受到基因组数据集持续高速增长的驱动,澳大利亚基因组研究机构正在它的整个网络中部署一个高性能的博科10GbE核心网络,其中墨尔本节点将率先采用新的博科交换基础架构。
澳大利亚非营利组织——基因组研究机构(AGRF)是澳大利亚最大的基因组服务提供者,在布里斯班、悉尼、墨尔本、阿德莱德和珀斯都设有实验室,每个实验室为全国性的先进设备、技术和专业知识网络提供一个网关。AGRF利用尖端技术,为学术、应用研究和商业市场提供合约制的基因组服务,涵盖生物医药、植物和动物科学、微生物学、进化生物学和生物多样性。
AGRF乃至整个基因组研究行业面临的一个问题是处理大数据,因为基于最新一代的基因测序技术,目前的五个运营系统每周都会产生超过1TB的数据文件。因此,对AGRF的墨尔本节点的IT基础架构进行了升级,确保其提供的计算能力、存储容量和网络性能可以应对不断增长的数据挑战。
AGRF高级系统工程师Gismon Thomas表示:“大学和研究机构正在不断地转移从100到700GB的数据,以前的网络对客户来说真的是瓶颈。 我们正在引进新的IT功能,包括带有10GbE连接的80TB存储,以处理数据归档的指数级增长。我们也正在测试基于一组刀片服务器的生物信息学云基础架构环境,该基础架构环境将在不久的未来投入使用。为了完全启用这些新系统,更强大的网络基础架构必不可少。”
Gismon表示,为了替换其传统的网络交换机,AGRF在市场上寻找能够提供低延迟、线速10 GbE性能,并拥有简化的网络架构,网络管理更简单的解决方案。他说,重点是寻找一个具有高成本效益的单一厂商解决方案,以期应对三年的预测的网络流量增长,并在易于AGRF的各个站点全面推出。
为了响应AGRF的要求,博科的合作伙伴MYCOM提出了基于博科 ICX 6610交换机的解决方案,其目的是以可堆栈的形式提供类似机箱的交换机功能。MYCOM现场展示这一解决方案并进行概念验证,博科ICX6610交换机堆栈在易于操作的同时能够满足AGRF对性能和延迟的所有要求。
Gismon Thomas还表示:“相对于其他主要交换机厂商的产品,博科ICX6610交换机提供投资回报更丰厚的类似的性能。 基本上,我们可以用一个交换机的价钱买到三个,其中两个堆栈为在服务器机房内为我们提供全面冗余的高性能网络核心,而第三个则用于处理外部流量。”
“该解决方案易于设置,即插即用。部署之后,我们网络上的数据量增加了一倍,没有出现任何问题。我们也可以通过软件许可证激活堆栈中空闲的能力。这样一来,我们能够在未来12个月左右容纳更多的服务器。如果并且当我们需要更大的规模时,在堆栈中增加一个交换机是一件简单的事。”
每个博科ICX6610有四个专用40 GbE堆栈端口,使多达8台交换机被链接成单一的逻辑设备,通过单一IP地址管理,总背板堆栈带宽为320 Gbps。每个交换机有多达8个10 GbE光纤端口和48个1 GbE端口。在堆栈配置中,流量转发在端口之间是透明的,所有这些都提供线速、非阻塞性能。
博科亚太区副总裁Adam Judd先生表示:“澳大利亚基因组研究机构发现,博科ICX6610交换机以堆栈的形式提供了前所未有的性能、可用性和灵活性。它们易于部署、易于管理、易于集成到新的和现有的网络。我们可以通过添加软件许可证升级容量并且通过添加到堆栈进行扩展。这不能不说是一个“按需付费”的解决方案,使AGRF轻松应对大数据的增长。”
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。