Chmury do bezzałogowych kul ognia i analizy genomu
Prowadzić wiele badań dla uczelni wyższych i naukowych
Przykłady:
Zespół wyścigowy Moskiewskiego Państwowego Uniwersytetu Technicznego N. E.Bauman (Bauman Racing Team) wykorzystał moc chmury do stworzenia bezzałogowego samochodu wyścigowego. System autonomicznej jazdy posiada algorytm, który w czasie rzeczywistym rozpoznaje obiekty na torze. Dzięki temu samochód porusza się we właściwym kierunku. Do takiego rozpoznania twórcy wykorzystali konwolucyjne sieci neuronowe, a uczenie tych sieci neuronowych odbywało się w chmurze.
Z usługi skorzystał zespół Bauman Racing TeamML-development (uczenie maszynowe) Yandex DataSphere do trenowania dwóch sieci neuronowych przetwarzających obrazy. Zastosowanie tego narzędzia pozwoliło znacznie zwiększyć szybkość i wygodę uczenia algorytmów: już teraz jedna z sieci neuronowych przepuściła przez siebie 7000 obrazów, a druga - 3000.
Centrum Zastosowań Metod Ilościowych wBiologia na Niemieckim Uniwersytecie w Tybindze współpracuje przy projektach badań genomu z usługą chmurową Amazona – AWS. Niemieccy naukowcy wykorzystują chmurę do analizy dziesiątek tysięcy próbek genetycznych i identyfikowania różnych wzorców, takich jak różnice w ekspresji genów między zdrową i chorą tkanką. Wykorzystanie chmury pozwoliło skrócić czas badania genomów o 50% i przyspieszyć prace nad projektem.
Ekspresja genu- proces przekształcania dziedzicznegoinformacja (sekwencja nukleotydowa DNA) w RNA lub białku. To właśnie regulacja ekspresji genów daje komórkom zdolność kontrolowania swojej struktury. Kontrola cech ekspresji genów wpływa na funkcje innych genów w całym organizmie.
Licz jabłka, szukaj raka i analizuj obrazy czarnej dziury
Dziś dostawcy usług chmurowych udostępniają wygodne, gotowe narzędzia do rozwoju ML i pracy z danymi – i to jest drugi powód, dla którego organizacje naukowe sięgają po chmurę.
Narzędzia te obejmują przede wszystkimusługi do uczenia maszynowego: Yandex DataSphere, Google Cloud ML lub Azure ML. Dla badaczy interesują się usługi ułatwiające przeglądanie i wizualizację danych: na przykład Yandex DataLens czy Microsoft Power BI. Istnieją również bardziej wyspecjalizowane narzędzia, takie jak AWS Panorama do technologii widzenia komputerowego, Yandex SpeechKit do rozpoznawania i syntezy mowy czy Google Vision AI do analizy obrazu.
Przykłady:
Wydział Biologii Moskiewskiego Uniwersytetu Państwowego wraz z Federalnym Centrum Badawczym imMichurin, Tambow State University i centrum agroinżynierii VIM wykorzystały narzędzia Yandex.Cloud do stworzenia systemu monitorowania ogrodu. Służy do dokładniejszego szacowania i przewidywania wielkości zbiorów oraz efektywniejszego planowania dalszego łańcucha dostaw.
Naukowcy przesyłają dane do magazynu w chmurze Yandex.Chmurz zdjęcia owoców i używa Yandex DataSphere do stworzenia algorytmu samouczącego się: rozpoznaje poszczególne jabłka na drzewach i liczy ich liczbę, a także uczy się określać wskaźniki, takie jak intensywność kwitnienia, obfitość zbiorów z hektara i jakość samych owoców.
Siedziba Amerykańskiego Towarzystwa OnkologicznegoW Google Cloud przeanalizowano różne obrazy narządów kobiet chorych na raka piersi i zidentyfikowano wzorce występowania i rozwoju takich nowotworów. Naukowcy wykorzystali Cloud ML Engine: uczenie maszynowe umożliwiło przeprowadzanie analiz 12 razy szybciej. Ponadto, jak zauważają autorzy badania, wykorzystanie chmury daje naukowcom możliwość skalowania wyników swojej pracy i wykorzystania ustaleń w innych podobnych projektach.
Międzynarodowe badania astronomiczneProjekt Event Horizon Telescope wykorzystał moc obliczeniową Google Cloud do stworzenia pierwszego obrazu czarnej dziury. Aby stworzyć taki obraz, przetworzono ogromne ilości danych otrzymanych z teleskopów: w ciągu tygodnia obserwacji otrzymywano średnio 350 TB danych dziennie. Aby przetworzyć i przeanalizować taką objętość, naukowcy potrzebowali znacznej mocy, więc zwrócili się do chmury.
Chroń Bajkał, eksploruj artefakty i szukaj fok
Ważna jest także rola chmury w procesie przenoszenia projektów naukowychdo bardziej nowoczesnych metod pracy: od przestarzałych metod analizy po wykorzystanie sztucznej inteligencji. Tutaj liczy się wszystko: dodatkowa pojemność dostępna w chmurze, unikalne usługi i ogólna wiedza dostawców usług chmurowych.
Przykłady:
Jeden z najbardziej oczywistych przykładów tegosynergia - współpraca Yandex.Cloud z „Punktem nr 1”, najdłuższym programem monitorowania środowiska w Rosji, który od 75 lat monitoruje stan jeziora Bajkał. Ostatnio projektowi groziło zamknięcie ze względu na brak zasobów i bardzo przestarzałe technologie analizy danych.
W ramach projektu Yandex.Cloud wraz z naukowcami tworzy inteligentny system cyfrowego wspomagania procesu analizy próbek wody z wykorzystaniem sztucznej inteligencji. Aby wytrenować algorytm zdolny do rozpoznawania mikroorganizmów w próbkach wody Bajkału, naukowcy udostępnili ponad tysiąc zdjęć każdego rodzaju mikroorganizmów. W przyszłości ten „cyfrowy asystent” będzie w stanie zidentyfikować nawet 400 gatunków planktonu i automatycznie rozpoznać do 99% próbek.
Uniwersytet Stanforda wykorzystał szansęchmury z AWS do stworzenia bazy danych o znaleziskach archeologicznych: mowa o znaleziskach odkrytych podczas wykopalisk na stanowisku Çatalhöyük w Turcji. Wcześniej stworzenie i regularne aktualizowanie bazy danych zawierającej wszystkie informacje o przedmiocie, wskazującej dokładną lokalizację znaleziska i inne szczegóły na jego temat, wymagało wielu godzin pracy naukowców – zajmowało to około 20 godzin tygodniowo, a często zdarzało się, że zamieszanie spowodowane aktualizacjami wprowadzonymi przez różne osoby. Przeniesienie bazy danych do chmury znacznie usprawniło proces aktualizacji informacji.
Jeszcze jeden przykład:Amerykańska Narodowa Administracja Oceaniczna i Atmosferyczna wykorzystała chmurę z Microsoft Azure do stworzenia narzędzi sztucznej inteligencji, aby pomóc w badaniu i ochronie fok polarnych i wielorybów na Alasce. Wcześniej biolodzy ręcznie badali tysiące zdjęć lotniczych i szukali oznak badanych zwierząt, a informacje w tym czasie często traciły aktualność. Teraz do tego zadania wykorzystywane są narzędzia AI: trenowanie modeli sztucznej inteligencji i przetwarzanie 20 TB danych zebranych przez naukowców odbywa się w chmurze.
Zawieraj umowy i dbaj o bezpieczeństwo danych
Czasem bariera w korzystaniu z chmuryMoże brakować wiedzy specjalistycznej w zakresie technologii chmurowych: dostępność wygodnych narzędzi i wiedzy specjalistycznej od dostawców usług w chmurze w dużej mierze rozwiązuje ten problem. Część uczelni i innych rządowych organizacji badawczych błędnie uważa, że nie może zawierać umów na wykorzystanie technologii chmurowych, co w rzeczywistości nie ma miejsca.
W niektórych przypadkach w projektach badawczych brakujezasoby finansowe. Jednak wiele dużych usług w chmurze ma programy wsparcia naukowego. W niektórych krajach realizowane są również projekty ogólnopolskie, które powinny promować wykorzystanie chmury w nauce. W zeszłym roku Stany Zjednoczone uruchomiły projekt National Research Cloud, w którym uczestniczyły 22 uniwersytety, w tym Uniwersytet Stanforda i Carnegie Mellon University, a także przedstawiciele rządu i Kongresu USA oraz korporacje technologiczne, w tym Google, Microsoft, Amazon i IBM... . Celem projektu jest zapewnienie naukowcom dostępu do możliwości chmury i znalezienie funduszy na podobne projekty.
W niektórych przypadkach naukowcy mogą być zaniepokojenikwestia bezpieczeństwa danych w chmurze. W rzeczywistości nowoczesne platformy chmurowe mają wiele zalet w porównaniu z ich własną infrastrukturą fizyczną: dane są rozproszone w całej chmurze, a centra danych są rozproszone geograficznie, więc jeśli Twoje centrum danych ulegnie awarii, koncepcja chmury łagodzi ten problem. Ponadto bezpieczeństwo platformy chmurowej jest stale monitorowane.
Chmura ułatwia także współpracęna projektach i dzieleniu się wiedzą: np. narzędzia ML (DataSphere) umożliwiają udostępnianie wyników badań poprzez zapisywanie stanu, dzięki czemu inni naukowcy mogą w razie potrzeby powtórzyć eksperyment.
Nauka nadal będzie przenosić się do chmury
Wszystkie projekty, których autorzy zwracają się w stronę chmuryusług, łączy przede wszystkim sam fakt wykorzystania metod matematycznych i związany z tym wzrost wymagań dotyczących szybkości i objętości przetwarzania informacji. Instytuty naukowe przychodzą do chmury przede wszystkim po dodatkową moc obliczeniową, a pozostają ze względu na dostępność gotowych narzędzi i skalowalnych usług.
Czytaj więcej:
Spowolnienie obrotu Ziemi spowodowało uwolnienie tlenu na planecie
Nowa cząstka odkryta w Wielkim Zderzaczu Hadronów
Naukowcy odkryli najstarszy przykład zastosowanej geometrii