Набор инструментов для описания, систематизации, визуализации и анализа результатов экспериментальных исследований
IAAS, PAAS и SAAS инфраструктура:
Открытые стандарты:
Израильские медики ведут борьбу с раком молочной железы и яичников посредством исследований, которые порождают огромное количество информации из более чем 2000 последовательностей ДНК в Медицинской школе Икана на Горе Синай. Набор данных является гигантским — более 100 терабайт — и анализ происходит на защищенной облачной платформе через Amazon Web Services.
«Используя AWS, мы можем безопасно хранить исходные файлы со значительной долговечностью и доступностью», — сказал один из исследователей. «Мы не смогли бы провести наше исследование без него».
Today’s seismic interpreters must deal with enormous amounts of information, or ‘Big Data’, including seismic gathers, regional 3D surveys with numerous processing versions, large populations of wells and associated data, and dozens if not hundreds of seismic attributes that routinely produce terabytes of data.
Machine learning has evolved to handle Big Data. This incorporates the use of computer algorithms that iteratively learn from the data and independently adapt to produce reliable, repeatable results. Multi-attribute analyses employing principal component analysis (PCA) and self-organizing maps are components of a machine-learning interpretation workflow that involves the selection of appropriate seismic attributes and the application of these attributes in an unsupervised neural network analysis, also known as a self-organizing map, or SOM.
This identifies the natural clustering and patterns in the data and has been beneficial in defining stratigraphy, seismic facies, DHI features, sweet spots for shale plays, and thin beds, to name just a few successes. Employing these approaches and visualizing SOM results utilizing 2D color maps reveal geologic features not previously identified or easily interpreted from conventional seismic data.
Один из ведущих российских экспертов в области машинного обучения разработал наиболее эффективную на сегодняшний день методологию распознавания и диагностики диабетической ретинопатии.
«Всё новое — это хорошо забытое старое!»
Предложенное решение опирается на теорию глубоких сверточных нейронных сетей (deep Convolutional Neural Networks, CNNs), впервые опубликованную Яном ЛеКунном в 1998 году.
Филантропический фонд Марка Цукерберга и Присциллы Чан, управляющий $45 млрд, сделал свое первое приобретение. Организация выкупила поисковую систему Meta, которая поможет ученым искать, читать и связывать вместе данные из 26 млн научных работ. Покупка позволит сделать поисковик на основе искусственного интеллекта бесплатным для всех спустя несколько месяцев, которые уйдут на улучшение продукта, сообщает TechCrunch.
Meta индексирует целые репозитории научных исследований вроде PubMed и сканирует веб-сайты, идентифицируя и создавая профили авторов, анализируя кто и на что ссылается. По сути, это адаптация алгоритма Google PageRank для научного контента, которая позволяет легко находить релевантные исследования и приоритизировать их. Она также позволяет ученым подписываться на обновления по конкретной теме, сообщая о выходе новых исследований.