V době, kdy vědecký výzkum rychle postupuje na hranice našich technologických možností, nabývá význam vysokokapacitních úložišť stále většího významu. Vyzbrojeni výkonným zařízením pro snímání objektů hlubokého vesmíru, sadou SSD disků Solidigm P5336 61.44 TB QLC a naším novým oblíbeným robustním serverem Dell PowerEdge XR7620 zkoumáme potřebu robustního a cenově dostupného úložiště, které by zvládlo rychle rostoucí požadavky na data vědeckého výzkumu akcelerovaného umělou inteligencí na okraji sítě.
Sběr dat na okraji sítě
V posledních letech prošly vědecké a datové výpočty monumentálním posunem, kdy se od tradičních centralizovaných výpočetních modelů přesunulo k dynamičtější sféře edge computingu. Tento posun není jen změnou preferencí v oblasti výpočetní techniky, ale reakcí na vyvíjející se potřeby a složitosti moderního výzkumu zpracování dat.
Edge computing ve své podstatě znamená zpracování dat v blízkosti místa jejich generování, na rozdíl od spoléhání se na centralizovaný datový sklad. Tento posun je stále relevantnější v oblastech, kde je zpracování dat a rozhodování v reálném čase klíčové. Edge computing je přesvědčivý ve vědeckém výzkumu, zejména v oborech, které vyžadují rychlý sběr a analýzu dat.
Faktory ovlivňující edge computing
Přechod na edge computing ve vědeckém výzkumu pohání několik faktorů. Zaprvé, samotný objem dat generovaných moderními vědeckými experimenty je ohromující. Tradiční metody zpracování dat, které zahrnují přenos obrovských datových sad na centrální server k analýze, se stávají nepraktickými a časově náročnými.
Za druhé, potřeba analýzy v reálném čase je výraznější než kdy dříve. V mnoha výzkumných scénářích může doba potřebná k přenosu dat ke zpracování způsobit jejich zastarání, takže okamžitá analýza na místě je nezbytná.
A konečně, sofistikovanější technologie sběru dat si vyžádaly vývoj stejně sofistikovaných možností zpracování dat. Edge computing reaguje na tuto potřebu tím, že přibližuje výkonné výpočetní kapacity zdrojům dat, čímž zvyšuje efektivitu a účinnost vědeckého výzkumu.
Vědecký výzkum, na který se v tomto článku zaměřujeme v oblasti edge computingu, se zaměřuje zejména na uchovávání co největšího množství nezpracovaných dat shromážděných moderními a sofistikovanými senzory. Monitorování a analýza zachycených dat v reálném čase pomocí akcelerátorů, jako je NVIDIA L4 na okraji sítě, poskytuje shrnutí. Nicméně nic nenahradí zachycení a uchování všech dat pro budoucí, hlubší analýzu. A právě zde přicházejí na řadu ultrahusté SSD disky Solidigm QLC .
Setup
Astrofotografie, praxe zachycování snímků nebeských těles a velkých oblastí noční oblohy, je ukázkovým příkladem oboru, který významně těží z edge computingu. Tradičně je astrofotografie disciplínou trpělivosti, která vyžaduje dlouhé expoziční časy a rozsáhlé následné zpracování snímků pro extrakci smysluplných dat. V minulosti jsme se zabývali urychlením tohoto procesu pomocí clusteru NUC. Nyní je čas posunout to na další úroveň.
Okrajový server
Jako hlavní serverovou platformu na okraji sítě jsme použili robustní server Dell PowerEdge XR7620 . Tyto optimalizované servery jsou krátké, dvoupaticové v kompaktním provedení a nabízejí řešení zaměřená na akceleraci. Na rozdíl od typických edge serverů server XR7620 řeší rychlé zrání AI/ML s podporou pro nejnáročnější úlohy, včetně průmyslové automatizace, videa, analýzy v místě prodeje, inference s využitím AI a agregace edge point-device.
Klíčové specifikace serveru Dell PowerEdge XR7620
Úplný seznam specifikací naleznete v naší kompletní recenzi zde: Dell PowerEdge XR7620.
| vlastnost | Technické specifikace |
| Procesor | Dva škálovatelné procesory Intel® Xeon® 4. generace s až 32 jádry na procesor |
| Memory | 16 slotů DDR5 DIMM, podporuje RDIMM max. 1 TB, rychlost až 4800 MT/s. Podporuje pouze registrované ECC DDR5 DIMM |
| Šachta | Přední pozice: Až 4 x 2.5palcové disky SAS/SATA/NVMe SSD, max. 61.44 TB, až 8 x disky E3.S NVMe Direct, max. 51.2 TB |
Tento server Dell PowerEdge není jen tak ledajaký kus techniky. Je postaven tak, aby odolal těm nejnáročnějším podmínkám, které divoká příroda nabízí. Představte si teploty pod bodem mrazu, vyjící vítr a izolaci, díky které slovo „vzdálený“ zní jako slabé slovo. Navzdory všemu se však ukázal jako schopný a neústupný a poháněl výzkum silou svých nejmodernějších procesorů a obrovskou kapacitou pro analýzu dat.
Díky robustnímu serveru se snižuje tlak na jeho bezpečnost a udržování v teple. Nejde jen o přípravu, ale také o to, aby server vydržel namáhavý přesun z bezpečného místa na chladné a izolované místo uprostřed ničeho.
Dalekohled
Pro tento test jsme vybrali místo podél Velkých jezer, v srdci odlehlé divočiny, daleko od dotěrné záře městských světel. Ústředním bodem naší astrofotografické soupravy je 11palcový dalekohled Celestron Nexstar. S clonou f/1.9 a ohniskovou vzdáleností 540 mm je tento dalekohled ideální pro astrofotografii za slabého osvětlení a nabízí pozoruhodné detaily pro průzkum hlubokého vesmíru. V hlubokém klidu divočiny stojí tento dalekohled jako strážce s objektivem namířeným k nebesům, připravený zachytit nebeskou podívanou.
Jednorázový fotoaparát
K fotoaparátu Nexstar je připojena barevná kamera ZWO ASI6200MC Pro One Shot Color Camera. Tato kamera, navržená výhradně pro astrofotografii, dokáže pořizovat snímky astronomických objektů s vysokým rozlišením a bohatými barvami. Volba barevné kamery One Shot zjednodušuje proces snímání a umožňuje zachytit plnobarevné snímky v jediné expozici bez nutnosti použití dalších filtrů. Tato funkce je neocenitelná v odlehlé divočině, kde je jednoduchost a efektivita prvořadá.
| Specifikace | Detail |
|---|---|
| Senzor | CMOS snímač SONY IMX455 |
| Velikost | full frame |
| Rozlišení | 62 megapixelů 9576×6388 |
| Velikost pixelu | 3.76μm |
| Bayerův vzor | GDPR |
| Vyrovnávací paměť DDR3 | 256MB |
| Rozhraní | USB3.0 / USB2.0 |
ZWO ASI6200MC Pro je speciálně navržený astrofotografický fotoaparát vybavený CMOS snímačem SONY IMX455, který nabízí působivé rozlišení 62 megapixelů napříč full-frame snímačem. Může se pochlubit velikostí pixelu 3.76 μm, což umožňuje detailní a rozsáhlé snímky nebeské oblohy s maximální snímkovou frekvencí 3.51 FPS při plném rozlišení.
Kamera má integrovaný chladicí systém – regulovaný dvoustupňový tepelný elektrický chladič – který snižuje teplotu senzoru a zajišťuje optimální výkon udržováním teploty o 30 °C–35 °C pod úrovní okolního prostředí, čímž se snižuje elektronický šum pro přesnější snímky. Díky funkcím, jako je rolovací závěrka, široký expoziční rozsah a rozsáhlá vyrovnávací paměť DDR3 o velikosti 256 MB, je tato kamera navržena tak, aby poskytovala snímky výjimečné kvality jak amatérským, tak profesionálním astronomům.
Udržování spolehlivého datového připojení v odlehlé divočině dnes není díky službě Starlink tak náročné. Tato internetová služba založená na satelitu poskytuje vysokorychlostní datové připojení, které je nezbytné pro přenos dat a příjem aktualizací v reálném čase, ale se značným omezením šířky pásma pro odesílání obrovských datových sad zpět do laboratoře.
Vysokokapacitní úložiště
Zachování každého dílčího snímku v astrofotografii je pro výzkumníky zásadní, protože odemyká množství informací nezbytných pro rozvoj astronomických znalostí. Každý dílčí snímek dokáže zachytit postupné variace a nuance nebeských jevů, což je klíčové pro detailní analýzu a pochopení. Tato praxe zvyšuje kvalitu obrazu díky redukci šumu a zajišťuje spolehlivost dat tím, že poskytuje redundanci pro ověřování a pomáhá s korekcí chyb a kalibrací.
| Specifikace | Solidigm D5-P5336 7.68 TB |
|---|---|
| Kapacita | 7.68TB |
| Sekvenční čtení/zápis | Až 6.8 GB/s čtení / 1.8 GB/s zápis |
| Náhodné 4K čtení / 16K zápis IOPS | Až 770 tisíc IOPS při čtení / 17.9 tisíc IOPS při zápisu |
| Počet zápisů za den (DWPD) | 0.42 DWPD s 16K R/W |
| Záruka | 5 let |
Dále používáme disk Solidigm D5-P5336 s kapacitou 61.44 TB.
| Specifikace | Solidigm D5-P5336 61.44 TB |
|---|---|
| Kapacita | 61.44TB |
| Sekvenční čtení/zápis | Až 7 GB/s čtení / 3 GB/s zápis |
| Náhodné 4K čtení / 16K zápis IOPS | Až 1 milion IOPS při čtení / 42.6 tisíc IOPS při zápisu |
| Počet zápisů za den (DWPD) | 0.58 DWPD s 16K R/W |
| Záruka | 5 let |
Naším primárním zájmem je mít komplexní datovou sadu, která umožňuje aplikaci pokročilých výpočetních technik, jako je strojové učení a umělá inteligence, k odhalování vzorců a poznatků, které mohou být při manuální analýze nebo tradičních metodách přehlédnuty. Uchování těchto dílčích rámců také připravuje výzkum na budoucnost a umožňuje jeho opětovné zpracování s využitím vyvíjejících se technologií. Je to také historický záznam pro dlouhodobé studium a spolupráci, což z něj činí neocenitelný zdroj.
Inovativní přístup StorageReview
Posunuli jsme hranice v oblasti edge computingu a jeho významu – a to nejen pro typické trhy, jako jsou průmyslové a maloobchodní využití. Naše vybavení pro práci na odlehlých místech a dokumentování všech fází pořizování a kompilace astrofotografických snímků nám pomáhá pochopit, jak nám umělá inteligence prospívá v mnoha různých aspektech života. Možná si vzpomenete na naši recenzi Extreme Edge z minulého roku, kde jsme si postavili vybavení v poušti, abychom zachytili noční oblohu, aniž bychom se museli obávat, že by umělé světlo ovlivňovalo naše snímky.
Ve snaze posunout hranice astrofotografie, zejména na okraji, kde je prvořadá velkokapacitní úložiště a výpočetní efektivita, přináší nový přístup k dekonvoluci obrazu revoluci v naší schopnosti zachytit vesmír s bezprecedentní jasností. Abychom tohoto cíle dosáhli, představili jsme průlomovou architekturu konvoluční neuronové sítě (CNN), která významně redukuje artefakty tradičně spojované s procesy dekonvoluce obrazu.
Hlavní výzvou v astrofotografii je boj se zkresleními způsobenými atmosférickým rušením, chybami montáže a navádění a omezeními pozorovacího vybavení. Adaptivní optika tyto problémy zmírnila, ale její vysoké náklady a složitost nechávají mnoho observatoří v nouzi. Dekonvoluce obrazu, proces odhadu a obrácení účinků funkce rozptylu bodu (PSF) za účelem vyjasnění obrazů, je klíčovým nástrojem v arzenálu astronomů. Tradiční algoritmy, jako je Richardson-Lucy a statistická dekonvoluce, však často zavádějí další artefakty, které snižují věrnost obrazu.
Představujeme inovativní řešení navržené ve spolupráci s Vikramadityou R. Chandrou: architekturu CNN na míru, která je speciálně navržena pro restaurování astronomických snímků. Tato architektura nejenže odhaduje PSF s pozoruhodnou přesností, ale také aplikuje dekonvoluční algoritmus Richardson-Lucy vylepšený technikami hlubokého učení, aby se minimalizovalo zavádění artefaktů. Náš výzkum prokazuje vynikající výkon oproti stávajícím metodologiím, a to trénováním tohoto modelu na snímcích, které jsme pořídili, a z Hubble Legacy Archive, což představuje jasnou cestu k astronomickým snímkům bez artefaktů.
Srdcem této architektury je dvoufázový přístup: nejprve konvoluční neuronová síť odhadne PSF, která je poté použita v modifikovaném algoritmu Richardson-Lucy k dekonvolvaci obrazu. Druhá fáze využívá další hlubokou CNN, trénovanou k identifikaci a eliminaci zbytkových artefaktů, čímž zajišťuje, že výstupní obraz zůstává co nejvěrnější původnímu astronomickému objektu. Toho je dosaženo bez použití zjednodušujících technik, jako je Gaussovo rozostření, které může také způsobit nežádoucí efekty, jako je „zvonění“.
Význam tohoto modelu přesahuje jeho bezprostřední využití v astrofotografii. Pro edge computing, kde jsou výpočetní výkon a úložná kapacita omezené, slibuje efektivita a účinnost této nové architektury CNN novou éru vysoce věrného zobrazování. Schopnost zpracovávat a ukládat obrovské množství optických dat na okraji sítě otevírá nové možnosti výzkumu a umožňuje analýzu a rozhodování v reálném čase v rámci pozorovacích kampaní napříč celým odvětvím.
Snímky z Hubbleova teleskopu Legacy, umělé rozmazání (vlevo) vs. zpracování CNN (vpravo)
Pokrok v dekonvolučních technikách, který provádíme v naší laboratoři, představuje klíčový okamžik v zobrazování všech typů. Díky inovativnímu využití hlubokého učení stojíme na pokraji uvolnění dodatečného potenciálu digitálního obrazu, což zde demonstrujeme zachycením vesmíru s jasností a přesností, které byly dříve vyhrazeny pouze pro ty nejvyšší úrovně konfigurací. Tento model trénujeme v naší laboratoři již poměrně dlouho, takže se brzy těšte na kompletní zprávu.
Co to znamená pro astrofotografii
Pokrok v oblasti nové architektury konvoluční neuronové sítě (CNN) pro obnovu astronomických snímků oproti tradičním dekonvolučním technikám představuje klíčový vývoj v astrofotografii. Na rozdíl od konvenčních metod, které často zavádějí artefakty, jako je šum a obrazy duchů, přístup CNN tyto problémy minimalizuje a zajišťuje jasnější a přesnější snímky nebeské oblohy.
Tato technika zvyšuje jasnost obrazu a umožňuje přesnější extrakci dat z astronomických pozorování. Využitím hlubokého učení výrazně zlepšujeme věrnost astrofotografie, což nám umožňuje hlubší vhled do vesmíru s minimálními kompromisy ve zpracování obrazu.
Dva případy použití inferencování ve vědeckém výzkumu akcelerovaném umělou inteligencí na okraji sítě
Metody zpracování a manipulace s daty hrají klíčovou roli ve vědeckém výzkumu, zejména v oblastech vyžadujících rozsáhlý sběr a analýzu dat, jako je astrofotografie. Rozhodli jsme se podívat na dva běžné případy použití inference, které využívají vysokokapacitní úložná řešení Solidigm a pokročilou výpočetní infrastrukturu poskytovanou společností Dell pro správu a interpretaci rozsáhlých datových sad generovaných na okraji sítě.
Případ 1: Přístup s využitím sítě pro tenisky
Přístup Sneaker Net je časem prověřená metoda přenosu dat, která zahrnuje lokální zachycení dat na vysokokapacitních úložných zařízeních a následný fyzický přenos těchto úložných médií do centrálního datového centra nebo zpracovatelského zařízení. Tato metoda připomíná rané dny výpočetní techniky, kdy se data kvůli chybějícímu nebo pomalému síťovému připojení přesouvala ručně. V oblasti vědeckého výzkumu založeného na edge platformě a akcelerovaného umělou inteligencí může být tento přístup prospěšný v situacích, kdy je přenos dat v reálném čase omezen omezeními šířky pásma nebo nespolehlivým internetovým připojením.
Hlavní výhodou přístupu Sneaker Net je jeho jednoduchost a spolehlivost. Vysokokapacitní SSD disky dokáží ukládat obrovské množství dat, což zajišťuje bezpečný přenos velkých datových sad bez nepřetržitého připojení k internetu. Tato metoda je obzvláště výhodná v odlehlých nebo náročných prostředích, kde často dochází k astrofotografii, jako jsou odlehlé oblasti divočiny daleko od konvenčních internetových služeb.
Přístup Sneaker Net má však i značná omezení. Nejzřetelnějším je zpoždění ve zpracování a analýze dat, protože fyzický přenos zabere čas, což brání potenciálním poznatkům, které by z dat mohly být odvozeny. Existuje také zvýšené riziko ztráty nebo poškození dat během přenosu. Tato metoda navíc nevyužívá potenciál analýzy a rozhodování v reálném čase, které může poskytnout edge computing, a potenciálně tak přichází o včasné poznatky a intervence.
Případ 2: Inference hran
Edge inferencing představuje modernější přístup ke zpracování dat ve vědeckém výzkumu, obzvláště vhodný pro potřeby projektů akcelerovaných umělou inteligencí. Tento proces zahrnuje sběr dat v terénu a využití edge serveru vybaveného grafickou kartou NVIDIA L4 k provedení first-pass inferencingu. Tato metoda umožňuje okamžitou analýzu dat při jejich generování, což umožňuje rozhodování v reálném čase a rychlé úpravy strategií sběru dat na základě předběžných zjištění.
Edge servery jsou navrženy pro provoz v náročných podmínkách, s nimiž se často setkáváme při terénním výzkumu, a poskytují výpočetní výkon potřebný pro algoritmy umělé inteligence a strojového učení přímo u zdroje dat. Tato schopnost je klíčová pro úkoly vyžadující okamžitou analýzu dat, jako je identifikace specifických astronomických jevů v rozsáhlých datových sadách pořízených během astrofotografických sezení.
Výhody edge inferencingu jsou rozmanité. Výrazně snižuje latenci při zpracování dat, což umožňuje okamžitý vhled a úpravy. Tato analýza v reálném čase může zvýšit kvalitu a relevanci získaných dat, čímž se zefektivní a zefektivní výzkumné úsilí. Edge inferencing také snižuje potřebu přenosu dat a šetří šířku pásma pro nezbytnou komunikaci.
Edge computing však s sebou nese i výzvy. Počáteční nastavení a údržba infrastruktury edge computingu může být složitá a nákladná a vyžaduje značné investice do hardwaru a softwaru. Pro efektivní správu a provoz systémů edge computingu je také potřeba specializovaných odborníků.
Kromě toho, ačkoli edge inferencing snižuje nároky na přenos dat, stále vyžaduje metodu pro dlouhodobé ukládání dat a další analýzu, což nutně vyžaduje hybridní přístup kombinující lokální zpracování s centrální analýzou dat. Díky zdokonalování výpočetních, úložných a grafických technologií se tyto výzvy stávají menším problémem.
Jak přístup Sneaker Net, tak i inference na okraji sítě nabízejí cenné metody pro správu rozsáhlých datových sad generovaných ve vědeckém výzkumu na okraji sítě, akcelerovaném umělou inteligencí. Volba mezi těmito metodami závisí na specifických požadavcích výzkumného projektu, včetně potřeby analýzy v reálném čase, dostupnosti výpočetních zdrojů v terénu a logistických aspektů přenosu dat. S pokrokem technologií slibuje potenciál inovativních řešení těchto výzev další zvýšení efektivity a účinnosti vědeckého výzkumu na okraji sítě.
Extrémní podmínky prostředí
V rámci našeho neustále se vyvíjejícího úsilí o posouvání hranic technologií a pochopení jejich limitů jsme se vydali na jedinečnou testovací cestu se serverem Dell PowerEdge XR7620 a SSD disky Solidigm QLC. Stojí za zmínku, že se nedoporučuje opouštět specifikované provozní parametry jakékoli technologie a může to vést ke ztrátě záruky nebo, co je horší, k selhání zařízení. Z vědeckých důvodů a pro skutečné pochopení robustnosti našeho zařízení jsme však postupovali opatrně.
Naše testování pro tento projekt probíhalo v drsném zimním období, kdy teploty klesly na -15 °C a méně uprostřed neúprosné sněhové bouře. Tyto podmínky daleko přesahují běžné provozní prostředí pro většinu elektronických zařízení, zejména pro sofistikovaný serverový hardware a SSD disky určené pro datově náročné úlohy. Cílem bylo vyhodnotit výkon a spolehlivost serveru a úložiště v extrémním chladu a vlhkosti, které takové povětrnostní podmínky představují.
Je pozoruhodné, že server i SSD disky fungovaly bez problémů. Nebyly pozorovány žádné negativní dopady na jejich provoz, nedošlo k poškození dat ani k žádným hardwarovým poruchám. Tento výjimečný výkon za takových testovacích podmínek hovoří sám za sebe o kvalitě provedení a odolnosti těchto zařízení. Dell PowerEdge XR7620 s robustním provedením a SSD disky Solidigm s pokročilou technologií prokázaly, že jsou schopny odolat stresovým vlivům prostředí, které daleko přesahují útulné hranice datového centra.
Ačkoli tento test demonstruje odolnost a spolehlivost zařízení, neměl by být považován za doporučení pro provozování hardwaru mimo doporučené specifikace. Jednalo se o kontrolovaný experiment, jehož cílem bylo prozkoumat limity toho, co tato zařízení zvládnou. Naše zjištění znovu potvrzují důležitost výběru vysoce kvalitního a odolného hardwaru pro kritické aplikace, zejména v edge computingových scénářích, kde podmínky mohou být nepředvídatelné a zdaleka ideální.
Závěrečné myšlenky
Od chvíle, kdy se na trhu objevily paměti QLC NAND, jsme okouzleni vysokokapacitními podnikovými SSD disky. Většina úloh není tak náročná na zápis, jak se v oboru předpokládá; to platí ještě více pro sběr dat na okraji sítě. Případy použití sběru dat a inferencingu na okraji sítě představují zcela odlišnou sadu výzev.
Stejně jako v případě použití astrofotografie, který jsme zde popsali, jsou tyto metody obvykle nějakým způsobem omezené ve srovnání s tím, co by se nacházelo v datovém centru. Stejně jako v případě našeho výzkumu a úsilí o edge AI má server Dell pouze čtyři pozice, takže je nezbytné maximalizovat tyto pozice pro zachycení našich dat. Podobně jako u jiných edge použití, které jsme zkoumali, jako je autonomní řízení , je schopnost zachytit více dat bez zastavení zásadní.
Závěr našeho zkoumání unikátních aplikací vysokokapacitních podnikových SSD disků, zejména technologie QLC NAND, podtrhuje zásadní posun v našem přístupu ke sběru a zpracování dat na okraji sítě. SSD disky, které jsme použili v našich testech, vynikají obzvláště zajímavými ukazateli kapacity a výkonu, což umožňuje nové výzkumné možnosti, které byly dříve omezeny úložnými kapacitami.
Naše cesta složitostmi sběru dat z okraje sítě a jejich inferencování, shrnutá projektem astrofotografie, odhaluje nuance v chápání potřeb úložiště mimo datová centra. V projektech, jako je tento, kde má každý bajt zachycených dat, fragment vesmíru, hodnotu. Vzhledem k povětrnostním a časovým omezením není luxus rozsáhlých úložných polí a stojanů s vybavením vždy k dispozici.
Tento scénář není specifický pouze pro astrofotografii, ale odráží se v různých aplikacích edge computingu a výzkumných oborech. Zde je zaznamenávání a analýza obrovského množství dat za chodu prvořadá. Pro mnoho odvětví je přerušování odesílání dat luxusem, který si nelze dovolit ani ospravedlnit. SSD disky toto dilema řeší svými rozsáhlými úložnými kapacitami. Umožňují delší dobu sběru dat bez častých zastavení pro odesílání dat, čímž zajišťují kontinuitu a integritu výzkumného procesu.
Tyto vysokokapacitní SSD disky otevírají nové možnosti výzkumu tím, že přímo na okraji sítě podporují datově náročné požadavky algoritmů umělé inteligence a strojového učení. Tato schopnost je klíčová pro zpracování a inferencování dat v reálném čase, což umožňuje okamžité poznatky a akce na základě shromážděných dat. Ať už jde o zdokonalování parametrů pro sběr dat na základě předběžné analýzy nebo o aplikaci složitých algoritmů k filtrování nebeského šumu pro astronomické objevy, roli těchto SSD disků nelze přeceňovat.
SSD disky Solidigm nejsou jen úložnými řešeními, ale také nástrojem umožňujícím inovace. Představují krok vpřed v řešení jedinečných výzev edge computingu a usnadňují výzkumné snahy, které posouvají hranice možného. Důležitost robustních, efektivních a vysokokapacitních úložných řešení bude jen růst, jak budeme pokračovat v prozkoumávání rozlehlosti vesmíru a složitosti našeho světa prostřednictvím vědeckého výzkumu založeného na edge computingu a akcelerovaného umělou inteligencí. Tyto technologie nejen podporují současné výzkumné potřeby, ale také předvídají budoucnost a pokládají základy pro budoucí objevy.
Tuto zprávu sponzoruje společnost Solidigm. Veškeré názory a stanoviska vyjádřené v této zprávě vycházejí z našeho nezaujatého pohledu na daný produkt (produkty).
Amazon