مركز CSCS السويسري يعرض بنية تحتية آمنة للذكاء الاصطناعي والحوسبة عالية الأداء من Vast Data

أخبار ar.wedoany.com، عرض المركز السويسري للحوسبة العلمية (CSCS، Centro Svizzero di Calcolo Scientifico / Swiss National Supercomputing Centre، التابع للمعهد الفيدرالي السويسري للتكنولوجيا في زيورخ) نتائج أبحاث حول بنية تحتية آمنة وعالية الأداء في بيئات الذكاء الاصطناعي، وذلك خلال مؤتمر "مجموعة مستخدمي Cray (CUG) 2026" المنعقد في نيس. تم نشر النتائج في ورقتين بحثيتين، تركزان على استخدام تقنية Vast Data لبناء بنية تحتية موثوقة وعالية الأداء لأعباء العمل الحديثة في الذكاء الاصطناعي والحوسبة عالية الأداء. مع تزايد كثافة البيانات في الحوسبة العلمية، ودخول الذكاء الاصطناعي في مجالات حساسة مثل الرعاية الصحية، تحتاج مراكز الأبحاث الوطنية إلى بنية تحتية قادرة على حماية البيانات الخاضعة للتنظيم، ودعم الوصول المشترك الآمن، وتلبية أنماط الإدخال/الإخراج الجديدة، مع توفير الأداء المتوقع من أنظمة بحجم الحواسيب الفائقة.

أحد المشاريع البحثية، بعنوان "العزل المعماري لأعباء العمل الحساسة: تحقيق بيئة بحثية موثوقة على أنظمة HPE Cray EX"، سلط الضوء على أهمية هذه القضية. مشروع آخر بعنوان "تقييم الجدوى التشغيلية لاستخدام Vast Data كنظام ملفات مؤقت لـ Alps" قدم الدعم لهذه النتائج. تم نشر هذه البنية التحتية من Vast على الحاسوب الفائق "Alps" من HPE Cray EX في CSCS، والمخصص لأعباء عمل الحوسبة عالية الأداء والذكاء الاصطناعي. تأسس CSCS في عام 1991، وهو مسؤول عن تطوير وتشغيل البنى التحتية للحوسبة عالية الأداء والبيانات لحل المشكلات العلمية والاجتماعية الهامة. يفتح المركز مختبر المستخدم العلمي أمام الباحثين المحليين والدوليين من خلال عملية تخصيص شفافة قائمة على مراجعة الأقران، كما أن موارده متاحة لمستخدمي القطاعين الصناعي والاقتصادي. أدى ظهور علم البيانات إلى توسيع دور الحواسيب الفائقة ليشمل تحليل مجموعات البيانات الضخمة وتدريب نماذج الذكاء الاصطناعي المعقدة.

يعتمد المشروع الأول على ما يسميه CSCS بنية بيئة البحث الموثوقة (TRE). تعتمد هذه البنية على ثلاث ركائز للعزل: عزل الشبكة عبر "HPE Slingshot"، ووظائف تشفير التخزين عبر "منصة Vast Data"، وآلية قاطع الدائرة. TRE هي بيئة بيانات وحوسبة عالية الأمان تسمح للباحثين المصرح لهم بالوصول إلى البيانات الحساسة وتحليلها، مع ضمان عدم مغادرة البيانات للبيئة الخاضعة للرقابة. طور CSCS هذه البنية لتمكين البنية التحتية للحوسبة الفائقة من تشغيل أعباء العمل الحساسة، مع ضمان الأمان والامتثال والأداء القريب من الأداء الأصلي. تضمن العمل التجريبي إثبات المفهوم مع المركز الاستشفائي الجامعي في لوزان (CHUV) ومنصة "Choris"، مع التركيز على تدريب نموذج أساسي لتخطيط كهربية الدماغ (EEG) لدعم أبحاث مثل جراحة الصرع، والتنبؤ بمخاطر SUDEP، وفك تشفير الإشارات الدماغية.

في الورقة الأخرى، قام CSCS بتقييم واختبار جدوى استخدام Vast Data كتخزين مؤقت لـ Alps، لفحص ما إذا كان يمكنه تلبية المتطلبات المشتركة للمؤسسات والحوسبة عالية الأداء في بيئات الحوسبة الفائقة الحديثة، بما في ذلك التشفير، وتعدد المستأجرين، وجودة الخدمة، وعزل الشبكة، والتوافق مع HPE Slingshot، وأداء أعباء عمل الذكاء الاصطناعي والحوسبة عالية الأداء. اختارت المؤسسة مجموعة من أنظمة VAST لتقييم ما إذا كان يمكن دمج طبقة التخزين عالية الإنتاجية المستخدمة في الوظائف النشطة مع وظائف المؤسسة المطلوبة لبيئة البحث المشتركة الحساسة. أظهرت اختبارات القبول أنه مع تمكين تعدد المستأجرين والتشفير، حقق مزود برامج التخزين أهداف الأداء التي حددها CSCS من خلال الوصول متعدد البروتوكولات الأصلي عبر البروتوكولات القياسية، واستخدام نسيج HPE Cray Slingshot للوصول المباشر دون الحاجة إلى طبقة بوابة. أظهرت نتائج الاختبارات الموجهة للتطبيقات أن أداء Vast كان أفضل مقارنة بالبيئات القائمة على "Lustre". وخلص CSCS إلى أن "VAST Data يمكن استخدامها كتخزين مؤقت مشفر للحوسبة عالية الأداء والذكاء الاصطناعي."

وفقًا لتقييم المشاركين، فإن هذه النتائج ذات أهمية كبيرة لمراكز الحوسبة عالية الأداء التي تدرس كيفية دعم أعباء العمل المختلطة المتزايدة (المحاكاة، وتدريب الذكاء الاصطناعي، وتحليل البيانات، والأبحاث الخاضعة للتنظيم). ستعرض Vast نظام تشغيل الذكاء الاصطناعي الخاص بها للبنى التحتية للذكاء الاصطناعي والحوسبة عالية الأداء في مؤتمر "ISC High Performance 2026" الذي سيعقد في هامبورغ من 23 إلى 25 يونيو 2026 (الجناح G05).

تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com