6 databehandlinger med høy ytelse som forandret verden

Markedsintelligens i sanntid, menneskelig anatomisk modellering, forutsigbar industriell utforskning, romvitenskap og mange flere menneskelige ekspedisjoner driver den nåværende verden inn i en ufattelig fremtid, ikke minst på grunn av høy ytelse databehandling (HPC).

Til tross for at det krever enorme ressurser, fortsetter høyytelsesdataprogrammer å rulle ut, takket være oppfinnelsen av superdatamaskiner og omfattende implementering av cloud computing. Disse teknologiene gjør livet enkelt, og støtter ufattelig rask databehandling.

Noen applikasjoner av HPC redesigner hvordan vitenskap vil tjene deg i fremtiden. Men først, hva er høytytende databehandling?

Hva er høytytende databehandling?

Høytytende databehandling refererer til systemets evne til å behandle en enorm mengde data og kjøre komplekse modeller raskt. HPC-programmer krever derfor en stor datakraft for å behandle terabyte, petabyte eller til og med zettabyte med data i sanntid.

Dermed er HPC avhengig av prinsippet om databehandling, nettverk og datalagring.

Når det er sagt, her er noen bemerkelsesverdige applikasjoner av høyytelses teknologi som har påvirket verden.

1. Prediktiv kardiovaskulær helse

Ingen tvil om at hjertesvikt er livstruende. Og kanskje en av utfordringene vi står overfor når vi prøver å forstå mekanismene, er forskjellene i hjertets anatomiske respons på ulike forhold. Følgelig blir det vanskelig å forutsi oppførselen i sanntid.

Heldigvis kommer noen HPC-baserte løsninger.

For eksempel, IBM, sammen med et forsvarslaboratorium, historisk simulert de homeostatiske mekanismene til det menneskelige hjertet på et molekylært nivå ved å bruke en av verdens raskeste superdatamaskiner, Sequoia, i 2012.

De utnyttet Sequioas høye datahastighet til å bygge en skalerbar modell kalt "Cardioid" for å etterligne og gjenoppbygge menneskets hjerte. Og i motsetning til tidligere programmer som bare kunne simulere omtrent ti hjerteslag eller lavere, kan Cardioid -programmet etterligne tusenvis av hjerteslag. I tillegg var den 300 ganger raskere enn de fleste modeller.

IBMs Cardioid-prosjekt er ikke det eneste høytytende databehandlingsprogrammet som revolusjonerer hjertehelsen, Dassault Systemes ' Living Heart Project er også en bemerkelsesverdig.

Dermed kan du forvente å se medisiner og forskjellige regimer testet på et simulert hjerte før de administreres til mennesker. Disse HPC -programmene lover også å forbedre kardiovaskulære enheter og organplassering under operasjoner.

I 2018, Google utviklet også en dyp læringsmodell som forutsier risiko for kardiovaskulær sykdom ved bruk av datasyn fra skannede netthinnebilder.

Teknologien fungerer ved å vurdere øyets blodkar og deretter bruke dette til å forutsi systolisk blodtrykk og identifisere andre risikopunkter.

Et slikt program hjelper tidlig med å oppdage kardiovaskulære problemer, noe som er en nøkkel til forebygging av dem.

Når det er sagt, dukker også simulerte elektrokardiogram (EKG) AI -modeller opp for å hjelpe effektiv diagnose for personer med ventrikulære anomalier. Følgelig, mens åpne hjerteoperasjoner blir mer vellykkede, driver verden mot en en tid der pasienter og leger er mer sikre på utfallet av hjerteoperasjoner enn noen gang før.

En vellykket anvendelse av kardiovaskulær modellering er rapporten av CNN helse av 3D-simuleringen av et 4 år gammelt jentes hjerte på Nicklaus Children's Hospital i 2015. Det er fenomenalt, ettersom kirurger var i stand til å operere en simulert versjon av pasientens hjerte og se for seg de beste operasjonelle prosedyrene før selve operasjonen.

2. Forstå det virale genomet

Selv om det virale genomet kan sekvenseres, er det vanskelig å forstå dets invasive patologi i sanntid ettersom det muterer. Men takket være databehandling med høy ytelse, utvikler banebrytende simuleringer av disse mekanismene. Og det hjelper beslutningstakere.

Et nyere eksempel på en høyytelses databehandling, i dette tilfellet, er CSIRO utforskning av det komplette genomet av COVID-19, som de simulerte på en CSIRO-superdatamaskin tidlig i 2020.

CSIRO Data61-teamet har vellykket simulert bindingsmekanismen for COVID-19 til den menneskelige ACE2-reseptoren.

COVID-19 er et aktivt muterende virus. Men en simulering av virkningsmekanismen går langt for å hjelpe forskere med å forstå de fleste av atferdene som utvikler seg. Et slikt gjennombrudd hjelper ikke bare forskere med å vite hvor en vaksine skal målrette mot et COVID-19 viralt genom. Men det er også en mal for utvikling av et prediktivt atferdsmønster for noen av de mest beryktede smittestoffene som noen gang er kjent.

Følgelig blir utvikling av legemidler og vaksiner billigere, raskere og mer effektiv for å bekjempe ulike smittestoffer.

Det er mulig at dette kan hjelpe forskere med å identifisere menneskelige supergener som kan motstå infeksjoner.

3. Autonom kjøringsteknologi

Algoritmen som kreves for å betjene et førerløst kjøretøy er komplisert, og den må behandle mange komplekse beregninger i sanntid. I hovedsak har en autonom lastebil eller bil ikke råd til et forsinkelse i noen av funksjonene. Dermed trenger de en svært pålitelig beregningshastighet for å kjøre.

Ulykkesimuleringer, hinderdeteksjon, rask og nøyaktig respons på sanser er de viktigste egenskapene til førerløse kjøretøyer for å navigere smart og trygt.

Selvfølgelig er formålet med å lage selvkjørende biler å utnytte nøyaktigheten av dyp læring for å redusere veibeskadelser og nøyaktig forutsi hvor du skal navigere.

Teknikk- og bilgiganter, inkludert Tesla, Waymo, Toyota, Honda, Volkswagen, blant andre, intensiverer innsatsen for å teste førerløse biler som overholder offentlige trafikksikkerhetsstandarder.

I slekt: Volkswagen planlegger å ha selvkjørende drosjer på veien innen 2025

Mange er imidlertid skeptiske til selvkjørende biler. Men denne teknologien, hvis den blir vellykket implementert, vil forandre transportens ansikt. Og kanskje fremme en kjøretur mot en tryggere vei og optimalisert drivstofforbruk.

4. Utvidet virkelighet

Med teknologier i utvikling og fremskritt innen cloud computing vil utvidet virkelighet uten tvil gjøre fantasier til realisme.

Augmented reality kan hjelpe deg med å velge og teste produktene du kjøper. Og det føles som om du ser dem fysisk. AR gjør det mulig å teste hvordan produkter som klær og tilbehør ser på deg før du kjøper dem.

Det dukker til og med opp i militære operasjoner. Et eksempel er Microsofts Integrated Visual Augmentation System (IVAS), som hjelper soldater med å se gjennom hele koordinaten i sanntid.

I slekt: Anvendelser av AR -teknologi i hverdagen

I sport kan spillere til og med trene praktisk talt ved hjelp av VR -teknologi. Fordypning i virtuell virkelighet er også en teknologi i utvikling som vil fremme mer realistiske visjoner i fremtiden.

Store teknologiselskaper, inkludert Microsoft, Google, blant andre, har investert i denne høyeffektive datateknologien. Og med ytterligere fremskritt tror vi at verden vil bli forvirret når TV og spill blir forsterket med realistiske landskap og perspektiver.

5. NASAs Solar Weather Monitoring

NASA, i 2019, utnyttet høyytelsesdatamaskin for å fjernovervåke den ekstreme ultrafiolette bestrålende naturen til solen som forårsaker solfakkel, forstyrrelsen av solvær.

Værforholdene til solsystemet påvirker oppskytningen av romfartøyer, satellitter og solstasjoner. Derfor, for å opprettholde menneskelig leting i verdensrommet og beskytte jorden, er det nødvendig å spore endringene i solværet over tid.

Og selvfølgelig kan en forvrengning i solvær også påvirke jordens overføringsverktøy, spesielt de som er avhengige av solsystemet på en eller annen måte.

NASA bruker et dedikert rominstrument kalt EVE MEGS-A for å fange solens aktiviteter. Men uttalt i sin forskningsartikkel publisert på Vitenskapelige fremskritt, at den nye modellen for dyp læring vil fylle hullet hvis EVE MEGS-A fungerer feil.

Så i forbindelse med Frontier Development Lab, simulerte NASA vellykket solobservatorieinstrumentet gjennom en dyp nevrale nettverksmodell. Fordi den er sanntid og dynamisk, resulterer denne løsningen i raske beslutninger.

Det er en livsendrende anvendelse av høyytelsesdatamaskin, ettersom det hjelper astronauter og reguleringsbyråer med å ta effektive beslutninger i forkant av en forestående katastrofe.

6. Flyproduksjon og aerodynamikk

Høytytende databehandling er også aktuelt for produksjon. Mange bransjer bruker nå denne teknologien til å modellere og forutsi hvordan uoppdagede materialer oppfører seg. Dermed skaper det en inngangsport til etableringen av nye industrimaterialer.

Beregningsvæskedynamikk er et av områdene der HPC har funnet sin hensikt. Simuleringen av vindturbiner, luftfartsdeler og forutsigelsen av materialets styrke har ført til oppfinnelsen av noen livsforandrende produkter.

AAI, for eksempel, er en luftfartsforsvarsteknologiorganisasjon som modellerer forskjellige flydeler basert på beregningsfluiddynamikk. AAIs modell fokuserer imidlertid på å utvikle HPC-optimaliserte systemer for å lage sikrere fly.

Simulia utviklet også simuleringsprogramvare som bruker beregningsfluiddynamikk for å simulere de dynamiske cruiseforholdene til et fly. Simulia og AAIs løsninger reduserer produksjonskostnader og tid ved å utrydde behovet for fysisk testing og sløsing med dyre materialer.

Driving Technologies of High-Performance Computing

Superdatamaskiner og cloud computing er de to viktigste drivkreftene til HPC -programmer. De tilbyr plass, hastighet og skalerbarhet.

I slekt: Vanlige myter om skyen som trenger sprengning

Lokale superdatamaskiner kan være utilstrekkelige til å følge med på kjøretiden som kreves av HPC-programmer når den skaleres opp. Og mens cloud computing er et skalerbart og raskere alternativ, edge computing er en skyløsning i utvikling som kan dominere databehandlinger med høy ytelse i fremtiden.

Hva er noen utfordringer med å skrive høytytende databehandlingsprogrammer?

Bruksområdene til HPC er ubegrensede, og de går på tvers av alle aspekter av livet. Så mens de utvikler feltspesifikke HPC-programmer, må programmerere ha stor kunnskap om dette feltet. Ellers blir det skremmende, ettersom de også prøver å takle det tekniske ved koden. En annen utfordring er imidlertid hvordan du skriver skalerbar og implementerbar kode.

Når det er sagt, vil datamaskin med høy ytelse bringe mer utvikling til verden, enda raskere enn du kanskje tror.

De 7 beste måtene å lære å kode gratis

Du kan ikke lære å kode gratis. Med mindre du gir disse velprøvde ressursene en sjanse, selvfølgelig.

Les neste

Om forfatteren