基于云计算的绿色数据中心基础设施投资评审评估的要点和方法

财政部、生态环境部、工业和信息化部关于印发《绿色数据中心政府采购需求标准(试行)》(财库[2023]7号)的通知要求使用财政性资金采购数据中心相关设备、运维服务等均需满足该“标准”的要求。这项标准的出台,给可行性研究和初步设计的评审评估工作带来了新的要求。结合电子政务上云的要求和工程实务,本文提出适用于第三方评估机构的对基于云计算的电子政务数据中心(本文简称“数据中心”)新、改、扩建及运维的评审要点和绿色数据中心可行性快速判断方法,数据中心规划设计阶段也可以借鉴。

基于深度学习的高分辨率食管测压图谱中食管收缩活力分类

高分辨率食管测压技术(HRM)作为检测食管动力障碍性疾病(EMD)的金标准,已广泛应用于临床试验以辅助医生进行诊断治疗。随着患病率的上升,HRM图像的数据量爆炸式增长,加之EMD的诊断流程较为复杂,临床上EMD误诊事件时有发生。为了提高EMD诊断的准确性,希望搭建一个计算机辅助诊断(Computer Aided Diagnosis,CAD)系统帮助医生对HRM图像进行自动分析。由于食管收缩活力的异常是诊断EMD的重要依据,该文提出了一个深度学习模型(PoS-ClasNet)以完成对HRM图像的食管收缩活力分类任务,为今后机器代替人工诊断EMD奠定基础。PoS-ClasNet作为一个多任务卷积神经网络(CNN)由PoSNet和S-ClasNet构成。前者用于HRM图像中吞咽框的检测和提取任务,后者根据食管吞咽特征鉴别收缩活力类型。实验使用了4000幅专家标记的HRM图像,用于训练、验证和测试的图像分别占比为70%,20%和10%。在测试集上,食管收缩活力分类器PoS-ClasNet的分类准确率高达93.25%,精度和召回率分别为93.39%和93.60%。结果表明PoS-ClasNet能较好地适应HRM图像数据的特性,在智能诊断食管收缩活力的任务中表现出了不俗的准确性和稳健性。将它应用在临床上辅助医生诊疗,会带来巨大的社会效益。

关于数据中心用磷酸铁锂电池在安全设计方面的探讨

“锂进铅退”似乎已经成为数据中心建设的一个趋势,但是对于将安全放在第一位的数据中心建设,磷酸铁锂的应用安全设计是值得探讨的大事。T/DZJN80-2022《数据中心用锂离子电池设备产品技术标准》的发布,为数据中心“锂进铅退”打开了一道缝隙。本文将探讨数据中心应用储能型磷酸铁锂电池的安全设计思路。

以PUE为核心的云数据中心规划设计的初步探讨

GB40879-2021《数据中心能效限定值及能效等级》的发布,对数据中心的建设提出了更高的要求,本文以1000个机架为假定规模,以PUE值为1.3为控制目标,以亚热带南部地区的城市为例,对数据中心的规划设计进行探讨并得出结论。