Malleus: 가변적인 데이터 및 모델 병렬화를 통한 대규모 모델의 지연 내성 하이브리드 병렬 학습
Malleus는 동적 지연 문제를 해결하기 위해 GPU 장치, 파이프라인 단계, 모델 계층 및 학습 데이터의 병렬화를 조정하는 새로운 계획 알고리즘을 통해 대규모 모델에 대한 지연 내성 하이브리드 병렬 학습 프레임워크를 제공합니다.
모델 프래그멘테이션을 통한 비동기 분산 학습 향상
DivShare는 통신 지연이 존재하는 비동기 분산 학습 환경에서 모델 프래그멘테이션을 통해 빠른 모델 수렴과 향상된 정확도를 달성하는 새로운 알고리즘입니다.
프로덕션 환경에 적용된 분산 시스템에서의 스마트 캐주얼 검증: Azure 기밀 컨소시엄 프레임워크 사례 연구
본 논문에서는 Azure 기밀 원장 서비스의 기반이 되는 오픈소스 플랫폼인 CCF(Confidential Consortium Framework)의 분산 프로토콜 정확성을 검증하기 위해 스마트 캐주얼 검증 방식을 적용한 사례를 소개합니다.
최적의 복원력을 갖춘 최적 복잡도의 해시 기반 비동기 MVBA 구현
본 논문에서는 최적의 시간 및 비트 복잡도를 유지하면서 향상된 복원력을 제공하는 새로운 비동기 MVBA 프로토콜인 Reducer를 제안합니다. Reducer는 충돌 방지 해시 함수만을 사용하여 기존 프로토콜보다 더 많은 오류를 견딜 수 있습니다. 또한, Reducer++는 랜덤 오라클 모델을 사용하여 Reducer의 복원력을 더욱 향상시킵니다.
저거넛: 암호 알고리즘에 의존하지 않는 효율적인 비잔틴 합의
본 논문에서는 암호 알고리즘의 보안성에 의존하지 않으면서도 효율적인 비잔틴 합의 프로토콜인 저거넛(Juggernaut)을 제안합니다. 저거넛은 기존의 인증 기반 프로토콜과 정보 이론적 프로토콜을 결합하여 두 환경 모두에서 최적의 장애 허용성을 제공합니다.
자율적인 멀티 허브 구조를 갖춘 P2P 네트워크 토폴로지 구축 알고리즘: Elevator
본 논문에서는 비구조적 P2P 네트워크에서 허브 노드를 자율적으로 생성하고 유지하는 새로운 알고리즘인 Elevator를 제안하고, 이를 통해 향상된 성능, 확장성 및 강력한 내결함성을 달성하는 방법을 제시합니다.
통합 연구 인프라 멤버십을 위한 지름 기반 링 최적화(DGRO)
본 논문에서는 분산 시스템에서 네트워크 지름을 최소화하여 멤버십 관리 및 장애 감지 성능을 향상시키는 새로운 링 토폴로지 최적화 방식인 DGRO를 제안합니다.
메시지 적대자 모델에서 준최적 통신 복잡도를 갖는 비잔틴 허용 분산 합의 알고리즘
본 논문에서는 비잔틴 노드와 메시지 손실을 유발하는 적대자가 존재하는 비동기 메시지 전달 시스템에서, 준최적 통신 복잡도를 달성하는 새로운 비잔틴 결함 허용 브로드캐스트 알고리즘을 제시합니다.
연결 부족을 고려한 다중 에이전트 시스템의 합의
시간에 따라 연결이 끊어지는 다중 에이전트 시스템에서 합의를 달성하기 위한 새로운 조건을 제시하고, 이 조건이 기존의 지속적 여기 조건을 일반화하며 컷 밸런스 가정과는 다른 관점을 제공함을 보여줍니다.
비동기 네트워크에서의 적대적 기동 문제: 효율적인 기동을 위한 알고리즘 및 하한 분석
본 논문은 비동기 네트워크에서의 적대적 기동 문제에 대한 효율적인 알고리즘과 하한을 제시하고, 특히 노드가 네트워크 토폴로지에 대한 사전 정보를 가지고 있지 않은 KT0 모델과 노드가 이웃 노드의 ID를 알고 있는 KT1 모델에서 시간, 메시지 복잡도, 조언의 길이 사이의 상호 작용을 분석합니다.
© 2024 by Linnk AI