Livres blancs

Amélioration de l'évolutivité dans un cluster de centres de données dédiés à l'IA

Les modèles d'IA devenant de plus en plus complexes et volumineux, la mise à l'échelle efficace des clusters de centres de données est devenue une priorité essentielle pour les organisations qui souhaitent rester compétitives. Ce livre blanc explore l'essor des clusters d'IA, met en évidence les principaux défis de mise à l'échelle - en particulier au sein de l'infrastructure réseau - et démontre comment les solutions d'émulation avancées peuvent vous aider à surmonter ces obstacles.

Livres blancs

En quoi les réseaux basés sur l'IA diffèrent-ils des réseaux traditionnels ?

L'intelligence artificielle (IA) et l'apprentissage automatique (ML) entraînent de grands changements dans les réseaux de centres de données - notamment de nouvelles exigences, de nouveaux modèles de trafic et de nouvelles technologies. Découvrez comment les solutions Keysight contribuent à optimiser les réseaux d'IA.

Fiches de solution

Évaluation et analyse comparative des infrastructures d'IA et d'apprentissage automatique

Cette note de solution présente comment Keysight AI (KAI) Data Center Builder relève ces défis en accélérant les réseaux d'IA / ML et les cycles d'innovation d'entrée / sortie. Ce logiciel innovant utilise des appliances de charge de trafic à haute densité qui prennent en charge des ports 100-800GE pour émuler des hôtes AI et des modèles de trafic AI / ML réalistes. Vous apprendrez comment KAI Data Center Builder peut aider à accélérer les mises en production, à réduire les coûts, à simplifier l'installation et la maintenance, et à améliorer la performance globale.

Livres blancs

Infrastructure de l'IA : Optimisée pour la formation de modèles

Ce livre blanc traite de l'infrastructure critique nécessaire à une formation efficace des modèles d'IA, en mettant l'accent sur le rôle des capacités du réseau dans le traitement de vastes flux de données et la minimisation des retards. Il décrit les défis posés par la formation des modèles et les solutions innovantes susceptibles d'améliorer les performances.

Notes d'application

Méthodologie de test de la structure d'IA

Dans le contexte des systèmes d'intelligence artificielle (IA), en particulier des grands modèles de langage (LLM), un réseau fait référence à l'infrastructure sous-jacente qui relie et permet la communication entre divers composants ou nœuds au sein du système. La structure du réseau est cruciale pour faciliter le fonctionnement efficace et effectif du système d'IA, y compris la formation au LLM.

Livres blancs

Des réseaux à l'épreuve du temps grâce à l'Ethernet 1,6T

Ce livre blanc examine les principaux défis liés à la validation des performances des interconnexions dans le contexte de l'Ethernet 1,6T. Il explore les exigences croissantes des centres de données, les limites des architectures de réseau existantes, ainsi que les technologies émergentes et les méthodologies de test nécessaires pour assurer le déploiement fiable de ces réseaux à grande vitesse.

Fiches de solution

Test de performances du réseau et des interconnexions 1600GE

Le testeur de performances d'interconnexion et de réseau 1600GE (INPT-1600GE) est une plate-forme Ethernet haute vitesse polyvalente, disponible dans un châssis portable, léger, peu encombrant ou monté en rack. La plateforme valide les performances et la fiabilité de 200GE à 1600GE dans une gamme de dispositifs et d'interconnexions Ethernet qui utilisent des interfaces de voies électriques de 212Gb/s.

Notes d'application

Validation des interconnexions 800GE et 1,6TE

Les interconnexions résilientes 800GE et 1,6T Ethernet des centres de données jouent un rôle essentiel dans l'optimisation des performances des réseaux d'IA. Bien qu'ils promettent des débits de données plus élevés et des temps de latence plus faibles, ces émetteurs-récepteurs introduiront des formats de modulation plus élevés, des composants plus sensibles et une susceptibilité accrue aux dégradations. Pour répondre aux exigences de performance et garantir l'évolutivité future, les fournisseurs d'interconnexion doivent valider à la fois la conformité avec les normes en évolution et l'interopérabilité transparente avec l'infrastructure existante des centres de données. Cette note d'application explore les opportunités significatives qui émergent sur le marché en pleine croissance des centres de données AI/ML et aborde les principaux défis auxquels les fournisseurs sont confrontés, tels que le maintien d'une intégrité de signal élevée, l'optimisation de la consommation d'énergie et la garantie de la compatibilité avec les architectures de réseau modernes. Il décrit également un ensemble complet de stratégies de test, y compris des tests de performance rigoureux, des évaluations d'interopérabilité et le respect des normes de l'industrie. Ces stratégies sont cruciales pour le déploiement réussi des interconnexions dans les centres de données d'intelligence artificielle.

Livres blancs

800G / 1.6T Data Center Transceiver Test

Ce livre blanc se penche sur les tendances des centres de données IA et explique comment les architectes et les opérateurs de centres de données à grande échelle doivent faire évoluer les réseaux de 400G à 800G / 1,6 térabits (1,6T) Ethernet pour répondre à ces demandes. Ce guide explore les stratégies clés pour augmenter la bande passante d'interconnexion, assurer l'interopérabilité et la fiabilité, et réduire le temps de test, la puissance et le coût.

Notes d'application

Mise à jour des mesures TDECQ

Ce document explique comment la mesure du TDECQ a évolué et s'est améliorée, et ce que les utilisateurs des systèmes Keysight doivent attendre en termes de précision et de cohérence pour une grande variété de scénarios de test.

Notes d'application

Optimisation du coût des tests des émetteurs-récepteurs optiques dans les centres de données

Méthodes visant à améliorer l'utilisation des canaux DCA et à réduire le coût de mesure par test d'émetteur