GPU computing

5 items

RESEARCHarXiv CS.AI·il y a 1j

Accelerated Fourier SAT (AFSAT): Fully Realising a GPU-based Symmetric Pseudo-Boolean SAT Solver

Accelerated Fourier SAT (AFSAT) est un solveur accéléré par GPU pour la satisfiabilité pseudo-booléenne, basé sur la recherche locale continue. Il améliore considérablement la stabilité numérique, les performances d'exécution et l'efficacité de la mémoire par rapport à sa preuve de concept, en exploitant JAX pour le traitement parallèle et en résolvant les limitations de mémoire/point flottant.

SAT solver Computational logic GPU computing Optimization

ARTICLE↑ trendingHacker News (AI)·il y a 1j

"AI is someone else's GPU"

L'article affirme que l'IA moderne, en particulier les grands modèles, dépend fondamentalement d'infrastructures GPU centralisées et coûteuses, la rendant inaccessible pour le calcul local. Il critique cette centralisation, soulignant les préoccupations concernant le contrôle, le coût et l'impact environnemental.

GPU computing Cloud AI Centralization AI infrastructure

ARTICLEDEV.to AI·23/04/2026

Building a Bit-Accurate Fused QKV + RoPE Kernel for Qwen 2.5 in Triton

Cet article décrit la création d'un noyau Triton bit-précis pour Qwen 2.5, fusionnant la projection QKV, RoPE et l'écriture du cache KV en une seule opération. Il offre un gain de vitesse de 4,5 à 5 fois par rapport à plusieurs opérations PyTorch, tout en maintenant une précision de sortie exacte.

GPU computing Transformer AI optimization Triton

RESEARCHarXiv CS.LG·05/05/2026

Fast Log-Domain Sinkhorn Optimal Transport with Warp-Level GPU Reductions

Cet article présente FastSinkhorn, une implémentation CUDA native de l'algorithme de Sinkhorn en domaine logarithmique, offrant des solutions plus rapides et stables pour les problèmes de transport optimal (OT). Il atteint une accélération de 12x par rapport à la bibliothèque POT et de 5,9x par rapport aux bases de PyTorch accélérées par GPU, tout en maintenant la stabilité numérique pour de petits paramètres de régularisation.

GPU computing deep learning Sinkhorn Algorithm Numerical Stability

DOCDEV.to AI·18/04/2026

Running AI Models on GPU Cloud Servers: A Beginner Guide

Ce guide explique comment l'exécution de modèles d'IA sur des serveurs cloud GPU peut accélérer considérablement les tâches d'entraînement et d'inférence. Il couvre la sélection du serveur et le déploiement de modèles, détaillant pourquoi les GPU excellent dans les calculs parallèles nécessaires à l'apprentissage profond.

GPU computing AI models tutorials deep learning