Fugu-MT 論文翻訳(概要): Hyperion: An AI-powered HPC cluster for sciences and humanities research that utilizes ML for predicting job turnaround time

論文の概要: Hyperion: An AI-powered HPC cluster for sciences and humanities research that utilizes ML for predicting job turnaround time

arxiv url: http://arxiv.org/abs/2609.11946v1
Date: Wed, 22 Jul 2026 17:53:35 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-28 05:09:55.499706
Title: Hyperion: An AI-powered HPC cluster for sciences and humanities research that utilizes ML for predicting job turnaround time
Title（参考訳）: Hyperion: MLを使って仕事のターンアラウンドタイムを予測する科学と人文科学研究のためのAIによるHPCクラスタ
Abstract要約: Hyperionは、サウスカロライナ大学(USC)の研究者のために開発された革新的な高性能コンピューティング(HPC)クラスタである。我々は、2つの機械学習(ML)モデルを開発し、待ち時間と壁時間を含むターンアラウンドタイムを予測し、それらをSlurmジョブにシームレスに統合した。
参考スコア（独自算出の注目度）: 9.87852941816554
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Hyperion is an innovative high-performance computing (HPC) cluster developed for researchers in both science and humanities disciplines at the University of South Carolina (USC). Our approach involved constructing a HPC cluster designed to meet the current research needs while accommodating future expansion. Additionally, we developed and trained two machine learning (ML) models to predict turnaround time, including wait time and wall time, and seamlessly integrated them into the Slurm job submission. Finally, we showcase a variety of sample applications hosted on the Hyperion platform.
Abstract（参考訳）: Hyperionは、サウスカロライナ大学(USC)の科学と人文科学の両方の分野の研究者のために開発された革新的な高性能コンピューティング(HPC)クラスタである。当社のアプローチでは,今後の拡張を図りながら,現在の研究ニーズを満たすように設計されたHPCクラスタの構築に携わる。さらに、2つの機械学習(ML)モデルを開発し、待ち時間と壁時間を含むターンアラウンドタイムを予測し、それらをSlurmジョブにシームレスに統合した。最後に、Hyperionプラットフォームでホストされているさまざまなサンプルアプリケーションを紹介します。

関連論文リスト

Scalable Cross-Facility Federated Learning for Scientific Foundation Models on Multiple Supercomputers [10.377831886929803]
異種HPC環境のためのクロスファクティリティー・フェデレーション・ラーニング・フレームワークを提案する。我々は、米国エネルギー省(DOE)のリーダーシップ階級のスーパーコンピュータ4台にまたがって評価を行った。化学命令データセット上で,大規模言語モデルを微調整することにより,科学的適用性を検証する。
論文参考訳（メタデータ） (2026-03-20T00:57:58Z)
Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
論文参考訳（メタデータ） (2026-02-02T14:13:28Z)
Toward Ultra-Long-Horizon Agentic Science: Cognitive Accumulation for Machine Learning Engineering [59.18634614089481]
超長距離機械学習工学(MLE)を習得する自律エージェントML-Master 2.0を提案する。文脈管理を認知的蓄積のプロセスとして考えることで、階層的認知キャッシング(HCC)を導入する。 HCCは、エージェントが短期的な実験戦略から即時実行を分離することを可能にする。オープンAIのMLE-Benchを24時間予算で評価すると、ML-Master 2.0は56.44%の最先端のメダルを獲得した。
論文参考訳（メタデータ） (2026-01-15T13:52:04Z)
What Artificial Intelligence can do for High-Performance Computing systems? [0.0]
本稿では、機械学習(ML)や最適化を含む人工(AI)が、運用用HPCシステムの効率をどのように改善するかを評価する。 2019年から2025年までの約1,800の出版物は、事前に定義された包括的・排他的基準を用いて手動で審査された。 74の"AI for HPC"論文は、パフォーマンス推定、パフォーマンス最適化、スケジューリング、サロゲートモデリング、障害検出、言語モデルに基づく自動化の6つのアプリケーション領域にまとめられ、グループ化された。
論文参考訳（メタデータ） (2026-01-03T19:25:23Z)
Diffusion for Fusion: Designing Stellarators with Generative AI [0.27998963147546135]
我々は、高品質なステラレータ設計を迅速に生成する、機械学習コミュニティに逆問題を提示した。我々は、quiSRデータベースのデータに基づいて条件拡散モデルを訓練し、望ましい特性を持つ準対称ステラレータの設計を生成する。生成したステラレータの多くは, 準対称性および目標特性から5%未満の偏差を示す。
論文参考訳（メタデータ） (2025-11-25T16:17:12Z)
ResearchGPT: Benchmarking and Training LLMs for End-to-End Computer Science Research Workflows [109.34792911044394]
CS-54k(CS-54k)は、コンピュータ科学におけるQ&Aペアの高品質なコーパスである。 CS-4kは、科学研究を支援するAIの能力を評価するためのベンチマークである。 CS-50kは大規模なトレーニングデータセットである。
論文参考訳（メタデータ） (2025-10-23T07:07:35Z)
DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
論文参考訳（メタデータ） (2023-12-08T16:51:10Z)
Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文参考訳（メタデータ） (2021-06-05T01:31:51Z)
Artificial Intelligence based Autonomous Molecular Design for Medical Therapeutic: A Perspective [9.371378627575883]
ドメイン認識機械学習(ML)モデルは、小さな分子治療設計の加速にますます採用されている。我々は、各コンポーネントによって達成された最新のブレークスルーと、このような自律型AIとMLワークフローをどのように実現できるかを提示する。
論文参考訳（メタデータ） (2021-02-10T00:43:46Z)
Integrating Deep Learning in Domain Sciences at Exascale [2.241545093375334]
我々は,大規模HPCシステム上でディープラーニングモデルとアプリケーションを効率的に動作させるための既存パッケージの評価を行った。本稿では,現在の大規模異種システムに対する新しい非同期並列化と最適化手法を提案する。従来の計算集約型アプリケーションとデータ集約型アプリケーションをAIで拡張するための図表と潜在的なソリューションを提案する。
論文参考訳（メタデータ） (2020-11-23T03:09:58Z)

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。