Публикации |
|
2023 г. – новый этап практического применения CXL, статья |
|
VMware сдвигает акцент в проекте Capitola на CXL, статья |
|
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья |
|
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья |
|
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья |
|
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья |
|
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья |
|
GigaIO: CDI_решение на базе AMD для высшего образования, статья |
|
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья |
|
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья |
|
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья |
|
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья |
|
End-to-end 64G FC NAFA, статья |
|
Computational Storage, статья |
|
Технология KIOXIA Software-Enabled Flash™, статья |
|
Pavilion: 200 млн IOPS на стойку, статья |
|
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья |
|
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья |
|
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья |
|
SmartNIC – новый уровень инфраструктурной обработки, статья |
|
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья |
|
Compute, Memory и Storage, статья |
|
Lenovo: CXL – будущее серверов с многоуровневой памятью
, статья |
|
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья |
|
Intel® Agilex™ FPGA, статья |
|
Weka для AI-трансформации, статья |
|
Cloudera Data Platform – “лучшее из двух миров”, статья |
|
Fujitsu ETERNUS DSP - разработано для будущего, статья |
|
Технологии охлаждения для следующего поколения HPC-решений, статья |
|
Что такое современный HBA?, статья |
|
Fugaku– самый быстрый суперкомпьютер в мире, статья |
|
НРС – эпоха революционных изменений, статья |
|
Новое поколение СХД Fujitsu ETERNUS, статья |
|
Зональное хранение данных, статья |
|
За пределами суперкомпьютеров, статья |
|
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья |
|
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья |
|
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья |
|
IPsec в пост-квантовую эру, статья |
|
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья |
|
Обзоры |
|
Все обзоры в Storage News |
|
Тематические публикации |
|
Flash-память |
|
Облачные вычисления/сервисы |
|
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных |
|
Современные СХД |
|
Информационная безопасность (ИБ), борьба с мошенничеством |
|
Рынки |
|
Российская академия наук и корпорация EMC рассказали о будущем диагностики онкологических заболеваний
18, декабрь 2014
Лаборатория Алгоритмической Биологии Академического Университета Российской академии наук (РАН) и Центр исследований и разработок EMC по облачным вычислениям и большим данным(НИЦ EMC) поделились первыми результатами совместного проекта,который направлен на упрощение диагностики онкологических заболеванийпри помощиРНК-секвенирования.
В рамках проекта в лаборатории был разработан сборщик данных секвенирования РНК rnaSPAdes, который при объединении с программой ENOSI должен облегчить поиск мутаций и гибридных генов. Специалисты ожидают, что технология позволит увеличить точность результатов, получаемых в ходе эксперимента, а значит быстрее находить гибридный ген или мутацию, которая является причиной развития онкологических заболеваний. Так как при таком подходе необходимо обрабатывать большие объемы данных секвенирования РНК и масс-спектрометрии белков, в НИЦ ЕМС было решено создать облачную платформу, которая позволила бы эффективно хранить данные и производить их анализ.
«Генетические данные требуют огромныхемкостей для хранения –один только референсный геном одного человека занимает 3Гб. Данные секвенирования, полученные в результате эксперимента, могут занимать от 10 до сотни гигабайт в зависимости от его сложности.Облачная инфраструктура для хранения генетических данных и выполнения биоинформатических вычислений, созданная экспертами НИЦ ЕМС, позволит нам обрабатывать, анализировать и структурированно хранить полученные данные от сотен экспериментов одновременно, что значительно облегчит работу учёных по выявлению гибридных генов»,–отметил Андрей Пржибельский, научный сотрудник Лаборатории Алгоритмической Биологии Академического Университета РАН.
Технологии, разрабатываемые в Научно-исследовательском центре ЕМС, предназначены для использования в узкоспециализированных отраслях, таких как медицина. Недавно эксперты ЕМС представили новое решение – платформуCranberry, котораяобеспечивает безопасное структурированное хранение данных секвенирования вместе с их описаниями, что значительнооблегчает поиск нужной информации по сложным запросам и упрощает работу учёных.
|
|