論文の概要: AI4EOSC: a Federated Cloud Platform for Artificial Intelligence in Scientific Research

• arxiv url: http://arxiv.org/abs/2512.16455v1
• Date: Thu, 18 Dec 2025 12:20:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:32.048963
• Title: AI4EOSC: a Federated Cloud Platform for Artificial Intelligence in Scientific Research
• Title（参考訳）: AI4EOSC:科学研究における人工知能のためのフェデレーションクラウドプラットフォーム
• Authors: Ignacio Heredia, Álvaro López García, Germán Moltó, Amanda Calatrava, Valentin Kozlov, Alessandro Costantini, Viet Tran, Mario David, Daniel San Martín, Marcin Płóciennik, Marta Obregón Ruiz, Saúl Fernandez, Judith Sáinz-Pardo Díaz, Miguel Caballer, Caterina Alarcón Marín, Stefan Dlugolinsky, Martin Šeleng, Lisana Berberi, Khadijeh Alibabaei, Borja Esteban Sanchis, Pedro Castro, Giacinto Donvito, Diego Aguirre, Sergio Langarita, Vicente Rodriguez, Leonhard Duda, Andrés Heredia Canales, Susana Rebolledo Ruiz, João Machado, Giang Nguyen, Fernando Aguilar Gómez, Jaime Díez,
• Abstract要約: 我々は、科学ワークロードで人工知能をサポートするための、連邦計算プラットフォームについて説明する。 物理的に分散したe-インフラのフェデレーションに一貫した透過的なアクセスを提供する。 このプラットフォームは、完全な機械学習ライフサイクルをカバーする統合されたユーザーエクスペリエンスを提供することができる。
• 参考スコア（独自算出の注目度）: 44.97138432029079
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we describe a federated compute platform dedicated to support Artificial Intelligence in scientific workloads. Putting the effort into reproducible deployments, it delivers consistent, transparent access to a federation of physically distributed e-Infrastructures. Through a comprehensive service catalogue, the platform is able to offer an integrated user experience covering the full Machine Learning lifecycle, including model development (with dedicated interactive development environments), training (with GPU resources, annotation tools, experiment tracking, and federated learning support) and deployment (covering a wide range of deployment options all along the Cloud Continuum). The platform also provides tools for traceability and reproducibility of AI models, integrates with different Artificial Intelligence model providers, datasets and storage resources, allowing users to interact with the broader Machine Learning ecosystem. Finally, it is easily customizable to lower the adoption barrier by external communities.
• Abstract（参考訳）: 本稿では,人工知能を科学ワークロードでサポートするための計算プラットフォームについて述べる。 再現可能なデプロイメントに力を注ぐことで、物理的に分散したe-Infrastructureのフェデレーションに対して、一貫性のある透過的なアクセスを提供する。 総合的なサービスカタログを通じて、プラットフォームは、モデル開発(専用のインタラクティブな開発環境を含む)、トレーニング(GPUリソース、アノテーションツール、実験追跡、フェデレーション学習サポートを含む)、デプロイメント(Cloud Continuumに沿って幅広いデプロイメントオプションをカバー)を含む、マシンラーニングライフサイクル全体をカバーする統合されたユーザエクスペリエンスを提供することができる。 プラットフォームはまた、AIモデルのトレーサビリティと再現性のためのツールも提供しており、さまざまな人工知能モデルプロバイダ、データセット、ストレージリソースと統合されている。 最後に、外部コミュニティによる採用障壁を低くすることが容易にカスタマイズできる。

関連論文リスト

• The AI_INFN Platform: Artificial Intelligence Development in the Cloud [0.0]
  INFNイニシアチブであるAI_INFN(Artificial Intelligence at INFN)は、さまざまなINFN研究シナリオでMLメソッドの使用を促進することを目指している。 性能と統合結果の両方を実証し、予備ベンチマーク、機能テスト、ケーススタディを示す。
  論文  参考訳（メタデータ） (2025-09-26T09:40:51Z)
• A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
  クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。 CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。 本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
  論文  参考訳（メタデータ） (2025-08-26T08:38:01Z)
• Genie Envisioner: A Unified World Foundation Platform for Robotic Manipulation [69.30586607892842]
  我々は,ロボット操作のための統一世界基盤プラットフォームであるGenie Envisioner(GE)を紹介する。 GEは、ポリシー学習、評価、シミュレーションを単一のビデオ生成フレームワークに統合する。
  論文  参考訳（メタデータ） (2025-08-07T17:59:44Z)
• Institutional Platform for Secure Self-Service Large Language Model Exploration [0.1806830971023738]
  論文では、データセットキュレーション、モデルトレーニング、セキュア推論、テキストベースの特徴抽出を含む、システムのアーキテクチャと重要な特徴について概説する。 プラットフォームはセキュアなLLMサービスの提供、プロセスとデータ分離の強調、エンドツーエンドの暗号化、ロールベースのリソース認証を目指している。
  論文  参考訳（メタデータ） (2024-02-01T10:58:10Z)
• ESPnet-SPK: full pipeline speaker embedding toolkit with reproducible recipes, self-supervised front-ends, and off-the-shelf models [51.35570730554632]
  ESPnet-SPKは、話者埋め込み抽出器を訓練するためのツールキットである。 我々は、x-vectorから最近のSKA-TDNNまで、いくつかのモデルを提供している。 開発モデルと他のドメインとの橋渡しも目指しています。
  論文  参考訳（メタデータ） (2024-01-30T18:18:27Z)

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。