Scientific (mainly in astrophysical and medical fields) applications toward (pre-)Exascale computing $\bullet$ Performance portability $\bullet$ Green computing $\bullet$ Machine learning $\bullet$ Big Data management $\bullet$ Programming on heterogeneous architectures $\bullet$ Programming on accelerators $\bullet$ I/O techniques
- Abstract(参考訳): 2024年9月18日、イタリアのピサで開催されたワークショップ・サイエンティフィックHPCの手続きは、第3回イタリアビッグデータ・データサイエンス会議(ITADATA2024)の手続き(arXiv: 2503.14937)の一部である。
SHPCワークショップの主な目的は、天体物理学、宇宙論、その他の科学的文脈や実験において、現在のHPCにおける最も重要な質問がどのように出現するかを議論することであった。
$\bullet$ Scientific (主に天体物理学と医学の分野) Exascale computing $\bullet$ Performance portability $\bullet$ Green Computing $\bullet$ Machine Learning $\bullet$ Big Data Management $\bullet$ Programming on heterogeneous architectures $\bullet$ Programming on accelerators $\bullet$ I/O technique
関連論文リスト
- DSBench: How Far Are Data Science Agents to Becoming Data Science Experts? [58.330879414174476]
現実的なタスクでデータサイエンスエージェントを評価するためのベンチマークであるDSBenchを紹介する。
このベンチマークには、466のデータ分析タスクと、EloquenceとKaggleのコンペからソースされた74のデータモデリングタスクが含まれている。
現状のLLM, LVLM, エージェントを評価したところ, 最高のエージェントはデータ解析タスクの34.12%しか解決できず, RPG(Relative Performance Gap)は34.74%であった。
論文 参考訳(メタデータ) (2024-09-12T02:08:00Z) - Inertial Confinement Fusion Forecasting via Large Language Models [48.76222320245404]
本研究では,従来の貯水池計算パラダイムとLarge Language Models(LLM)の新たな統合である$textbfLPI-LLM$を紹介する。
我々は、$textitLLM-anchored Reservoir$, augmented with a $textitFusion-specific Prompt$を提案する。
また、最初の$textttLPI$ベンチマークである$textbfLPI4AI$も提示します。
論文 参考訳(メタデータ) (2024-07-15T05:46:44Z) - EXCEEDS: Extracting Complex Events as Connecting the Dots to Graphs in Scientific Domain [57.56639626657212]
我々は、科学領域に適したスキーマを備えた大規模マルチイベント文書レベルデータセットであるSciEventsを構築した。
そこで我々は,グリッドマトリックスに高密度ナゲットを格納することで,新しいエンドツーエンドの科学的イベント抽出フレームワークEXCEEDSを提案する。
実験により,SciEvents上でのEXCEEDSの最先端性能が実証された。
論文 参考訳(メタデータ) (2024-06-20T07:50:37Z) - Single and Multi-Hop Question-Answering Datasets for Reticular Chemistry with GPT-4-Turbo [0.5110571587151475]
RetChemQA"は、レチキュラー化学領域における機械学習モデルの能力を評価するために設計されたベンチマークデータセットである。
このデータセットには、シングルホップとマルチホップの問合せペアの両方が含まれており、各タイプのQ&Aは約45,000である。
質問は、NAS、ACS、RCC、Elsevier、Nature Publishing Groupなどの出版社から約2,530の学術論文を含む広範な文献コーパスから抽出された。
論文 参考訳(メタデータ) (2024-05-03T14:29:54Z) - Physics Event Classification Using Large Language Models [0.48418705470172246]
2023年のAI4EICハッカソンは、アメリカ・カトリック大学の第3回AI4EICワークショップの頂点となった。
この記事では、ハッカソンの課題、使用するリソースと方法論、そしてAI/MLで最も最先端のツールを使用して物理データを分析した結果と洞察を紹介する。
論文 参考訳(メタデータ) (2024-04-05T03:52:27Z) - Linking the Dynamic PicoProbe Analytical Electron-Optical Beam Line /
Microscope to Supercomputers [39.52789559084336]
Argonne National Laboratory(アルゴンヌ国立研究所)のDynamic PicoProbe(ダイナミック・ピコプローブ)は、1日に最大100GBのデータを生成できるアップグレードを行っている。
このデータは、基本的な科学と産業の両方のアプリケーションにとって非常に重要であるが、現在、これらの高ボリュームのデータストリームを扱うためのオンサイトインフラストラクチャは限られている。
本稿では,隣接するArgonne Leadership Computing Facilityにおいて,近隣のスーパーコンピュータへの大規模データ転送を支援するソフトウェアアーキテクチャを提供することにより,この問題に対処する。
このインフラストラクチャは、期待されるワークロードをサポートし、ドメインサイエンティストに過去の実験からデータを再インターロゲートして、さらなる科学的価値をもたらし、新たな洞察を導き出す機能を提供する。
論文 参考訳(メタデータ) (2023-08-25T23:07:58Z) - PhAST: Physics-Aware, Scalable, and Task-specific GNNs for Accelerated
Catalyst Design [102.9593507372373]
触媒材料は産業プロセスに関わる電気化学反応において重要な役割を担っている。
機械学習は、大量のデータから材料特性を効率的にモデル化する可能性を秘めている。
本稿では,ほとんどのアーキテクチャに適用可能なタスク固有のイノベーションを提案し,計算効率と精度の両立を図っている。
論文 参考訳(メタデータ) (2022-11-22T05:24:30Z) - An Extension to Basis-Hypervectors for Learning from Circular Data in
Hyperdimensional Computing [62.997667081978825]
超次元計算(Hyperdimensional Computing、HDC)は、高次元ランダム空間の性質に基づく計算フレームワークである。
本稿では, 基本超ベクトル集合について検討し, 一般にHDCへの実践的貢献につながっている。
本稿では,HDCを用いた機械学習において,これまでに扱ったことのない重要な情報である円形データから学習する手法を提案する。
論文 参考訳(メタデータ) (2022-05-16T18:04:55Z) - Beyond Desktop Computation: Challenges in Scaling a GPU Infrastructure [0.6117371161379209]
計算コストのかかるデータサイエンスアプリケーションを実行する企業や研究所は、遅かれ早かれ、大規模だが無接続のインフラの問題に直面している。
本稿では,オンプレミスインフラストラクチャへの意思決定プロセス,実装されたシステムアーキテクチャ,ソフトウェアスタックのスケール可能なGPUクラスタシステムへの変換について説明する。
論文 参考訳(メタデータ) (2021-10-11T11:02:50Z) - Gegelati: Lightweight Artificial Intelligence through Generic and
Evolvable Tangled Program Graphs [0.0]
Tangled Program Graph (TPG) は遺伝的プログラミングの概念に基づく強化学習技術である。
本稿では TPG 用 Gegelati ライブラリについて紹介する。
論文 参考訳(メタデータ) (2020-12-15T14:02:59Z) - Pythonic Black-box Electronic Structure Tool (PyBEST). An open-source
Python platform for electronic structure calculations at the interface
between chemistry and physics [52.77024349608834]
Pythonic Black-box Electronic Structure Tool (PyBEST) はトルーンのニコラス・コペルニクス大学で開発された。
PyBESTは主にPython3プログラミング言語で書かれており、追加の部分はC++で書かれている。
PyBESTの大規模電子構造計算能力は、モデルビタミンB12化合物に対して実証された。
論文 参考訳(メタデータ) (2020-10-12T07:10:23Z)
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。