PulseAugur
中
实时 10:27:08
English(EN) SeT-Diff: Towards Semantic Foundation Models for HPC Telemetry and Time-Series

SeT-Diff：用于高性能计算遥测和时间序列的新型基础模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出 SeT-Diff，这是一种新颖的、基于扩散的基础模型，专为高性能计算 (HPC) 遥测和时间序列数据而设计。与依赖静态传感器变量的传统模型不同，SeT-Diff 将其生成过程与每个传感器的语义描述相结合，使其能够适应不断变化的任务和传感器配置。在真实超级计算机数据集上的实验显示，重建任务的平均绝对误差为 0.0470，热推断的平均绝对误差为 0.033。该模型还表现出零样本排列稳定性，即使在改变传感器顺序的情况下也能保持准确性。 AI

影响 该模型可以提高超级计算系统数字孪生的效率和准确性。

排序理由 该集群描述了一篇详细介绍特定领域新型模型的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

SeT-Diff：用于高性能计算遥测和时间序列的新型基础模型

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Giovanni B. Esposito, Francesco Antici, Daniele Cesarini, Andrea Bartolini ·

    SeT-Diff：面向HPC遥测和时间序列的语义基础模型

    arXiv:2607.22548v1 Announce Type: new Abstract: Data centers and their compute nodes require accurate and flexible digital twins capable of modeling the complex interplay of workloads, environmental parameters, and physical metrics. Current machine learning approaches for HPC and…

相关实体

相关话题