1.6Tチップからクラスタまでの検証およびエミュレーションのための新しいソリューション

オンデマンドウェビナー:AIインフラストラクチャ検証の加速

物理層からネットワーク層までのテスト手法に関する最新のエキスパート主導型ウェビナーをご覧ください。

1600GEでのAIファブリック検証とワークロードエミュレーション

実際のAIワークロードをエミュレートし、GPUクラスターを模倣した高密度トラフィックを生成することで、AIネットワークインフラストラクチャを検証する方法を学びます。大規模なファブリック性能をテストし、問題を早期に発見し、物理層のメトリックからRoCEv2トラフィックまで可視性を得ることで、自信を持ってAIインフラストラクチャを導入できるようになります。

1.6T AIネットワークへの光学検証ワークフローの適応

最新のIEEE 802.3djアップデート、新しいTDECQおよびOMA定義、そしてそれらがプラグイン、LPO、CPOアーキテクチャ全体におよぼすテストへの影響について解説します。規格に準拠した自動化検証ワークフローを活用してパフォーマンスの限界を早期に特定し、次世代AIネットワーク向けの高信頼な光接続を確保する方法を学びます。

エンドツーエンド検証の実際を見る

従来のデータセンター検証が1.6Tで限界に達する理由

1.6Tでは、AIインフラストラクチャは、展開前に、レイテンシ変動、輻輳動作、相互接続の不安定性、およびワークロード同期効果を明らかにする現実的なワークロード条件下で検証される必要があります。

このホワイトペーパーでは、AIデータセンターにおけるラボ検証と本番環境での動作との間の拡大するギャップについて、専門家による洞察を提供します。エンジニアが、ワークロードエミュレーション、自動化、および大規模トラフィック生成を組み合わせたエンドツーエンドの検証戦略へと、個別のコンポーネントテストを超えてどのように移行しているかをご覧ください。

AIスケールデータセンター検証の再考 

AIデータセンターが1.6Tイーサネットおよび密結合GPUファブリックに拡張するにつれて、信頼性の高い高性能な動作を確保するために、従来のイーサネット検証方法ではもはや不十分です。このホワイトペーパーでは、相互運用性や輻輳からテールレイテンシー、ワークロード駆動型トラフィックの挙動に至るまで、AIスケール・ネットワーキングにおける新たな課題を検証し、展開準備のためにエンドツーエンドのシステムレベル検証が不可欠である理由を概説します。

エンドツーエンドエミュレーションを用いてデータセンターのパフォーマンスを最適化

Juniper NetworksがAIネットワーク性能を向上させた方法

1.6T光トランシーバーテストスループットを最大化

次の展開に向けた基礎固め

キーサイトとNTTイノベーティブデバイスは、グローバル通信の未来を形作るために協力しています。この提携により、深い技術的専門知識と高度なツールが結集され、高速データ伝送における最も困難な課題を克服し、AI、クラウド、量子コンピューティング向けの次世代光インターコネクトの実現に近づきます。

ビデオをご覧になり、NTTとキーサイトのコラボレーションが、従来の電子データ伝送をフォトニクスに置き換え、高度なAIシステムなどを強化しているかをご確認ください。

サポートが必要ですか、ご質問がありますか?