Northern Data:新冠病毒/COVID-19的爆发导致对计算能力的需求大量增加

德国法兰克福--(美国商业资讯)--全球最大的高性能计算(HPC)解决方案提供商之一Northern Data AG (XETRA: NB2, ISIN:DE000A0SMU87)今天报告,新冠病毒/COVID-19的大流行导致对计算能力的需求大幅提高。为了满足扩增的需求,该公司已决定加速扩充其数据中心的容量,并且正在寻求进一步新的设施建设。

疫情爆发之后,以下两个紧迫而突然的形势造成了对计算能力的紧迫需求:首先,全球的制药公司和研究机构首次大规模使用HPC系统,以最短的时间进行生物信息学和流行病学领域的计算和模拟,而使用常规计算机系统则可能需要数月甚至数年时间。这让研究团队有机会在短期内加速新药开发,以用于对抗冠状病毒。Northern Data管理层预计,这种趋势在COVID 19大流行结束后仍将继续。

其次,在COVID 19大流行的过程中,全球的工作环境已在几周内大规模地转向线上,导致对计算能力的需求大幅增加。由于当前的限制,美国、欧洲和亚洲部分地区的许多公司被迫100%地采用家庭办公方式。相关的数字应用程序(如视频会议工具)的使用导致对数据容量的需求激增,而且这种趋势将持续到新冠病毒危机之后。

未来几天,Northern Data将在美国开始运营其最新的HPC设施。这座全球最大的HPC数据中心正在德州进行建设,它占地超过100英亩,相当于约57个足球场的大小。该公司原计划这座美国数据中心在今年年底达到总容量1吉瓦。但由于需求激增的形势变化,现在该公司计划将此地的容量无缝扩展至3.6吉瓦。

该公司还正在加快加拿大和斯堪的那维亚的另外两处大型HPC设施的开发。

Northern Data AG首席执行官Aroosh Thillainathan表示:“我们正面临着巨大的需求。在某些地区,市场需求要高出我们到年底建成容量的三十倍。受益于多年在大型高性能计算领域的经验,我们正在进一步加快一直持续中的规模扩张。”

Northern Data于3月16日发布了2020年的预测。根据当前预期和已经签署的合同,管理委员会预计2020年的收入在1.2亿欧元至1.4亿欧元之间。因此,管理委员会预计EBITDA介于4,500万欧元至6,000万欧元之间。上述预测仅基于1GW扩展阶段最初30%的部分利用率,也是已经与全球客户签订的提供HPC解决方案的合同。随着新客户的获取,该预测将适时调整。

关于Northern Data

Northern Data AG开发和打造高性能计算(HPC)领域的全球性基础设施解决方案。公司提供机器学习和人工智能、大数据分析、区块链、游戏流媒体和其他领域的解决方案。这家跨国公司源自于德国Northern Bitcoin AG与美国Whinstone US, Inc.的合并,目前是全球公认的高性能计算解决方案的领先提供商。Northern Data的高性能计算解决方案可固定于大型先进数据中心,也可以是基于集装箱的移动式高科技数据中心,能在全球任何地点设置。公司将自行开发的软件和硬件与可持续能源供应智能理念相结合。Whinstone目前正在德州打造美国最大的高性能计算数据中心,同时也是全球最大的专业高性能计算设施。

 

语言:

英语

公司:

Northern Data AG

 

Thurn-und-Taxis-Platz 6

 

60313 Frankfurt/Main

 

Germany

电话:

+49 69 34 87 52 25

电邮:

info@northerndata.de

网站:

www.northerndata.de

国际证券识别码:

DE000A0SMU87

德国证券识别码:

A0SMU8

上市地点:

柏林、杜塞尔多夫、法兰克福、慕尼黑(m:access)的受规管非官方市场,Tradegate Exchange

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值