Rencontrez le nouveau membre de l'équipe de recherche Help Stop TB
- Détails
- Écrit par : franky82
- Catégorie parente: Actualités
Récapitulatif
Les chercheurs ont récemment accueilli un nouveau membre de l'équipe qui concevra des approches d'apprentissage automatique.
Contexte
En octobre, l'Organisation mondiale de la santé a publié les statistiques mondiales les plus récentes sur la tuberculose, notamment les suivantes :
- En 2019, environ 10 millions de personnes ont contracté la tuberculose.
- 1,4 million de personnes sont décédées de la tuberculose en 2019.
- La tuberculose reste l'une des 10 principales causes de décès dans le monde et la principale cause d'un seul agent infectieux (au-dessus du VIH / SIDA).
Le projet Help Stop TB a été créé pour étudier la gaine de Mycobacterium tuberculosis, la bactérie responsable de la tuberculose. En savoir plus sur cette gaine pourrait aider les scientifiques à mieux comprendre comment la bactérie se protège, ce qui pourrait à son tour aider à la recherche continue de meilleurs traitements.
Bienvenue, Connor !
Nous sommes ravis d'accueillir Connor McGee en tant que nouveau membre de l'équipe de recherche Help Stop TB.
Connor est doctorant dans le cadre du programme de formation doctorale BBSRC à l'Université de Nottingham. Dans le cadre du programme, il a effectué deux stages de recherche distincts de 8 semaines avant de choisir un projet final. Dans son diplôme précédent, Connor s'est spécialisé dans le domaine des neurosciences computationnelles, combinant divers outils des mathématiques et des neurosciences pour aider à résoudre le casse-tête des cellules gliales dans le cerveau.
Lors de la sélection de ses différents projet, Connor s'est vu offrir l'opportunité de s'éloigner de son expertise immédiate, dans le monde de la chimie computationnelle dans le cadre du projet Help Stop TB. Il était un peu nerveux au début, mais s'est rapidement passionné pour l'étude de la façon dont les molécules se replient et s'assemblent en des structures plus complexes. Lorsque le moment est venu de faire une sélection finale de projet, Connor était prêt à se lancer dans les travaux du groupe Croft sur la structure moléculaire et à résoudre de nouvelles énigmes chimiques passionnantes.
S'appuyant sur son expérience antérieure dans le développement de statistiques et de méthodologies, Connor concevra des approches d'apprentissage automatique qui peuvent être utilisées pour aider à étudier les données générées tout au long du projet Help Stop TB. En intégrant l'apprentissage automatique à des boîtes à outils multidisciplinaires innovantes, Connor espère aider à comprendre les facteurs régissant le repliement de l'acide mycolique tout en garantissant l'explicabilité, l'interprétabilité et la transparence.
Merci à tous ceux qui soutiennent ce projet !
1er juillet 2021
traduction de l'article WCG : https://www.worldcommunitygrid.org/about_us/viewNewsArticle.do?articleId=714
- Affichages : 647
MLC@Home : mise à jour de juillet
- Détails
- Écrit par : franky82
- Catégorie parente: Actualités
Notes pour le 1er juillet 2021
Un résumé mensuel des nouvelles et des notes pour MLC@Home
Résumé
Joyeux premier anniversaire à MLC@Home ! Ce projet a été mis en ligne le 1er juillet 2020 et a fait son chemin assez rapidement dans la communauté BOINC. Nous sommes restés concentrés sur notre objectif, qui est d'ouvrir la boîte noire des réseaux de neurones pour expliquer pourquoi ils font les choix qu'ils font. C'est tellement important que l'apprentissage automatique imprègne de plus en plus notre vie quotidienne ; des voitures autonomes aux décisions bancaires et aux diagnostics médicaux. Nous avons besoin de recherches pour comprendre comment éviter les biais de ces systèmes.
Nous sommes également le premier, et à ce jour le seul, projet public BOINC axé sur l'apprentissage automatique. Cela signifie que bien que nous puissions tirer parti du cadre BOINC pour la gestion des tâches, nous devons créer la plupart de l'infrastructure client ML à partir de zéro. Cela n'a pas toujours été facile, mais nous avons accompli tant de choses au cours de la dernière année malgré tout.
Au cours de la dernière année, nous avons :
- Contributions reçues de plus de 2500+ bénévoles et de 9200+ hôtes
- Traitement de plus de 3,4 millions d' unités de travail BOINC
- Formation de plus de 1,1 million de réseaux de neurones pour l'analyse de 3 ensembles de données différents, les plus grands ensembles de données de leur genre
- Généré plus de 4,3 To de données pour l'analyse
- Publication d'un article académique (d'autres à venir..)
- Présenté au Workshop BOINC 2021
- Publication de 47 versions client ciblant 3 architectures CPU différentes, 2 architectures GPU et plusieurs versions de Windows et Linux.
- Dépassé le serveur initial au cours des premiers mois !
Je suis submergé par notre communauté et ce que nous avons accompli ensemble. Nous avons déjà montré que les réseaux entraînés avec les mêmes données se regroupent dans l'espace de poids, malgré le caractère aléatoire associé à l'entraînement des réseaux de neurones. Nous avons également montré que nous pouvons utiliser ce clustering pour détecter les réseaux formés avec des données empoisonnées par rapport à des données propres, une découverte importante sur le terrain.
Mais il y a encore tellement à faire ! Alors que nous voulons reconnaître et célébrer ce que nous avons accompli ensemble jusqu'à présent, regardons également vers l'avenir et fixons-nous quelques objectifs lâches pour la prochaine année de MLC@Home :
- MLDS continuera à court terme !
DS4 est (presque) prêt et étend l'ensemble de données pour inclure les types de réseau CNN ainsi que les RNN utilisés dans DS1-3. DS5 variera probablement légèrement la forme et la taille de chaque réseau pour voir si le clustering se produit toujours lorsque la forme varie. Le futur travail MLDS au-delà de DS5 est à déterminer, mais nous nous attendons à ce qu'il y ait beaucoup de WU DS4/DS5 pendant de nombreux mois à venir. Nous prévoyons de mettre à jour le document avec les dernières séries au cours du mois prochain.
- Nous aimerions nous développer au-delà du MLDS !
Nous sommes le premier projet à faire du ML à l'échelle de BOINC. Nous aimerions nous étendre pour soutenir d'autres domaines de recherche et nous engager à mettre en ligne au moins un autre projet de ML au cours de la prochaine année. Veuillez nous contacter si vous êtes un chercheur intéressé à travailler avec la plateforme !
- Nous devons améliorer l'aspect technique du projet
Du client prenant en charge les GPU AMD et OSX à l'optimisation de l'utilisation des cartes graphiques à un meilleur processus de validation pour les WU, il existe une longue liste de problèmes techniques que nous aimerions résoudre, et que nous n'avons pas fait si efficacement au cours des trois derniers mois. Nous arrivons également à des cas particuliers de la pile logicielle BOINC qui sont difficiles à contourner. Si vous êtes un développeur et que vous souhaitez aider, nous serions heureux de recevoir votre assistance.
- Nous aimerions améliorer la sensibilisation
Pour impliquer davantage de personnes, nous aimerions produire quelques courtes vidéos sur le projet, ce que nous avons trouvé et comment les autres peuvent aider. Ceux-ci doivent être courts, facilement accessibles et faciles à partager. Nous aimerions en produire au moins un dans les 6 prochains mois.
Ce sont des objectifs lâches mais qui devraient vous donner une idée de ce sur quoi nous concentrons nos efforts pour l'année prochaine. Si vous avez d'autres idées, veuillez les partager ci-dessous ou sur Discord.
Merci encore pour votre soutien à MLC@Home, et voici encore de nombreuses années de recherche fructueuse et importante dans un domaine important.
Autres nouvelles
- DS3 est presque complet (juste quelques 130+ derniers ruissellements !). Je considère DS3 comme l'ensemble de données le plus important et j'ai hâte d'effectuer notre analyse sur l'ensemble !
- À partir de maintenant, nous allons exploser les WU DS1 (puis DS2) dans les files d'attente GPU et CPU jusqu'à ce que cela se termine et/ou jusqu'à ce que DS4 soit prêt. Nous essaierons de les faire franchir le pas dès que possible.
- Quelques nouvelles amusantes! Tankbuster, utilisateur de MLC Discord, a mis à jour le graphique de notre bannière ! Voir la bannière mise à jour sur les pages du projet et d'accueil !
- Encore plus excitant, Tankbuster a créé un prototype d'application graphique pour MLC@Home ! Vous pouvez voir des maquettes et des vidéos et suivre la discussion sur le serveur MLC Discord (lien en bas).
Aperçu de l'état du projet
(notez que ces chiffres sont approximatifs)
Merci encore à tous nos bénévoles !
Les mises-à-jour mensuelles précédentes (auparavant hebdomadaires) sont, habituellement, traduites sur le forum, ici.
- La page d'accueil des administrateurs MLC@Home : https://www.mlcathome.org/
Discord invite : https://discord.gg/BdE4PGpX2y
Twitter: @MLCHome2
traduction de l'article MLC@Home : https://www.mlcathome.org/mlcathome/forum_thread.php?id=212
- Affichages : 714
WCG - OpenPandemics - COVID-19 : Mise à jour de juin
- Détails
- Écrit par : franky82
- Catégorie parente: Actualités
Récapitulatif
Les chercheurs commencent à analyser l'énorme quantité de données générées lors du test de résistance du mois dernier, lorsque 30 000 lots de travail ont été exécutés en huit jours.
Contexte
Le projet OpenPandemics - COVID-19 a été créé pour aider à accélérer la recherche de traitements potentiels contre la COVID-19. Le projet vise également à créer une boîte à outils open source à réponse rapide qui aidera tous les scientifiques à rechercher rapidement des traitements en cas de futures pandémies.
Fin 2020, les chercheurs ont annoncé avoir sélectionné 70 composés (parmi un groupe initial d'environ 20.000) qui pourraient être prometteurs en tant qu'inhibiteurs potentiels du virus responsable de la COVID-19. Des tests en laboratoire sont actuellement en cours pour 25 de ces composés.
Analyser une quantité de données sans précédent
Le mois dernier, l'équipe de recherche a fourni à World Community Grid environ 30 000 lots d'unités de travail GPU. Cela faisait partie d'un test de résistance de l'infrastructure du World Community Grid et a rapidement généré une très grande quantité de données qui sont analysées par les chercheurs.
L'équipe technique du World Community Grid a publié sur notre forum les découvertes qu'elle a faites concernant les capacités techniques actuelles du programme. L'équipe de recherche travaille actuellement sur une mise à jour sur ce qu'elle a découvert jusqu'à présent à partir de l'énorme quantité de données, mais en attendant, elle a également tweeté quelques statistiques et jalons du projet .
Merci à tous ceux qui ont participé au stress test, et qui continuent à apporter leur puissance de calcul au projet !
État actuel des unités de travail
CPU
- Disponible pour téléchargement : 6 063 lots
- En cours : 2 199 lots
- Terminé : 51 189 lots
6 770 lots au cours des 30 derniers jours
Moyenne de 225,7 lots par jour
- Reste à faire (équipe de recherche) : 26,9 jours
GPU
- Disponible pour téléchargement : 16 283 lots
- En cours : 4 174 lots
- Terminé : 52 292 lots
15 366 lots au cours des 30 derniers jours
Moyenne de 512,2 par jour
- Reste à faire (équipe de recherche) : 31,8 jours
24 juin 2021
traduction de l'article WCG : https://www.worldcommunitygrid.org/about_us/viewNewsArticle.do?articleId=713
- Affichages : 673
WCG - Mapping Cancer Markers : Mise à jour de juin
- Détails
- Écrit par : franky82
- Catégorie parente: Actualités
Récapitulatif
Vous cherchez un projet supplémentaire à soutenir ? Veuillez ajouter Mapping Cancer Markers à votre liste.
Contribuez à améliorer les chances des patients atteints de cancer
Contexte
Le projet Mapping Cancer Markers vise à identifier les marqueurs associés à différents types de cancer. Le projet analyse des millions de points de données collectés à partir de milliers d'échantillons de tissus de patients sains et cancéreux. Ceux-ci comprennent les tissus atteints de cancer du poumon, de cancer de l'ovaire et de sarcome.
Jusqu'à présent, le projet a terminé de générer des données sur les marqueurs du cancer du poumon et du cancer de l'ovaire sur World Community Grid. Avec l'aide du temps de calcul continu des bénévoles, les chercheurs étudient maintenant les marqueurs du sarcome, qui est un groupe de cancers qui prennent naissance dans les os, les muscles ou d'autres tissus. Vous pouvez en savoir plus sur les conclusions de l'équipe de recherche à ce jour ici.
L'aide de tous est nécessaire
Mapping Cancer Markers dispose généralement d'un nombre important et constant d'unités de travail, et l'équipe de recherche s'attend à ce que cela se poursuive dans un avenir prévisible. Avec la fin récemment annoncée d'un autre projet World Community Grid, nous demandons aux volontaires qui ne font pas déjà don de puissance de calcul à Mapping Cancer Markers de l'ajouter à leur liste de projets. Vous pouvez vérifier et modifier les projets que vous soutenez ici.
État actuel des unités de travail
- Disponible pour téléchargement : 863 lots
- En cours : 1 251 lots
- Terminé : 75 671 lots
1130 lots au cours des 30 derniers jours
Moyenne de 37,7 lots par jour
- Reste à faire (équipe de recherche) : 22,9 jours
22 juin 2021
traduction de l'article WCG : https://www.worldcommunitygrid.org/about_us/viewNewsArticle.do?articleId=712
- Affichages : 670
WCG - Help Stop TB : Mise à jour de juin
- Détails
- Écrit par : franky82
- Catégorie parente: Actualités
Récapitulatif
Avec l'ajout récent d'un nouveau membre permanent de l'équipe, les chercheurs peuvent commencer à tirer parti des techniques d'apprentissage automatique pour faciliter l'analyse des données.
Contexte
Le projet Help Stop TB a été créé pour étudier la gaine de Mycobacterium tuberculosis , la bactérie responsable de la maladie. Ces connaissances pourraient aider les scientifiques à mieux comprendre comment la bactérie se protège, ce qui pourrait à son tour aider à la recherche de meilleurs traitements.
En octobre, l'Organisation mondiale de la santé a publié les statistiques mondiales les plus récentes sur la tuberculose, notamment les suivantes :
- En 2019, environ 10 millions de personnes ont contracté la tuberculose.
- 1,4 million de personnes sont décédées de la tuberculose en 2019.
- La tuberculose reste l'une des 10 principales causes de décès dans le monde et la principale cause d'un seul agent infectieux (au-dessus du VIH / SIDA).
Analyse des données
Connor McGee, le plus récent membre de l'équipe de recherche, développe des flux de travail basés sur l'apprentissage automatique pour aider à analyser les données provenant de World Community Grid. L'équipe est en train de finaliser une mise à jour du projet, qui comprendra plus d'informations.
Les chercheurs décident également s'ils combineront leurs découvertes à ce jour en un seul article ou s'ils peuvent en créer deux sur la base des données qu'ils ont actuellement analysées.
État actuel des unités de travail
- En cours : 24 lots (850 unités de travail)
- Terminé : 24 181 lots
59 lots au cours des 30 derniers jours
Moyenne de 2,0 lots par jour
Remarque : pour ce projet particulier, les chercheurs doivent souvent analyser les lots que nous leur renvoyons avant de pouvoir construire plus d'unités de travail. Cela peut parfois conduire à une alimentation intermittente des unités de travail.
16 juin 2021
traduction de l'article WCG : https://www.worldcommunitygrid.org/about_us/viewNewsArticle.do?articleId=711
- Affichages : 679
WCG - Africa Rainfall Project : Mise à jour de juin
- Détails
- Écrit par : franky82
- Catégorie parente: Actualités
Récapitulatif
Un membre de l'équipe de recherche franchit une étape académique importante ce mois-ci.
Contexte
Grâce au projet Africa Rainfall Project, des chercheurs de l'Université de technologie de Delft créent des simulations informatiques d'orages localisés en Afrique subsaharienne. Grâce à la puissance de calcul massive et participative de World Community Grid, ils peuvent exécuter ces simulations à un niveau de résolution élevé, ce qui est exactement ce qui est nécessaire pour les orages localisés. Cela n'a jamais été fait auparavant pour les pluies torrentielles dans cette région.
Ceci est important car 95 % de l'agriculture en Afrique dépend des précipitations. Le projet utilisera les données générées par World Community Grid, les données de The Weather Company et d'autres informations pour aider à fournir des prévisions de précipitations plus précises. À leur tour, ces prévisions plus précises pourraient aider les agriculteurs à augmenter leurs récoltes avec plus de succès.
Stockage et partage de données
Depuis plusieurs mois, l'équipe de recherche travaille à préparer ses données pour qu'elles soient facilement partagées avec d'autres scientifiques et le public. Étant donné que l'ensemble de données est très volumineux et complexe, ce n'est pas une tâche facile.
Le serveur sur lequel les données du projet seront stockées est maintenant prêt. La prochaine étape sera d'assembler et de déplacer les données. Avec les problèmes de connexion au système pour finaliser le transfert. Pas tout à fait un flux de travail complet - nous devrons déterminer le travail restant.
Etape importante pour un membre de l'équipe de recherche
Camille Le Coz, membre de l'équipe de recherche qui prépare les unités de travail et interprète les résultats, soutiendra sa thèse ce mois-ci. Nous lui souhaitons le meilleur dans cette étape importante !
Statut actuel des unités de travail
Le World Community Grid envoie actuellement la génération 70.
(Une génération est un ensemble de travaux - dans ce cas, un ensemble de simulations informatiques des précipitations en Afrique subsaharienne.)
10 juin 2021
traduction de l'article WCG : https://www.worldcommunitygrid.org/about_us/viewNewsArticle.do?articleId=710
- Affichages : 717
- WCG - Microbiome Immunity Project : Mise à jour de juin
- WCG - OpenPandemics - COVID-19 : Mise à jour de mai
- WCG - Mapping Cancer Markers : Mise à jour de mai
- WCG - Smash Childhood Cancer - Mise à jour de mai
- WCG - Microbiome Immunity Project : Mise à jour de mai
- WCG - Africa Rainfall Project : Mise à jour de mai
Page 7 sur 34