“GPU” için sonuçlar
61 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
FusionRCG: Kuantum Kimya Hesaplamalarını GPU'larda Hızlandıran Yeni Framework
Kuantum kimyasında karmaşık integrallerin hesaplanması, özellikle elektron etkileşimlerinin modellenmesinde kritik bir darboğaz oluşturuyor. Araştırmacılar, GPU'ların sınırlı bellek yapısının bu hesaplamalarda yarattığı performans sorunlarını çözmek için FusionRCG adlı yenilikçi bir framework geliştirdi. Bu sistem, hesaplama grafiklerinin yapısını optimize ederek ve bellek kullanımını akıllıca yöneterek, GPU'larda kuantum kimya hesaplamalarının verimliliğini dramatik şekilde artırıyor. Özellikle elektron itme integrallerinde 7,7 kata kadar bellek tasarrufu sağlayan bu teknoloji, moleküler simülasyonları önemli ölçüde hızlandırma potansiyeli taşıyor.
Kuantum Kimyasında Hesaplama Hızını Artıran Yeni GPU Algoritması Geliştirildi
Araştırmacılar, kuantum kimya hesaplamalarında karşılaşılan büyük hesaplama zorluklarını aşmak için KerneLDI adlı yeni bir GPU tabanlı framework geliştirdiler. Bu sistem, moleküldeki atomlar arası uzamsal ilişkileri daha akıllı bir şekilde işleyerek, gereksiz hesaplamaları elimine ediyor ve sadece önemli blokları işleme alıyor. Geleneksel yöntemler bu tür hesaplamalarda verimsiz kalırken, yeni yaklaşım özellikle büyük moleküler sistemlerde önemli hız artışları sağlıyor. Bu gelişme, ilaç tasarımından yeni malzeme keşfine kadar birçok alanda kuantum kimya hesaplamalarının daha hızlı ve verimli yapılmasını mümkün kılacak.
Kuantum kimyasında sinir ağları için yeni deterministik optimizasyon yaklaşımı
Araştırmacılar, kuantum kimyasındaki karmaşık moleküler sistemleri analiz etmek için Neural Network Quantum States (NQS) yönteminin optimizasyonunda çığır açan bir yaklaşım geliştirdi. Geleneksel stokastik yöntemlerin örnekleme varyansı ve yavaş karışım problemlerini aşan bu deterministik framework, sinir ağı tabanlı dalga fonksiyonlarının optimizasyonunu büyük ölçüde hızlandırıyor. Hibrit CPU-GPU mimarisi kullanan sistem, 10^23 konfigürasyon içeren Hilbert uzaylarında hesaplama yapabilme kapasitesi sunuyor. Bu gelişme, krom dimeri gibi güçlü korelasyonlu sistemlerin analizi için yeni imkanlar yaratırken, moleküler bağ kopmalarının incelenmesinde kararlı yakınsama sağlıyor.
DeepHartree: Yapay Zeka ile Kuantum Kimya Hesaplamalarında Devrim
Araştırmacılar, büyük moleküllerin kuantum kimyasal özelliklerini hesaplamada karşılaşılan hesaplama darboğazını aşmak için DeepHartree adlı yenilikçi bir yapay zeka sistemi geliştirdi. Yoğunluk fonksiyonel teorisi (DFT) hesaplamalarında kritik olan Hartree potansiyelini hesaplama sürecini O(N⁴) karmaşıklığından neredeyse doğrusal O(N) seviyesine indiren bu sistem, GPU hızlandırması kullanıyor. Poisson denklemini yapay sinir ağlarıyla birleştiren DeepHartree, elektron yoğunluğu ve Hartree potansiyelini eş zamanlı olarak tahmin ederek, büyük moleküler sistemlerin analizini önemli ölçüde hızlandırıyor. Bu gelişme, ilaç keşfi, malzeme bilimi ve kataliz araştırmalarında yeni olanaklar sunabilir.
Moleküler Dinamikte Devrim: GPU ile Süper Hızlı Hesaplama Yöntemi Geliştirildi
Araştırmacılar, moleküllerin elektronik davranışlarını incelemek için kullanılan ab initio nonadyabatik moleküler dinamik hesaplamalarında büyük bir ilerleme kaydetti. Yeni geliştirilen TDDFT-tabanlı yöntem, GPU teknolojisiyle birleştirilerek hesaplama süresini dramatik olarak azaltıyor. 73 atomlu karmaşık moleküler sistemlerde bile tek bir NVIDIA A100 GPU kullanarak bir dakika içinde hesaplama tamamlanabiliyor. Bu gelişme, ilaç tasarımından güneş pillerine kadar birçok alanda kullanılan moleküler simülasyonları çok daha erişilebilir hale getiriyor. Yöntemin en büyük avantajı, hesaplama hızını artırırken bilimsel doğruluğu koruması.
Yapay zeka destekli ilaç geliştirme araçları gerçek verilerle test edildi
Araştırmacılar, ilaç keşfinde kullanılan yapay zeka tabanlı araçların gerçek performansını büyük ölçekli bir veri setiyle test etti. DiffDock ve NMDN gibi yeni nesil AI araçlarının laboratuvar koşullarındaki başarısının gerçek dünyada ne kadar geçerli olduğu merak konusuydu. LIT-PCBA veri tabanından 15 hedef protein ve yaklaşık 578 bin ligand-protein çifti kullanılarak yapılan kapsamlı değerlendirmede, geleneksel AutoDock-GPU ile GNINA skorlamasının birleşimi en iyi sonuçları verdi. Çalışma, ilaç geliştirme sürecinde hangi hesaplama yöntemlerinin daha güvenilir olduğunu ortaya koyarak sektöre önemli rehberlik sağlıyor.
Yapay Zeka Veri Merkezleri için Yeni Enerji Tahmin Sistemi Geliştirildi
Yapay zeka veri merkezlerinde GPU'ların ani ve öngörülmesi zor enerji talebi, operasyonel verimlilik ve güç yönetimi açısından kritik bir sorun haline geldi. Araştırmacılar, bu sorunu çözmek için yenilikçi bir bilgi aktarımı çerçevesi geliştirdi. Sistem, önce yüksek kapasiteli bir öğretmen model ile çok adımlı yük tahminleri yapıyor, ardından bu bilgiyi hafif bir öğrenci modele aktararak düşük gecikme süreli tahminler gerçekleştiriyor. Bu yaklaşım, hassas tahmin yapabilme ile pratik kullanım arasındaki dengeyi kurmayı hedefliyor. Veri merkezlerinin artan enerji ihtiyaçları ve şebekelerle koordinasyonu düşünüldüğünde, bu tür akıllı tahmin sistemleri gelecekte daha da kritik hale gelecek.
Yapay Zeka Modellerinin Eğitiminde Hafıza Kullanımını Yarıya İndiren Yeni Teknik
Araştırmacılar, büyük dil modellerinin eğitimi sırasında GPU hafıza kullanımını dramatik şekilde azaltan AGoQ adlı yeni bir teknik geliştirdi. Bu yöntem, farklı katmanlar için uygun bit genişlikleri ayıran akıllı bir aktivasyon sıkıştırma algoritması ve 8-bit gradient depolama sistemi kullanıyor. 64 GPU'ya kadar test edilen sistem, hafıza kullanımını %52 oranında azaltırken, eğitim hızını 1.34 kata kadar artırdı. Geleneksel yöntemlerden farklı olarak, model doğruluğunda kayıp yaşanmadan bu verimliliği sağlıyor. Bu gelişme, büyük yapay zeka modellerinin eğitimini daha erişilebilir hale getirebilir ve daha az donanım kaynak gereksinimi sayesinde maliyetleri önemli ölçüde düşürebilir.
Kuantum hesaplamalar için GPU tabanlı yeni yöntem geliştirildi
Araştırmacılar, kuantum sistemlerinin zaman içindeki davranışlarını hesaplamak için PACES adlı yenilikçi bir yöntem geliştirdi. Bu teknik, Schrödinger denkleminin çözümünde grafik işlem birimlerinin (GPU) paralel hesaplama gücünden yararlanarak, geleneksel yöntemlerden çok daha hızlı sonuçlar elde ediyor. Yöntem, her zaman adımında dinamik olarak değişen alt uzaylar oluşturarak, kuantum durumların evrimi ile eş zamanlı hesaplamalar gerçekleştiriyor. Holstein modeli üzerinde yapılan testlerde başarılı sonuçlar alındı ve bir, iki ve üç boyutlu model sistemlerde optik spektrumlar ile denge-dışı dinamiklerin hesaplanmasında kullanıldı. Bu gelişme, kuantum kimyası ve malzeme bilimi alanlarında karmaşık sistemlerin analizini hızlandırabilecek önemli bir adım olarak değerlendiriliyor.
GPU Gücüyle Acil Fren Sistemlerinin Güvenliği Gerçek Zamanlı Test Ediliyor
Araçların otomatik acil fren (AEB) sistemleri, 2029'a kadar ABD'de satılan tüm yeni araçlarda zorunlu hale gelecek. Ancak mevcut sistemler, belirsizlikleri göz ardı eden basit hesaplamalar kullanıyor. Yeni geliştirilen GPU tabanlı Monte Carlo çerçevesi, yol koşulları, sensör hatası ve araç dinamiklerindeki belirsizlikleri hesaba katarak acil fren performansını gerçek zamanlı olarak değerlendiriyor. Bu yöntem, aerodinamik sürüklenme, yol eğimi ve fren aktüatör dinamikleri gibi karmaşık faktörleri içeren yüksek doğruluklu araç modelleri kullanıyor. Sistem, Monte Carlo simülasyonlarının bağımsızlığından yararlanarak her örnek için ayrı bir GPU iş parçacığı kullanıyor ve deterministik örnekleme ile tutarlı sonuçlar garanti ediyor.
ZipCCL: Büyük Dil Modellerinin Eğitimini Hızlandıran Yeni Sıkıştırma Teknolojisi
Araştırmacılar, büyük dil modellerinin eğitimindeki en önemli sorunlardan biri olan veri iletişim darboğazını çözmek için ZipCCL adında yeni bir sıkıştırma kütüphanesi geliştirdi. Bu teknoloji, makine öğrenmesi verilerinin Gauss dağılımına yakın özellik göstermesinden yararlanarak, kayıpsız sıkıştırma ile iletişim trafiğini azaltıyor. Geleneksel yaklaşımların aksine, sıkıştırma ve açma işlemlerinin maliyeti, azaltılan iletişim trafiğinin faydasından daha az. GPU için optimize edilmiş kerneller ve teorik temelli kodlama teknikleri sayesinde, büyük dil modellerinin dağıtık eğitimi önemli ölçüde hızlanabiliyor. Bu gelişme, yapay zeka modellerinin eğitim süreçlerini daha verimli hale getirerek, hem zaman hem de enerji tasarrufu sağlayabilir.
GPU destekli yeni yöntem karmaşık malzeme hesaplamalarını hızlandırıyor
Araştırmacılar, karmaşık malzeme sistemlerinin elektronik yapılarını modellemek için GPU tabanlı yeni hesaplama yöntemleri geliştirdi. Yoğunluk fonksiyonel teorisi (DFT) hesaplamalarını büyük ölçekte gerçekleştiren bu yaklaşım, arayüzler, kusurlar ve nano kümeler gibi yapıları incelemek için kritik öneme sahip. Geleneksel yöntemlerle 10^4-10^5 elektron içeren sistemlerde kimyasal doğrulukla hesaplama yapmak zaman açısından zorlu bir süreçti. Yeni geliştirilen sonlu eleman tabanlı projektör artırmalı dalga (PAW-FE) formülasyonu, modern süperbilgisayarlarda bu sorunu çözmeyi hedefliyor. Çok çözünürlüklü quadrature tekniği kullanarak atom merkezli integralleri kaba ızgaralarda bile doğru şekilde hesaplayabiliyor.
Metal Katılaşmasını Simüle Eden Süper Bilgisayar Kodları Karşılaştırıldı
Bilim insanları, metal alaşımlarının katılaşma sürecini simüle eden iki güçlü bilgisayar programını karşılaştırdı. Araştırmada, alüminyum-bakır alaşımı ve NASA'nın mikro yerçekimi deneylerinden elde edilen veriler kullanılarak, malzemelerin nasıl donduğu incelendi. Bu çalışma, havacılık ve uzay endüstrisinde kritik öneme sahip yüksek kaliteli metal parçaların üretimi için önemli sonuçlar içeriyor. İki farklı hesaplama yaklaşımı - biri GPU hızlandırmalı, diğeri adaptif mesh teknolojisi kullanan - aynı fiziksel modeli çözerek dendritik yapıların oluşumunu takip etti. Sonuçlar, her iki kodun da deneysel verilerle uyumlu tahminler ürettiğini gösterdi. Bu tür simülasyonlar, malzeme bilimcilerinin pahalı deneyler yapmadan önce sonuçları öngörmelerine yardımcı oluyor.
Kuantum Bilgisayarlar İçin Akıllı Önbellek Sistemi Geliştirildi
Araştırmacılar, kuantum-klasik hibrit hesaplama süreçlerinde yaşanan verimsizlikleri gidermek için yenilikçi bir önbellek sistemi geliştirdi. Sistem, farklı görünen ama aynı işlevi yerine getiren kuantum devrelerini tespit ederek, daha önce hesaplanmış sonuçları yeniden kullanıyor. ZX-hesabı indirgeme ve graf tabanlı özgün tanımlama teknikleri kullanan sistem, dağıtık bilgisayar ağlarında çalışabiliyor ve CPU, GPU ile kuantum işlemciler arasında uyumlu çalışıyor. MareNostrum 5 süper bilgisayarında yapılan testlerde, özellikle büyük kuantum optimizasyon problemlerinde önemli performans artışları kaydedildi. Bu gelişme, kuantum bilgisayarların pratik uygulamalarda daha verimli kullanılmasının önünü açıyor.
Yapay Zeka Süperiletken Keşfinde Çığır Açtı: 28 Saatte 2,4 Milyon Kristal Tarandı
Araştırmacılar, süperiletken malzeme keşfi için devrim niteliğinde bir yapay zeka sistemi geliştirdi. ElementsClaw adı verilen bu sistem, büyük atomik modeller ile dil modellerini birleştirerek malzeme biliminde yeni bir yaklaşım sunuyor. Sistem, sadece 28 GPU saatinde 2,4 milyon kristal yapıyı tarayarak süperiletken özellik gösteren adayları tespit edebildi. Bu gelişme, enerji teknolojileri ve kuantum bilişim için kritik öneme sahip yeni malzemelerin keşif sürecini büyük ölçüde hızlandırma potansiyeli taşıyor. Geleneksel izole çalışan modellerin aksine, ElementsClaw otonom bir şekilde keşif sürecinin tamamını yönetebiliyor.
Büyük Dil Modellerinin Eğitimi İçin Hafıza Dostu Yeni Yöntem
Yapay zeka araştırmacıları, büyük dil modellerinin eğitimi sırasında karşılaşılan yüksek bellek tüketimi sorununa yenilikçi bir çözüm geliştirdi. AdaFRUGAL adı verilen bu yöntem, eğitim sürecini otomatik olarak optimize ederek hem GPU belleği kullanımını azaltıyor hem de eğitim süresini kısaltıyor. Geleneksel FRUGAL yönteminin aksine, AdaFRUGAL sabit parametreler yerine dinamik kontrol mekanizmaları kullanarak manuel ayarlama ihtiyacını ortadan kaldırıyor. İngilizce ve Vietnamca veri setleri üzerinde yapılan testler, bu yaklaşımın kaynak kısıtlı ortamlarda çalışan araştırmacılar için pratik bir çözüm sunduğunu gösteriyor.
Kuantum İlhamlı Algoritmalar Klasik Yöntemlerden 100 Kat Hızlı Çıktı
Kuantum işlemcilerin pratikte ne kadar avantajlı olduğu konusu bilim dünyasında halen tartışılıyor. Yeni bir araştırma, kuantum tavlama yönteminden ilham alan GPU tabanlı algoritmaların, çok amaçlı optimizasyon problemlerinde klasik yöntemlerden yaklaşık 100 kat daha hızlı çözüm üretebileceğini gösterdi. Bu çalışma, önceki kuantum üstünlüğü iddialarını sorguluyor ve klasik bilgisayarların halen güçlü rakipler olduğunu ortaya koyuyor. Araştırmacılar, kuantum işlemcilerin ön ve son işleme maliyetlerinin tam olarak hesaba katılmadığı durumların yanıltıcı sonuçlar doğurduğunu vurguluyor.
ARGUS: Yapay Zeka GPU Optimizasyonunda Çığır Açan Yeni Yaklaşım
Araştırmacılar, yapay zeka tabanlı kodlama ajanlarının GPU performansını artırmak için yenilikçi bir framework geliştirdi. ARGUS adlı bu sistem, veri akış değişmezlerini kullanarak GPU çekirdeklerinin optimizasyonunu gerçekleştiriyor. Mevcut AI ajanları fonksiyonel olarak doğru GPU kodları üretebilse de, matris çarpımı ve dikkat mekanizmaları gibi kritik hesaplamalarda performansları elle optimize edilmiş kütüphanelerin çok gerisinde kalıyor. ARGUS, bu sorunu çözmek için derlenme zamanında veri koreografisini kodlayan özel bir dil kullanıyor ve donanım talimatlarını Python benzeri sözdizimi ile erişilebilir hale getiriyor.
ClusterChirp: Büyük Biyolojik Verileri Doğal Dille Sorgulayan Platform
Araştırmacılar, büyük ölçekli omik verileri görselleştirmek ve analiz etmek için ClusterChirp adlı yenilikçi bir web platformu geliştirdi. Modern biyoloji teknolojilerinin ürettiği devasa veri matrisleri, mevcut araçların kapasitesini aşıyor ve önemli biyolojik kalıpların kaybına neden oluyor. ClusterChirp, GPU hızlandırması ve çok çekirdekli işlemci desteğiyle bu sorunu çözüyor. Platform, deck.gl teknolojisi ve çok iş parçacıklı kümeleme algoritmalarını birleştirerek, gerçek zamanlı veri keşfi imkanı sunuyor. En dikkat çekici özelliği ise doğal dil arayüzü ile veri sorgulama kapasitesi. Bu, araştırmacıların karmaşık komut satırı bilgisi gerektirmeden, sıradan konuşma diliyle veri analizi yapabilmesine olanak tanıyor. Tek bir arayüzde anlık kümeleme, çoklu metrik sıralama, özellik arama ve etkileşimli görselleştirme kontrolleri bir araya geliyor.
LEDDS: GPU'larda Granül Akışları ve Akışkan-Parçacık Simülasyonları
Araştırmacılar, granül akışları ve akışkan-parçacık etkileşimlerini simüle etmek için LEDDS adlı yeni bir açık kaynak framework geliştirdi. Bu sistem, karmaşık hesaplamalı fizik problemlerini GPU'larda verimli şekilde çözmek için algoritmik primitifler kullanıyor. LEDDS, Lattice Boltzmann ve Discrete Element Method (LBM-DEM) yöntemlerini birleştirerek tam bağlı simülasyonlar gerçekleştiriyor. Framework, komşu arama, çarpışma tespiti ve akışkan-parçacık bağlantısı gibi tüm işlemleri taşınabilir primitifler dizisi olarak ifade ediyor. Bu yaklaşım, cihaza özel kod yazma ihtiyacını ortadan kaldırarak, araştırmacılara daha esnek ve erişilebilir bir simülasyon ortamı sunuyor.
GPUOS: GPU'ları Daha Verimli Kullanmak İçin Yeni İşletim Sistemi Yaklaşımı
Araştırmacılar, yapay zeka uygulamalarında karşılaşılan performans sorunlarını çözmek için GPUOS adlı yeni bir sistem geliştirdi. Özellikle küçük tensor işlemlerinin yoğun olduğu derin öğrenme uygulamalarında, GPU çekirdeklerini başlatma süresi hesaplama süresini aşabiliyor. GPUOS, sürekli çalışan tek bir GPU çekirdeği kullanarak ve yeni operatörleri çalışma anında sistem içine enjekte ederek bu sorunu çözüyor. Bu yaklaşım, geleneksel yöntemlere kıyasla önemli performans artışları sağlayarak AI uygulamalarının daha hızlı çalışmasını mümkün kılıyor.
ENTIRE: Yapay Zeka ile 3D Görüntü İşleme Süresi Tahmin Etme Devri
Araştırmacılar, 3D hacimsel görüntülerin işlenme süresini önceden tahmin edebilen ENTIRE adlı yapay zeka sistemini geliştirdi. Bu sistem, büyük veri setlerinin görselleştirilmesinde kritik olan işlem süresini, görüntü çözünürlüğü, kamera ayarları ve veri karakteristikleri gibi faktörleri analiz ederek yüksek doğrulukla öngörebiliyor. Tıbbi görüntüleme, bilimsel simülasyonlar ve endüstriyel tasarımda kullanılan hacimsel renderlamada zaman planlaması büyük önem taşıyor. ENTIRE, hem CPU hem de GPU tabanlı sistemlerde test edildi ve farklı senaryolara hızla adapte olabileceği kanıtlandı.
Yapay Zeka Merkezleri Elektrik Şebekesinde Salınımlara Neden Oluyor
Araştırmacılar, büyük ölçekli yapay zeka hesaplama merkezlerinin elektrik şebekesinde beklenmedik bir sorun yarattığını keşfetti. GPU tabanlı AI eğitimi sırasında ortaya çıkan düzenli güç dalgalanmaları, elektrik şebekesinde geniş alan salınımlarına yol açabiliyor. Bu durum, geleneksel yük artışlarından farklı olarak sürekli bir zorlayıcı etki yaratarak şebekenin doğal salınım modlarını güçlendirebiliyor. Çalışma, AI teknolojisinin yaygınlaşmasıyla birlikte elektrik altyapısında yeni bir mühendislik sorunu ortaya çıktığını gösteriyor.
Yapay Zeka ile Graf Analizi: Büyük Veri Setlerinde Alt Grafları Bulma Sorunu Çözüldü
Araştırmacılar, büyük ölçekli graf verilerinde alt graf eşleştirmesi problemini çözmek için yenilikçi bir yapay zeka yaklaşımı geliştirdi. Graf Sinir Ağları tabanlı bu yöntem, sosyal ağlardan biyolojik moleküllere kadar geniş bir alanda kullanılabiliyor. Çalışma, dağıtık sistemlerde çalışan akıllı yük dengeleme, çok-GPU işbirliği ve sorgu optimizasyonu teknikleriyle büyük veri analizinde çığır açıyor. Bu gelişme, kompleks ağ yapılarının analizinde hem hız hem de doğruluk açısından önemli ilerlemeler vadediyor.