Skyer til ubemandede ildkugler og genomanalyse
At udføre mange undersøgelser for universiteter og videnskabelige
Eksempler:
Racerholdet ved Moscow State Technical University N. E.Baumans (Bauman Racing Team) brugte skystyrke til at oprette en ubemandet racerbil. Det autonome køresystem har en algoritme, der genkender objekter på banen i realtid. Dette holder bilen i bevægelse i den rigtige retning. Til en sådan anerkendelse brugte udviklerne konvolutionelle neurale netværk, og uddannelsen af disse neurale netværk fandt sted i skyen.
Bauman Racing Team brugte tjenestenML-udvikling (Machine learning) Yandex DataSphere til træning af to neurale netværk, der behandler billeder. Brugen af dette værktøj gjorde det muligt at øge hastigheden og bekvemmeligheden ved at lære algoritmer markant: allerede nu har et af de neurale netværk passeret 7.000 billeder gennem sig selv, og det andet - 3.000.
Center for anvendelse af kvantitative metoder iBiologi ved det tyske universitet i Tübingen samarbejder om sine genomforskningsprojekter med Amazons cloud-tjeneste - AWS. Tyske forskere bruger skyen til at analysere titusindvis af genetiske prøver og identificere forskellige mønstre, såsom forskelle i genekspression mellem sundt og sygt væv. Brug af skyen gjorde det muligt at reducere tiden til forskning i genomer med 50 % og fremskynde arbejdet med projektet.
Genudtryk- processen med at transformere arveliginformation (DNA-nukleotidsekvens) i RNA eller protein. Det er reguleringen af genekspression, der giver celler mulighed for at kontrollere deres struktur. Kontrol af genekspressionskarakteristika påvirker andre geners funktioner i hele organismen.
Tæl æbler, kig efter kræft, og analyser billeder af et sort hul
I dag leverer cloud-udbydere praktiske, færdige værktøjer til ML-udvikling og arbejde med data – og det er den anden grund til, at videnskabelige organisationer kommer til at bruge skyen.
Disse værktøjer omfatter primærttjenester til maskinlæring: Yandex DataSphere, Google Cloud ML eller Azure ML. Tjenester til let visning og visualisering af data er af interesse for forskere: for eksempel Yandex DataLens eller Microsoft Power BI. Der er også mere specialiserede værktøjer såsom AWS Panorama til computer vision -teknologier, Yandex SpeechKit til talegenkendelse og syntese eller Google Vision AI til billedanalyse.
Eksempler:
Fakultet for biologi, Moscow State University, sammen med Federal Research Center opkaldt efterMichurin, Tambov State University og VIM agroengineering center brugte Yandex.Cloud -værktøjer til at oprette et haveovervågningssystem. Det bruges til mere præcist at estimere og forudsige høstens omfang og mere effektivt planlægge den videre forsyningskæde.
Forskere uploader til Yandex cloud storage.Skyfotografier af frugter og brug Yandex DataSphere til at skabe en selvlærende algoritme: den genkender individuelle æbler på træer og tæller deres antal og lærer også at bestemme indikatorer som blomstringsintensitet, høstoverflod pr. hektar og kvaliteten af selve frugterne.
American Cancer Society baseretGoogle Cloud analyserede forskellige billeder af organer hos kvinder med brystkræft og identificerede mønstre i forekomsten og udviklingen af sådanne tumorer. Forskere brugte Cloud ML Engine: maskinlæring gjorde det muligt at udføre analyser 12 gange hurtigere. Derudover, som forfatterne af undersøgelsen bemærker, giver brugen af skyen videnskabsmænd mulighed for at skalere resultaterne af deres arbejde og bruge resultaterne i andre lignende projekter.
International astronomisk forskningEvent Horizon Telescope -projektet brugte computerkraften i Google Cloud til at skabe det første billede af et sort hul. For at skabe et sådant billede blev enorme mængder data modtaget fra teleskoper behandlet: I løbet af observationsugen modtog man i gennemsnit 350 TB data dagligt. For at behandle og analysere en sådan mængde havde forskere brug for betydelig kraft, så de vendte sig til at bruge skyen.
Beskyt Baikal, udforsk artefakter og kig efter sæler
Skyens rolle i overgangen til videnskabelige projekter er også vigtigtil mere moderne arbejdsmetoder: fra forældede analysemetoder til brug af kunstig intelligens. Alt betyder noget her: den ekstra kapacitet, der er tilgængelig i skyen, unikke tjenester og den generelle ekspertise hos cloududbydere.
Eksempler:
Et af de mest åbenlyse eksempler på dettesynergi - samarbejde mellem Yandex.Cloud og "Point No. 1", det længste miljøovervågningsprogram i Rusland, som har overvåget Bajkalsøens sundhed i 75 år. For nylig var projektet truet af lukning på grund af mangel på ressourcer og stærkt forældede dataanalyseteknologier.
Som en del af projektet, Yandex.Cloud skaber sammen med forskere et intelligent system til digital understøttelse af processen med at analysere vandprøver ved hjælp af AI. For at træne en algoritme, der er i stand til at genkende mikroorganismer i Baikal-vandprøver, leverede videnskabsmænd mere end tusind billeder af hver type mikroorganisme. I fremtiden vil denne "digitale assistent" være i stand til at identificere op til 400 arter af plankton og genkende op til 99% af prøverne automatisk.
Stanford University udnyttede mulighederneskyer fra AWS for at skabe en database over arkæologiske fund: vi taler om fund opdaget under udgravninger på stedet for Çatalhöyük i Tyrkiet. Tidligere krævede det mange timers arbejde af videnskabsmænd at oprette og regelmæssigt opdatere en database, der indeholdt alle oplysninger om et emne, med angivelse af den nøjagtige placering af fundet og andre detaljer om det - det tog omkring 20 timer om ugen, og der var ofte forvirring på grund af opdateringer indtastet af forskellige personer. Flytning af databasen til skyen har gjort processen med at opdatere information meget mere effektiv.
Endnu et eksempel:US National Oceanic and Atmospheric Administration har brugt skyen fra Microsoft Azure til at oprette AI -værktøjer til at hjælpe med at studere og beskytte polar sæler og hvalhvaler i Alaska. Tidligere studerede biologer manuelt tusinder af luftfotografier og ledte efter tegn på de undersøgte dyr, og information i løbet af denne tid havde ofte tid til at blive forældet. Nu bruges AI -værktøjer til at udføre jobbet: træning af kunstige intelligensmodeller og behandling af de 20 TB data indsamlet af forskere forekommer i skyen.
Indgå kontrakter og sikre datasikkerhed
Nogle gange en barriere for at bruge skyenDer kan være mangel på ekspertise inden for cloud-teknologier: Tilgængeligheden af praktiske værktøjer og ekspertise fra cloud-udbydere løser stort set dette problem. Nogle universiteter og andre statslige forskningsorganisationer tror fejlagtigt, at de ikke kan indgå kontrakter om brug af cloud-teknologier, hvilket faktisk ikke er tilfældet.
I nogle tilfælde mangler forskningsprojekterøkonomiske ressourcer. Mange store skytjenester har imidlertid videnskabelige supportprogrammer. I nogle lande er der også landsdækkende projekter, der skal fremme brugen af skyen inden for videnskab. Sidste år lancerede USA National Research Cloud -projektet, hvor 22 universiteter deltog, herunder Stanford University og Carnegie Mellon University, samt repræsentanter for den amerikanske regering og kongres og teknologiselskaber, herunder Google, Microsoft, Amazon og IBM ... . Målet med projektet er at give forskere adgang til cloud -muligheder og finde finansiering til lignende projekter.
I nogle tilfælde kan forskere være bekymredespørgsmålet om datasikkerhed i skyen. Faktisk har moderne cloud-platforme en række fordele i forhold til deres egen fysiske infrastruktur: Data er fordelt i hele skyen, og datacentre er fordelt geografisk, så hvis dit datacenter svigter, afbøder cloud-konceptet dette. Derudover overvåges cloud-platformens sikkerhed konstant.
Skyen gør også samarbejde nemmereom projekter og videndeling: for eksempel giver ML-værktøjer (DataSphere) dig mulighed for at dele forskningsresultater gennem statsbesparelse, så andre forskere kan gentage eksperimentet, hvis det er nødvendigt.
Videnskaben vil fortsætte med at bevæge sig til skyen
Alle projekter, hvis forfattere henvender sig til skyenservices, forenes først og fremmest af selve brugen af matematiske metoder og den tilhørende stigning i krav til hastigheden og mængden af informationsbehandling. Videnskabelige institutter kommer primært til skyen for at få yderligere computerkraft og forbliver på grund af tilgængeligheden af færdige værktøjer og skalerbare tjenester.
Læs mere:
Bremsningen af Jordens rotation forårsagede frigivelse af ilt på planeten
Ny partikel opdaget på Large Hadron Collider
Forskere har fundet det ældste eksempel på anvendt geometri