Σύννεφα για μη επανδρωμένες βολίδες και ανάλυση γονιδιώματος
Να γίνουν πολλές μελέτες για πανεπιστήμια και επιστημονικά
Παραδείγματα:
Η αγωνιστική ομάδα του Κρατικού Τεχνικού Πανεπιστημίου της Μόσχας Ν. Ε.Ο Bauman's (Bauman Racing Team) χρησιμοποίησε τη δύναμη του cloud για να δημιουργήσει ένα μη επανδρωμένο αγωνιστικό αυτοκίνητο. Το σύστημα αυτόνομης οδήγησης διαθέτει έναν αλγόριθμο που αναγνωρίζει αντικείμενα στην πίστα σε πραγματικό χρόνο. Αυτό κρατά το αυτοκίνητο να κινείται στη σωστή κατεύθυνση. Για μια τέτοια αναγνώριση, οι προγραμματιστές χρησιμοποίησαν συνελικτικά νευρωνικά δίκτυα και η εκπαίδευση αυτών των νευρωνικών δικτύων πραγματοποιήθηκε στο σύννεφο.
Η Bauman Racing Team χρησιμοποίησε την υπηρεσίαML-development (Machine learning) Yandex DataSphere για εκπαίδευση δύο νευρωνικών δικτύων που επεξεργάζονται εικόνες. Η χρήση αυτού του εργαλείου επέτρεψε να αυξηθεί σημαντικά η ταχύτητα και η ευκολία εκμάθησης αλγορίθμων: ήδη ένα από τα νευρωνικά δίκτυα έχει περάσει 7.000 εικόνες από μόνο του και το δεύτερο - 3.000.
Κέντρο Εφαρμογής Ποσοτικών Μεθόδων σεΗ βιολογία στο Γερμανικό Πανεπιστήμιο του Tübingen συνεργάζεται στα ερευνητικά της έργα για το γονιδίωμα με την υπηρεσία cloud της Amazon - AWS. Γερμανοί επιστήμονες χρησιμοποιούν το σύννεφο για να αναλύσουν δεκάδες χιλιάδες γενετικά δείγματα και να εντοπίσουν διάφορα μοτίβα, όπως διαφορές στη γονιδιακή έκφραση μεταξύ υγιούς και πάσχοντος ιστού. Η χρήση του νέφους κατέστησε δυνατή τη μείωση του χρόνου για την έρευνα γονιδιωμάτων κατά 50% και την επιτάχυνση της εργασίας για το έργο.
Γονιδιακή έκφραση- η διαδικασία μετατροπής της κληρονομικήςπληροφορίες (αλληλουχία νουκλεοτιδίων DNA) σε RNA ή πρωτεΐνη. Είναι η ρύθμιση της γονιδιακής έκφρασης που δίνει στα κύτταρα την ικανότητα να ελέγχουν τη δομή τους. Ο έλεγχος των χαρακτηριστικών γονιδιακής έκφρασης επηρεάζει τις λειτουργίες άλλων γονιδίων σε όλο τον οργανισμό.
Μετρήστε μήλα, αναζητήστε καρκίνο και αναλύστε εικόνες μιας μαύρης τρύπας
Σήμερα, οι πάροχοι cloud παρέχουν βολικά, έτοιμα εργαλεία για την ανάπτυξη ML και την εργασία με δεδομένα - και αυτός είναι ο δεύτερος λόγος για τον οποίο οι επιστημονικοί οργανισμοί χρησιμοποιούν το cloud.
Αυτά τα εργαλεία περιλαμβάνουν κυρίωςυπηρεσίες για μηχανική μάθηση: Yandex DataSphere, Google Cloud ML ή Azure ML. Οι υπηρεσίες για εύκολη προβολή και οπτικοποίηση δεδομένων ενδιαφέρουν τους ερευνητές: για παράδειγμα, το Yandex DataLens ή το Microsoft Power BI. Υπάρχουν επίσης πιο εξειδικευμένα εργαλεία όπως το AWS Panorama για τεχνολογίες όρασης υπολογιστών, Yandex SpeechKit για αναγνώριση και σύνθεση ομιλίας ή Google Vision AI για ανάλυση εικόνας.
Παραδείγματα:
Σχολή Βιολογίας, Κρατικό Πανεπιστήμιο της Μόσχας, μαζί με το Ομοσπονδιακό Κέντρο Ερευνών που πήρε το όνομά τουMichurin, Tambov State University και το κέντρο αγρομηχανικής VIM χρησιμοποίησαν εργαλεία Yandex.Cloud για να δημιουργήσουν ένα σύστημα παρακολούθησης κήπου. Χρησιμοποιείται για ακριβέστερη εκτίμηση και πρόβλεψη του όγκου της συγκομιδής και αποτελεσματικότερο σχεδιασμό της περαιτέρω αλυσίδας εφοδιασμού.
Οι επιστήμονες ανεβάζουν στον χώρο αποθήκευσης cloud Yandex.Συννεφιάστε φωτογραφίες φρούτων και χρησιμοποιήστε το Yandex DataSphere για να δημιουργήσετε έναν αλγόριθμο αυτοεκμάθησης: αναγνωρίζει μεμονωμένα μήλα στα δέντρα και μετράει τον αριθμό τους και μαθαίνει επίσης να προσδιορίζει δείκτες όπως η ένταση ανθοφορίας, η αφθονία συγκομιδής ανά εκτάριο και η ποιότητα των ίδιων των καρπών.
με έδρα την Αμερικανική Αντικαρκινική ΕταιρείαΤο Google Cloud ανέλυσε διάφορες εικόνες οργάνων γυναικών με καρκίνο του μαστού και εντόπισε μοτίβα στην εμφάνιση και ανάπτυξη τέτοιων όγκων. Οι επιστήμονες χρησιμοποίησαν το Cloud ML Engine: η μηχανική μάθηση κατέστησε δυνατή τη διεξαγωγή ανάλυσης 12 φορές πιο γρήγορα. Επιπλέον, όπως σημειώνουν οι συντάκτες της μελέτης, η χρήση του cloud παρέχει στους επιστήμονες την ευκαιρία να κλιμακώσουν τα αποτελέσματα της δουλειάς τους και να χρησιμοποιήσουν τα ευρήματα σε άλλα παρόμοια έργα.
Διεθνής Αστρονομική ΈρευναΤο έργο Event Horizon Telescope χρησιμοποίησε την υπολογιστική ισχύ του Google Cloud για να δημιουργήσει την πρώτη εικόνα μιας μαύρης τρύπας. Για να δημιουργηθεί μια τέτοια εικόνα, υποβλήθηκαν σε επεξεργασία τεράστιες ποσότητες δεδομένων που ελήφθησαν από τηλεσκόπια: κατά τη διάρκεια της εβδομάδας των παρατηρήσεων, ελήφθησαν κατά μέσο όρο 350 TB δεδομένων καθημερινά. Για να επεξεργαστούν και να αναλύσουν έναν τέτοιο όγκο, οι επιστήμονες χρειάζονταν σημαντική δύναμη, έτσι στράφηκαν στη χρήση του νέφους.
Προστατέψτε τη Βαϊκάλη, εξερευνήστε τεχνουργήματα και αναζητήστε φώκιες
Ο ρόλος του cloud στη μετάβαση των επιστημονικών έργων είναι επίσης σημαντικόςσε πιο σύγχρονες μεθόδους εργασίας: από απαρχαιωμένες μεθόδους ανάλυσης στη χρήση τεχνητής νοημοσύνης. Όλα έχουν σημασία εδώ: η πρόσθετη διαθέσιμη χωρητικότητα στο cloud, οι μοναδικές υπηρεσίες και η γενική τεχνογνωσία των παρόχων cloud.
Παραδείγματα:
Ένα από τα πιο προφανή παραδείγματα αυτούσυνέργεια - συνεργασία μεταξύ του Yandex.Cloud και του «Point No. 1», του μακροβιότερου προγράμματος περιβαλλοντικής παρακολούθησης στη Ρωσία, το οποίο παρακολουθεί την υγεία της λίμνης Βαϊκάλης εδώ και 75 χρόνια. Πρόσφατα, το έργο απειλήθηκε με κλείσιμο λόγω έλλειψης πόρων και πολύ απαρχαιωμένων τεχνολογιών ανάλυσης δεδομένων.
Ως μέρος του έργου, το Yandex.Η Cloud, μαζί με επιστήμονες, δημιουργεί ένα έξυπνο σύστημα για την ψηφιακή υποστήριξη της διαδικασίας ανάλυσης δειγμάτων νερού με χρήση τεχνητής νοημοσύνης. Για να εκπαιδεύσουν έναν αλγόριθμο ικανό να αναγνωρίζει μικροοργανισμούς σε δείγματα νερού της Βαϊκάλης, οι επιστήμονες παρείχαν περισσότερες από χίλιες εικόνες από κάθε τύπο μικροοργανισμού. Στο μέλλον, αυτός ο «ψηφιακός βοηθός» θα μπορεί να αναγνωρίζει έως και 400 είδη πλαγκτού και να αναγνωρίζει αυτόματα έως και το 99% των δειγμάτων.
Το Πανεπιστήμιο του Στάνφορντ εκμεταλλεύτηκε τις ευκαιρίεςσύννεφα από το AWS για τη δημιουργία βάσης δεδομένων με αρχαιολογικά ευρήματα: μιλάμε για ευρήματα που ανακαλύφθηκαν κατά τη διάρκεια ανασκαφών στην τοποθεσία Çatalhöyük στην Τουρκία. Προηγουμένως, η δημιουργία και η τακτική ενημέρωση μιας βάσης δεδομένων που περιείχε όλες τις πληροφορίες για ένα αντικείμενο, υποδεικνύοντας την ακριβή τοποθεσία του ευρήματος και άλλες λεπτομέρειες σχετικά με αυτό, απαιτούσε πολλές ώρες εργασίας από τους επιστήμονες - αυτό χρειαζόταν περίπου 20 ώρες την εβδομάδα και συχνά γινόταν σύγχυση λόγω ενημερώσεων που εισάγονται από διαφορετικά άτομα. Η μετακίνηση της βάσης δεδομένων στο cloud έχει κάνει τη διαδικασία ενημέρωσης πληροφοριών πολύ πιο αποτελεσματική.
Ένα ακόμη παράδειγμα:Η Εθνική Υπηρεσία Ωκεανών και Ατμόσφαιρας των ΗΠΑ έχει χρησιμοποιήσει το σύννεφο από το Microsoft Azure για να δημιουργήσει εργαλεία τεχνητής νοημοσύνης που θα βοηθήσουν στη μελέτη και προστασία των πολικών φώκιων και φαλαινών beluga στην Αλάσκα. Προηγουμένως, οι βιολόγοι μελετούσαν χειροκίνητα χιλιάδες αεροφωτογραφίες και έψαχναν για σημάδια των υπό μελέτη ζώων και οι πληροφορίες κατά τη διάρκεια αυτής της περιόδου συχνά είχαν χρόνο να γίνουν ξεπερασμένες. Τώρα, χρησιμοποιούνται εργαλεία τεχνητής νοημοσύνης για να κάνουν τη δουλειά: η εκπαίδευση μοντέλων τεχνητής νοημοσύνης και η επεξεργασία των 20 TB δεδομένων που συλλέγονται από επιστήμονες συμβαίνει στο σύννεφο.
Σύναψη συμβάσεων και διασφάλιση της ασφάλειας των δεδομένων
Μερικές φορές ένα εμπόδιο στη χρήση του cloudΜπορεί να υπάρχει έλλειψη τεχνογνωσίας στις τεχνολογίες cloud: η διαθεσιμότητα βολικών εργαλείων και η τεχνογνωσία από παρόχους cloud λύνει σε μεγάλο βαθμό αυτό το πρόβλημα. Ορισμένα πανεπιστήμια και άλλοι δημόσιοι ερευνητικοί οργανισμοί πιστεύουν λανθασμένα ότι δεν μπορούν να συνάψουν συμβάσεις για τη χρήση τεχνολογιών cloud, κάτι που στην πραγματικότητα δεν ισχύει.
Σε ορισμένες περιπτώσεις, τα ερευνητικά προγράμματα λείπουνοικονομικοί πόροι. Ωστόσο, πολλές μεγάλες υπηρεσίες cloud διαθέτουν προγράμματα επιστημονικής υποστήριξης. Σε ορισμένες χώρες, υπάρχουν επίσης πανελλαδικά έργα που θα πρέπει να προωθήσουν τη χρήση του νέφους στην επιστήμη. Πέρυσι, οι ΗΠΑ ξεκίνησαν το έργο National Research Cloud, με 22 πανεπιστήμια να συμμετέχουν, συμπεριλαμβανομένων του Πανεπιστημίου Stanford και του Πανεπιστημίου Carnegie Mellon, καθώς και εκπροσώπους της κυβέρνησης και του Κογκρέσου των ΗΠΑ, καθώς και τεχνολογικές εταιρείες όπως η Google, η Microsoft, η Amazon και η IBM ... . Ο στόχος του έργου είναι να παρέχει πρόσβαση στους ερευνητές σε δυνατότητες cloud και να βρει χρηματοδότηση για παρόμοια έργα.
Σε ορισμένες περιπτώσεις, οι επιστήμονες μπορεί να ανησυχούντο θέμα της ασφάλειας δεδομένων στο cloud. Στην πραγματικότητα, οι σύγχρονες πλατφόρμες cloud έχουν πολλά πλεονεκτήματα σε σύγκριση με τη δική τους φυσική υποδομή: τα δεδομένα διανέμονται σε όλο το νέφος και τα κέντρα δεδομένων διανέμονται γεωγραφικά, οπότε αν το κέντρο δεδομένων σας αποτύχει, η ιδέα του cloud το μετριάζει. Επιπλέον, η ασφάλεια της πλατφόρμας cloud παρακολουθείται συνεχώς.
Το cloud διευκολύνει επίσης τη συνεργασίασχετικά με έργα και ανταλλαγή γνώσεων: για παράδειγμα, τα εργαλεία ML (DataSphere) σάς επιτρέπουν να μοιράζεστε τα ερευνητικά αποτελέσματα μέσω της αποθήκευσης κατάστασης, έτσι ώστε άλλοι επιστήμονες να μπορούν να επαναλάβουν το πείραμα εάν είναι απαραίτητο.
Η επιστήμη θα συνεχίσει να κινείται στο σύννεφο
Όλα τα έργα των οποίων οι συγγραφείς στρέφονται στο σύννεφοτις υπηρεσίες, ενώνει, πρώτα απ 'όλα, το ίδιο το γεγονός της χρήσης μαθηματικών μεθόδων και η σχετική αύξηση των απαιτήσεων για την ταχύτητα και τον όγκο της επεξεργασίας πληροφοριών. Τα επιστημονικά ινστιτούτα έρχονται στο cloud κυρίως για επιπλέον υπολογιστική ισχύ και παραμένουν λόγω της διαθεσιμότητας έτοιμων εργαλείων και κλιμακούμενων υπηρεσιών.
Διαβάστε περισσότερα:
Η επιβράδυνση της περιστροφής της Γης προκάλεσε την απελευθέρωση οξυγόνου στον πλανήτη
Νέο σωματίδιο ανακαλύφθηκε στο Μεγάλο Επιταχυντή Αδρονίων
Οι επιστήμονες βρήκαν το παλαιότερο παράδειγμα εφαρμοσμένης γεωμετρίας