XiaoMi-AI文件搜索系统
World File Search SystemCSPS
可编程5G网络和API生态系统1
从概念上讲，可编程网络已经存在一段时间了，但是直到现在，通信服务提供商（CSP）才能通过以服务为导向的体系结构实现可编程性的好处，该体系结构可以“作为服务”（AAS）功能。和作为服务一样，作为蜂窝领域中的服务，依赖于以应用程序编程接口（API）的形式隐藏网络服务实现和复杂性的能力。要将API作为网络服务中的“菜单”启用，运营商必须为应用程序开发人员提供一个“特许经营”式框架，在此框架中，不管机构如何，开发人员都可以依靠符合统一标准，规格和流程的相同功能。遵守Triple S（安全，简单且可扩展），网络服务及其相应的网络API的原理必须是安全的，并保留用户的隐私，易于使用不熟悉网络协议的应用程序开发人员使用，并能够扩展以适合多个地理领域和市场的用户和运营商的需求。诸如GSMA Open Gateway 1，Linux Foundation Camara Project 2和TM论坛Open Digital Architection（ODA）3等倡议正在共同建立明天的网络API专营权。
通过基于注意力的深度强化学习实现节能的 VNF-FG 嵌入
摘要 — 设计智能机制以促进和加速服务部署和管理是网络基础设施提供商面临的最具挑战性的方面之一。这是由于他们预计要支持的大量流量、架构的分散性质以及他们运行的服务以满足质量目标并避免违反服务水平协议 (SLA)。因此，通信服务提供商 (CSP) 正致力于减少能源消耗和减少其网络基础设施的碳足迹。在未来的通信网络中，传统的管理机制和集中式传统解决方案在确保基础设施提供商、服务提供商的收入以及最终用户的良好体验质量 (QoE) 方面显示出其局限性。这些服务的部署通常需要有效分配虚拟网络功能转发图 (VNF-FG)。在此背景下，我们提出了一种基于多智能体注意力的深度强化学习 (DRL) 的智能节能 VNF-FG 嵌入方法。我们的贡献使用半分布式 DRL 机制进行 VNF-FG 放置。事实证明，所提出的算法在接受率、功耗和执行时间方面优于以前最先进的方法。索引词——能源效率、深度强化学习、注意力、多智能体、虚拟网络功能嵌入。
mosti 推出 my-ai 门户网站，推动马来西亚的人工智能创新
吉隆坡，2024 年 5 月 24 日——科学、技术和创新部副部长 YB Dato' Haji Mohammad Yusof bin Apdal 今天在武吉加里尔 MIMOS Berhad 正式启动了 MY-AI 门户网站。MY-AI 门户网站是科学、技术和创新部 (MOSTI) 今年推出的一项重要举措。该门户网站是第一个专门提供人工智能 (AI) 相关资源和问题的国家在线平台。它由 MOSTI 下属的 MIMOS 开发、托管和维护，是提供高性能计算 (HPC) 资源的战略一步。该门户网站包含指向人工智能知识资源、培训计划、工具和反馈渠道的链接。该计划的主要目标是推动人工智能的发展和采用，为马来西亚的经济和社会带来利益。作为一项临时措施，该门户网站将为需要此类服务的用户提供现有的云服务提供商 (CSP) 链接。 MIMOS 还计划适时与行业合作伙伴和学术机构合作，为马来西亚学生建立和提供 HPC 资源，通过结构化系统确保其有效利用。将成立一个由相关利益相关者组成的委员会，评估和优先考虑访问云服务的提案，防止资源浪费。YB Dato' Haji Mohammad Yusof bin Apdal 表达了他对 MY-AI 门户网站推出的热情，他表示：“随着 MY-AI 门户网站的推出，MOSTI 旨在支持和推动马来西亚的人工智能创新，
华为云安全白皮书
通过整合整个行业领先的云安全概念，以及世界领先的CSP的最佳安全实践以及华为从多年的网络安全经验（包括其云安全技术和运营实践）中的专业知识，出现了一系列高效的云安全策略和实践。因此，华为云实施了多层安全体系结构，该体系结构提供了深入的防御，并符合所有相关法规。此外，华为云继续提高基础架构的安全性（IaaS），平台作为服务（PAAS）以及软件作为服务（SaaS）服务。这一切都得到了华为Cloud Bu的高度自主和平坦的组织的支持；它高度有能力的研发（R＆D）以及运营与维护（O＆M）团队，并与最新的安全开发保持一致；其云优化的DevOps/DevSecops 1方法和工作流程；及其越来越多的云安全生态系统。华为云将与其生态系统合作伙伴一起继续优先考虑客户，并通过增值安全功能，高级云安全服务和安全咨询服务提供高质量的云服务。目标不仅是有效地保护租户的利益，帮助他们实现业务增长，还可以增强华为云的市场竞争力，并为华为云，客户和合作伙伴带来长期，可持续和互惠互利的成果。
利用期权定价实现可再生能源感知地理负载平衡，从而最小化数据中心的能源成本
摘要：适当控制广泛分布的数据中心的功耗变得越来越困难。由于需要运行这些数据中心 (DC) 来处理传入的用户请求，因此能源消耗很高。数据中心电力成本的上升是云服务提供商 (CSP) 面临的一个当代问题。最近的研究表明，地理分布的数据中心可以使用批发电力市场中的可变电价和定价衍生品来分担负载并节省资金。在本研究中，我们评估了在考虑可变系统动态、电价波动和可再生能源的同时降低地理分散数据中心的能源支出的问题。我们提出了一种基于可再生能源的负载平衡，采用基于贪婪方法的期权定价 (RLB-Option) 在线算法进行交互式任务分配以降低能源成本。RLB-Option 的基本思想是使用可用的可再生能源来处理传入的用户请求。相反，对于未处理的用户请求，将在每个时隙使用棕色能源或看涨期权合约来处理工作负载。我们将地理分布式 DC 中的能源成本最小化公式化为一个优化问题，同时考虑地理负载平衡、可再生能源和衍生品市场的期权定价合同，同时满足一组约束条件。我们证明 RLB-Option 可以将 DC 的能源成本降低到接近具有未来信息的最佳离线算法的水平。与标准工作负载分配方法相比，RLB-Option 在基于真实数据的实验评估中显示出显著的成本节省。
OFC 2024 分析师简报会
本报告包含与未来事件和预期有关的前瞻性陈述，包括我们对以下方面的预期：(i) 我们未来的财务和运营业绩；(ii) 我们服务的通信市场（包括数据通信和电信）的增长；(iii) 发展中经济体的 5G 增长和 6G 的出现；(iv) 数据中心按细分市场划分的资本支出以及前 15 大 ICP 与 CSP 的年度基础设施支出；(v) 数据中心人工智能和机器学习（“AI/ML”）的增长及其长期颠覆潜力；(vi) 数据通信市场，包括 100G、200G、400G、800G、1.6T 和 3.2T，以及 800G/1.6T 的主导持续时间；(vii) 云端、电信和企业领域的年度新增带宽以及我们最大的电信机会——收发器；(viii) 分解系统的增长；以及 (ix) 数据中心光电路交换的出货量以及我们在该领域的机遇定位； (x) 人工智能收发器的出货量；(xi) 我们在 800G 和 1.6T 数据通信收发器领域的持续领导地位；(xii) 人工智能的兴起；(xiii) 800G、1.6T 和 3.2T 收发器的生产；(xiiii) 我们的数据中心光交叉连接 TM 为数据中心带来光电路交换机的机会；以及 (xiv) 800G 将成为我们收入的一半并在未来五年内超过市场增长，这些都基于某些假设和意外事件。前瞻性陈述根据 1995 年美国私人证券诉讼改革法的安全港规定做出，与公司未来的业绩有关。本投资者演示稿中的前瞻性陈述涉及风险和不确定性，可能导致实际结果、业绩或趋势与本文或之前披露的前瞻性陈述中表达的结果、业绩或趋势存在重大差异。
大型域大小的采样lov。
𝑝代表每个约束的最大违规概率，而𝐷代表依赖关系程度，由约束可以与之共享变量的其他约束的最大约束数量给出。此情况（1）后来证明本质上是紧密的[SHE85]。随后的算法LOV'ASZ Local Lemma的工作试图通过有效的算法建设性地找到CSP解决方案。这导致了一系列研究[BEC91，ALO91，MR99，CS00，SRI08，MOS09，MT10]，最终在算法中达到了有效找到CSP解决方案（1）中的条件。在一起，这些贡献为CSP解决方案的存在/构建建立了尖锐的阈值。On the other hand, a considerable amount of work has been focused on the counting/sampling Lov ´ asz local lemma [ BGG + 19 , HSZ19 , Moi19 , GLLZ19 , FGYZ21a , FHY21 , JPV21a , JPV21b , HSW21 , GGW22 , QWZ22 , FGW22 , HWY22 , HWY23A，QW24]，旨在表征局部引理类型制度，在该方案下（大约）计数或（几乎均匀）采样CSP溶液的问题是可以处理的。硬度在[BGG + 19，GGW22]中导致表明，LLL的计数/采样变体需要更严格的条件𝑝𝐷2≲1，其中≲隐藏了低阶因子和构成。即使仅限于CSP的某些规范子类，例如𝑘 -CNF或HyperGraph Colorings也是如此。关于上限，当前的最新[HWY23A]表明，在条件𝑝𝐷5≲1的情况下，计数/采样CSP溶液可有效地求解。但是，计数/采样LLL的正确阈值尚不清楚。以下问题是我们对计数和采样CSP解决方案的关键现象的理解至关重要的：
一种用于智能自动化无服务器功能的深度重复增强学习方法
摘要 - 函数-AS-A-Service（FAAS）引入了一个轻巧的，基于功能的云执行模型，该模型在诸如IOT-EDGE数据处理和异常检测等一系列应用程序中找到了相关性。虽然云服务提供商（CSP）提供了近乎无限的功能弹性，但这些应用程序通常会遇到波动的工作负载和更严格的性能限制。典型的CSP策略是基于基于监视的阈值（例如CPU或内存）来确定和调整所需的功能实例或资源，称为自动化，以应对需求和性能。但是，阈值配置需要专家知识，历史数据或对环境的完整视图，从而使自动化的性能瓶颈缺乏适应性的解决方案。强化学习（RL）算法被证明有益于分析复杂的云环境，并导致适应性的政策，从而最大程度地提高了预期目标。最现实的云环境通常涉及操作干扰，并且可见度有限，使它们部分可观察到。在高度动态的设置中解决可观察性的一般解决方案是将复发单元与无模型的RL算法集成，并将决策过程建模为部分可观察到的马尔可夫决策过程（POMDP）。因此，在本文中，我们研究了用于功能自动化的无模型复发剂，并将其与无模型近端策略优化（PPO）算法进行比较。我们探讨了长期术语内存（LSTM）网络与最先进的PPO算法的集成，以发现在我们的实验和评估设置下，经常性的策略能够捕获环境参数并显示出有希望的函数自动效果的结果。我们进一步将基于PPO的自动化剂与商业使用的基于阈值的函数自动化和认为，基于LSTM基于LSTM的自动体现剂能够将吞吐量提高18％，功能执行13％，占8.4％的功能实例。
受量子计算的启发
量子计算提供了全息算法的灵感[37]，进而启发了用于计算计数问题的Holant框架（在[18]的Conforence版本中首次引入）。计算计数问题包括各种计算问题，从图表上定义的组合问题到量子计算中统计物理学和计算幅度中计算部分函数的问题。它们正在不同的框架中进行分析，包括计算约束满意度问题（计数CSP）和Holant问题的框架。计算计数问题是一个积极研究的领域，但到目前为止，似乎没有尝试将量子信息理论或量子计算中的知识应用于其分析。尽管如此，如下所示，量子信息理论，尤其是量子纠缠的理论，也是对Holant问题的研究的新途径。通过一组函数f参数化了一个holant问题；在本文中，我们考虑了布尔输入的有限代数复合物值函数。限制到有限的设置，即计数CSP社区中的标准。我们使用它来避免在有限的功能集中允许问题进行参数时出现的有效可计算性的问题。在以下内容中，布尔输入的所有代数复合物值函数的集合表示为υ。我们还写入∂n：= {f∈υ| Arity（f）= n}限制了Arity n功能的限制。此地图分配给每个顶点v∈Va函数π（v）= fv∈F。问题的实例Holant（F）由一个多数G =（V，E）组成，带有顶点V和边缘E，以及MAPπ。该地图还设置了V和F V的参数的边缘之间的两次试验，因此V的程度必须等于f V的arity。给定地图π，任何分配σ：e→{0，1}布尔值的边缘诱导重量
2023
期待今年，预计智能消费电子产品（例如消费者智能和计算机终端）仍将受到地缘政治状况的影响，但我们也会看到AI和EV中的增长机会。鉴于这些外部因素的不确定性，我们将努力提高产品的竞争力，尤其是在目前增长最快的市场的AI服务器市场，以及仍处于增长早期阶段的电动汽车市场，以确保我们可以在不断变化的环境中竞争，保持环境，保持领先地位并创造另一个增长动向。 Digitimes Research指出，去年全球服务器市场遇到了多个挑战，包括大流行时代对传统云服务的需求减少，全球高通货膨胀带来的经济压力以及对生成AI技术的需求激增，从而挤出了服务器采购预算的影响。 在这些因素的影响下，全球服务器的销售表现出去年首次下降的两位数下降。 但是，今年北美云服务提供商（CSP）的资本支出前景有了显着改善。 根据彭博社于今年2月初发布的信息，预计北美四大云服务提供商的资本支出有望从去年的2％的衰退到今年的20％以上的增长，预计这将刺激服务器采购活动的恢复。 此外，根据Trendforce调查，今年的AI服务器的运输将增长超过33％。鉴于这些外部因素的不确定性，我们将努力提高产品的竞争力，尤其是在目前增长最快的市场的AI服务器市场，以及仍处于增长早期阶段的电动汽车市场，以确保我们可以在不断变化的环境中竞争，保持环境，保持领先地位并创造另一个增长动向。Digitimes Research指出，去年全球服务器市场遇到了多个挑战，包括大流行时代对传统云服务的需求减少，全球高通货膨胀带来的经济压力以及对生成AI技术的需求激增，从而挤出了服务器采购预算的影响。在这些因素的影响下，全球服务器的销售表现出去年首次下降的两位数下降。但是，今年北美云服务提供商（CSP）的资本支出前景有了显着改善。根据彭博社于今年2月初发布的信息，预计北美四大云服务提供商的资本支出有望从去年的2％的衰退到今年的20％以上的增长，预计这将刺激服务器采购活动的恢复。此外，根据Trendforce调查，今年的AI服务器的运输将增长超过33％。在这个高速增长区域中，洪海展示了其全部制造强度，从上游模块和基板到下游服务器和橱柜的总体设计和制造，然后再到数据中心的构建；集成的记忆，开关和高级热解决方案，尤其是在上游图形芯片（GPU）模块和基板的开发中，是Hon Hai的AI服务器开发的核心策略。除了扩大其在上游市场中的影响力外，我们还开始扩大下游机器组件，旨在使AI服务器的市场份额与整体服务器市场的市场份额保持一致。Hon Hai的庞大服务器量表，制造能和垂直集成优势都是帮助客户抓住机会的因素。在过去两年的PC和智能手机市场的销售下降之后，IDC预计PC和智能手机市场将摆脱衰退并今年重新增长。随着消费产品的稳定，传统服务器市场的逐步恢复以及AI服务器的明确增长趋势，我们预计今年信息和通信行业的整体运作将比去年更好，而云和网络产品将成为今年增长的主要来源。