Pilvet miehittämättömille tulipalloille ja genomien analysointiin
Suorittaa monia tutkimuksia yliopistoille ja tieteellisille
Esimerkkejä:
Moskovan valtion teknisen yliopiston kilpajoukkue N. E.Bauman (Bauman Racing Team) käytti pilvivoimaa miehittämättömän kilpa -auton luomiseen. Itsenäisessä ajojärjestelmässä on algoritmi, joka tunnistaa radalla olevat kohteet reaaliajassa. Näin auto liikkuu oikeaan suuntaan. Tällaiseen tunnistamiseen kehittäjät käyttivät konvoluutiovaiheisia neuroverkkoja, ja näiden hermoverkkojen koulutus tapahtui pilvessä.
Bauman Racing Team käytti palveluaML-kehitys (koneoppiminen) Yandex DataSphere kahden kuvia käsittelevän neuroverkoston kouluttamiseen. Tämän työkalun käyttö mahdollisti merkittävästi algoritmien oppimisen nopeuden ja mukavuuden lisäämisen: jo nyt yksi hermoverkko on läpäissyt 7000 kuvaa itsensä läpi ja toinen - 3000.
Kvantitatiivisten menetelmien soveltamiskeskusSaksalaisen Tübingenin yliopiston biologia tekee genomitutkimusprojekteissaan yhteistyötä Amazonin pilvipalvelun AWS:n kanssa. Saksalaiset tutkijat analysoivat pilven avulla kymmeniä tuhansia geneettisiä näytteitä ja tunnistavat erilaisia malleja, kuten eroja geenien ilmentymisessä terveen ja sairaan kudoksen välillä. Pilven käyttö mahdollisti genomien tutkimukseen kuluvan ajan lyhennyksen 50 % ja projektin työskentelyn nopeuttamisen.
Geenien ilmentyminen- perinnöllisyyden muutosprosessitiedot (DNA-nukleotidisekvenssi) RNA:ssa tai proteiinissa. Geeniekspression säätely antaa soluille kyvyn hallita rakennettaan. Geenien ilmentymisominaisuuksien säätely vaikuttaa muiden geenien toimintaan koko organismissa.
Laske omenoita, etsi syöpää ja analysoi mustan aukon kuvia
Nykyään pilvipalveluntarjoajat tarjoavat käteviä, valmiita työkaluja ML-kehitykseen ja datan kanssa työskentelyyn – ja tämä on toinen syy, miksi tieteelliset organisaatiot tulevat käyttämään pilvipalvelua.
Näitä työkaluja ovat pääasiassakoneoppimispalvelut: Yandex DataSphere, Google Cloud ML tai Azure ML. Tietojen helpon katselun ja visualisoinnin palvelut kiinnostavat tutkijoita: esimerkiksi Yandex DataLens tai Microsoft Power BI. Saatavilla on myös erikoistuneempia työkaluja, kuten AWS Panorama tietokonenäkötekniikoille, Yandex SpeechKit puheentunnistukselle ja -synteesille tai Google Vision AI kuva -analyysille.
Esimerkkejä:
Biologinen tiedekunta, Moskovan valtionyliopisto yhdessä liittovaltion tutkimuskeskuksen kanssaMichurin, Tambov State University ja VIM -maatalouden suunnittelukeskus käyttivät Yandex.Cloud -työkaluja puutarhan seurantajärjestelmän luomiseen. Sitä käytetään sadon määrän arvioimiseen ja ennustamiseen tarkemmin ja tulevan toimitusketjun tehokkaampaan suunnitteluun.
Tutkijat lataavat Yandexin pilvitallennustilaan.Pilvikuvat hedelmistä ja käytät Yandex DataSphereä itseoppivan algoritmin luomiseen: se tunnistaa puissa olevat yksittäiset omenat ja laskee niiden lukumäärän sekä oppii määrittämään indikaattoreita, kuten kukinnan intensiteetin, sadon runsauden hehtaaria kohden ja itse hedelmien laadun.
perustuu American Cancer SocietyynGoogle Cloud analysoi erilaisia kuvia rintasyöpää sairastavien naisten elimistä ja tunnisti tällaisten kasvainten esiintymisen ja kehittymisen malleja. Tutkijat käyttivät Cloud ML Engineä: koneoppiminen mahdollisti analyysin suorittamisen 12 kertaa nopeammin. Lisäksi, kuten tutkimuksen tekijät huomauttavat, pilven käyttö tarjoaa tutkijoille mahdollisuuden skaalata työnsä tuloksia ja käyttää tuloksia muissa vastaavissa projekteissa.
Kansainvälinen tähtitieteellinen tutkimusEvent Horizon Telescope -projekti käytti Google Cloudin laskentatehoa luodakseen ensimmäisen kuvan mustasta aukosta. Tällaisen kuvan luomiseksi käsiteltiin valtavia määriä kaukoputkista vastaanotettua dataa: havaintoviikon aikana vastaanotettiin keskimäärin 350 teratavua dataa päivittäin. Tällaisen määrän käsittelemiseksi ja analysoimiseksi tutkijat tarvitsivat merkittävää tehoa, joten he siirtyivät käyttämään pilveä.
Suojaa Baikal, tutki esineitä ja etsi sinettejä
Myös pilven rooli tieteellisten projektien siirtymisessä on tärkeänykyaikaisempiin työmenetelmiin: vanhentuneista analyysimenetelmistä tekoälyn käyttöön. Kaikella tässä on väliä: pilvessä käytettävissä oleva lisäkapasiteetti, ainutlaatuiset palvelut ja pilvipalveluntarjoajien yleinen asiantuntemus.
Esimerkkejä:
Yksi ilmeisimmistä esimerkeistä tästäsynergia - yhteistyö Yandex.Cloudin ja Venäjän pisimmän ympäristön seurantaohjelman "Point No. 1" kanssa, joka on seurannut Baikal-järven tilaa 75 vuoden ajan. Hiljattain projekti oli uhattuna lopettamalla resurssien puutteen ja vakavasti vanhentuneiden data-analyysitekniikoiden vuoksi.
Osana projektia Yandex.Cloud luo yhdessä tutkijoiden kanssa älykkään järjestelmän, joka tukee digitaalisesti vesinäytteiden analysointiprosessia tekoälyn avulla. Kouluttaakseen algoritmin, joka pystyy tunnistamaan mikro-organismeja Baikalin vesinäytteistä, tutkijat toimittivat yli tuhat kuvaa kustakin mikro-organismityypistä. Tulevaisuudessa tämä "digitaalinen avustaja" pystyy tunnistamaan jopa 400 planktonlajia ja tunnistamaan jopa 99 % näytteistä automaattisesti.
Stanfordin yliopisto käytti mahdollisuuksia hyväkseenpilvet AWS:stä luodakseen tietokannan arkeologisista löydöistä: puhumme löydöistä, jotka löydettiin kaivauksissa Çatalhöyükin alueelta Turkissa. Aikaisemmin sellaisen tietokannan luominen ja säännöllinen päivittäminen, joka sisälsi kaikki tiedot esineestä, jossa kerrottiin löydön tarkka sijainti ja muut tiedot siitä, vaati tutkijoilta useita tunteja – tämä kesti noin 20 tuntia viikossa, ja usein sekaannus eri ihmisten syöttämien päivitysten vuoksi. Tietokannan siirtäminen pilveen on tehostanut tiedon päivitysprosessia huomattavasti.
Vielä yksi esimerkki:Yhdysvaltain kansallinen valtameri- ja ilmakehänhallinto on luonut Microsoft Azuren pilven avulla tekoälytyökaluja, jotka auttavat tutkimaan ja suojelemaan napahylkeitä ja beluga -valaita Alaskassa. Aiemmin biologit tutkivat manuaalisesti tuhansia ilmakuvia ja etsivät merkkejä tutkittavista eläimistä, ja tämän ajan tiedoilla oli usein aikaa vanhentua. Nyt tekoälytyökaluja käytetään tehtävän suorittamiseen: tekoälymallien kouluttaminen ja tutkijoiden keräämien 20 teratavun tietojen käsittely tapahtuu pilvessä.
Tee sopimuksia ja varmista tietoturva
Joskus este pilven käytöllePilviteknologioiden osaamisesta saattaa olla pulaa: kätevien työkalujen saatavuus ja pilvipalvelujen tarjoajien asiantuntemus ratkaisee suurelta osin tämän ongelman. Jotkut yliopistot ja muut valtion tutkimusorganisaatiot uskovat virheellisesti, etteivät ne voi tehdä sopimuksia pilviteknologioiden käytöstä, mikä ei todellisuudessa pidä paikkaansa.
Joissakin tapauksissa tutkimushankkeet puuttuvattaloudelliset resurssit. Monilla suurilla pilvipalveluilla on kuitenkin tieteellisiä tukiohjelmia. Joissakin maissa on myös valtakunnallisia hankkeita, joiden pitäisi edistää pilven käyttöä tieteessä. Viime vuonna Yhdysvallat käynnisti National Research Cloud -projektin, johon osallistui 22 yliopistoa, mukaan lukien Stanfordin yliopisto ja Carnegie Mellonin yliopisto, sekä Yhdysvaltain hallituksen ja kongressin edustajia sekä teknologiayrityksiä, kuten Google, Microsoft, Amazon ja IBM. . Hankkeen tavoitteena on tarjota tutkijoille pääsy pilvipalveluihin ja löytää rahoitusta vastaaviin hankkeisiin.
Joissakin tapauksissa tiedemiehet voivat olla huolissaanpilven tietoturvakysymykset. Itse asiassa nykyaikaisilla pilvialustoilla on useita etuja verrattuna niiden omaan fyysiseen infrastruktuuriin: data on hajautettu pilveen ja palvelinkeskukset maantieteellisesti, joten jos palvelinkeskuksesi epäonnistuu, pilvikonsepti lieventää tätä. Lisäksi pilvialustan turvallisuutta valvotaan jatkuvasti.
Pilvi helpottaa myös yhteistyötäprojekteista ja tiedon jakamisesta: esimerkiksi ML-työkaluilla (DataSphere) voit jakaa tutkimustuloksia tilasäästön kautta, jotta muut tutkijat voivat tarvittaessa toistaa kokeen.
Tiede siirtyy edelleen pilveen
Kaikki projektit, joiden tekijät kääntyvät pilven puoleenpalveluita yhdistää ensinnäkin se tosiasia, että käytetään matemaattisia menetelmiä ja siihen liittyvä tiedonkeruun nopeutta ja määrää koskevien vaatimusten lisääntyminen. Tieteelliset instituutit tulevat pilveen ensisijaisesti lisää laskentatehoa varten ja pysyvät valmiiden työkalujen ja skaalautuvien palvelujen saatavuuden vuoksi.
Lue lisää:
Maapallon pyörimisen hidastuminen aiheutti hapen vapautumista planeetalle
Suuri Hadron Colliderista löydettiin uusi hiukkanen
Tutkijat ovat löytäneet vanhimman esimerkin sovelletusta geometriasta