Ethernet
PulseAugur coverage of Ethernet — every cluster mentioning Ethernet across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的IDNet框架通过多模态数据融合改进心脏病筛查
研究人员开发了IDNet，一个新颖的多模态框架，旨在通过彩色眼底摄影和临床数据实现更稳健的缺血性心脏病（IHD）筛查。该框架包含一个跨模态蒸馏聚合器（CDA），可有效融合视觉特征和表格特征，解决了高维图像数据与低维临床变量之间的不平衡问题。为了支持这项研究，使用UK Biobank数据创建了一个新的、可复现的基准，该基准包含来自25,205名受试者的50,410张图像，证明了IDNet在性能上优于现有方法。
-
新的IDNet框架利用视网膜图像和临床数据改进心脏病筛查
研究人员推出了一种新颖的多模态框架IDNet，旨在利用彩色眼底摄影改进缺血性心脏病（IHD）的筛查。IDNet包含一个跨模态蒸馏聚合器（CDA），它通过使用可学习的查询来整合视觉和表格特征，从而有效地将视网膜图像与稀疏的临床数据融合。为了支持这项工作，利用UK Biobank创建了一个新的基准，该基准包含来自25,000名受试者的50,000多张图像和临床数据。在这一基准上，IDNet的表现优于现有方法，并且CDA模块被证明是增强各种…
-
麻省理工学院1975年的Chaosnet：一个高性能的AI局域网
Chaosnet由麻省理工学院人工智能实验室于1975年开发，是一个为有限范围内计算机之间通信设计的局域网系统。它最初是为了支持Lisp Machine系统而创建的，能够实现跨多个处理器共享文件访问和资源利用。该网络优先考虑简洁性和高性能，避免复杂的协议以确保可靠性和易于维护，并且不适用于长距离通信。
-
博通、FuriosaAI 合作推出以太网 AI 推理平台
博通和 FuriosaAI 已达成合作，共同开发一款机架级推理平台，旨在将 AI 基础设施从以 GPU 为中心的设计中解放出来。此次合作将 FuriosaAI 的处理器架构与博通的网络和 chiplet 技术相结合，为 AI 推理创建一个更节能、更具可扩展性的系统。随着这些工作负载开始超越训练需求，该计划解决了对优化推理基础设施日益增长的需求。
-
NVENC Bridge 实现以太网上的多 GPU AI，绕过 NVLink
研究人员开发了一种定制的 NVENC 编码器桥接器，允许通过标准以太网或 Wi-Fi 连接多个 GPU，从而无需昂贵的 NVLink 硬件。这项创新能够将 FLUX 2 等大型 AI 模型拆分到这些连接的 GPU 上。该技术显著加快了图像生成过程，并为多 GPU AI 计算提供了更具成本效益的解决方案。
-
Celestica推出新款交换机，配备64个1.6 Tbps以太网端口，用于AI训练
Celestica推出了其新的DS6000系列网络交换机，专为高性能计算任务（如AI训练和推理）而设计。这些交换机配备了64个端口，每个端口均支持1.6 Tbps以太网，并采用了Broadcom的Tomahawk 6 ASIC。此次发布恰逢Nvidia等公司在网络接口卡（NIC）方面取得进展，后者也在推动1.6 Tbps连接。
-
NVIDIA与西门子医疗合作开发自适应超声成像AI
NVIDIA与西门子医疗开发了一个名为NV-Raw2Insights-US的新AI模型，该模型直接处理原始超声数据，而非依赖传统的图像重建方法。这种方法使AI能够从每位患者体内声波相互作用的细微差别中学习，从而能够实时生成个性化的声速图以进行自适应图像聚焦。该系统利用NVIDIA的Holoscan平台和Blackwell级GPU进行加速推理，展示了超声成像向端到端AI的转变。