Hva forskere gjør i skyene: fra overvåking av Baikal til genomanalyse

Skyer for ubemannede brannballer og genomanalyse

Å gjennomføre mange studier for universiteter og vitenskapelige

Organisasjoner trenger ganske alvorlig datakraft – og det er den første grunnen til at de kommerSkyer blir et mer fleksibelt og praktisk (spesielt for geografisk spredte team) alternativ til å kjøpe eller leie nødvendig utstyr.

Eksempler:

MSTU racing team N. E.Baumans (Bauman Racing Team) brukte skyenergi til å lage en ubemannet racerbil. Det autonome kjøresystemet har en algoritme som gjenkjenner objekter på banen i sanntid. Dette holder bilen i riktig retning. For slik anerkjennelse brukte utviklerne konvolusjonelle nevrale nettverk, og opplæringen av disse nevrale nettverkene fant sted i skyen.

Bauman Racing Team brukte tjenestenML-utvikling (maskinlæring) Yandex DataSphere for trening av to nevrale nettverk som behandler bilder. Bruken av dette verktøyet gjorde det mulig å øke hastigheten og bekvemmeligheten til å lære algoritmer betydelig: allerede nå har et av nevrale nettverk passert 7000 bilder gjennom seg selv, og det andre - 3000.

Senter for anvendelse av kvantitative metoder i biologi ved Universitetet i Tübingen i Tyskland samarbeideri sine genomforskningsprosjekter med Amazons skytjeneste, AWS.Tyske forskere bruker skyen til å analysere titusenvis av genetiske prøver og identifisere ulike mønstre: for eksempel forskjeller i genuttrykk mellom sunt og sykt vev.Bruken av skyen gjorde det mulig å redusere tiden for genomforskning med 50% og fremskynde arbeidet med prosjektet.

Genuttrykk- prosessen med å transformere arveliginformasjon (DNA-nukleotidsekvens) i RNA eller protein. Det er reguleringen av genuttrykk som gir cellene muligheten til å kontrollere sin struktur. Kontroll av genekspresjonsegenskaper påvirker funksjonene til andre gener i hele organismen.

Tell epler, se etter kreft og analyser bilder av et svart hull

I dag leverer skyleverandører praktiske, ferdige verktøy for ML-utvikling og arbeid med data – og dette er den andre grunnen til at vitenskapelige organisasjoner kommer til å bruke skyen.

Disse verktøyene inkluderer først og fremsttjenester for maskinlæring: Yandex DataSphere, Google Cloud ML eller Azure ML. Tjenester for enkel visning og visualisering av data er av interesse for forskere: for eksempel Yandex DataLens eller Microsoft Power BI. Det er også mer spesialiserte verktøy som AWS Panorama for datasynsteknologier, Yandex SpeechKit for talegjenkjenning og syntese, eller Google Vision AI for bildeanalyse.

Eksempler:

Fakultet for biologi, Moscow State University, sammen med Federal Research Center oppkalt etterMichurin, Tambov State University og VIM agroengineering center brukte Yandex.Cloud -verktøy for å lage et hagesystem. Den brukes til å estimere og forutsi høstvolumet mer nøyaktig og mer effektivt planlegge den videre forsyningskjeden.

Forskere laster opp til Yandex skylagring.Skyfotografier av frukt og bruk Yandex DataSphere til å lage en selvlærende algoritme: den gjenkjenner individuelle epler på trær og teller antall, og lærer også å bestemme indikatorer som blomstringsintensitet, høsting per hektar og kvaliteten på fruktene selv.

American Cancer Society basertGoogle Cloud analyserte ulike bilder av organene til kvinner med brystkreft og identifiserte mønstre i forekomst og utvikling av slike svulster. Forskere brukte Cloud ML Engine: maskinlæring gjorde det mulig å utføre analyser 12 ganger raskere. I tillegg, som forfatterne av studien bemerker, gir bruken av skyen forskere muligheten til å skalere resultatene av arbeidet og bruke funnene i andre lignende prosjekter.

Internasjonal astronomisk forskningEvent Horizon Telescope -prosjektet brukte datakraften til Google Cloud til å lage det første bildet av et svart hull. For å lage et slikt bilde ble enorme mengder data fra teleskoper behandlet: gjennomsnittlig 350 TB data ble mottatt daglig i løpet av observasjonsuken. For å behandle og analysere et slikt volum trengte forskere betydelig kraft, så de vendte seg til å bruke skyen.

Beskytt Baikal, utforsk gjenstander og se etter seler

Skyens rolle i overgangen til vitenskapelige prosjekter er også viktigtil mer moderne arbeidsmetoder: fra utdaterte analysemetoder til bruk av kunstig intelligens. Alt betyr noe her: den ekstra kapasiteten som er tilgjengelig i skyen, unike tjenester og den generelle ekspertisen til skyleverandører.

Eksempler:

Et av de mest åpenbare eksemplene på dettesynergi - samarbeid mellom Yandex.Cloud og "Point No. 1", det lengste miljøovervåkingsprogrammet i Russland, som har overvåket helsen til Baikalsjøen i 75 år. Nylig var prosjektet truet av nedleggelse på grunn av mangel på ressurser og alvorlig utdaterte dataanalyseteknologier.

Som en del av prosjektet, Yandex.Cloud, sammen med forskere, skaper et intelligent system for digital støtte for prosessen med å analysere vannprøver ved hjelp av AI. For å trene en algoritme som er i stand til å gjenkjenne mikroorganismer i Baikal-vannprøver, ga forskerne mer enn tusen bilder av hver type mikroorganisme. I fremtiden vil denne "digitale assistenten" kunne identifisere opptil 400 planktonarter og gjenkjenne opptil 99 % av prøvene automatisk.

Stanford University utnyttet muligheteneskyer fra AWS for å lage en database med arkeologiske funn: vi snakker om funn oppdaget under utgravninger på stedet til Çatalhöyük i Tyrkia. Tidligere krevde det mange timers arbeid av forskere å opprette og regelmessig oppdatere en database som inneholdt all informasjon om et element, som indikerte den nøyaktige plasseringen av funnet og andre detaljer om det - dette tok omtrent 20 timer i uken, og det var ofte forvirring på grunn av oppdateringer lagt inn av forskjellige personer. Flytting av databasen til skyen har gjort prosessen med å oppdatere informasjon mye mer effektiv.

Nok et eksempel:US National Oceanic and Atmospheric Administration har brukt skyen fra Microsoft Azure til å lage AI -verktøy for å studere og beskytte polarseler og hvalhvaler i Alaska. Tidligere studerte biologer manuelt tusenvis av luftfotografier og så etter tegn på dyrene som ble studert, og informasjon i løpet av denne tiden ble ofte utdatert. Nå brukes AI -verktøy for å gjøre jobben: trening av kunstig intelligensmodeller og behandling av 20 TB data samlet av forskere skjer i skyen.

Avtal kontrakter og sikre datasikkerhet

Noen ganger en barriere for å bruke skyenDet kan være mangel på ekspertise innen skyteknologi: Tilgjengeligheten av praktiske verktøy og ekspertise fra skyleverandører løser i stor grad dette problemet. Noen universiteter og andre statlige forskningsorganisasjoner tror feilaktig at de ikke kan inngå kontrakter for bruk av skyteknologier, noe som faktisk ikke er tilfelle.

I noen tilfeller mangler forskningsprosjekterfinansielle ressurser. Imidlertid har mange store skytjenester programmer for vitenskapelig støtte. I noen land er det også landsomfattende prosjekter som skal fremme anvendelsen av skyen i vitenskap. I fjor lanserte USA National Research Cloud -prosjektet, med 22 universiteter som deltok, inkludert Stanford University og Carnegie Mellon University, samt representanter for den amerikanske regjeringen og kongressen, og teknologiselskaper inkludert Google, Microsoft, Amazon og IBM ... . Målet med prosjektet er å gi tilgang til nettskyfunksjoner for forskere og finne finansiering for lignende prosjekter.

I noen tilfeller kan forskere være bekymretspørsmålet om datasikkerhet i skyen. Faktisk har moderne skyplattformer en rekke fordeler sammenlignet med deres egen fysiske infrastruktur: data distribueres over hele skyen, og datasentre er distribuert geografisk, så hvis datasenteret ditt svikter, demper skykonseptet dette. I tillegg overvåkes sikkerheten til skyplattformen kontinuerlig.

Skyen gjør også samarbeid enklereom prosjekter og kunnskapsdeling: for eksempel lar ML-verktøy (DataSphere) deg dele forskningsresultater gjennom statlig sparing, slik at andre forskere kan gjenta eksperimentet om nødvendig.

Vitenskapen vil fortsette å flytte til skyen

Alle prosjekter hvis forfattere vender seg til skyentjenester, forenes først og fremst av det faktum at man bruker matematiske metoder og den tilhørende økningen i krav til hastigheten og volumet av informasjonsbehandling. Vitenskapelige institutter kommer først og fremst til skyen for ytterligere datakraft, men forblir på grunn av tilgjengeligheten av ferdige verktøy og skalerbare tjenester.

Les mer:

Bremsingen av jordens rotasjon forårsaket frigjøring av oksygen på planeten

Ny partikkel oppdaget på Large Hadron Collider

Forskere har funnet det eldste eksemplet på anvendt geometri