AWS помогает ученым решать сложные задачи, предоставляя ресурсы, необходимые для ускорения научных разработок: экономически эффективные, масштабируемые и безопасные вычислительные ресурсы, а также хранилища и базы данных. С помощью AWS ученые могут быстро анализировать огромные конвейеры данных, хранить петабайты данных и делиться полученными результатами с коллегами во всем мире, посвящая себя науке, а не обслуживанию серверов.
Ускорение научных разработок
Создайте учетную запись AWS и первую вычислительную машину (или кластер) за считаные минуты. AWS позволяет вам заниматься экспериментами, а не серверами.
Снижение затрат
С тарифами по требованию вы платите только за то, что используете, и нет необходимости приобретать и обслуживать ИТ-оборудование или ждать в очереди.
Гибкость
AWS предлагает широкий спектр облачных услуг, поэтому можно выбрать ИТ-ресурсы, необходимые для вашей работы. 100 вычислительных инстансов, запущенных на 1 час, стоят столько же, сколько 1 вычислительный инстанс, запущенный на 100 часов.
Эластичность и масштабируемость
С помощью AWS можно автоматически регулировать сервисы, потребляя сколь угодно большой или малый объем ресурсов по мере необходимости и только тогда, когда это требуется.
Обмен данными и совместная работа
Сотрудничайте с коллегами, находящимися в соседнем офисе или по всему миру. Настроить общий доступ к данным, образам виртуальных машин или рабочим процессам можно за несколько секунд.
Безопасность
Развертывайте облачные инструменты AWS, предназначенные для обеспечения безопасности и конфиденциальности ваших данных. AWS также уделяет внимание нормативным требованиям в отношении конфиденциальных данных, предлагая соответствие Правилам международных перевозок вооружений США (ITAR) и другие механизмы соответствия требованиям в регионе AWS GovCloud (США).
Медицинский институт Нью-Йорка
Лаборатория AMP Калифорнийского университета в Беркли
Калифорнийский университет в Санта-Крус
Институт вычислений Чикагского университета
Университет штата Калифорния в Сан-Франциско
Национальная лаборатория по исследованию возобновляемых источников энергии
Программа AWS Research Cloud
Программа AWS Research Cloud помогает сосредоточиться на науке, а не на серверах, затратив при этом минимум усилий и будучи уверенными, что в облаке AWS данные и бюджет остаются в безопасности. Исследователи, работающие в государственных и образовательных учреждениях, имеют право на получение преимуществ в рамках программы. Подайте заявку на включение в программу, чтобы получить доступ к руководству по AWS Research Cloud и другим облачным ресурсам, созданным учеными для ученых.
AWS Research Initiative
AWS Research Initiative (ARI) объединяет Amazon Web Services (AWS) и национальный научный фонд (NSF), при этом AWS предоставляет облачные сервисы AWS путем выдачи рекламных кредитов AWS заявителям на гранты NSF, чтобы внедрять важнейшие методы, технологии и методологии для продвижения основ и применения больших данных в науке и инженерии (BIGDATA). Благодаря достижениям техники и технологий, например облачному искусственному интеллекту, машинному обучению, анализу больших данных и высокопроизводительным вычислениям (HPC), эти гранты помогут исследователям оптимально использовать их гранты NSF для ускорения темпов осуществления инноваций. Инженеры и ученые, подпадающие под действие данной программы, могут посмотреть подробности по ссылке.
Ускорение темпов исследований с AWS Snowball Edge
Исследователи из морского научного центра Хатфилда университета штата Орегон используют устройства AWS Snowball Edge для сбора изображений планктона и анализа полученных данных в режиме реального времени, заменяя оборудование на магнитной ленте, которое зачастую приходилось относить вручную в Центральный вычислительный центр школы. С AWS Snowball Edge передача данных больше не занимает несколько недель или месяцев, а темпы анализа не отстают от скорости сбора данных. Загружая необработанные исследовательские данные непосредственно в облако AWS, исследователи могут мгновенно использовать облачные вычислительные ресурсы по требованию, чтобы приниматься за научные открытия быстрее и экономичнее.
Анализ геномных данных для ускорения исследования новых лекарств
Компания Sequence Bio размещает на AWS платформу данных, которую использует для анализа больших объемов генетических данных. Sequence Bio – это канадская компания, тесно связанная с правительством Канады в рамках проводимых научных и медицинских программ. Компания использует AWS для обработки генетических данных в целях выявления шаблонов среди болезней и генетических групп. Полученные данные используются при разработке новых лекарственных веществ. В этом примере использования иллюстрируется безопасность и соответствие требованиям, обеспечиваемые AWS, а также сокращение времени на научные исследования. При этом особое внимание уделяется созданию лучшей в мире платформы для разработки новых лекарственных веществ на основе данных, для которой AWS обеспечивает максимальную безопасность и защиту.
Машинное обучение
С помощью Amazon Machine Learning исследователи могут ежедневно делать миллиарды прогнозов, выдавая их с высокой пропускной способностью в режиме реального времени. У разработчиков есть инструменты визуализации и мастеры для создания моделей машинного обучения (ML), которые используются для получения прогнозов для приложений, избегая зависимости от пользовательского кода или дополнительной ИТ-инфраструктуры.
Лаборатория по изучению алгоритмов, механизмов и людей (AMP) Калифорнийского университета в Беркли использует AWS и анализирует алгоритмы масштабирования и обработки данных генома быстрее и экономически эффективнее.
Alces Flight: доступные HPC по требованию.
Постройте самообслуживаемый суперкомпьютер (кластеры HPC) за несколько минут и получите доступ к сотням научных приложений и приложений для высокопроизводительных вычислений в AWS Marketplace. Alces Flight – это набор предложений программного обеспечения как услуги (SaaS), позволяющий ученым запускать несколько узлов, на которых заранее установлены компиляторы, библиотеки и набор более чем из 700 научных приложений, охватывающих почти каждую область: от инженерии, химии и геномики до статистики и дистанционного зондирования. Начало работы в AWS Marketplace.
Загрузить электронную книгу AWS «Персонализированная медицина и геномные исследования: профили в сфере научных исследований на базе облачных технологий»
Исследователи во всем мире изменяют медицину с помощью персональных планов лечения, основанных на уникальной генетике пациента. Эта электронная книга рассказывает об организациях, находящихся в авангарде данной медицинской революции, и показывает, какие возможности открываются при выполнении исследований в облаке AWS. Зарегистрироваться и загрузить электронную книгу.
Инструменты HPC
CfnCluster представляет собой инструмент, используемый для создания кластеров высокопроизводительных вычислений (HPC) – суперкомпьютеров – в облаке AWS и управления ими. Создание кластера занимает менее 10 минут, а после этого можно войти в кластер через главный узел, где будет открыт доступ к стандартным инструментам HPC, таким как планировщики, совместные хранилища и среда MPI. См. учебное пособие
Загрузите руководство по AWS Jupyter, чтобы узнать, как создать AMI для блокнотов Jupyter, а также шаблон AWS Cloud Formation для запуска инстансов AWS EC2 с Jupyter. Jupyter предоставляет исследователям «интерфейсы блокнотов» с доступом через Интернет с возможностью запускать свой код на 40 различных языках программирования, включая Python.
Модель «наука как сервис»
AWS предоставляет универсальный набор инструментов для хранения и анализа данных, а также совместного доступа к ним при любом масштабе, и для создания значимых научных приложений в целях развития научного сообщества.
Чикагский университет и Институт вычислений Аргоннской национальной лаборатории создали Globus, чтобы помочь исследователям управлять данными и вычислениями для сотрудничества. Система предоставляет необходимые инструменты, позволяя ученым сосредоточиться на науке, а не на обслуживании ИТ-инфраструктуры.
Благодаря пиринговым подключениям к глобальным исследовательским сетям AWS предоставляет исследователям надежные сетевые подключения к облаку AWS. Эти сетевые подключения позволяют организовать надежные перемещения данных между главным офисом, сайтами с наборами распределенных данных и AWS.
AWS делает расходы на облако более предсказуемыми путем отмены в облаке AWS платежей за исходящие данные для определенных исследователей и образовательных учреждений. Имеются в виду платежи, связанные с «передачей данных из AWS в Интернет». Подробнее.
Когда организации размещают данные на AWS в общедоступном виде, ученые получают к ним доступ и могут их анализировать, предлагая инновационные решения серьезных проблем. AWS предоставляет множество публичных наборов данных, доступных для исследователей и общественности, включая следующие.
Landsat 8: все сцены Landsat 8 за 2015 год и далее поступают в открытый доступ ежедневно, часто в течение нескольких часов после создания.
NASA NEX: коллекция научных данных о Земле, поддерживаемая НАСА; включает прогнозы изменения климата и спутниковые изображения поверхности Земли.
NEXRAD на AWS: данные в режиме реального времени и архивные данные сети метеорадаров нового поколения (NEXRAD).
Проект «1000 геномов»: этот набор данных содержит полные последовательности генома 1700 человек.
Атлас ракового генома (TCGA): исходные и обработанные геномные, транскриптомные и эпидемиологические данные из Атласа ракового генома, доступные квалифицированным исследователям через облако Cancer Genomics.
Международный консорциум генома рака (ICGC): данные последовательности полного генома, доступные квалифицированным исследователям благодаря Международному консорциуму генома рака.
См. полный список публичных наборов данных, доступных в облаке AWS.
Программа кредитов на облачные сервисы AWS для научно-исследовательских проектов поддерживает исследователей, которые стремятся построить публично доступные облачные приложения и инструменты по модели «наука как услуга», проводят испытания опытных образцов в облаке или обучают местные сообщества использованию облака для выполнения исследовательских рабочих задач. Подробнее.
