Nuvole per palle di fuoco senza equipaggio e analisi del genoma
Condurre numerosi studi per le università e per il settore scientifico
Esempi:
La squadra corse dell'Università tecnica statale di Mosca N.E.Bauman's (Bauman Racing Team) ha utilizzato il potere del cloud per creare un'auto da corsa senza pilota. Il sistema di guida autonoma ha un algoritmo che riconosce gli oggetti in pista in tempo reale. Ciò mantiene l'auto in movimento nella giusta direzione. Per tale riconoscimento, gli sviluppatori hanno utilizzato reti neurali convoluzionali e l'addestramento di queste reti neurali è avvenuto nel cloud.
Il Bauman Racing Team ha utilizzato il servizioSviluppo ML (Machine learning) Yandex DataSphere per l'addestramento di due reti neurali che elaborano le immagini. L'uso di questo strumento ha permesso di aumentare significativamente la velocità e la praticità degli algoritmi di apprendimento: già ora una delle reti neurali ha passato 7.000 immagini attraverso se stessa e la seconda - 3.000.
Centro per l'applicazione dei metodi quantitativi inLa biologia dell'Università tedesca di Tubinga collabora ai suoi progetti di ricerca sul genoma con il servizio cloud di Amazon - AWS. Gli scienziati tedeschi stanno utilizzando il cloud per analizzare decine di migliaia di campioni genetici e identificare vari modelli, come le differenze nell’espressione genetica tra tessuti sani e malati. L'utilizzo del cloud ha permesso di ridurre del 50% i tempi di ricerca sui genomi e di accelerare il lavoro sul progetto.
Espressione genica- il processo di trasformazione ereditariainformazioni (sequenza nucleotidica del DNA) nell'RNA o nella proteina. È la regolazione dell’espressione genica che dà alle cellule la capacità di controllare la propria struttura. Il controllo delle caratteristiche dell'espressione genica influenza le funzioni di altri geni in tutto l'organismo.
Conta le mele, cerca il cancro e analizza le immagini di un buco nero
Oggi, i fornitori di servizi cloud forniscono strumenti convenienti e già pronti per lo sviluppo di machine learning e l'utilizzo dei dati: questo è il secondo motivo per cui le organizzazioni scientifiche utilizzano il cloud.
Questi strumenti includono principalmenteservizi per l'apprendimento automatico: Yandex DataSphere, Google Cloud ML o Azure ML. I servizi per una facile visualizzazione e visualizzazione dei dati sono di interesse per i ricercatori: ad esempio Yandex DataLens o Microsoft Power BI. Esistono anche strumenti più specializzati come AWS Panorama per le tecnologie di visione artificiale, Yandex SpeechKit per il riconoscimento e la sintesi vocale o Google Vision AI per l'analisi delle immagini.
Esempi:
Facoltà di Biologia, Università statale di Mosca, insieme al Centro di ricerca federale intitolato aMichurin, la Tambov State University e il centro di agroingegneria VIM hanno utilizzato gli strumenti Yandex.Cloud per creare un sistema di monitoraggio del giardino. Viene utilizzato per stimare e prevedere in modo più accurato il volume del raccolto e pianificare in modo più efficiente l'ulteriore catena di approvvigionamento.
Gli scienziati caricano sul cloud storage Yandex.Nuvola fotografie di frutti e utilizza Yandex DataSphere per creare un algoritmo di autoapprendimento: riconosce le singole mele sugli alberi e ne conta il numero, e impara anche a determinare indicatori come l'intensità della fioritura, l'abbondanza del raccolto per ettaro e la qualità dei frutti stessi.
Ha sede l'American Cancer SocietyGoogle Cloud ha analizzato varie immagini degli organi di donne affette da cancro al seno e ha identificato modelli nella comparsa e nello sviluppo di tali tumori. Gli scienziati hanno utilizzato Cloud ML Engine: il machine learning ha permesso di effettuare analisi 12 volte più velocemente. Inoltre, come notano gli autori dello studio, l’uso del cloud offre agli scienziati l’opportunità di ridimensionare i risultati del loro lavoro e utilizzare i risultati in altri progetti simili.
Ricerca astronomica internazionaleIl progetto Event Horizon Telescope ha utilizzato la potenza di calcolo di Google Cloud per creare la prima immagine di un buco nero. Per creare un'immagine del genere sono state elaborate enormi quantità di dati ricevuti dai telescopi: durante la settimana di osservazioni sono stati ricevuti in media 350 TB di dati giornalieri. Per elaborare e analizzare un tale volume, gli scienziati avevano bisogno di una potenza significativa, quindi si sono rivolti all'utilizzo del cloud.
Proteggi il Baikal, esplora i manufatti e cerca le foche
Importante è anche il ruolo del cloud nella transizione dei progetti scientificia metodi di lavoro più moderni: dai metodi di analisi obsoleti all’uso dell’intelligenza artificiale. Qui tutto conta: la capacità aggiuntiva disponibile nel cloud, servizi unici e la competenza generale dei fornitori di servizi cloud.
Esempi:
Uno degli esempi più evidenti di questosinergia: cooperazione tra Yandex.Cloud e “Point No. 1”, il programma di monitoraggio ambientale più lungo in Russia, che monitora la salute del Lago Baikal da 75 anni. Recentemente, il progetto ha rischiato di essere chiuso a causa della mancanza di risorse e di tecnologie di analisi dei dati gravemente obsolete.
Come parte del progetto, Yandex.Cloud, insieme agli scienziati, sta creando un sistema intelligente per supportare digitalmente il processo di analisi dei campioni d'acqua utilizzando l'intelligenza artificiale. Per addestrare un algoritmo in grado di riconoscere i microrganismi nei campioni di acqua del Baikal, gli scienziati hanno fornito più di mille immagini di ciascun tipo di microrganismo. In futuro questo “assistente digitale” sarà in grado di identificare fino a 400 specie di plancton e riconoscere automaticamente fino al 99% dei campioni.
L'Università di Stanford ha sfruttato le opportunitàcloud di AWS per creare un database di reperti archeologici: stiamo parlando di reperti rinvenuti durante gli scavi nel sito di Çatalhöyük in Turchia. In precedenza, la creazione e l'aggiornamento regolare di un database che conteneva tutte le informazioni su un oggetto, indicando l'esatta ubicazione del ritrovamento e altri dettagli su di esso, richiedeva molte ore di lavoro da parte degli scienziati: ciò richiedeva circa 20 ore a settimana e spesso c'erano confusione dovuta ad aggiornamenti inseriti da persone diverse. Lo spostamento del database nel cloud ha reso il processo di aggiornamento delle informazioni molto più efficiente.
Un altro esempio:La National Oceanic and Atmospheric Administration degli Stati Uniti ha utilizzato il cloud di Microsoft Azure per creare strumenti di intelligenza artificiale per aiutare a studiare e proteggere le foche polari e le balene beluga in Alaska. In precedenza, i biologi studiavano manualmente migliaia di fotografie aeree e cercavano segni degli animali studiati, e le informazioni durante questo periodo spesso avevano il tempo di diventare obsolete. Ora, gli strumenti di intelligenza artificiale vengono utilizzati per svolgere il lavoro: la formazione di modelli di intelligenza artificiale e l'elaborazione dei 20 TB di dati raccolti dagli scienziati avviene nel cloud.
Concludere contratti e garantire la sicurezza dei dati
A volte un ostacolo all'utilizzo del cloudPotrebbe esserci una mancanza di esperienza nelle tecnologie cloud: la disponibilità di strumenti convenienti e competenze da parte dei fornitori di servizi cloud risolve in gran parte questo problema. Alcune università e altri enti di ricerca governativi credono erroneamente di non poter stipulare contratti per l’utilizzo delle tecnologie cloud, ma in realtà non è così.
In alcuni casi mancano progetti di ricercarisorse finanziarie. Tuttavia, molti grandi servizi cloud dispongono di programmi di supporto scientifico. In alcuni paesi esistono anche progetti a livello nazionale che dovrebbero promuovere l'uso del cloud nella scienza. L'anno scorso, gli Stati Uniti hanno lanciato il progetto National Research Cloud, con la partecipazione di 22 università, tra cui la Stanford University e la Carnegie Mellon University, nonché rappresentanti del governo e del Congresso degli Stati Uniti e società tecnologiche tra cui Google, Microsoft, Amazon e IBM. .. . L'obiettivo del progetto è fornire accesso alle funzionalità cloud per i ricercatori e trovare finanziamenti per progetti simili.
In alcuni casi, gli scienziati potrebbero essere preoccupatila questione della sicurezza dei dati nel cloud. In effetti, le moderne piattaforme cloud presentano numerosi vantaggi rispetto alla propria infrastruttura fisica: i dati sono distribuiti nel cloud e i data center sono distribuiti geograficamente, quindi se il tuo data center si guasta, il concetto di cloud mitiga questo problema. Inoltre, la sicurezza della piattaforma cloud è costantemente monitorata.
Il cloud semplifica anche la collaborazionesui progetti e sulla condivisione della conoscenza: ad esempio, gli strumenti ML (DataSphere) consentono di condividere i risultati della ricerca attraverso il salvataggio dello stato, in modo che altri scienziati possano ripetere l’esperimento se necessario.
La scienza continuerà a spostarsi nel cloud
Tutti i progetti i cui autori si rivolgono al cloudservizi, è accomunato, prima di tutto, dal fatto stesso di utilizzare metodi matematici e dal conseguente aumento dei requisiti per la velocità e il volume di elaborazione delle informazioni. Gli istituti scientifici arrivano al cloud principalmente per potenza di calcolo aggiuntiva e rimangono grazie alla disponibilità di strumenti già pronti e servizi scalabili.
Leggi di più:
Il rallentamento della rotazione terrestre ha causato il rilascio di ossigeno sul pianeta
Nuova particella scoperta al Large Hadron Collider
Gli scienziati hanno trovato il più antico esempio di geometria applicata