Fugu-MT 論文翻訳(概要): Leveraging AI for Productive and Trustworthy HPC Software: Challenges and Research Directions

論文の概要: Leveraging AI for Productive and Trustworthy HPC Software: Challenges and Research Directions

arxiv url: http://arxiv.org/abs/2505.08135v1
Date: Tue, 13 May 2025 00:12:45 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-14 20:57:54.374557
Title: Leveraging AI for Productive and Trustworthy HPC Software: Challenges and Research Directions
Title（参考訳）: 生産的で信頼性の高いHPCソフトウェアにAIを活用する - 課題と研究の方向性
Abstract要約: 我々は、最先端のAI技術を活用して、独特でニッチなソフトウェアを開発する際の課題について議論する。 ElloraとDurbanの2つの米国エネルギー省が支援する、AIによるHPCソフトウェア推進プロジェクト(ElloraとDurban)で、私たちの研究の方向性を概説する。
参考スコア（独自算出の注目度）: 41.19519861014824
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We discuss the challenges and propose research directions for using AI to revolutionize the development of high-performance computing (HPC) software. AI technologies, in particular large language models, have transformed every aspect of software development. For its part, HPC software is recognized as a highly specialized scientific field of its own. We discuss the challenges associated with leveraging state-of-the-art AI technologies to develop such a unique and niche class of software and outline our research directions in the two US Department of Energy--funded projects for advancing HPC Software via AI: Ellora and Durban.
Abstract（参考訳）: 本稿では,ハイパフォーマンスコンピューティング(HPC)ソフトウェアの開発にAIを活用する上での課題と研究の方向性について論じる。 AI技術、特に大きな言語モデルは、ソフトウェア開発のあらゆる側面を変えました。 HPCソフトウェアは、その部分において、高度に専門的な科学分野として認識されている。我々は、最先端のAI技術を活用して、このようなユニークでニッチな種類のソフトウェアを開発することに関わる課題について議論し、AI: ElloraとDurbanを介してHPCソフトウェアを推進するための米国エネルギー省が出資する2つのプロジェクト、ElloraとDurbanで研究の方向性を概説する。

関連論文リスト

Report for NSF Workshop on AI for Electronic Design Automation [56.48556959103223]
本報告は、電子設計自動化のためのAIワークショップ(NSF Workshop on AI for Electronic Design Automation, EDA)の議論とレコメンデーションを精査するものである。機械学習とEDAを専門とするワークショップでは、AIが拡張する大規模言語モデル(LLM)、グラフニューラルネットワーク(GNN)、強化学習(RL)、ニューロシンボリックメソッドなどについて調査した。報告書では、AI/EDAコラボレーションの促進、EDAのための基礎的AIへの投資、堅牢なデータインフラストラクチャの開発、スケーラブルなコンピューティングインフラストラクチャの促進、ハードウェア設計の民主化と次世代ハードウェアシステムの実現のための労働力開発への投資をNSFが推奨している。
論文参考訳（メタデータ） (2026-01-20T23:45:40Z)
Advancing AI Challenges for the United States Department of the Air Force [91.02589169578908]
DAF-MIT AI Acceleratorは、アメリカ空軍(DAF)とマサチューセッツ工科大学(MIT)の協力である。この記事では、AI Acceleratorの課題を紹介した前回の論文を補完する。私たちは、AI技術のAI研究と応用に、進行中の新たな課題がいかに貢献したか、最新の情報を提供しています。
論文参考訳（メタデータ） (2025-10-31T21:34:57Z)
Explainable Artificial Intelligence Techniques for Software Development Lifecycle: A Phase-specific Survey [1.4513830934124627]
説明可能な人工知能(XAI)は、AIシステムをより解釈可能で透明にするブラックボックス問題に対処するために登場した。本稿では,SDLC(Software Development Life Cycle)のすべてのフェーズを対象としたXAI技術に関する総合的な調査を行う。
論文参考訳（メタデータ） (2025-05-11T17:09:57Z)
Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文参考訳（メタデータ） (2025-03-28T17:17:57Z)
Artificial Intelligence for Quantum Computing [30.639337493477242]
量子コンピューティングは、AIのデータ駆動学習機能の主要な候補である。 AIからQCにリードする技術を導入するには、おそらくコンピュータ科学の最も先進的で難解な領域の2つから専門知識を引き出す必要がある。本稿では、最先端のAI技術が、有用なQCを開発するために必要なハードウェアとソフトウェアスタック間の課題をすでに進めている方法についてレビューする。
論文参考訳（メタデータ） (2024-11-14T02:11:16Z)
"I Don't Use AI for Everything": Exploring Utility, Attitude, and Responsibility of AI-empowered Tools in Software Development [19.851794567529286]
本研究では、ソフトウェア開発プロセスにおけるAIを活用したツールの採用、影響、およびセキュリティに関する考察を行う。ソフトウェア開発のさまざまな段階において,AIツールが広く採用されていることが判明した。
論文参考訳（メタデータ） (2024-09-20T09:17:10Z)
Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。ディープラーニングとエッジコンピューティングの進歩により、VADは大きな進歩を遂げた。この記事では、NSVADの初心者向けの包括的なチュートリアルを紹介します。
論文参考訳（メタデータ） (2024-05-16T02:00:44Z)
Making Software Development More Diverse and Inclusive: Key Themes, Challenges, and Future Directions [50.545824691484796]
ソフトウェア開発者の多様性と包摂性(SDDI)を改善するための課題と機会に関する6つのテーマを特定します。 4つのテーマの利点、害、今後の研究の方向性を特定します。残りの2つのテーマ、人工知能とSDDIとAIとコンピュータサイエンスの教育について論じる。
論文参考訳（メタデータ） (2024-04-10T16:18:11Z)
Exploring the intersection of Generative AI and Software Development [0.0]
生成AIとソフトウェアエンジニアリングの相乗効果は、変革的なフロンティアとして現れます。このホワイトペーパーは、探索されていない領域に展開し、生成的AI技術がソフトウェア開発にどのように革命をもたらすかを解明する。これはステークホルダーのためのガイドとして機能し、ソフトウェア工学における生成AIの適用に関する議論と実験を促している。
論文参考訳（メタデータ） (2023-12-21T19:23:23Z)
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)
Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文参考訳（メタデータ） (2022-12-10T07:49:50Z)
Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。 NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文参考訳（メタデータ） (2022-03-06T10:12:56Z)
Building an AI-ready RSE Workforce [0.0]
機械学習とディープラーニングは、研究ソフトウェア開発ライフサイクルのあらゆる側面に適用されています。我々は、AIが研究ソフトウェア開発とエンジニアに提示した今日の課題と機会について、私たちの見解について議論する。
論文参考訳（メタデータ） (2021-11-09T02:36:24Z)
Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文参考訳（メタデータ） (2020-11-17T13:14:28Z)

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。