Moln för obemannade eldbollar och genomanalys
Att genomföra många studier för universitet och vetenskapliga
Exempel:
Tävlingslaget vid Moskvas statliga tekniska universitet N. E.Baumans (Bauman Racing Team) använde molnkraft för att skapa en obemannad racerbil. Det autonoma körsystemet har en algoritm som känner igen objekt på banan i realtid. Detta håller bilen i rätt riktning. För ett sådant erkännande använde utvecklarna konvolutionella neurala nätverk, och utbildningen av dessa neurala nätverk ägde rum i molnet.
Bauman Racing Team använde tjänstenML-utveckling (maskininlärning) Yandex DataSphere för utbildning av två neurala nätverk som bearbetar bilder. Användningen av det här verktyget gjorde det möjligt att avsevärt öka hastigheten och bekvämligheten med inlärningsalgoritmer: redan nu har ett av de neurala nätverken passerat 7000 bilder genom sig själv, och det andra - 3000.
Centrum för tillämpning av kvantitativa metoder iBiologi vid tyska universitetet i Tübingen samarbetar i sina genomforskningsprojekt med Amazons molntjänst - AWS. Tyska forskare använder molnet för att analysera tiotusentals genetiska prover och identifiera olika mönster, såsom skillnader i genuttryck mellan frisk och sjuk vävnad. Att använda molnet gjorde det möjligt att minska tiden för att undersöka genom med 50 % och påskynda arbetet med projektet.
Genexpression- processen att omvandla ärftliginformation (DNA-nukleotidsekvens) i RNA eller protein. Det är regleringen av genuttryck som ger celler förmågan att kontrollera sin struktur. Kontroll av genuttrycksegenskaper påverkar funktionerna hos andra gener i hela organismen.
Räkna äpplen, leta efter cancer och analysera bilder av ett svart hål
Idag tillhandahåller molnleverantörer bekväma, färdiga verktyg för ML-utveckling och arbete med data – och detta är den andra anledningen till att vetenskapliga organisationer börjar använda molnet.
Dessa verktyg inkluderar främsttjänster för maskininlärning: Yandex DataSphere, Google Cloud ML eller Azure ML. Tjänster för enkel visning och visualisering av data är av intresse för forskare: till exempel Yandex DataLens eller Microsoft Power BI. Det finns också mer specialiserade verktyg som AWS Panorama för datorsynsteknik, Yandex SpeechKit för taligenkänning och syntes, eller Google Vision AI för bildanalys.
Exempel:
Biologiska fakulteten, Moscow State University, tillsammans med Federal Research Center uppkallat efterMichurin, Tambov State University och VIM agroengineering center använde Yandex.Cloud -verktyg för att skapa ett trädgårdsövervakningssystem. Den används för att mer exakt uppskatta och förutsäga skördens volym och mer effektivt planera den fortsatta leveranskedjan.
Forskare laddar upp till Yandex molnlagring.Molnfotografier av frukter och använd Yandex DataSphere för att skapa en självlärande algoritm: den känner igen individuella äpplen på träd och räknar deras antal, och lär sig också att bestämma indikatorer som blomningsintensitet, skördeöverflöd per hektar och kvaliteten på själva frukterna.
Baserat på American Cancer SocietyGoogle Cloud analyserade olika bilder av organen hos kvinnor med bröstcancer och identifierade mönster i förekomsten och utvecklingen av sådana tumörer. Forskare använde Cloud ML Engine: maskininlärning gjorde det möjligt att utföra analyser 12 gånger snabbare. Dessutom, som författarna till studien noterar, ger användningen av molnet forskare möjlighet att skala resultaten av sitt arbete och använda resultaten i andra liknande projekt.
Internationell astronomisk forskningEvent Horizon Telescope -projektet använde datorkraften i Google Cloud för att skapa den första bilden av ett svart hål. För att skapa en sådan bild bearbetades enorma mängder data från teleskop: under observationsveckan mottogs i genomsnitt 350 TB data dagligen. För att bearbeta och analysera en sådan volym behövde forskare betydande kraft, så de vände sig till att använda molnet.
Skydda Baikal, utforska artefakter och leta efter sälar
Molnets roll i övergången av vetenskapliga projekt är också viktigtill modernare arbetsmetoder: från förlegade analysmetoder till användning av artificiell intelligens. Allt spelar roll här: den extra kapaciteten som finns tillgänglig i molnet, unika tjänster och den allmänna expertis som finns hos molnleverantörer.
Exempel:
Ett av de mest uppenbara exemplen på dettasynergi - samarbete mellan Yandex.Cloud och "Point No. 1", det längsta miljöövervakningsprogrammet i Ryssland, som har övervakat Bajkalsjöns hälsa i 75 år. Nyligen hotades projektet av nedläggning på grund av brist på resurser och allvarligt föråldrade dataanalystekniker.
Som en del av projektet, Yandex.Cloud, tillsammans med forskare, skapar ett intelligent system för att digitalt stödja processen att analysera vattenprover med hjälp av AI. För att träna en algoritm som kan känna igen mikroorganismer i Baikal-vattenprover, gav forskare mer än tusen bilder av varje typ av mikroorganism. I framtiden kommer denna "digitala assistent" att kunna identifiera upp till 400 arter av plankton och känna igen upp till 99 % av proverna automatiskt.
Stanford University utnyttjade möjligheternamoln från AWS för att skapa en databas med arkeologiska fynd: vi talar om fynd som upptäckts under utgrävningar på platsen för Çatalhöyük i Turkiet. Tidigare krävdes många timmars arbete av forskare att skapa och regelbundet uppdatera en databas som innehöll all information om ett föremål, som angav den exakta platsen för fyndet och andra detaljer om det - detta tog ungefär 20 timmar i veckan, och det var ofta förvirring på grund av uppdateringar som angetts av olika personer. Att flytta databasen till molnet har gjort processen att uppdatera information mycket effektivare.
Ännu ett exempel:US National Oceanic and Atmospheric Administration har använt molnet från Microsoft Azure för att skapa AI -verktyg för att studera och skydda polarsälar och vallvalar i Alaska. Tidigare studerade biologer manuellt tusentals flygfotografier och letade efter tecken på djuren som studerades, och information under denna tid blev ofta inaktuell. Nu används AI -verktyg för att göra jobbet: träning av modeller för artificiell intelligens och bearbetning av 20 TB data som samlats in av forskare sker i molnet.
Sluta avtal och säkerställa datasäkerhet
Ibland ett hinder för att använda molnetDet kan finnas en brist på expertis inom molnteknik: tillgången på bekväma verktyg och expertis från molnleverantörer löser till stor del detta problem. Vissa universitet och andra statliga forskningsorganisationer tror felaktigt att de inte kan ingå kontrakt för användning av molnteknik, vilket faktiskt inte är fallet.
I vissa fall saknas forskningsprojektfinansiella resurser. Många stora molntjänster har dock vetenskapliga stödprogram. I vissa länder finns det också rikstäckande projekt som bör främja tillämpningen av molnet inom vetenskap. Förra året lanserade USA National Research Cloud -projektet, där 22 universitet deltog, inklusive Stanford University och Carnegie Mellon University, liksom representanter för den amerikanska regeringen och kongressen, och teknikföretag inklusive Google, Microsoft, Amazon och IBM ... . Målet med projektet är att ge tillgång till molnfunktioner för forskare och hitta finansiering för liknande projekt.
I vissa fall kan forskare vara oroligafrågan om datasäkerhet i molnet. Faktum är att moderna molnplattformar har ett antal fördelar jämfört med sin egen fysiska infrastruktur: data distribueras över hela molnet och datacenter distribueras geografiskt, så om ditt datacenter misslyckas mildrar molnkonceptet detta. Dessutom övervakas molnplattformens säkerhet ständigt.
Molnet gör också samarbetet enklareom projekt och kunskapsdelning: till exempel låter ML-verktyg (DataSphere) dig dela forskningsresultat genom statlig besparing, så att andra forskare kan upprepa experimentet vid behov.
Vetenskapen kommer att fortsätta att flytta till molnet
Alla projekt vars författare vänder sig till molnettjänster, förenas först och främst av själva användningen av matematiska metoder och den därtill hörande ökningen av krav på hastigheten och volymen av informationsbehandling. Vetenskapliga institut kommer till molnet främst för ytterligare datorkraft och finns kvar på grund av tillgängligheten av färdiga verktyg och skalbara tjänster.
Läs mer:
Bromsningen av jordens rotation orsakade utsläpp av syre på planeten
Ny partikel upptäcktes vid Large Hadron Collider
Forskare har hittat det äldsta exemplet på tillämpad geometri