สิ่งที่นักวิทยาศาสตร์กำลังทำอยู่ในกลุ่มเมฆ: ตั้งแต่การติดตามไบคาลไปจนถึงการวิเคราะห์จีโนม

เมฆสำหรับลูกไฟไร้คนขับและการวิเคราะห์จีโนม

เพื่อดำเนินการศึกษาต่อมหาวิทยาลัยและวิทยาศาสตร์มากมาย

องค์กรต้องการค่อนข้างจริงจังพลังการประมวลผลเป็นเหตุผลแรกที่พวกเขาหันมาใช้แพลตฟอร์มคลาวด์ คลาวด์กลายเป็นทางเลือกที่ยืดหยุ่นและสะดวกสบายมากขึ้น (โดยเฉพาะสำหรับทีมที่มีการกระจายทางภูมิศาสตร์) แทนที่จะซื้อหรือเช่าอุปกรณ์ที่จำเป็น

ตัวอย่าง:

ทีมแข่งของมหาวิทยาลัยเทคนิคแห่งรัฐมอสโก เอ็น.อี.Bauman's (Bauman Racing Team) ใช้พลังคลาวด์เพื่อสร้างรถแข่งไร้คนขับ ระบบขับขี่อัตโนมัติมีอัลกอริธึมที่จดจำวัตถุในสนามแข่งแบบเรียลไทม์ ช่วยให้รถเคลื่อนที่ไปในทิศทางที่ถูกต้อง สำหรับการรับรู้ดังกล่าว นักพัฒนาได้ใช้โครงข่ายประสาทเทียม และการฝึกอบรมเครือข่ายประสาทเทียมเหล่านี้เกิดขึ้นในคลาวด์

ทีม Bauman Racing ใช้บริการครับการพัฒนา ML (การเรียนรู้ของเครื่อง) Yandex DataSphere สำหรับการฝึกอบรมเครือข่ายประสาทเทียมสองเครือข่ายที่ประมวลผลภาพ การใช้เครื่องมือนี้ทำให้สามารถเพิ่มความเร็วและความสะดวกในการเรียนรู้อัลกอริธึมได้อย่างมาก ตอนนี้หนึ่งในเครือข่ายประสาทเทียมได้ส่งภาพผ่านตัวมันเอง 7,000 ภาพ และครั้งที่สอง - 3,000 ภาพ

ศูนย์ประยุกต์วิธีการเชิงปริมาณในชีววิทยาที่ German University of Tübingen ร่วมมือกันในโครงการวิจัยจีโนมกับบริการคลาวด์ของ Amazon - AWS นักวิทยาศาสตร์ชาวเยอรมันใช้ระบบคลาวด์เพื่อวิเคราะห์ตัวอย่างทางพันธุกรรมนับหมื่นตัวอย่างและระบุรูปแบบต่างๆ เช่น ความแตกต่างในการแสดงออกของยีนระหว่างเนื้อเยื่อที่มีสุขภาพดีและเนื้อเยื่อที่เป็นโรค การใช้ระบบคลาวด์ทำให้สามารถลดเวลาในการวิจัยจีโนมลงได้ 50% และทำให้งานในโครงการเร็วขึ้น

การแสดงออกของยีน- กระบวนการเปลี่ยนแปลงทางพันธุกรรมข้อมูล (ลำดับนิวคลีโอไทด์ของ DNA) ใน RNA หรือโปรตีน เป็นการควบคุมการแสดงออกของยีนที่ทำให้เซลล์สามารถควบคุมโครงสร้างได้ การควบคุมลักษณะการแสดงออกของยีนมีอิทธิพลต่อการทำงานของยีนอื่นๆ ทั่วทั้งสิ่งมีชีวิต

นับแอปเปิ้ล มองหามะเร็ง และวิเคราะห์ภาพหลุมดำ

ปัจจุบัน ผู้ให้บริการระบบคลาวด์มอบเครื่องมือสำเร็จรูปที่สะดวกสบายสำหรับการพัฒนา ML และการทำงานกับข้อมูล และนี่คือเหตุผลที่สองว่าทำไมองค์กรวิทยาศาสตร์จึงหันมาใช้ระบบคลาวด์

เครื่องมือเหล่านี้รวมถึงเป็นหลักบริการสำหรับการเรียนรู้ของเครื่อง: Yandex DataSphere, Google Cloud ML หรือ Azure ML บริการสำหรับการดูและการแสดงข้อมูลอย่างง่ายดายเป็นที่สนใจของนักวิจัย เช่น Yandex DataLens หรือ Microsoft Power BI นอกจากนี้ยังมีเครื่องมือเฉพาะทางอีกมากมาย เช่น AWS Panorama สำหรับเทคโนโลยีคอมพิวเตอร์วิทัศน์ Yandex SpeechKit สำหรับการรู้จำเสียงและการสังเคราะห์เสียง หรือ Google Vision AI สำหรับการวิเคราะห์ภาพ

ตัวอย่าง:

คณะชีววิทยา มหาวิทยาลัยแห่งรัฐมอสโก พร้อมด้วยศูนย์วิจัยของรัฐบาลกลางที่ตั้งชื่อตามMichurin, Tambov State University และศูนย์วิศวกรรมเกษตร VIM ใช้เครื่องมือ Yandex.Cloud เพื่อสร้างระบบตรวจสอบสวน ใช้เพื่อประมาณการและคาดการณ์ปริมาณการเก็บเกี่ยวได้แม่นยำยิ่งขึ้น และวางแผนห่วงโซ่อุปทานต่อไปได้อย่างมีประสิทธิภาพมากขึ้น

นักวิทยาศาสตร์อัปโหลดไปยังที่เก็บข้อมูลบนคลาวด์ของ Yandexถ่ายภาพผลไม้บนคลาวด์และใช้ Yandex DataSphere เพื่อสร้างอัลกอริธึมการเรียนรู้ด้วยตนเอง โดยจะจดจำแอปเปิ้ลแต่ละลูกบนต้นไม้และนับจำนวน และยังเรียนรู้ที่จะกำหนดตัวบ่งชี้ เช่น ความเข้มของการออกดอก ความอุดมสมบูรณ์ของการเก็บเกี่ยวต่อเฮกตาร์ และคุณภาพของผลไม้ด้วย

สมาคมโรคมะเร็งแห่งสหรัฐอเมริกาGoogle Cloud วิเคราะห์รูปภาพอวัยวะต่างๆ ของผู้หญิงที่เป็นมะเร็งเต้านม และระบุรูปแบบการเกิดและการพัฒนาของเนื้องอกดังกล่าว นักวิทยาศาสตร์ใช้ Cloud ML Engine: แมชชีนเลิร์นนิงทำให้การวิเคราะห์เร็วขึ้น 12 เท่า นอกจากนี้ ในฐานะผู้เขียนบันทึกการศึกษานี้ การใช้ระบบคลาวด์ช่วยให้นักวิทยาศาสตร์มีโอกาสขยายผลการทำงานของพวกเขา และใช้ข้อค้นพบในโครงการอื่นที่คล้ายคลึงกัน

การวิจัยดาราศาสตร์นานาชาติโครงการกล้องโทรทรรศน์ขอบฟ้าเหตุการณ์ใช้พลังการคำนวณของ Google Cloud เพื่อสร้างภาพแรกของหลุมดำ ในการสร้างภาพดังกล่าว ข้อมูลจำนวนมหาศาลที่ได้รับจากกล้องโทรทรรศน์ได้รับการประมวลผล ในช่วงสัปดาห์ของการสังเกตการณ์ ได้รับข้อมูลเฉลี่ย 350 TB ทุกวัน ในการประมวลผลและวิเคราะห์ปริมาณดังกล่าว นักวิทยาศาสตร์ต้องการพลังมหาศาล ดังนั้นพวกเขาจึงหันมาใช้คลาวด์

ปกป้องไบคาล สำรวจสิ่งประดิษฐ์ และค้นหาแมวน้ำ

บทบาทของคลาวด์ในการเปลี่ยนแปลงโครงการทางวิทยาศาสตร์ก็มีความสำคัญเช่นกันไปจนถึงวิธีการทำงานที่ทันสมัยมากขึ้น: จากวิธีการวิเคราะห์ที่ล้าสมัยไปจนถึงการใช้ปัญญาประดิษฐ์ ทุกสิ่งมีความสำคัญที่นี่: ความจุเพิ่มเติมที่มีอยู่ในระบบคลาวด์ บริการที่เป็นเอกลักษณ์ และความเชี่ยวชาญทั่วไปของผู้ให้บริการระบบคลาวด์

ตัวอย่าง:

หนึ่งในตัวอย่างที่ชัดเจนที่สุดของเรื่องนี้การทำงานร่วมกัน - ความร่วมมือระหว่าง Yandex.Cloud และ "Point No. 1" ซึ่งเป็นโครงการตรวจสอบด้านสิ่งแวดล้อมที่ยาวนานที่สุดในรัสเซียซึ่งติดตามสุขภาพของทะเลสาบไบคาลมาเป็นเวลา 75 ปี เมื่อเร็วๆ นี้ โครงการนี้อยู่ภายใต้การขู่ว่าจะปิดตัวลงเนื่องจากขาดทรัพยากรและเทคโนโลยีการวิเคราะห์ข้อมูลที่ล้าสมัยอย่างมาก

เป็นส่วนหนึ่งของโครงการ Yandex.คลาวด์ ร่วมกับนักวิทยาศาสตร์ กำลังสร้างระบบอัจฉริยะเพื่อรองรับกระบวนการวิเคราะห์ตัวอย่างน้ำโดยใช้ AI ด้วยระบบดิจิทัล เพื่อฝึกอัลกอริธึมที่สามารถจดจำจุลินทรีย์ในตัวอย่างน้ำไบคาล นักวิทยาศาสตร์ได้จัดเตรียมภาพจุลินทรีย์แต่ละประเภทไว้มากกว่าหนึ่งพันภาพ ในอนาคต “ผู้ช่วยดิจิทัล” นี้จะสามารถระบุแพลงก์ตอนได้มากถึง 400 ชนิด และจดจำตัวอย่างได้มากถึง 99% โดยอัตโนมัติ

มหาวิทยาลัยสแตนฟอร์ดใช้ประโยชน์จากโอกาสต่างๆระบบคลาวด์จาก AWS เพื่อสร้างฐานข้อมูลการค้นพบทางโบราณคดี: เรากำลังพูดถึงการค้นพบที่ค้นพบระหว่างการขุดค้นที่ไซต์ çatalhöyük ในตุรกี ก่อนหน้านี้ การสร้างและอัปเดตฐานข้อมูลเป็นประจำซึ่งมีข้อมูลทั้งหมดเกี่ยวกับรายการ ซึ่งระบุตำแหน่งที่แน่นอนของการค้นหาและรายละเอียดอื่น ๆ เกี่ยวกับรายการนั้น นักวิทยาศาสตร์ต้องใช้เวลาทำงานหลายชั่วโมง ซึ่งใช้เวลาประมาณ 20 ชั่วโมงต่อสัปดาห์ และบ่อยครั้งที่มี ความสับสนเนื่องจากการอัพเดตที่ป้อนโดยบุคคลอื่น การย้ายฐานข้อมูลไปยังคลาวด์ทำให้กระบวนการอัปเดตข้อมูลมีประสิทธิภาพมากขึ้น

อีกหนึ่งตัวอย่าง:สำนักงานบริหารมหาสมุทรและบรรยากาศแห่งชาติของสหรัฐอเมริกาได้ใช้ระบบคลาวด์จาก Microsoft Azure เพื่อสร้างเครื่องมือ AI เพื่อช่วยในการศึกษาและปกป้องแมวน้ำขั้วโลกและวาฬเบลูก้าในอลาสก้า ก่อนหน้านี้ นักชีววิทยาได้ศึกษาภาพถ่ายทางอากาศด้วยตนเองหลายพันภาพและมองหาสัญญาณของสัตว์ที่อยู่ในระหว่างการศึกษา และข้อมูลในช่วงเวลานี้มักจะล้าสมัย ขณะนี้ มีการใช้เครื่องมือ AI ในการทำงาน: การฝึกอบรมแบบจำลองปัญญาประดิษฐ์และการประมวลผลข้อมูล 20 TB ที่นักวิทยาศาสตร์รวบรวมได้เกิดขึ้นในระบบคลาวด์

ทำสัญญาและรับรองความปลอดภัยของข้อมูล

บางครั้งอุปสรรคในการใช้ระบบคลาวด์อาจขาดความเชี่ยวชาญในด้านเทคโนโลยีคลาวด์: ความพร้อมใช้งานของเครื่องมือที่สะดวกสบายและความเชี่ยวชาญจากผู้ให้บริการคลาวด์ช่วยแก้ปัญหานี้ได้เป็นส่วนใหญ่ มหาวิทยาลัยบางแห่งและองค์กรวิจัยสาธารณะอื่นๆ เชื่ออย่างผิดๆ ว่าไม่สามารถทำสัญญาสำหรับการใช้เทคโนโลยีคลาวด์ได้ ซึ่งจริงๆ แล้วไม่เป็นเช่นนั้น

ในบางกรณี โครงการวิจัยยังขาดทรัพยากรทางการเงิน อย่างไรก็ตาม บริการคลาวด์ขนาดใหญ่จำนวนมากมีโปรแกรมสนับสนุนด้านวิทยาศาสตร์ ในบางประเทศ ยังมีโครงการระดับประเทศที่ควรส่งเสริมการใช้คลาวด์ในด้านวิทยาศาสตร์ ปีที่แล้ว สหรัฐฯ ได้เปิดตัวโครงการ National Research Cloud โดยมีมหาวิทยาลัยเข้าร่วม 22 แห่ง ได้แก่ Stanford University และ Carnegie Mellon University ตลอดจนตัวแทนจากรัฐบาลและสภาคองเกรสของสหรัฐฯ และบริษัทเทคโนโลยีต่างๆ เช่น Google, Microsoft, Amazon และ IBM .. . เป้าหมายของโครงการคือการให้การเข้าถึงความสามารถของระบบคลาวด์สำหรับนักวิจัยและหาเงินทุนสำหรับโครงการที่คล้ายคลึงกัน

ในบางกรณีนักวิทยาศาสตร์อาจมีความกังวลปัญหาความปลอดภัยของข้อมูลในระบบคลาวด์ ในความเป็นจริง แพลตฟอร์มคลาวด์สมัยใหม่มีข้อได้เปรียบหลายประการเมื่อเทียบกับโครงสร้างพื้นฐานทางกายภาพของตัวเอง กล่าวคือ ข้อมูลจะถูกกระจายไปทั่วคลาวด์ และศูนย์ข้อมูลก็กระจายตามพื้นที่ทางภูมิศาสตร์ ดังนั้น หากศูนย์ข้อมูลของคุณล้มเหลว แนวคิดของระบบคลาวด์ก็จะบรรเทาปัญหานี้ลง นอกจากนี้ยังมีการตรวจสอบความปลอดภัยของแพลตฟอร์มคลาวด์อย่างต่อเนื่อง

คลาวด์ยังทำให้การทำงานร่วมกันง่ายขึ้นเกี่ยวกับโครงการและการแบ่งปันความรู้: ตัวอย่างเช่น เครื่องมือ ML (DataSphere) ช่วยให้คุณสามารถแบ่งปันผลการวิจัยผ่านการบันทึกสถานะ เพื่อให้นักวิทยาศาสตร์คนอื่นสามารถทำการทดลองซ้ำได้หากจำเป็น

วิทยาศาสตร์จะย้ายไปอยู่บนคลาวด์ต่อไป

โครงการทั้งหมดที่ผู้เขียนหันไปใช้ระบบคลาวด์บริการต่าง ๆ รวมกันเป็นหนึ่ง ประการแรก โดยการใช้วิธีการทางคณิตศาสตร์และความต้องการที่เพิ่มขึ้นที่เกี่ยวข้องสำหรับความเร็วและปริมาณของการประมวลผลข้อมูล สถาบันวิทยาศาสตร์มาที่ระบบคลาวด์เป็นหลักเพื่อเพิ่มพลังการประมวลผล และยังคงอยู่เนื่องจากความพร้อมของเครื่องมือสำเร็จรูปและบริการที่ปรับขนาดได้

อ่านเพิ่มเติม:

การหมุนของโลกช้าลงทำให้เกิดการปล่อยออกซิเจนบนดาวเคราะห์

พบอนุภาคใหม่ที่ Large Hadron Collider

นักวิทยาศาสตร์ได้พบตัวอย่างที่เก่าแก่ที่สุดของเรขาคณิตประยุกต์