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.

s1

Ускорение научных разработок

Создайте аккаунт AWS и первую вычислительную машину (или кластер) за считаные минуты. AWS позволяет вам заниматься экспериментами, а не серверами.


s2

Снижение затрат
Система цен на ресурсы по требованию позволяет платить только за то, что используете, и нет необходимости приобретать и обслуживать ИТ-оборудование или ждать в очереди.

s3

Гибкость

AWS предлагает широкий спектр облачных сервисов, 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.

 

s4

Масштабирование и эластичность

С помощью AWS можно автоматически регулировать использование сервисов, потребляя сколь угодно большой или малый объем ресурсов по мере необходимости и только тогда, когда это требуется. 

s5

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.

s6

Безопасность

Развертывайте инструменты облака AWS, предназначенные для обеспечения безопасности и конфиденциальности ваших данных. AWS также уделяет внимание нормативным требованиям в отношении конфиденциальных данных, предлагая механизмы обеспечения соответствия Правилам международных перевозок вооружений США (ITAR) и другие механизмы соответствия требованиям в регионе AWS GovCloud (США).

Программа AWS Research Cloud

Программа AWS Research Cloud помогает сосредоточиться на науке, а не на серверах. Затратив минимум усилий, вы будете полностью уверены в безопасности данных и бюджета в облаке AWS. 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 для использования важнейших методов, технологий и методологии с целью продвижения основ и применения больших данных в науке и инженерии (BIGDATA). Благодаря достижениям техники и технологий, таким как облачный искусственный интеллект, машинное обучение, анализ больших данных и высокопроизводительные вычисления (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 благодаря AWS Snowball Edge

Исследователи из Морского научного центра Хатфилда при Университете 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 главный вычислительный центр учреждения. Благодаря 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 большого объема 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 позволяют получать прогнозы 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: простые высокопроизводительные вычисления 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 ПО 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.

 

Учебное пособие

Загрузить электронную книгу «AWS Personalized Medicine and Genomic Research: Profiles in Cloud-Enabled Scientific Discovery» («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.

Электронная книга AWS

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. После него 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 и возможностью запускать свой код на более 40 различных языках программирования, включая Python.

Учебное пособие

Модель «наука как услуга»

AWS предоставляет универсальный набор инструментов для хранения и анализа данных, для совместного доступа к ним при любом масштабе, а также 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.

esa
I2
aarnet

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 облако 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.