Mraky pro bezpilotní ohnivé koule a analýzu genomu
Provádět mnoho studií pro univerzity a vědecké
Příklady:
Závodní tým Moskevské státní technické univerzity N. E.Baumanův (Bauman Racing Team) použil cloudovou sílu k vytvoření závodního vozu bez posádky. Systém autonomního řízení má algoritmus, který rozpoznává objekty na trati v reálném čase. Díky tomu se auto pohybuje správným směrem. K takovému rozpoznání vývojáři použili konvoluční neuronové sítě a trénink těchto neuronových sítí probíhal v cloudu.
Službu využil tým Bauman RacingVývoj ML (strojové učení) Yandex DataSphere pro školení dvou neuronových sítí, které zpracovávají obrázky. Použití tohoto nástroje umožnilo výrazně zvýšit rychlost a pohodlí výukových algoritmů: již nyní jedna z neurálních sítí prošla 7 000 obrázků sama a druhá - 3 000.
Centrum pro aplikaci kvantitativních metod vBiologie na německé univerzitě v Tübingenu spolupracuje na svých projektech výzkumu genomu s cloudovou službou Amazonu – AWS. Němečtí vědci využívají cloud k analýze desítek tisíc genetických vzorků a identifikují různé vzorce, jako jsou rozdíly v genové expresi mezi zdravou a nemocnou tkání. Použití cloudu umožnilo zkrátit čas na výzkum genomů o 50 % a zrychlit práci na projektu.
Genový výraz- proces přeměny dědičnýinformace (nukleotidová sekvence DNA) v RNA nebo proteinu. Právě regulace genové exprese dává buňkám schopnost řídit svou strukturu. Řízení charakteristik genové exprese ovlivňuje funkce jiných genů v celém organismu.
Počítejte jablka, hledejte rakovinu a analyzujte obrázky černé díry
Poskytovatelé cloudu dnes poskytují pohodlné, hotové nástroje pro vývoj ML a práci s daty – a to je druhý důvod, proč vědecké organizace přicházejí do cloudu.
Mezi tyto nástroje patří předevšímslužby pro strojové učení: Yandex DataSphere, Google Cloud ML nebo Azure ML. Služby pro snadné prohlížení a vizualizaci dat zajímají výzkumníky: například Yandex DataLens nebo Microsoft Power BI. Existuje také více specializovaných nástrojů, jako je AWS Panorama pro technologie počítačového vidění, Yandex SpeechKit pro rozpoznávání a syntézu řeči nebo Google Vision AI pro analýzu obrazu.
Příklady:
Biologická fakulta Moskevské státní univerzity společně s Federálním výzkumným centrem pojmenovaným poMichurin, Tambov State University a agroinženýrské centrum VIM využily nástroje Yandex.Cloud k vytvoření systému monitorování zahrady. Slouží k přesnějšímu odhadu a předpovědi objemu sklizně a efektivnějšímu plánování dalšího dodavatelského řetězce.
Vědci nahrávají do cloudového úložiště Yandex.Cloudové fotografie ovoce a pomocí Yandex DataSphere vytvoří samoučící se algoritmus: rozpozná jednotlivá jablka na stromech a spočítá jejich počet a také se naučí určovat ukazatele, jako je intenzita kvetení, hojnost sklizně na hektar a kvalita samotných plodů.
Americká rakovinová společnost založenáGoogle Cloud analyzoval různé snímky orgánů žen s rakovinou prsu a identifikoval vzorce ve výskytu a vývoji takových nádorů. Vědci použili Cloud ML Engine: strojové učení umožnilo provádět analýzu 12krát rychleji. Navíc, jak poznamenávají autoři studie, využití cloudu poskytuje vědcům možnost škálovat výsledky své práce a poznatky využít v dalších podobných projektech.
Mezinárodní astronomický výzkumProjekt Event Horizon Telescope využil výpočetní sílu Google Cloud k vytvoření prvního obrazu černé díry. K vytvoření takového obrazu bylo zpracováno obrovské množství dat přijatých z dalekohledů: během týdne pozorování bylo přijato průměrně 350 TB dat denně. Aby vědci mohli zpracovat a analyzovat takový objem, potřebovali značnou sílu, a tak se obrátili k používání cloudu.
Chraňte Bajkal, prozkoumávejte artefakty a hledejte pečeti
Důležitá je také role cloudu při přechodu vědeckých projektůk modernějším metodám práce: od zastaralých metod analýzy k využití umělé inteligence. Zde záleží na všem: na dodatečné kapacitě dostupné v cloudu, jedinečných službách a obecných znalostech poskytovatelů cloudu.
Příklady:
Jeden z nejviditelnějších příkladů tohosynergie - spolupráce mezi Yandex.Cloud a “Point No. 1”, nejdelší program monitorování životního prostředí v Rusku, který již 75 let sleduje zdraví jezera Bajkal. Nedávno hrozilo, že projekt bude ukončen kvůli nedostatku zdrojů a značně zastaralým technologiím analýzy dat.
V rámci projektu, Yandex.Cloud spolu s vědci vytváří inteligentní systém pro digitální podporu procesu analýzy vzorků vody pomocí AI. K trénování algoritmu schopného rozpoznávat mikroorganismy ve vzorcích vody z Bajkalu vědci poskytli více než tisíc snímků každého typu mikroorganismu. V budoucnu bude tento „digitální asistent“ schopen identifikovat až 400 druhů planktonu a automaticky rozpoznat až 99 % vzorků.
Stanfordská univerzita využila příležitostimraky z AWS k vytvoření databáze archeologických nálezů: mluvíme o nálezech objevených při vykopávkách na lokalitě Çatalhöyük v Turecku. Dříve vytvoření a pravidelná aktualizace databáze, která obsahovala všechny informace o předmětu, s uvedením přesné polohy nálezu a dalších podrobností, vyžadovalo mnoho hodin práce vědců – to trvalo asi 20 hodin týdně a často zmatek kvůli aktualizacím zadaným různými lidmi. Přesun databáze do cloudu značně zefektivnil proces aktualizace informací.
Ještě jeden příklad:Americká národní správa oceánů a atmosféry použila cloud od Microsoft Azure k vytvoření nástrojů AI, které pomáhají studovat a chránit polární tuleně a velryby beluga na Aljašce. Dříve biologové ručně studovali tisíce leteckých snímků a hledali známky zkoumaných zvířat a informace během této doby často měly čas zastarat. Nyní k tomu slouží nástroje AI: školení modelů umělé inteligence a zpracování 20 TB dat shromážděných vědci probíhá v cloudu.
Uzavřete smlouvy a zajistěte bezpečnost dat
Někdy překážka v používání clouduMůže existovat nedostatek odborných znalostí v cloudových technologiích: dostupnost pohodlných nástrojů a odborných znalostí od poskytovatelů cloudu tento problém do značné míry řeší. Některé univerzity a další vládní výzkumné organizace se mylně domnívají, že nemohou uzavírat smlouvy na používání cloudových technologií, což ve skutečnosti není.
V některých případech chybí výzkumné projektyfinanční zdroje. Mnoho velkých cloudových služeb však má programy na podporu vědy. V některých zemích existují také celostátní projekty, které by měly propagovat využívání cloudu ve vědě. V loňském roce zahájily USA projekt National Research Cloud, kterého se zúčastnilo 22 univerzit, včetně Stanford University a Carnegie Mellon University, zástupci americké vlády a Kongresu a technologické korporace včetně Google, Microsoft, Amazon a IBM ... . Cílem projektu je poskytnout výzkumníkům přístup ke cloudovým funkcím a najít financování podobných projektů.
V některých případech mohou mít vědci obavyproblém zabezpečení dat v cloudu. Ve skutečnosti mají moderní cloudové platformy ve srovnání s vlastní fyzickou infrastrukturou řadu výhod: data jsou distribuována v cloudu a datová centra jsou distribuována geograficky, takže pokud vaše datové centrum selže, cloudová koncepce to zmírňuje. Bezpečnost cloudové platformy je navíc neustále sledována.
Cloud také usnadňuje spoluprácio projektech a sdílení znalostí: například nástroje ML (DataSphere) umožňují sdílet výsledky výzkumu prostřednictvím státního ukládání, takže ostatní vědci mohou v případě potřeby experiment zopakovat.
Věda se bude i nadále přesouvat do cloudu
Všechny projekty, jejichž autoři se obracejí ke clouduslužeb, spojuje především samotný fakt používání matematických metod a s tím spojené zvýšení požadavků na rychlost a objem zpracování informací. Vědecké ústavy přicházejí do cloudu především kvůli dodatečnému výpočetnímu výkonu a zůstávají kvůli dostupnosti hotových nástrojů a škálovatelných služeb.
Přečtěte si více:
Zpomalení rotace Země způsobilo uvolnění kyslíku na planetě
Nové částice objevené ve Velkém hadronovém urychlovači
Vědci našli nejstarší příklad aplikované geometrie