Data -driven vetenskaplig forskning： Zhongke Shuguang bygger en ＂endogen säkerhet＂ intelligent plattform för intelligent vetenskap

Under de senaste åren har tekniker som artificiell intelligens och stora modeller utvecklats snabbt, och intelligensnivån i olika branscher har förbättrats enastående.Speciellt inom AI för vetenskap är stora modeller kontinuerligt integrerade med djup tvärintegration med materialvetenskap, biomedicin och astronomi och undersöker kontinuerligt ett nytt paradigm för disciplininnovation och uppgradering.

Det nya forskningsparadigmet kräver en ny vetenskaplig forskningsinformationsplattform som stöd.Suzhou Laboratory, som ett nationellt laboratorium som leder forskning och uppnåelse av nya metoder för materialvetenskap i Kina, strävar efter att främja AI för vetenskap genom stora modeller och andra metoder för att öppna nya vägar för materialvetenskap och teknik och har ett brådskande Behov av högkvalitetsavlagring.För detta ändamål gick Suzhou -laboratoriet samman med Shuguang -lagring för att använda parastoren full -flash -distribuerad lagring som en plattform för att bearbeta stora vetenskapliga data. Säkerhet ”För att hjälpa vetenskaplig forskningsutveckling, stabilisera gränsen för ämnet.

Parastor Full Flash Distribuerad lagring är baserad på cache -acceleration med flera nivåer, smart hastighetsval och andra data IO -prestandaoptimeringskapacitet, vilket ger snabbare dataläsnings- och skrivhastighet och högre IOPS för vetenskapliga forskningsuppgifter.För mångfalden av avtal om vetenskaplig forskningsdata stöder det också en mängd lagringsprotokoll och flera applikationer.För att förlita sig på full -forskningsfördelen med hela stacken kan plattformen tillgodose säkerhetsbehovet för nyckeldata från det nedre lagret och säkerställa datatillförlitlighet genom dataredundans och säkerhetskopieringsmekanism.