Debesys nepilotuojamiems ugnies kamuoliams ir genomo analizei
Atlikti daugybę studijų universitetams ir mokslo
Pavyzdžiai:
Maskvos valstybinio technikos universiteto lenktynių komanda N. E.„Bauman“ („Bauman Racing Team“) panaudojo debesų galią, kad sukurtų nepilotuojamą lenktyninį automobilį. Autonominė vairavimo sistema turi algoritmą, kuris realiu laiku atpažįsta trasoje esančius objektus. Tai leidžia automobiliui judėti teisinga kryptimi. Tokiam pripažinimui kūrėjai naudojo konvoliucinius neuroninius tinklus, o šių neuronų tinklų mokymas vyko debesyje.
Paslauga pasinaudojo „Bauman Racing Team“ML kūrimas (mašininis mokymasis) „Yandex DataSphere“, skirtas mokyti du neuroninius tinklus, apdorojančius vaizdus. Naudojant šią priemonę buvo galima žymiai padidinti algoritmų mokymosi greitį ir patogumą: jau dabar vienas iš neuroninių tinklų praleido per save 7000 vaizdų, o antrasis - 3000.
Kiekybinių metodų taikymo centrasVokietijos Tiubingeno universiteto biologija bendradarbiauja vykdydama savo genomo tyrimų projektus su „Amazon“ debesies paslauga – AWS. Vokiečių mokslininkai debesyje analizuoja dešimtis tūkstančių genetinių mėginių ir nustato įvairius modelius, pavyzdžiui, sveikų ir sergančių audinių genų ekspresijos skirtumus. Debesis leido sutrumpinti genomų tyrimo laiką 50% ir paspartinti darbą su projektu.
Genų išraiška- paveldimos transformacijos procesasinformacija (DNR nukleotidų seka) RNR arba baltyme. Būtent genų ekspresijos reguliavimas suteikia ląstelėms galimybę kontroliuoti savo struktūrą. Genų ekspresijos savybių kontrolė turi įtakos kitų genų funkcijoms visame organizme.
Skaičiuokite obuolius, ieškokite vėžio ir analizuokite juodosios skylės vaizdus
Šiandien debesų paslaugų teikėjai teikia patogius, paruoštus įrankius, skirtus ML plėtrai ir darbui su duomenimis – ir tai yra antroji priežastis, kodėl mokslo organizacijos naudojasi debesiu.
Šios priemonės visų pirma apimamašininio mokymosi paslaugos: „Yandex DataSphere“, „Google Cloud ML“ arba „Azure ML“. Paslaugos, skirtos lengvai peržiūrėti ir vizualizuoti duomenis, domina tyrėjus: pavyzdžiui, „Yandex DataLens“ arba „Microsoft Power BI“. Taip pat yra daugiau specializuotų įrankių, tokių kaip „AWS Panorama“, skirta kompiuterinio matymo technologijoms, „Yandex SpeechKit“, skirta kalbos atpažinimui ir sintezei, arba „Google Vision AI“, skirta vaizdo analizei.
Pavyzdžiai:
Maskvos valstybinio universiteto Biologijos fakultetas kartu su Federaliniu tyrimų centruMichurinas, Tambovo valstybinis universitetas ir VIM agroinžinerijos centras naudojo „Yandex.Cloud“ įrankius sodo stebėjimo sistemai sukurti. Jis naudojamas tiksliau įvertinti ir numatyti derliaus kiekį bei efektyviau planuoti tolesnę tiekimo grandinę.
Mokslininkai įkelia į „Yandex“ debesies saugyklą.Debesis fotografuoja vaisius ir naudoja Yandex DataSphere, kad sukurtų savarankiško mokymosi algoritmą: atpažįsta pavienius obuolius ant medžių ir skaičiuoja jų skaičių, taip pat išmoksta nustatyti tokius rodiklius kaip žydėjimo intensyvumas, derliaus gausa iš hektaro ir pačių vaisių kokybė.
įsikūrusi Amerikos vėžio draugija„Google Cloud“ išanalizavo įvairius krūties vėžiu sergančių moterų organų vaizdus ir nustatė tokių navikų atsiradimo ir vystymosi modelius. Mokslininkai naudojo „Cloud ML Engine“: mašininis mokymasis leido atlikti analizę 12 kartų greičiau. Be to, kaip pažymi tyrimo autoriai, debesies naudojimas suteikia mokslininkams galimybę padidinti savo darbo rezultatus ir panaudoti išvadas kituose panašiuose projektuose.
Tarptautiniai astronominiai tyrimai„Event Horizon Telescope“ projektas panaudojo „Google Cloud“ skaičiavimo galią, kad sukurtų pirmąjį juodosios skylės vaizdą. Norint sukurti tokį vaizdą, buvo apdoroti didžiuliai duomenų kiekiai, gauti iš teleskopų: per stebėjimų savaitę kasdien vidutiniškai buvo gauta 350 TB duomenų. Norėdami apdoroti ir išanalizuoti tokį tūrį, mokslininkams reikėjo didelės galios, todėl jie pradėjo naudoti debesį.
Apsaugokite Baikalą, tyrinėkite artefaktus ir ieškokite ruonių
Taip pat svarbus ir debesies vaidmuo pereinant prie mokslinių projektųprie modernesnių darbo metodų: nuo pasenusių analizės metodų iki dirbtinio intelekto panaudojimo. Čia svarbu viskas: papildoma debesyje pasiekiama talpa, unikalios paslaugos ir bendra debesų paslaugų teikėjų kompetencija.
Pavyzdžiai:
Vienas ryškiausių to pavyzdžiųsinergija – bendradarbiavimas tarp „Yandex.Cloud“ ir „Taško Nr. 1“, ilgiausios Rusijoje aplinkos monitoringo programos, kuri Baikalo ežero būklę stebi jau 75 metus. Neseniai projektą grėsė uždarymas dėl išteklių trūkumo ir labai pasenusių duomenų analizės technologijų.
Kaip projekto dalis, „Yandex.Cloud kartu su mokslininkais kuria intelektualią sistemą, kuri skaitmeniniu būdu palaiko vandens mėginių analizės procesą naudojant AI. Norėdami išmokyti algoritmą, galintį atpažinti mikroorganizmus Baikalo vandens mėginiuose, mokslininkai pateikė daugiau nei tūkstantį kiekvienos rūšies mikroorganizmų vaizdų. Ateityje šis „skaitmeninis asistentas“ galės atpažinti iki 400 planktono rūšių ir automatiškai atpažinti iki 99 % mėginių.
Stanfordo universitetas pasinaudojo galimybėmisdebesys iš AWS, kad būtų sukurta archeologinių radinių duomenų bazė: mes kalbame apie radinius, aptiktus kasinėjimų Çatalhöyük vietoje Turkijoje. Anksčiau kuriant ir reguliariai atnaujinant duomenų bazę, kurioje buvo visa informacija apie daiktą, nurodant tikslią radinio vietą ir kitas detales apie jį, mokslininkams prireikdavo daugybės valandų darbo – tai užtrukdavo apie 20 valandų per savaitę, dažnai būdavo painiavos dėl skirtingų žmonių įvestų atnaujinimų . Perkėlus duomenų bazę į debesį, informacijos atnaujinimo procesas tapo daug efektyvesnis.
Dar vienas pavyzdys:JAV nacionalinė vandenynų ir atmosferos administracija panaudojo „Microsoft Azure“ debesį, kad sukurtų dirbtinio intelekto įrankius, padedančius tirti ir apsaugoti poliarinius ruonius ir Beluga banginius Aliaskoje. Anksčiau biologai rankiniu būdu ištyrė tūkstančius aerofotografijų ir ieškojo tiriamų gyvūnų požymių, o informacija per tą laiką dažnai turėjo laiko pasenti. Dabar dirbtinio intelekto įrankiai naudojami šiam darbui atlikti: dirbtinio intelekto modelių mokymas ir 20 TB mokslininkų surinktų duomenų apdorojimas vyksta debesyje.
Sudaryti sutartis ir užtikrinti duomenų saugumą
Kartais kliūtis naudoti debesįGali pritrūkti žinių debesų technologijų srityje: patogių įrankių prieinamumas ir debesų tiekėjų kompetencija iš esmės išsprendžia šią problemą. Kai kurie universitetai ir kitos valstybinės mokslinių tyrimų organizacijos klaidingai mano, kad negali sudaryti sutarčių dėl debesijos technologijų naudojimo, o iš tikrųjų taip nėra.
Kai kuriais atvejais trūksta mokslinių tyrimų projektųfinansiniai ištekliai. Tačiau daugelis didelių debesų paslaugų turi mokslo palaikymo programas. Kai kuriose šalyse taip pat vykdomi visos šalies projektai, kurie turėtų skatinti debesų naudojimą moksle. Praėjusiais metais JAV pradėjo „National Research Cloud“ projektą, kuriame dalyvavo 22 universitetai, įskaitant Stanfordo universitetą ir Carnegie Mellon universitetą, taip pat JAV vyriausybės ir Kongreso atstovai bei technologijų korporacijos, įskaitant „Google“, „Microsoft“, „Amazon“ ir IBM. . Projekto tikslas - suteikti tyrėjams prieigą prie debesies galimybių ir rasti finansavimą panašiems projektams.
Kai kuriais atvejais mokslininkai gali susirūpintiduomenų saugumo debesyje problema. Tiesą sakant, šiuolaikinės debesų platformos turi nemažai pranašumų, palyginti su jų pačių fizine infrastruktūra: duomenys paskirstomi visame debesyje, o duomenų centrai paskirstomi geografiškai, taigi, jei jūsų duomenų centras sugenda, debesų koncepcija tai sumažina. Be to, nuolat stebimas debesų platformos saugumas.
Debesis taip pat palengvina bendradarbiavimąapie projektus ir dalijimąsi žiniomis: pavyzdžiui, ML įrankiai (DataSphere) leidžia dalytis tyrimų rezultatais išsaugant būseną, kad kiti mokslininkai prireikus galėtų pakartoti eksperimentą.
Mokslas ir toliau pereis prie debesies
Visi projektai, kurių autoriai kreipiasi į debesįpaslaugas vienija visų pirma pats matematinių metodų taikymo faktas ir su tuo susijęs padidėjęs informacijos apdorojimo greičio ir apimties reikalavimas. Moksliniai institutai į debesį pirmiausia kreipiasi dėl papildomos skaičiavimo galios ir išlieka dėl to, kad yra paruoštų įrankių ir keičiamo dydžio paslaugų.
Skaityti daugiau:
Žemės sukimosi sulėtėjimas sukėlė deguonies išsiskyrimą planetoje
Didžiajame hadronų greitintuve buvo atrasta nauja dalelė
Mokslininkai rado seniausią taikomosios geometrijos pavyzdį