सभी को नमस्कार! मैं यहां
Eyevar परियोजना के बारे में बात करना चाहूंगा। लेकिन सबसे पहले, "सामाजिक" विज्ञान (नागरिक विज्ञान) के बारे में कुछ शब्द।
आप में से कई को BOINC (
Geektimes पर एक लेख ,
Android के लिए BOINC के बारे में समाचार ) जैसा एक प्लेटफ़ॉर्म याद है। अब इसकी लोकप्रियता, ऐसा लगता है, कम हो गया है, लेकिन कई परियोजनाएं अभी भी सक्रिय हैं, उदाहरण के लिए,
आइंस्टीन @ होम -
एलआईजीओ टेलीस्कोप के आंकड़ों के अनुसार कॉम्पैक्ट वस्तुओं से गुरुत्वाकर्षण तरंगों की खोज। वहाँ भागीदारी का सार सॉफ्टवेयर स्थापित करना था जो आपके कंप्यूटर पर एक या कई परियोजनाओं के लिए गणना करता है और परिणाम सर्वर को भेजता है। कई डेस्कटॉप कंप्यूटरों की कुल कंप्यूटिंग शक्ति काफी बड़ी है, लेकिन शीर्ष सुपर कंप्यूटरों से थोड़ा कम है। उदाहरण के लिए, 2013 में BOINC प्लेटफॉर्म की गति लगभग 9 PFlops थी, और नवीनतम सुपर कंप्यूटर (Tianhe-2) - 33 PFlops, यानी ~ 3.5 गुना तेज। आज, अंतर थोड़ा बड़ा है: BOINC में, गति दोगुनी हो गई (18 PFlops तक), और सुपर कंप्यूटर पहले से ही 100 PFlops मार्क के करीब आ गए हैं और exaflops- सुपर कंप्यूटर डिजाइन किए जा रहे हैं (1 EFFops = 1000 PFlops = 1,000,000 TFlops)। फिर भी, गणना के कुछ परिणाम दिए गए थे, और यदि आप चाहें, तो मैं वास्तविक दुनिया में इन परिणामों और उनके आवेदन की समीक्षा करूंगा।
कंप्यूटर समय दान का एक विकल्प परियोजनाओं में एक व्यक्ति की अधिक सक्रिय भागीदारी है। "सामाजिक" विज्ञान की ऐसी अभिव्यक्ति का एक उदाहरण गैलेक्सीज़ू प्रोजेक्ट्स है। यह परियोजना 2007 में शुरू हुई और अभी भी इसके प्रशंसकों की एक बड़ी संख्या है। अब मैं संख्याओं की तलाश नहीं कर रहा था, लेकिन कई परियोजनाओं ने अपेक्षित एक से अधिक गतिविधि का उल्लेख किया - उदाहरण के लिए, पहले वर्गीकरण की परियोजना में प्रति घंटे लगभग 70,000 वर्गीकरण थे। ये परियोजनाएं मुख्य रूप से पैटर्न खोजने के लिए मानव मस्तिष्क की क्षमता का उपयोग करती हैं (दूसरों के समान चित्र)। जबकि कार्यक्रम में संपूर्ण मूल्यांकन तर्क को संरक्षित करने की आवश्यकता होती है, अक्सर छोटे विवरणों में, एक व्यक्ति "संपूर्णता में" चित्र का मूल्यांकन कर सकता है, जबकि छवि दोषों की अनदेखी और छवि विमान के साथ प्रदर्शित वस्तु के अक्ष का बेमेल (दूसरे शब्दों में, जब ऑब्जेक्ट को अंतरिक्ष में तैनात किया जाता है और पक्ष से दिखाई देता है या दिखाई देता है) कुछ कोण पर)। यह माना जाता है कि उदाहरणों से प्रशिक्षित सरल लोग, जिनके पास अकादमिक डिग्री नहीं है, वे छवियों की सामग्री पर निष्कर्ष निकाल सकते हैं (उदाहरण के लिए, एक सर्पिल आकाशगंगा से एक अण्डाकार आकाशगंगा को भेद करने के लिए) वैज्ञानिकों द्वारा खुद से सांख्यिकीय रूप से बदतर नहीं। प्रारंभ में, गैलेक्सी चिड़ियाघर परियोजनाएं प्रकृति में खगोलीय थीं, और बाद में इसी इंजन पर
विज्ञान के अन्य क्षेत्रों से बड़ी संख्या में परियोजनाएं शुरू की गईं - तस्वीरों में समुद्री निवासियों या जानवरों की खोज से लेकर ब्रिटिश रॉयल नेवी के जहाज लॉग्स पढ़ने के लिए (प्रोजेक्ट स्वयं, ओल्ड वेदर, को बहाल करने का लक्ष्य था) 20 वीं सदी की शुरुआत का मौसम डेटा)।
अंत में, जिस परियोजना के बारे में मैं बात करना चाहता हूं, उसमें प्रतिभागी बहुत हद तक शामिल है - इसमें गेम का हिस्सा है (एक अनिवार्य "सम्माननीय बोर्ड" और सभी प्रकार के स्टेटस बैज), सोशल नेटवर्क का हिस्सा (अच्छी चर्चा के बारे में अच्छी चर्चा के लिए एक सक्रिय चैट) हम क्या करते हैं, साथ ही साथ जीवन के बारे में चर्चा के माध्यम से) और विज्ञान से भाग (डॉ। द आईवियर के अपरिहार्य सह-लेखक के साथ वैज्ञानिक प्रकाशनों के साथ)।
आईवायर एक माउस के मस्तिष्क में 3 डी संरचना और न्यूरॉन्स की कनेक्टिविटी को बहाल करने की एक परियोजना है, या बल्कि, इसके उस हिस्से को जो आंख से जुड़ा हुआ है (तथाकथित "कनेक्शन")। बेशक, मैं जानना चाहूंगा कि किसी व्यक्ति में मस्तिष्क के इस हिस्से को कैसे व्यवस्थित किया जाता है, लेकिन उसका मस्तिष्क बहुत अधिक जटिल है और इससे भी महत्वपूर्ण बात यह है कि कोई भी स्वस्थ मस्तिष्क को स्लाइस में नहीं काटेगा। गैलेक्सी चिड़ियाघर की तरह, आईवॉयर के पास निर्देशों के लंबे पढ़ने का एक चरण नहीं है - आप इसे पंजीकरण के बाद कुछ मिनटों में शुरू कर सकते हैं (आपको लॉगिन, पासवर्ड और मेल के अलावा कुछ भी नहीं पूछा जाएगा)।
बड़ा हरा बटन "खेल शुरू करो" - और आगे, विज्ञान के मार्ग पर! यहां "ब्राउज़ करें" मोड में इंटरफ़ेस का एक स्क्रीनशॉट है।
बाईं ओर एक ही बटन है, एक साधारण सेल के 3 डी पूर्वावलोकन के केंद्र में (यहां "मूंछ" - अंग्रेजी मूंछ सेल नामक एक मजाक के लिए), दाईं ओर एक "सम्मान का बोर्ड" है। गेम मोड में प्रवेश करने के बाद, आप मनमाने ढंग से चुने गए "क्यूब्स" में से एक के अंदर पहुंच जाते हैं - डेटा सेट के क्षेत्र जहां हमारी सेल की शाखाएं (डेंड्राइट्स) स्थित हैं।
खेल इंजन, पड़ोसियों के "क्यूब्स" पर डेटा के आधार पर, "क्यूब" से गुजरने वाले डेंड्राइट के हिस्से का एक प्रारंभिक मॉडल बनाता है। आप तेज किनारों, चट्टानों को देख सकते हैं - यह एक अधूरा मॉडल के लिए विशिष्ट है। हमारा कार्य इसे पूरा करना ठीक है। यह महत्वपूर्ण है कि डेंड्राइट से संबंधित क्षेत्रों को यथासंभव सटीक रूप से कैसे चित्रित किया जाए (क्योंकि उनमें से कोई भी किसी अन्य प्रक्रिया को जन्म दे सकता है), और अतिरिक्त डेटा पर कब्जा न करने का प्रयास करें, अन्यथा हम मॉडल में एक पूरी तरह से अलग सेल के डेंड्राइट का एक टुकड़ा शामिल करेंगे (इसे "विलय" कहा जाता है - अंग्रेजी विलय)। सुविधा के लिए, जब आप विमान पर एक टुकड़ा जोड़ते हैं, तो मॉडल की तुरंत कल्पना की जाती है। पहली तस्वीर से पता चलता है कि भरे हुए क्षेत्र में एक जगह है, हम इसे भी भर देंगे, लेकिन इससे भी महत्वपूर्ण बात, एक और क्षेत्र जो हमें डेंड्राइट को पूरा करने की अनुमति देगा। यहाँ यह है:
पेंटिंग के बाद, पहला भाग दिखाई देता है:
फिर हम बाकी हिस्सों को जोड़ते हैं, अन्य प्रकाश क्षेत्रों पर क्लिक करते हैं, और काली रेखाओं को काटे बिना (कट पर डेंड्राइट सीमाएं) यह सुनिश्चित करने के लिए कि मॉडल पूरा हो गया है, विमान में उच्च या निम्न जाएं, यदि आवश्यक हो, तो विमान को दूसरे पर बदलें (दाईं ओर टूलबार बटन का उपयोग करके) शीर्ष कोने या डी)। अंतिम दृश्य:
हम एक घन भेजते हैं। हम अंक प्राप्त करते हैं और अगले क्यूब पर जाते हैं। शुरुआती लोगों के लिए, आईवियर के लेखक एक विशेष इंटरैक्टिव स्क्रिप्ट के साथ आए थे जो वास्तविक समय में काम की शुद्धता को दर्शाता है (और क्यूब भेजने के बाद नहीं), यह प्रारंभिक चरण को सरल करता है। यदि आप 3 डी संरचनाओं के साथ अच्छी तरह से काम करते हैं और यह आपके लिए बहुत आसान है, तो चिंता न करें: शुरुआती लोगों के लिए केवल सरल कोशिकाएं उपलब्ध हैं, लेकिन आप एक और एक चुन सकते हैं और एक अतिरिक्त प्रशिक्षण परिदृश्य के बाद, दूसरे प्रकार की कोशिकाओं में काम करने के लिए जाएं:
मुझे लगता है कि यह पहली बार के लिए पर्याप्त है। मुझे आपको विशाल आईवॉयर में देखकर खुशी होगी! यदि लेख में रुचि है, तो मैं आपको थोड़ा और बता सकता हूं कि सेल मॉडल के निर्माण के बाद क्या होता है, साथ ही साथ खेल के और भी जटिल हिस्सों के बारे में - जहां स्काउट्स लापता शाखाओं या मर्जों की तलाश करते हैं, और "साफ" करते हैं। अंतिम परिणाम के लिए डेटा।
उन लोगों के लिए जो रुचि रखते हैं: आईवियर के अलावा, एक
मोजैक ब्रेनबिल्डर प्रोजेक्ट है (इसे लेख की तैयारी के दौरान पाया गया) - वर्तमान में बीटा संस्करण में, फोटो से टूटी हुई रेखाओं को खींचकर न्यूरॉन मॉडल बनाने का प्रस्ताव है, विवरण आईवियर की तुलना में बहुत कम है, लेकिन आवश्यकताएं इतनी महत्वपूर्ण नहीं हैं। अधिक सटीक ड्रग टारगेटिंग के लिए
Fold.It प्रोटीन की 3 डी संरचनाओं की खोज करने के लिए एक परियोजना भी है।
आपका ध्यान के लिए धन्यवाद!
UPD: जोड़ा दक्षता।
UPD2: धन्यवाद
Mad__Max , सुपर कंप्यूटर्स के प्रदर्शन माप की इकाइयों में निश्चित बग