ホワイトペーパー

AIデータセンタークラスタにおけるスケーラビリティの向上

AIモデルがより複雑かつ大規模になるにつれて、データセンタークラスターを効果的に拡張することは、競争力を維持しようとする組織にとってミッションクリティカルな優先事項となっています。このホワイトペーパーでは、AIクラスターの台頭を探り、主要なスケーリング課題、特にネットワークインフラストラクチャ内の課題に焦点を当て、高度なエミュレーションソリューションがこれらの障害を克服するのにどのように役立つかを示します。

ホワイトペーパー

AIネットワークと従来のネットワークの違い

人工知能 (AI) と機械学習 (ML) は、新しい要件、トラフィックパターン、テクノロジーを含め、データセンターネットワークに大きな変化をもたらしています。キーサイトのソリューションがAIネットワークの最適化にどのように役立つかをご覧ください。

ソリューション概要

AI／MLインフラの評価とベンチマーク

このソリューションブリーフでは、キーサイトAI (KAI) Data Center BuilderがAI/MLネットワークと入出力イノベーションサイクルを加速することで、これらの課題にどのように対処するかを紹介します。この革新的なソフトウェアは、100～800GEポートをサポートする高密度トラフィック負荷アプライアンスを使用して、AIホストと現実的なAI/MLトラフィックパターンをエミュレートします。KAI Data Center Builderが、リリースを迅速化し、コストを削減し、セットアップとメンテナンスを簡素化し、全体的なパフォーマンスを向上させるのにどのように役立つかをご紹介します。

ホワイトペーパー

AIインフラストラクチャ：モデルトレーニング向けに最適化

このホワイトペーパーでは、効率的なAIモデルトレーニングに必要な重要なインフラストラクチャについて説明し、膨大なデータフローを処理し、遅延を最小限に抑える上でのネットワーク機能の役割を強調しています。また、モデルトレーニングにおける課題と、パフォーマンスを向上させる革新的なソリューションを概説しています。

アプリケーションノート

AIファブリック試験方法論

人工知能（AI）システム、特に大規模言語モデル（LLM）の文脈において、ネットワークファブリックとは、システム内の様々なコンポーネントまたはノード間の接続と通信を可能にする基盤インフラストラクチャを指します。ネットワークファブリックは、LLMトレーニングを含むAIシステムの効率的かつ効果的な運用を促進する上で極めて重要です。

ホワイトペーパー

1.6Tイーサネットによる将来を見据えたネットワーク構築

本ホワイトペーパーでは、1.6Tイーサネットにおける相互接続パフォーマンス検証の主要な課題について深く掘り下げています。データセンターに対する高まる要求、既存のネットワークアーキテクチャの限界、およびこれらの高速ネットワークの信頼性の高い展開を確保するために必要な新しいテクノロジーとテスト手法について探ります。

ソリューション概要

1600GE 相互接続およびネットワーク性能テスト

Interconnect and Network Performance Tester 1600GE (INPT-1600GE)は、汎用性の高い高速イーサネットプラットフォームであり、ポータブル、軽量、オフィス環境に適した静音設計のベンチトップまたはラックマウントシャーシで提供されます。このプラットフォームは、212Gb/sの電気レーンインターフェースを使用するさまざまなイーサネットデバイスおよびインターコネクトにおいて、200GEから1600GEまでの性能と信頼性を検証します。

アプリケーションノート

800GEおよび1.6TE相互接続の検証

堅牢な800GEおよび1.6Tイーサネットデータセンター相互接続は、AIネットワークのパフォーマンスを最大化する上で極めて重要な役割を果たします。これらはより高いデータレートと低いレイテンシを約束する一方で、より高度な変調方式、より高感度なコンポーネント、および障害に対する感受性の増加をもたらします。要求の厳しいパフォーマンス要件を満たし、将来の拡張性を確保するために、相互接続ベンダーは、進化する標準への準拠と、既存のデータセンターインフラストラクチャとのシームレスな相互運用性の両方を検証する必要があります。本アプリケーションノートでは、急速に成長するAI/MLデータセンター市場で出現している重要な機会を探り、高いシグナルインテグリティの維持、消費電力の最適化、最新のネットワークアーキテクチャとの互換性の確保など、ベンダーが直面する主要な課題に対処します。また、厳格な性能テスト、相互運用性評価、業界標準への準拠を含む、包括的なテスト戦略のセットも概説しています。これらの戦略は、AIデータセンターにおける相互接続の展開を成功させる上で不可欠です。

ホワイトペーパー

800G / 1.6T データセンター トランシーバーテスト

本ホワイトペーパーでは、AIデータセンターのトレンドを深く掘り下げ、ハイパースケールデータセンターのアーキテクトとオペレーターがこれらの要求を満たすために、ネットワークを400Gから800G/1.6テラビット (1.6T) イーサネットにどのように拡張する必要があるかについて説明します。このガイドでは、相互接続帯域幅を増やし、相互運用性と信頼性を確保し、テスト時間、電力、コストを削減するための主要な戦略を探ります。

アプリケーションノート

TDECQ測定アップデート

本稿では、TDECQ測定がどのように進化し改善されてきたか、そしてキーサイトのシステムユーザーが多様なテストシナリオにおいて精度と一貫性に関して何を期待すべきかについて論じます。

アプリケーションノート

データセンター用光トランシーバー試験のコスト最適化

DCAチャネル利用率を向上させ、トランスミッターテストあたりの測定コストを削減する方法