Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakEAGER: III: Divergent Design Index Tuning Using Machine Learning on Quantum Computers for Large-Scale Database Applications
Proyek riset & pengembangan

EAGER: III: Divergent Design Index Tuning Using Machine Learning on Quantum Computers for Large-Scale Database Applications

Ringkasan tujuan riset

Algoritme quantum machine learning diteliti untuk divergent index tuning pada basis data bereplikasi agar konfigurasi tiap node sesuai subset kueri serta batas penyimpanan.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2425838Periode tercatat 2024-08-01 sampai 2027-07-31.NSF 2425838MulaiAkhir tercatat202420282024-08-012027-07-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Masalah pemilihan indeks diperluas dari satu node ke banyak replika dengan beban kerja campuran retrieval dan update. Algoritme kuantum akan diimplementasikan dan dibandingkan dengan pendekatan klasik melalui simulator serta komputer IBM. Evaluasi menilai biaya pemrosesan, skalabilitas, dan keterbatasan konfigurasi berbeda antarnode. Riset mengeksplorasi peluang percepatan untuk database besar, dengan keunggulan kuantum tetap ditentukan melalui studi performa langsung.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Oklahoma Norman Campus
Program
Info Integration & Informatics
Periode pendanaan tercatat
2024-08-01 → 2027-07-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.