무인 불덩어리 및 게놈 분석을 위한 클라우드
대학 및 과학 분야에 대한 많은 연구를 수행합니다.
예제:
모스크바 주립 기술 대학의 레이싱 팀 N.E.Bauman's(Bauman Racing Team)는 클라우드 파워를 사용하여 무인 레이싱 카를 만들었습니다. 자율주행 시스템에는 실시간으로 트랙 위의 물체를 인식하는 알고리즘이 있습니다. 이렇게 하면 차가 올바른 방향으로 계속 움직이게 됩니다. 이러한 인식을 위해 개발자는 컨볼루션 신경망을 사용했으며 이러한 신경망의 교육은 클라우드에서 이루어졌습니다.
Bauman Racing Team이 서비스를 사용했습니다.ML 개발(머신 러닝) 이미지를 처리하는 두 개의 신경망 훈련을 위한 Yandex DataSphere. 이 도구를 사용하면 학습 알고리즘의 속도와 편의성을 크게 높일 수 있습니다. 이미 신경망 중 하나는 자체적으로 7,000개의 이미지를, 두 번째는 3,000개의 이미지를 전달했습니다.
독일 튀빙겐 대학교(University of Tübingen)의 생물학 정량적 방법 응용 센터(Center for the Application of Quantitative Methods in Biology)가 협력합니다.Amazon의 클라우드 서비스인 AWS를 사용한 게놈 연구 프로젝트에서.독일 과학자들은 클라우드를 사용하여 수만 개의 유전자 샘플을 분석하고 다양한 패턴(예: 건강한 조직과 병든 조직 간의 유전자 발현 차이)을 식별합니다.클라우드를 사용하여 게놈 연구 시간을 50% 단축하고 프로젝트 작업 속도를 높일 수 있었습니다.
유전자 발현- 유전이 변하는 과정RNA나 단백질의 정보(DNA 뉴클레오티드 서열)입니다. 세포가 자신의 구조를 제어할 수 있는 능력을 부여하는 것은 유전자 발현의 조절입니다. 유전자 발현 특성의 조절은 유기체 전체의 다른 유전자의 기능에 영향을 미칩니다.
사과를 세고, 암을 찾고, 블랙홀의 이미지를 분석하십시오.
오늘날 클라우드 제공업체는 ML 개발 및 데이터 작업을 위한 편리하고 미리 만들어진 도구를 제공합니다. 이것이 과학 조직이 클라우드를 사용하는 두 번째 이유입니다.
이러한 도구에는 주로기계 학습을 위한 서비스: Yandex DataSphere, Google Cloud ML 또는 Azure ML. 데이터를 쉽게 보고 시각화할 수 있는 서비스(예: Yandex DataLens 또는 Microsoft Power BI)가 연구원에게 중요합니다. 컴퓨터 비전 기술을 위한 AWS Panorama, 음성 인식 및 합성을 위한 Yandex SpeechKit 또는 이미지 분석을 위한 Google Vision AI와 같은 보다 전문화된 도구도 있습니다.
예제:
모스크바 주립 대학교 생물학부와 연방 연구 센터의 이름을 딴Michurin, Tambov State University 및 VIM 농업 공학 센터는 Yandex.Cloud 도구를 사용하여 정원 모니터링 시스템을 만들었습니다. 수확량을 보다 정확하게 추정 및 예측하고 추가 공급망을 보다 효율적으로 계획하는 데 사용됩니다.
과학자들은 Yandex 클라우드 스토리지에 업로드합니다.과일의 구름 사진을 찍고 Yandex DataSphere를 사용하여 자체 학습 알고리즘을 만듭니다. 나무에 있는 개별 사과를 인식하고 개수를 세며 개화 강도, 헥타르당 수확량, 과일 자체의 품질과 같은 지표를 결정하는 방법도 학습합니다.
미국 암학회 기반Google Cloud는 유방암에 걸린 여성의 장기에 대한 다양한 이미지를 분석하여 해당 종양의 발생 및 발달 패턴을 식별했습니다. 과학자들은 Cloud ML Engine을 사용했습니다. 머신러닝을 통해 분석을 12배 더 빠르게 수행할 수 있었습니다. 또한, 연구 저자가 언급한 것처럼, 클라우드의 사용은 과학자들에게 작업 결과를 확장하고 그 결과를 다른 유사한 프로젝트에 사용할 수 있는 기회를 제공합니다.
국제천문연구Event Horizon Telescope 프로젝트는 Google Cloud의 컴퓨팅 성능을 사용하여 블랙홀의 첫 번째 이미지를 생성했습니다. 이러한 이미지를 생성하기 위해 망원경에서 수신한 엄청난 양의 데이터가 처리되었습니다. 관측 주간에는 매일 평균 350TB의 데이터가 수신되었습니다. 이러한 볼륨을 처리하고 분석하기 위해 과학자들은 상당한 힘이 필요했기 때문에 클라우드를 사용하게 되었습니다.
바이칼을 보호하고 유물을 탐색하고 물개를 찾으십시오.
과학 프로젝트 전환에서 클라우드의 역할도 중요합니다.보다 현대적인 작업 방법: 구식 분석 방법부터 인공 지능 사용까지. 여기에서는 클라우드에서 사용할 수 있는 추가 용량, 고유한 서비스, 클라우드 공급자의 일반적인 전문 지식 등 모든 것이 중요합니다.
예제:
이것의 가장 분명한 예 중 하나는시너지 효과 - Yandex.Cloud와 러시아에서 가장 긴 환경 모니터링 프로그램인 "Point No. 1" 간의 협력으로 75년 동안 바이칼 호수의 상태를 모니터링해 왔습니다. 최근에는 자원 부족과 데이터 분석 기술의 노후화로 인해 프로젝트가 종료될 위기에 처해 있었습니다.
프로젝트의 일환으로 Yandex.Cloud는 과학자들과 함께 AI를 사용하여 물 샘플을 분석하는 프로세스를 디지털 방식으로 지원하는 지능형 시스템을 만들고 있습니다. 바이칼 물 샘플에서 미생물을 인식할 수 있는 알고리즘을 훈련하기 위해 과학자들은 각 유형의 미생물에 대한 1,000개 이상의 이미지를 제공했습니다. 미래에는 이 "디지털 보조 장치"가 최대 400종의 플랑크톤을 식별하고 최대 99%의 샘플을 자동으로 인식할 수 있을 것입니다.
스탠포드 대학교는 기회를 이용했습니다고고학적 발견물 데이터베이스를 생성하기 위해 AWS의 클라우드: 우리는 터키의 Çatalhöyük 현장에서 발굴 중에 발견된 발견물에 대해 이야기하고 있습니다. 이전에는 발견된 항목의 정확한 위치와 항목에 대한 기타 세부 정보를 나타내는 항목에 대한 모든 정보가 포함된 데이터베이스를 생성하고 정기적으로 업데이트하려면 과학자들이 많은 시간을 들여 작업해야 했습니다. 이는 일주일에 약 20시간이 걸렸으며 종종 다른 사람이 입력한 업데이트로 인한 혼란. 데이터베이스를 클라우드로 이동하면 정보 업데이트 프로세스가 훨씬 더 효율적이게 되었습니다.
한 가지 더 예:미국 국립해양대기청(National Oceanic and Atmospheric Administration)은 Microsoft Azure의 클라우드를 사용하여 알래스카에서 북극 바다표범과 벨루가 고래를 연구하고 보호하는 데 도움이 되는 AI 도구를 만들었습니다. 이전에 생물학자들은 수천 장의 항공 사진을 수동으로 연구하고 연구 중인 동물의 흔적을 찾았으며 이 기간 동안의 정보는 종종 구식이 될 때가 있었습니다. 이제 AI 도구가 작업을 수행하는 데 사용되고 있습니다. 인공 지능 모델을 훈련하고 과학자가 수집한 20TB의 데이터를 처리하는 작업이 클라우드에서 이루어집니다.
계약 체결 및 데이터 보안 보장
클라우드 사용에 대한 장벽이 되는 경우도 있음클라우드 기술에 대한 전문 지식이 부족할 수 있습니다. 클라우드 제공업체의 편리한 도구와 전문 지식을 이용할 수 있으면 이 문제가 크게 해결됩니다. 일부 대학 및 기타 공공 연구 기관에서는 클라우드 기술 사용에 대한 계약을 체결할 수 없다고 잘못 생각하고 있지만 실제로는 그렇지 않습니다.
어떤 경우에는 연구 프로젝트가 부족합니다.재원. 그러나 많은 대규모 클라우드 서비스에는 과학 지원 프로그램이 있습니다. 일부 국가에서는 과학 분야에서 클라우드 사용을 촉진해야 하는 전국적인 프로젝트도 있습니다. 지난해 미국은 스탠퍼드대, 카네기멜론대 등 22개 대학을 비롯해 미국 정부·의회 대표와 구글·마이크로소프트·아마존·IBM 등 기술 기업이 참여하는 내셔널 리서치 클라우드(National Research Cloud) 프로젝트에 착수했다. . 프로젝트의 목표는 연구원에게 클라우드 기능에 대한 액세스를 제공하고 유사한 프로젝트에 대한 자금을 찾는 것입니다.
어떤 경우에는 과학자들이 우려할 수도 있습니다.클라우드의 데이터 보안 문제. 실제로 최신 클라우드 플랫폼은 자체 물리적 인프라에 비해 여러 가지 장점이 있습니다. 데이터는 클라우드 전체에 분산되고 데이터 센터는 지리적으로 분산되므로 데이터 센터에 장애가 발생하는 경우 클라우드 개념이 이를 완화합니다. 또한 클라우드 플랫폼의 보안은 지속적으로 모니터링됩니다.
클라우드를 사용하면 협업도 더 쉬워집니다프로젝트 및 지식 공유: 예를 들어 ML 도구(DataSphere)를 사용하면 상태 저장을 통해 연구 결과를 공유할 수 있으므로 필요한 경우 다른 과학자가 실험을 반복할 수 있습니다.
과학은 계속해서 클라우드로 이동할 것입니다.
작성자가 클라우드로 전환한 모든 프로젝트서비스는 무엇보다도 수학적 방법을 사용하고 정보 처리의 속도와 양에 대한 요구 사항이 증가한다는 바로 그 사실에 의해 통합됩니다. 과학 기관은 주로 추가 컴퓨팅 성능을 위해 클라우드로 이동하며 기성 도구 및 확장 가능한 서비스의 가용성으로 인해 유지됩니다.
더 읽어보기 :
지구의 자전 속도가 느려지면서 행성에 산소가 방출되었습니다.
대형 강입자 충돌기에서 발견된 새로운 입자
과학자들은 응용 기하학의 가장 오래된 예를 발견했습니다