無人火の玉とゲノム解析のための雲
大学や科学のために多くの研究を実施する
例:
モスクワ国立工科大学のレーシングチームN.E。バウマン（バウマンレーシングチーム）は、クラウドパワーを使用して無人レーシングカーを作成しました。自動運転システムには、トラック上のオブジェクトをリアルタイムで認識するアルゴリズムがあります。これにより、車は正しい方向に動き続けます。このような認識のために、開発者は畳み込みニューラルネットワークを使用し、これらのニューラルネットワークのトレーニングはクラウドで行われました。
バウマンレーシングチームはこのサービスを利用しましたML開発（機械学習）画像を処理する2つのニューラルネットワークをトレーニングするためのYandexDataSphere。このツールを使用することで、学習アルゴリズムの速度と利便性を大幅に向上させることができました。すでに、ニューラルネットワークの1つが7,000の画像を通過し、2つ目は3,000の画像を通過しました。
定量的手法の応用センタードイツのテュービンゲン大学の生物学は、アマゾンのクラウド サービスである AWS とゲノム研究プロジェクトで協力しています。ドイツの科学者はクラウドを使用して数万の遺伝子サンプルを分析し、健康な組織と病気の組織の間の遺伝子発現の違いなど、さまざまなパターンを特定しています。クラウドを利用することで、ゲノム研究にかかる時間を50%削減し、プロジェクトの作業をスピードアップすることができました。
遺伝子発現- 遺伝を変革するプロセスRNAやタンパク質の情報（DNA塩基配列）。細胞にその構造を制御する能力を与えるのは、遺伝子発現の制御です。遺伝子発現特性の制御は、生物全体の他の遺伝子の機能に影響を与えます。
リンゴを数え、ガンを探し、ブラックホールの画像を分析します
現在、クラウド プロバイダーは、ML 開発とデータ操作のための便利な既成ツールを提供しています。これが科学組織がクラウドを使用する 2 つ目の理由です。
これらのツールには主に次のものが含まれます機械学習向けのサービス：Yandex DataSphere、Google Cloud ML、またはAzureML。データを簡単に表示および視覚化するためのサービスは、研究者にとって興味深いものです。たとえば、YandexDataLensやMicrosoftPowerBIなどです。コンピュータービジョンテクノロジー用のAWSパノラマ、音声認識と合成用のYandex SpeechKit、画像分析用のGoogle Vision AIなど、より専門的なツールもあります。
例:
モスクワ州立大学生物学部、およびそれにちなんで名付けられた連邦研究センターMichurin、タンボフ州立大学、およびVIM農業工学センターはYandex.Cloudツールを使用して庭の監視システムを作成しました。これは、収穫量をより正確に推定および予測し、さらなるサプライチェーンをより効率的に計画するために使用されます。
科学者はYandexクラウドストレージにアップロードします。果物の写真をクラウド化し、Yandex DataSphere を使用して自己学習アルゴリズムを作成します。アルゴリズムは、木に生えている個々のリンゴを認識してその数を数えます。また、開花の強さ、ヘクタールあたりの収穫量、果物自体の品質などの指標を決定することも学習します。
米国癌協会に基づくGoogle Cloud は、乳がんを患っている女性の臓器のさまざまな画像を分析し、そのような腫瘍の発生と進行のパターンを特定しました。科学者は Cloud ML Engine を使用しました。機械学習により、分析を 12 倍高速に実行できるようになりました。さらに、研究論文の著者らが指摘しているように、クラウドの使用により、科学者は研究結果を拡張し、その結果を他の同様のプロジェクトで使用する機会が得られます。
国際天文学連合Event Horizon Telescopeプロジェクトは、Google Cloudの計算能力を使用して、ブラックホールの最初の画像を作成しました。このような画像を作成するために、望遠鏡から受信した膨大な量のデータが処理されました。観測の1週間の間、毎日平均350TBのデータが受信されました。このようなボリュームを処理および分析するために、科学者はかなりの力を必要としていたため、クラウドの使用に目を向けました。
バイカルを保護し、アーティファクトを探索し、アザラシを探します
科学プロジェクトの移行におけるクラウドの役割も重要時代遅れの分析方法から人工知能の使用まで、より現代的な仕事の方法へ。ここでは、クラウドで利用可能な追加容量、独自のサービス、クラウド プロバイダーの一般的な専門知識など、すべてが重要です。
例:
この最も明白な例の 1 つは、相乗効果 - Yandex.Cloud と、バイカル湖の健全性を 75 年間監視してきたロシア最長の環境監視プログラムである「ポイント No. 1」との協力。最近、このプロジェクトは、リソース不足と非常に時代遅れのデータ分析テクノロジーにより、閉鎖の危機にさらされていました。
プロジェクトの一環として、Yandex.クラウドは科学者と協力して、AI を使用して水サンプルの分析プロセスをデジタル的にサポートするインテリジェント システムを作成しています。バイカル水サンプル中の微生物を認識できるアルゴリズムをトレーニングするために、科学者は各種類の微生物の 1,000 枚以上の画像を提供しました。将来的には、この「デジタル アシスタント」は最大 400 種のプランクトンを識別し、サンプルの最大 99% を自動的に認識できるようになります。
スタンフォード大学は機会を活用しましたAWS のクラウドを利用して考古学的発見物のデータベースを作成します。これは、トルコのチャタルホユク遺跡での発掘中に発見された発見物のことです。以前は、発見物の正確な場所やその他の詳細を示す、物品に関するすべての情報を含むデータベースを作成し、定期的に更新するには、科学者による長時間の作業が必要でした。これには週に約 20 時間かかり、多くの場合、異なる人が入力した更新による混乱。データベースをクラウドに移行することで、情報の更新プロセスが大幅に効率化されました。
もう1つの例：米国海洋大気庁は、Microsoft Azureのクラウドを使用して、アラスカの極地のアザラシとシロイルカの研究と保護に役立つAIツールを作成しました。以前は、生物学者が何千枚もの航空写真を手作業で調査し、調査中の動物の兆候を探していました。この時期の情報は、しばしば時代遅れになる時間がありました。現在、AIツールがその仕事を行うために使用されています。人工知能モデルのトレーニングと科学者によって収集された20TBのデータの処理はクラウドで行われます。
契約を締結し、データのセキュリティを確保する
クラウドの使用を妨げる場合があるクラウド テクノロジーに関する専門知識が不足している可能性があります。クラウド プロバイダーが提供する便利なツールと専門知識を利用できるため、この問題はほぼ解決されます。一部の大学やその他の政府研究機関は、クラウド テクノロジーの使用に関して契約を結ぶことができないと誤解していますが、実際はそうではありません。
場合によっては、研究プロジェクトが不足している財源。ただし、多くの大規模なクラウドサービスには科学サポートプログラムがあります。一部の国では、科学におけるクラウドの使用を促進する必要のある全国的なプロジェクトもあります。昨年、米国はNational Research Cloudプロジェクトを立ち上げ、スタンフォード大学とカーネギーメロン大学を含む22の大学、米国政府と議会の代表者、Google、Microsoft、Amazon、IBMなどのテクノロジー企業が参加しました。 。このプロジェクトの目標は、研究者にクラウド機能へのアクセスを提供し、同様のプロジェクトへの資金を見つけることです。
場合によっては、科学者は懸念するかもしれませんクラウドにおけるデータセキュリティの問題。実際、最新のクラウド プラットフォームには、独自の物理インフラストラクチャと比較して多くの利点があります。データはクラウド全体に分散され、データ センターは地理的に分散されているため、データ センターに障害が発生した場合でも、クラウドの概念によってこれが軽減されます。さらに、クラウド プラットフォームのセキュリティは常に監視されています。
クラウドによりコラボレーションも容易になりますプロジェクトと知識の共有: たとえば、ML ツール (DataSphere) を使用すると、状態保存を通じて研究結果を共有できるため、必要に応じて他の科学者が実験を繰り返すことができます。
科学はクラウドに移行し続けます
著者がクラウドに目を向けるすべてのプロジェクトサービスは、まず第一に、数学的方法を使用するという事実と、それに伴う情報処理の速度と量の要件の増加によって統合されています。科学機関は、主に追加のコンピューティング能力のためにクラウドにアクセスしますが、既製のツールとスケーラブルなサービスが利用できるために残っています。
続きを読む：
地球の自転の減速は、惑星上で酸素の放出を引き起こしました
大型ハドロン衝突型加速器で発見された新しい粒子
科学者は、応用幾何学の最も古い例を発見しました