VAST Data正在为Doudna超级计算机提供专注于AI的存储系统,与IBM Storage Scale及其传统高性能计算(HPC)并行文件系统共同承担存储任务。
Doudna是NERSC-10超级计算机,NERSC即国家能源研究科学计算中心。该中心由劳伦斯伯克利国家实验室为美国能源部科学办公室运营,加州大学负责管理劳伦斯伯克利国家实验室。NERSC成立的目的是支持核聚变研究,Doudna将为核聚变能源研究以及量子计算模拟提供超级计算能力。它还将帮助能源部资助的研究人员将大规模AI整合到他们的模拟和数据分析工作流程中。
美国能源部长克里斯·赖特表示:"Doudna系统代表了能源部对推进美国在科学、AI和高性能计算领域领导地位的承诺。它将成为快速创新的动力源,将改变我们开发丰富、经济的能源供应和推进量子计算突破的努力。AI是我们时代的曼哈顿计划,Doudna将帮助确保美国科学家拥有在全球AI主导权竞争中获胜所需的工具。"
NERSC-10系统以詹妮弗·杜德娜命名,她是伯克利实验室的生物化学家,因在基因编辑技术CRISPR方面的工作而获得2020年诺贝尔化学奖。Doudna的存储性能将比NERSC当前系统——Perlmutter或NERSC9——快五倍,并为时间敏感的科学研究提供性能保证。Doudna的计算性能将比Perlmutter高十倍。
这是一个戴尔系统,采用ORv3直接液冷服务器技术,使用英伟达的Vera Rubin平台,该平台由"Rubin" GPU和"Vera" Arm CPU组成。它有两个作用:支持分子动力学、高能物理等大规模HPC工作负载,以及AI训练和推理。
Doudna的架构师为每个角色选择了两个存储系统:用于AI工作的服务质量存储系统(QSS)和用于传统HPC存储需求的平台存储系统(PSS)。
PSS存储将由IBM Storage Scale提供,这是一个长期且受欢迎的高性能并行文件系统,用于大规模建模和仿真工作负载。QSS将使用VAST Data。两者都是全闪存系统。这对VAST来说是一个重大胜利,标志着其进入HPC并行文件系统这一核心领域。
VAST的胜利在六月份就有所暗示。现在确认Doudna将使用VAST Data的AIOS(AI操作系统),该系统"将数据存储、数据库、计算、消息传递和推理能力统一到一个单一的、以数据为中心的基础设施中,该基础设施专为AI和智能体工作流程从头构建"。
VAST联合创始人杰夫·登沃思表示:"通过VAST AI操作系统,NERSC正在为Doudna开创一种新模式,用户可以获得有保证的性能、安全性、实时访问和内置数据服务——而无需传统HPC系统的操作摩擦。NERSC和VAST共同制定了百万亿次计算的蓝图,实现了将定义下一个科学计算时代的突破性能力。"
NERSC HPC架构和性能工程师斯蒂芬·西姆斯说:"服务质量[QSS]的加入将通过对文件系统能力的细粒度控制提供可预测的性能。这种合作伙伴关系将进一步实现我们提升用户体验以服务科学的目标。"
IBM Storage Scale系统将是支持文件和对象访问的全闪存并行临时文件系统。NERSC表示,它"提供高速、可扩展的性能和自动化效率,旨在帮助消除瓶颈和简化数据工作流程,使研究人员能够专注于发现而不是基础设施管理。"
IBM美国联邦市场技术总经理瓦妮莎·亨特强调了Storage Scale的管理便利性,她表示:"IBM Storage Scale专为支持下一波美国创新而构建——提供推动突破性发现所需的速度、灵活性和可靠性,同时简化即使在最复杂的HPC环境中的数据管理。"
登沃思在X上发帖评论:"2018年1月第一次见到NERSC。这是史上最长的销售周期。"
好文章,需要你的鼓励
AI技术的最新应用展示了其在日常办公场景中的强大能力。用户现在可以通过简单的截图操作,让AI智能识别和提取图像中的时间、地点、事件等关键信息,并自动创建相应的日历事件。这种功能大大简化了日程管理流程,提高了工作效率,代表了AI技术在实用性和智能化方面的重要突破。
杭州电子科技大学研究团队开发出CRISP-SAM2智能医学影像分析系统,能够结合文字描述和CT图像同时进行器官识别。该系统通过跨模态语义交互技术,无需医生手动提示即可精准分割18种人体器官,在七个数据集测试中表现优异,为医学影像诊断提供了新的AI解决方案。
最新调查显示,91%的AI用户都有首选的聊天机器人工具。其中ChatGPT以28%的占比位居榜首,其次是谷歌Gemini(23%)、Meta AI和亚马逊Alexa(各18%)、苹果Siri(16%)。用户主要将这些AI工具用于撰写邮件、研究感兴趣话题和管理待办事项。报告指出,61%的美国人在过去半年内使用过AI,19%的人每天都在使用。
伊利诺伊大学研究团队开发了HalluSegBench评估系统,首次系统性揭示AI视觉分割模型的"幻觉"问题。通过创建1340对对比图像和四种新评估指标,研究发现当前先进AI模型普遍存在错误识别不存在物体的严重缺陷,且视觉变化比文字变化更容易引发幻觉。该研究为提升AI系统可靠性提供了重要工具和理论基础。