至顶网软件频道消息: 由于用于检索数据的新技术出现,将大量数据存储在DNA上的前景现在更加接近于现实了。
微软热衷于合成DNA作为未来的长期存档介质,这样做可以解决目前对更多数据存储的需求。以前的研究表明,仅仅几克的DNA可以存储艾字节的数据,并且可以完整保持2000年以上。
不过,也有缺点,即将数据写入DNA的成本较高且非常缓慢,其涉及将0和1转化为DNA分子腺嘌呤、胸腺嘧啶、胞嘧啶和鸟嘌呤,同时从DNA提取数据需要将其排序并将文件解码回0和1。查找和检索存储在DNA上的特定文件也是一个挑战。
正如微软研究院和华盛顿大学的科学家所解释的那样,如果没有随机访问或从DNA存储中选择性检索文件的能力,你就需要对整个数据集进行排序和解码以找到并检索出你想要的几个文件。创建随机访问会减少需要完成的排序数量。
为了实现对DNA的随机访问,他们创建了一个连接到每个DNA序列的"引物"库。引物与聚合酶链式反应(PCR)一起被当作目标,通过随机访问这些目标可以选择所需的DNA片段。
华盛顿大学解释说:"在合成含有来自文件数据的DNA之前,研究人员在每个DNA序列的两端附加了来自引物库的PCR引物对象。"
"他们随后使用这些引物通过随机访问选择所需的链,并使用了一种新的算法,旨在更有效地解码数据并将其恢复到原始的数字状态。"
研究人员还开发了一种能够更高效地解码和恢复数据的算法。微软高级研究员Sergey Yekhanin表示,新算法对写入和读取DNA序列错误的容错性更高,这会减少恢复信息所需的排序和处理。
据研究人员表示,虽然这不是第一次实现对DNA的随机访问,但这是第一次按照他们所做的规模完成的随机访问。
研究人员用合成DNA编码记录了200MB的数据,其中包含了35个文件,大小从29kB到44MB不等。这些文件包含了高分辨率视频、音频、图像和文本。
自从介绍这种技术的论文发表之后,他们还在DNA上对400MB的数据进行了编码和文件检索。
研究人员们认为,他们用于随机访问的方法将扩展到物理隔离的DNA池,每个池中都包含了数个TB的数据。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
时尚零售巨头维多利亚的秘密因安全事件导致网站和线上订单服务中断,已立即启动应急响应、邀请第三方专家协助恢复运营,实体店仍正常营业。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。