边缘计算如何缓解生命科学中的挑战
在强大、可持续和可扩展的基础设施系统的支持下,生命科学组织已经展示了他们执行令人难以置信的壮举的能力。在本文中,我们将探讨边缘计算如何实现生命科学创新的下一次飞跃……
对于任何行业而言,扩大规模以满足意外需求都具有挑战性。当挑战不仅针对生产,而且针对生命科学等高科技或先进领域的研究时,至少可以说这项任务是艰巨的。
2020 年,当全球 Covid-19 大流行的规模为人所知时,生命科学行业进入超速发展。加大研究、大规模测试和疫苗生产的力度,企业发现自己面临着以极快的速度开发新疫苗的前所未有的挑战。
根据麦肯锡的评论,通常需要长达 10 年的时间,只用了一年就完成了;生产 15 种候选疫苗,这些候选疫苗获得了紧急或完全授权,可以在全球各大洲使用。
“可以毫不夸张地说,Covid-19 疫苗的开发和部署正在抓住并激发全世界数百万甚至数十亿人的希望。这是一项将创造历史的科学、工业、监管和物流成就,”麦肯锡表示。然而,根据辉瑞公司的说法,这种加速只有通过利用关键数据基础设施才能实现,这些基础设施用于数据收集、聚合、处理和分析,并且可以实现跨不同国家的动态团队协作、同行评审和监管监督。
拯救生命的科学基础设施
需要能够快速扩展此类系统,同时采用新的基础架构,以确保在靠近数据生成和使用位置的地方提供处理能力。诸如边缘计算系统之类的系统在这一巨大的努力中发挥了关键作用。
此外,英国和爱尔兰在这场造福全人类的大规模努力中发挥了关键作用。例如,作为生命科学中心,爱尔兰拥有 10 家全球主要生命科学公司,并代表其中的 20 家。此外,英国还拥有大量开创性的生命科学和全球制药组织,其中许多组织都有诞生于英国或有渊源。麦肯锡将英国称为全球领导者和“欧洲领先的生物技术中心”,这一点显而易见,Exscientia、阿斯利康和BioNTech等组织在药物发现和疾病预防方面处于领先地位。
投资也在这两个地区继续快速发展。例如,礼来(Eli Lilly)投资 4 亿欧元扩建其利默里克(Limerick)设施,这将使该公司能够扩大其生产创新药物的能力,从而帮助治疗世界上一些最严重的疾病。
基因组学的世界领先者
拯救生命研究的另一个重要例子是Wellcome Sanger Institute。该研究所位于英国剑桥附近,利用基因组数据来促进对人类 DNA 的理解。这是一项高度数据密集型操作,可向各种医疗保健和生命科学组织以及商业合作伙伴提供基因组数据。
计算一直是 Sanger 科学的核心,该研究所依赖于每天可以产生超过 2TB 数据的基因组测序机器。所有这些都必须在本地存储、处理和分析,并提供给其他研究机构。
促进该研究所的一个关键组成部分是其数据中心和边缘计算能力。每台机器每天将超过 2TB 的数据发送回中央数据湖进行初级处理将是繁琐、不切实际且昂贵的。然而,该研究所拥有自己的专用现场基础设施来缓解这一挑战,这是欧洲最大的基因组数据中心,其每个基因组测序仪都受到包括不间断电源 (UPS) 在内的分布式电源保护设备的保护。
数据量和速度使得云服务不适合研究所的要求,这意味着其 4MW 数据中心的物理位置至关重要。作为边缘计算设施,数据中心是科学界和基于校园的商业合作伙伴分析数据和映射的基因组的地方。
在靠近数据产生地的地方拥有主要处理能力的能力使生命科学组织(如研究所)能够开展其重要工作。拥有可通过单一管理平台管理的可靠、高效的数据中心基础设施所节省的成本也将帮助研究所降低其数据中心运营成本。反过来,这意味着 Sanger 可以在研究上投入更多资金,以便更快地做出新发现。
数据中心和边缘
然而,边缘计算系统必须得到强大的数据中心基础设施的支持,该基础设施支持可用、可靠、有弹性的基础设施——其快速部署需要快速扩展的解决方案和新的设计方法。
预制的模块化数据中心配备了最节能的基础设施设备,使生命科学和生物技术公司能够灵活地将数据中心放置在他们需要的地方。这些技术的预先设计、预先测试和标准化特性还能够满足压缩的部署时间,但从运行的那一刻起就具有弹性保证。
这些边缘计算架构的组合,加上强大的、可扩展的、易于部署的模块化数据中心,有能力成倍增加生命科学的努力,朝着过去几年疫苗成就的规模迈进。
边缘计算能够减轻与医疗保健和生命科学相关的风险,因为它能够在更接近数据生成和使用位置的地方处理数据,从而通过更快的检测、更小的攻击面和更快的响应时间来减少受到攻击的风险。
将云的力量与人工智能和机器学习能力相结合的下一代软件系统也显着增强了网络安全。这些工具提供了对关键漏洞的全面洞察,其中一些工具能够主动识别需要修补和现代化的遗留平台。这些全面的监控和管理工具用于边缘计算和数据中心环境,以确保生命科学基础设施系统安全、有弹性并且不会出现停机和漏洞。
人们不能低估生命科学对全球人口健康和福祉的贡献。这些组织继续展示出加强和执行令人难以置信的创新壮举和保护人类的能力。在能够与行业的速度、敏捷性和可靠性相匹配的数据基础设施的支持下,药物发现和疾病预防方面的创新将继续保持步伐。
边缘计算凭借其支持生命科学现代需求的独特能力,将确保没有什么能阻止转型的步伐,并确保其影响力继续造福地球上的每一个人。
以上是边缘计算如何缓解生命科学中的挑战的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

本站7月5日消息,格芯(GlobalFoundries)于今年7月1日发布新闻稿,宣布收购泰戈尔科技(TagoreTechnology)的功率氮化镓(GaN)技术及知识产权组合,希望在汽车、物联网和人工智能数据中心应用领域探索更高的效率和更好的性能。随着生成式人工智能(GenerativeAI)等技术在数字世界的不断发展,氮化镓(GaN)已成为可持续高效电源管理(尤其是在数据中心)的关键解决方案。本站援引官方公告内容,在本次收购过程中,泰戈尔科技公司工程师团队将加入格芯,进一步开发氮化镓技术。G
