随着物联网的深入发展,以及数据量的不断增长,各类业务都需要高速处理技术来实现大数据分析。为了满足诸多的行业需求,富士通实验室有限公司开发了软件定义的固态硬盘(SSD),可实现并行处理从而使其性能比标准固态硬盘快了3倍。
富士通实验室软件定义的固态硬盘设备在软件层为闪存转换层(FTL)提供支持,使NAND Flash存储器可由软件直接访问。由于对NAND闪存的数据放置和访问模式可以根据工作负载来进行优化,使其性能发挥到最高,并使用户能够利用其高速性能的优势,将其用作对主存储器的扩展。
由于涉及到许多突破性的技术,这个系统的设计工作遇到了挑战。通过硬件试生产,富士通实验室测试了整个系统的运行情况,并对整个系统的性能进行了评估。在软件定义的SSD之中,为最大限度地提高系统性能,富士通实验室需要根据工作负载来对硬件设计参数进行优化。在构建与软件相协调的硬件之前,必须对系统性能做出评估。
富士通实验室借助于风河Simics找到了解决方案。通过在一个虚拟系统上进行实际场景的设计与测试,Simics支持他们采用新的开发技术,而这在物理硬件上是根本不可能进行的。例如,为了同时兼顾成本控制和性能优化,富士通实验室需要确定在系统中部署的通道和芯片之间的最佳平衡。应用Simics在虚拟硬件上进行负载模拟,他们对通道和芯片的多种组合进行反复试验,评估每个方案的执行速度,从而能够信心十足地确定最佳组合。对Simics丰富的调试功能集,富士通实验室留下了深刻的印象,这使他们能够在获得实体硬件之前就及早开始软件调试工作,从而精确地确定性能瓶颈所在之处,并且及早采取优化措施。Simics对设计、开发和测试过程中的许多重要方面都具备革命性的意义。
在建立起软件定义的SSD之后,富士通实验室在真实硬件上对通道和芯片的最高效组合数据进行了验证。其结果证实了Simics所模拟的场景。通过Simics所获得的数据洞察,让他们清楚地意识到,拥有Simics这样的模拟工具确实不可或缺,在未来更多项目中更是如此。风河将会继续发展与富士通实验室的合作关系,并支持他们达成自己的使命,开发出更多尖端技术,应对当今社会中的挑战。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。