Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCollaborative Research: SHF: Hierarchical Optimization of Ragged Tensor Operators for Deep Learning Workloads
Proyek riset & pengembangan

Collaborative Research: SHF: Hierarchical Optimization of Ragged Tensor Operators for Deep Learning Workloads

Ringkasan tujuan riset

Optimasi tensor tak seragam memadukan autotuning bertingkat, penjadwalan lokalitas, serta penggabungan operator adaptif untuk menekan padding dan latensi beban AI pada GPU.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2554012Periode tercatat 2026-07-15 sampai 2029-06-30.NSF 2554012MulaiAkhir tercatat202620302026-07-152029-06-30
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.

Sistem autotuning akan memilih strategi eksekusi melalui sampling efisien serta pemangkasan ruang pencarian agar biaya waktu jalan tetap kecil. Teknik komunikasi dan penjadwalan mengatur keseimbangan beban serta lokalitas pada satu atau banyak perangkat. Compiler menyatukan operator secara adaptif untuk menghubungkan perhitungan tensor tak beraturan dengan kerangka AI yang ada. Evaluasi pada layanan model bahasa dan graf heterogen akan menilai portabilitas kinerja serta skalabilitas.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
George Mason University
Program
Software & Hardware Foundation
Periode pendanaan tercatat
2026-07-15 → 2029-06-30

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
  • Software & Systems 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.