Inhaltsverzeichnis
Einsatz von KI zur Unterstützung traditioneller Architekturen
Verbesserung der Fehlererkennungs- und Vorhersagefähigkeiten
Klare Sichtbarkeit der Anwendungsressourcenniveaus
Maximierung der Vorteile eines KI-gestützten Rechenzentrums
Flexibilität ist entscheidend
Vier neue Strategien zur Verbesserung der IT- und Rechenzentrumsleistung
AIOps automatisiert und skaliert Rechenzentrums- und IT-Workflows unternehmensweit.
Einzelhändler verlassen sich auf DevOps, um die Anwendungsentwicklung zu beschleunigen.
MLOps bietet einen lebenszyklusbasierten Ansatz
SecOps setzt auf KI und ML, um jede Identität und Bedrohungsoberfläche zu schützen stellt sicher, dass Rechenzentren und die gesamte IT-Infrastruktur sicher und beschwerdefrei bleiben. Bei der Zero-Trust-Sicherheit wird davon ausgegangen, dass keinem Benutzer oder Gerät vertraut werden kann und jede Identität überprüft werden muss, was die Grundlage jeder erfolgreichen SecOps-Implementierung ist. Ziel ist es, die Angriffsfläche und das Risiko immer raffinierterer Cyberangriffe zu verringern.
Edge Computing entwickelt sich zu einer der vielversprechendsten Technologien für die Entwicklung KI-gesteuerter Rechenzentren. Durch die Verarbeitung von Daten näher an der Quelle reduziert Edge Computing die Latenz und verbessert die Gesamtleistung. In Kombination mit künstlicher Intelligenz bietet die Technologie das Potenzial, Analyse- und Entscheidungsfunktionen in Echtzeit zu ermöglichen, sodass Rechenzentren die geschäftskritischen Prozesse der Zukunft bewältigen können.
Heim Technologie-Peripheriegeräte KI KI und ML: Die neue Grenze der Innovation und Optimierung im Rechenzentrum

KI und ML: Die neue Grenze der Innovation und Optimierung im Rechenzentrum

Apr 20, 2023 pm 03:16 PM
人工智能 数据中心

KI und ML: Die neue Grenze der Innovation und Optimierung im Rechenzentrum

Da die Nachfrage nach Datenverarbeitung und -speicherung weiter steigt, kämpfen Rechenzentren mit den Herausforderungen einer ständigen Weiterentwicklung und Erweiterung. Kontinuierliche Änderungen bei Plattformen, Gerätedesigns, Topologien, Anforderungen an die Leistungsdichte und Kühlanforderungen haben den dringenden Bedarf an neuen Strukturdesigns deutlich gemacht.

Die Infrastruktur von Rechenzentren hat oft Schwierigkeiten, aktuelle und geplante IT-Lasten mit ihrer kritischen Infrastruktur in Einklang zu bringen, was zu Diskrepanzen führt, die ihre Fähigkeit gefährden, den steigenden Anforderungen gerecht zu werden. Vor diesem Hintergrund müssen traditionelle Rechenzentrumsansätze geändert werden.

Rechenzentren integrieren jetzt Technologien der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML) in ihre Infrastruktur, um wettbewerbsfähig zu bleiben. Durch die Implementierung einer KI-gesteuerten Ebene innerhalb der traditionellen Rechenzentrumsarchitektur können Unternehmen autonome Rechenzentren schaffen, die gängige Data-Engineering-Aufgaben ohne menschliches Eingreifen optimieren und ausführen können.

Einsatz von KI zur Unterstützung traditioneller Architekturen

In den letzten Jahren war die Verbreitung von KI- und ML-Technologien im Rechenzentrum dramatisch. Künstliche Intelligenz steigert die Effizienz und Leistung in einer Vielzahl von Anwendungsfällen.

Sajid Mohamedy, Executive Vice President von Nisum, sagte, dass KI-gesteuerte Rechenzentren Unternehmen dabei helfen können, sich einen Wettbewerbsvorteil zu verschaffen, indem sie die Anwendungsleistung und -verfügbarkeit optimieren, was wiederum zur Steigerung der Kundenzufriedenheit und -treue beiträgt. Die Hinzufügung von KI trägt dazu bei, die Ressourcenzuteilung zu optimieren, wodurch die Effizienz des Rechenzentrums gesteigert und die Kosten gesenkt werden. „

Schnelle Fehlererkennung und -vorhersage, Ursachenanalyse, Optimierung des Stromverbrauchs und der Ressourcenkapazitätszuweisung sind nur einige Beispiele für den Einsatz von daten- und algorithmusgesteuerten Technologien zur Maximierung der Effizienz von Rechenzentren.

Da Störungen immer häufiger und häufiger auftreten Die Integration von KI in das Rechenzentrum ist teuer und wird für jedes datengesteuerte Unternehmen immer wichtiger. KI-gesteuerte Rechenzentren bieten eine Reihe von Vorteilen, darunter das Potenzial, Ausfallzeiten zu reduzieren und die Gesamtsystemzuverlässigkeit zu verbessern, was letztendlich zu Kosteneinsparungen für Unternehmen führt erhebliche Kosten

Verbesserung der Fehlererkennungs- und Vorhersagefähigkeiten

Ellen Campana, Leiterin der künstlichen Intelligenz bei KPMG U.S., sagte, dass künstliche Intelligenz in der Vergangenheit zur Verbesserung der Datenspeicheroptimierung, der Energienutzung und der Zugänglichkeit eingesetzt wurde ein klarer Trend hin zur Ausweitung des Nutzens von KI auf die Fehlererkennung und -vorhersage, die Selbstheilungsmechanismen auslösen kann

„Der Schlüssel zur Vereinfachung der automatischen Erkennung besteht darin, der KI ein Verständnis für die Hardware zu vermitteln und einen Einblick in die Details des Softwarebetriebs zu erhalten.“ , einschließlich Netzwerkverkehr. Wenn der Datenverkehr innerhalb eines Knotens langsamer wird, kann die KI das Muster erkennen und einen Neustart von Prozessen oder des gesamten Knotens auslösen.

Pratik Gupta, CTO von IBM Automation, ist davon überzeugt, dass KI in Rechenzentren und Hybrid-Cloud-Umgebungen transformatives Potenzial hat, indem sie das Benutzererlebnis in Anwendungen verbessert, Abläufe rationalisiert und es CIOs und Geschäftsentscheidungsträgern ermöglicht, Erkenntnisse aus einer Reihe von Daten zu gewinnen Leistung, KI treibt Innovation und Optimierung voran

Klare Sichtbarkeit der Anwendungsressourcenniveaus

IBM geht davon aus, dass der Energieverbrauch von Rechenzentren bis 2030 aufgrund des Aufkommens des Mooreschen Gesetzes und der explosionsartigen Entwicklung um 12 % (oder mehr) steigen wird Datenmengen, Geschwindigkeiten und energieintensive Arbeitslasten

„Einfach ausgedrückt kann KI die Menge an Hardware reduzieren, die gekauft, gewartet, verwaltet und überwacht werden muss. „

Gupta sagte, dass Rechenzentrumsmanager ein klares Verständnis der Anwendungsressourcenniveaus ihrer Organisation haben müssen, um flexibel skalieren zu können, um den Echtzeitanforderungen gerecht zu werden. KI-gesteuerte Automatisierung kann in diesem Prozess eine Schlüsselrolle spielen und Ressourcenüberlastung und Latenz reduzieren. Risiken eingehen und gleichzeitig sicherstellen, dass die Hardware-Workloads sicher bleiben und die Leistungsstandards eingehalten werden.

Zum Beispiel kann IBMs Turbonomic die Anwendungsressourcenniveaus automatisch optimieren und basierend auf den Geschäftsanforderungen skalieren.

Gupta sagte: „Dadurch können IT-Manager über ein einziges Dashboard verfügen, um Ressourcen zu überwachen.“ Ebenen verwalten, Entscheidungen in Echtzeit treffen und die Effizienz verbessern, da so sichergestellt wird, dass ihre Anwendungen nicht überlastet sind. „

Maximierung der Vorteile eines KI-gestützten Rechenzentrums

KI- und ML-Anwendungsfälle in Rechenzentren nehmen weiter zu, aber Unternehmen müssen vor der Implementierung einige Schlüsselfaktoren berücksichtigen, während vorgefertigte KI- und ML-Lösungen zunehmend verfügbar sind Es besteht immer noch Bedarf an einer Integration, die über Einzelpunktlösungen hinausgeht, aber es sind Investitionen in Sensoren zum Sammeln von Daten und Fachwissen erforderlich, um die Daten in verwertbare Erkenntnisse umzuwandeln.

Campana sagte: „Viele Organisationen entscheiden sich für die Implementierung ihrer eigenen Daten.“ Gerade weil dadurch sichergestellt wird, dass die Daten nicht mit den Daten anderer Personen zusammengeführt oder auf eine Weise verwendet werden, die sich ihrer Kontrolle entzieht. Obwohl dies zutrifft, müssen Unternehmen die Verantwortung für die Aufrechterhaltung von Sicherheit und Datenschutz übernehmen. „

Mit den richtigen Ressourcen können Rechenzentren intelligenter und effizienter werden, aber um dies zu erreichen, ist eine optimale Planung erforderlich

Gupta sagte: „Die Planung sollte eine wichtige Säule bei der Implementierung eines KI-gesteuerten Rechenzentrums sein und erfordert viele Iterationen und Überlegungen, bevor die Einführung berücksichtigt werden muss beibehalten werden sollen und welche Workloads in die Cloud verlagert werden müssen „

Flexibilität ist entscheidend

Der Schlüssel zum Erfolg von KI-gestützten Rechenzentren liegt in einem strategischen Ansatz. Dies bedeutet, die richtigen Anwendungsfälle für KI und ML zu identifizieren, in die erforderliche Infrastruktur und Tools zu investieren und ein Team qualifizierter Mitarbeiter aufzubauen, um das System effektiv zu verwalten und zu warten.

Gupta sagte, dass Unternehmen oft riesige Infrastrukturen unterhalten, die von verteilten Rechenzentrumsstandorten bis hin zu verschiedenen Cloud-Implementierungen reichen. IT-Führungskräfte müssen überlegen, ob sie einen Aggregationssee für alle Datenquellen aufbauen oder Datenaufbereitungs-, ML- und KI-Tools an jeden Standort bringen müssen. Wenn Unternehmen ihre IT-Infrastruktur umgestalten, müssen sie nicht nur den Mehrwert berücksichtigen, sondern auch die entstandenen Schwachstellen.

Er fügte hinzu: „Die besten Pläne können schief gehen. Das Gleiche gilt für die Technologieeinführung, bei der flexible Organisationen, die ihren Kurs schnell anpassen können, erfolgreicher sein werden. „

Vier neue Strategien zur Verbesserung der IT- und Rechenzentrumsleistung

AIOps, MLOps, DevOps und SecOps haben jeweils ihre eigenen einzigartigen Vorteile. In Kombination können der Rechenzentrumsbetrieb und die allgemeine IT-Leistung optimiert, Kosten gesenkt und Serviceverbesserungen erzielt werden.

AIOps automatisiert und skaliert Rechenzentrums- und IT-Workflows unternehmensweit.

AIOps wird für die Nachhaltigkeits- und CO2-Reduktionsbemühungen von Unternehmen im Rechenzentrum immer wichtiger und identifiziert nachweislich effektiv neue Leistungen. Der Grund für die Lücke Die Technologie ist ihre Fähigkeit, Aktionen auf der Grundlage von Echtzeit-Leistungsdaten zu interpretieren und zu empfehlen (Ursachen- und Wirkungsanalyse).

Walmart nutzt beispielsweise AIOps, um E-Commerce-Abläufe zu rationalisieren Um neue Prozessabläufe zu entdecken, die die Genauigkeit, Kosteneffizienz und Effizienz des Rechenzentrumsbetriebs verbessern können, nutzen Einzelhändler AIOps auch, um ineffiziente und unzusammenhängende Prozesse in Echtzeit zu erkennen und zu beheben und gleichzeitig ihren Technologie-Stack und die breitere Infrastruktur zu automatisieren. Management.

AIOps ermöglicht eine genauere Echtzeit-Anomalieerkennung innerhalb von E-Commerce-Plattformen. Die Technologie ist auch in der Lage, Daten aus allen verfügbaren Quellen im Rechenzentrum zu korrelieren, um eine 360-Grad-Ansicht der Abläufe zu ermöglichen und Verbesserungen zu identifizieren Verfügbarkeit, Kostenkontrolle und Leistung.

Einzelhändler verlassen sich auf DevOps, um die Anwendungsentwicklung zu beschleunigen.

Einzelhändler verlassen sich auf DevOps, um wettbewerbsfähig zu bleiben und die Markteinführungszeit für neue Anwendungen und Funktionen zu verkürzen Softwareentwickler und IT-Betriebsteams, die sich bei der Optimierung der Softwarebereitstellung und Entwicklung neuer mobiler Apps, Website-Funktionen und kundenerlebnisorientierter Verbesserungen bewährt haben

Amazon, Target, Nordstrom, Walmart und andere führende Einzelhändler CIOs im Einzelhandel sagen, dass das Rechenzentrum umso effizienter arbeitet und die neuesten Anwendungsversionen an Kunden auf der ganzen Welt liefert.

MLOps bietet einen lebenszyklusbasierten Ansatz

Da Einzelhändler immer mehr Datenwissenschaftler einstellen, wird MLOps genauso wichtig wie DevOps, um Modelle aktuell und verfügbar zu halten. Führende Einzelhändler nutzen MLOps, um DevOps-Prinzipien zum Entwerfen, Testen und Freigeben neuer Modelle anzuwenden, um die Kundensegmentierung, Nachfrageprognose und Bestandsverwaltung zu verbessern

Angefangen bei der Bestandsverwaltung und -optimierung löst MLOps nachweislich die kostspieligsten und herausforderndsten Probleme im Einzelhandel: Chronischer Arbeitskräftemangel und steigende Inflationskosten haben die Bestandsverwaltung für den Erfolg eines Einzelhändlers entscheidend gemacht

Macy, Walmart und andere nutzen MLOps, um die Preisgestaltung und das Bestandsmanagement zu optimieren und Einzelhändlern dabei zu helfen, kostensenkende Entscheidungen zu treffen und sich vor dem Risiko zu schützen, zu viel Lagerbestand zu halten.

SecOps setzt auf KI und ML, um jede Identität und Bedrohungsoberfläche zu schützen stellt sicher, dass Rechenzentren und die gesamte IT-Infrastruktur sicher und beschwerdefrei bleiben. Bei der Zero-Trust-Sicherheit wird davon ausgegangen, dass keinem Benutzer oder Gerät vertraut werden kann und jede Identität überprüft werden muss, was die Grundlage jeder erfolgreichen SecOps-Implementierung ist. Ziel ist es, die Angriffsfläche und das Risiko immer raffinierterer Cyberangriffe zu verringern.

SecOps optimiert die Sicherheit von Rechenzentren durch die Kombination der bewährtesten Technologien, um Einbrüche und Verstöße zu reduzieren. Die Einführung von Zero-Trust-Sicherheit hilft Einzelhändlern, die Identität ihrer Kunden, Mitarbeiter und Lieferanten zu schützen, während Mikrosegmentierung den Explosionsradius jedes Angriffs begrenzen kann.

Die Zukunft der KI- und Rechenzentrumstechnologie

Edge Computing entwickelt sich zu einer der vielversprechendsten Technologien für die Entwicklung KI-gesteuerter Rechenzentren. Durch die Verarbeitung von Daten näher an der Quelle reduziert Edge Computing die Latenz und verbessert die Gesamtleistung. In Kombination mit künstlicher Intelligenz bietet die Technologie das Potenzial, Analyse- und Entscheidungsfunktionen in Echtzeit zu ermöglichen, sodass Rechenzentren die geschäftskritischen Prozesse der Zukunft bewältigen können.

Campana sagte: „Die Umstellung auf 5G ist ein wichtiger Schritt in dieser Transformation und treibt eine Innovationswelle in der KI-basierten Software-Infrastruktur voran. Für Unternehmen, die neue Rechenzentren eröffnen, lohnt es sich, über die Einführung von 5G und die Auswirkungen auf das Ende nachzudenken.“ Benutzer-Zeitplan für weitere Hardware-Updates.“

„Da künstliche Intelligenz und Automatisierung immer stärker in Rechenzentren integriert werden, werden sie in der Lage sein, die strengsten Compliance-Protokolle einzuhalten.“

Das obige ist der detaillierte Inhalt vonKI und ML: Die neue Grenze der Innovation und Optimierung im Rechenzentrum. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
2 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Repo: Wie man Teamkollegen wiederbelebt
1 Monate vor By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Abenteuer: Wie man riesige Samen bekommt
1 Monate vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Samsung stellt die BM1743 SSD für Rechenzentren vor: ausgestattet mit v7 QLC V-NAND und unterstützt PCIe 5.0 Samsung stellt die BM1743 SSD für Rechenzentren vor: ausgestattet mit v7 QLC V-NAND und unterstützt PCIe 5.0 Jun 18, 2024 pm 04:15 PM

Laut Nachrichten dieser Website vom 18. Juni stellte Samsung Semiconductor kürzlich in seinem Technologieblog sein Solid-State-Laufwerk BM1743 der nächsten Generation für Rechenzentren vor, das mit dem neuesten QLC-Flash-Speicher (v7) ausgestattet ist. ▲Samsung QLC Solid-State-Laufwerk für Rechenzentren BM1743 Laut TrendForce im April hatten im Bereich der QLC-Solid-State-Laufwerke für Rechenzentren nur Samsung und Solidigm, eine Tochtergesellschaft von SK Hynix, die Unternehmenskundenüberprüfung bestanden diese Zeit. Im Vergleich zum v5QLCV-NAND der vorherigen Generation (Hinweis auf dieser Website: Samsung v6V-NAND verfügt nicht über QLC-Produkte) hat der Samsung v7QLCV-NAND-Flash-Speicher die Anzahl der Stapelschichten fast verdoppelt und auch die Speicherdichte wurde erheblich verbessert. Gleichzeitig ist die Glätte von v7QLCV-NAND gewährleistet

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

See all articles