研究者がCODES＋ISSS最優秀論文賞を受賞しました

美容とファッションに関する知識が豊富な美容とファッションの専門家です

[研究者たちは、彼らのフローレットトポロジーによって、畳み込みニューラルネットワーク推論タスクに関連する入力ニューラル層を連続したチップレットにマッピングし、遠距離通信を回避することができると述べました。 ¶ クレジット：Harsh Sharma et al.](https://cacm.acm.org/system/assets/0004/6512/101923_Harsh_Sharma_et_al_florets.large.jpg?1697731890&1697731889 “SFCベースのアーキテクチャであるフローレットのイラスト：100チップレットベースのシステムで、インターポーザネットワークに5つのSFCが配置されています。”)

ワシントン州立大学（WSU）電気工学およびコンピュータサイエンス学部とウィスコンシン大学の研究者は、ACM/IEEE Embedded Systems Weekの国際会議であるハードウェア/ソフトウェアコデザインとシステム合成（CODES+ISSS）でベストペーパーアワードを受賞しました。彼らが提案したチップレット対応のコンピュータアーキテクチャについてです。

この論文「フローレットによるチップレット:データフローに対応した高性能で省エネなインターポーザーネットワークのCNN推論タスク」は、データセンター規模での機械学習ワークロードを扱い、エネルギー使用量を低減し、パフォーマンスを向上させることができることを示しています。

WSUのパーサ・パンデ氏は、「同じアプリケーション領域に対して、既存の競合アーキテクチャを上回る性能を発揮することを実証しました」と述べています。WSU Insiderから全文を表示

• スタンフォード、NVIDIA、およびUT Austinの研究者は、クロスエピソードカリキュラム（CEC）と呼ばれる新しい人工知能アルゴリズムを提案しましたこれにより、トランスフォーマーエージェントの学習効率と汎化能力が向上します
• シンガポール国立大学の研究者たちは、ピクセルベースと潜在ベースのVDMを結びつけたハイブリッド人工知能モデルであるShow-1を提案しますこれはテキストからビデオを生成するものです
• Amazonの研究者たちが提案するディープラーニングのトレーニングのためのコンパイラには、3つの主な特徴があります- Syncfreeオプティマイザ、コンパイラキャッシュ、およびマルチスレッド実行

抄録の著作権©2023SmithBucklin、ワシントンD.C.、アメリカ

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!