Цифровая наука: как данные и вычисления помогают исследованиям

Исследование может начинаться с показаний датчика, снимка телескопа, последовательности ДНК или оцифрованной рукописи. Но сами файлы ещё не дают ответа на научный вопрос.
Данные нужно проверить, обработать и сопоставить с объяснениями. Компьютеры помогают выполнять эти действия, моделировать процессы и организовывать совместную работу.
Цифровая наука — широкое обозначение такого подхода. Её ценность определяется тем, какие вопросы удаётся исследовать и насколько убедительно можно проверить выводы.

Тематическая иллюстрация цифровых исследований: вычисления, базы данных, программные инструменты и обмен информацией.

1. Что входит в цифровую науку

Цифровые методы применяются в разных дисциплинах. Физик рассчитывает поведение материала, биолог анализирует последовательности, историк ищет закономерности в архивных документах.

Общий принцип — использование цифровых данных и вычислительных инструментов для решения исследовательской задачи.

При этом не каждому проекту нужны искусственный интеллект и суперкомпьютер. Иногда достаточно небольшой таблицы, корректного статистического анализа и хорошо организованного архива.

Выбор инструмента должен следовать из вопроса исследования.

2. Как данные превращаются в результат

Условный исследовательский цикл включает несколько этапов:

1. Сформулировать вопрос.
2. Определить необходимые измерения.
3. Получить данные и описать их происхождение.
4. Проверить качество и подготовить материалы.
5. Выполнить анализ.
6. Оценить ошибки и альтернативные объяснения.
7. Представить выводы вместе с ограничениями.

На практике к предыдущим этапам часто возвращаются. Неожиданный результат может потребовать нового измерения или пересмотра метода обработки.

Поэтому автоматизация расчётов не устраняет исследовательскую работу. Она меняет её организацию и позволяет проверять больше вариантов.

3. Почему качество важнее объёма

Большая база может содержать пропуски, дубликаты, неверные единицы измерения и систематические смещения.

Например, если экологические датчики установлены преимущественно у крупных дорог, их показания нельзя без проверки считать описанием воздуха во всём городе.

Перед анализом выясняют:

• как отбирались объекты;
• чем и когда выполнялись измерения;
• какие значения отсутствуют;
• менялось ли оборудование;
• насколько данные соответствуют вопросу исследования.

Важны и метаданные — сведения о самих данных. Без описания прибора, условий и обработки даже аккуратно сохранённый файл может оказаться мало пригодным для повторного использования.

4. Компьютерная модель: полезное упрощение

Модель описывает выбранные свойства системы. Она может быть подробной, но всегда строится на определённых предположениях.

При расчёте движения воздуха учитывают одни процессы, при исследовании механической прочности — другие. Увеличение детализации требует дополнительных ресурсов и не всегда улучшает ответ на конкретный вопрос.

Качество модели проверяют сравнением с наблюдениями и экспериментами. Также изучают, как результат меняется при небольшом изменении исходных условий.

Наглядный пример — ансамблевый прогноз погоды. ECMWF объясняет этот подход как выполнение нескольких прогнозов с близкими исходными состояниями, чтобы оценить возможный диапазон развития событий. ECMWF

Разброс результатов помогает исследовать неопределённость.

5. Как машинное обучение помогает учёным

Машинное обучение может использоваться для классификации изображений, поиска необычных объектов и предсказания свойств материалов.

Исследователи выбирают данные, способ обучения и критерии качества. Затем проверяют, работает ли модель на примерах, которые не использовались при её настройке.

Особенно важно исключить утечку данных: ситуацию, когда информация из проверочного набора прямо или косвенно попала в обучение. Иначе результат может выглядеть лучше, чем будет при реальном применении.

Необходимо также различать связь и причину. Модель может успешно находить сопутствующий признак, не объясняя механизм явления.

6. Пример: предсказание структуры белков

Форма белка важна для понимания его взаимодействий и функций. Вычислительные методы помогают строить предположения о пространственной структуре по последовательности.

База AlphaFold предоставляет предсказанные модели и показатели уверенности. EMBL-EBI отдельно предупреждает: уверенность алгоритма в расположении цепи не равнозначна подтверждению биологической корректности модели. alphafold.ebi.ac.uk

Такой результат может помочь сформулировать гипотезу и спланировать эксперимент.

При этом предсказанная структура сама по себе не доказывает, как белок ведёт себя в клетке или как на него подействует лекарственное вещество.

7. Зачем нужны суперкомпьютеры

Некоторые задачи требуют большого количества вычислений, памяти и обмена данными. Тогда работу распределяют между множеством вычислительных узлов.

Но ускорение зависит от задачи. Не каждый алгоритм удаётся эффективно разделить на независимые части.

При оценке системы имеют значение:

• скорость выполнения нужного расчёта;
• объём и пропускная способность памяти;
• обмен между узлами;
• хранение данных;
• энергопотребление;
• устройство программы.

Рекордный показатель производительности не означает одинакового ускорения любых исследований. Кроме того, операции с плавающей точкой нельзя без пояснения приравнивать ко всем возможным действиям компьютера.

8. Что представляет собой цифровой двойник

Цифровой двойник используют для представления определённого объекта или системы и решения связанных с ними задач.

NIST описывает его как особый тип компьютерной модели физической системы — например, машины или здания. NIST

Связь с измерениями позволяет уточнять состояние модели. Например, сведения о температуре и вибрации оборудования могут использоваться при оценке его работы.

Однако двойник отражает только предусмотренные свойства. Модель нагрева двигателя не становится автоматически достоверной моделью всех его неисправностей.

Особенно осторожного объяснения требуют модели человеческого организма: расчёт отдельных процессов не равнозначен полной виртуальной копии человека.

9. Открытая наука и доступ к публикациям

Открытая наука включает доступность знаний, данных, программных средств и исследовательской инфраструктуры, а также другие формы сотрудничества. ЮНЕСКО рассматривает её шире свободного чтения статей. UNESCO

Полезно различать несколько понятий.

Например, PubMed не содержит полные тексты всех найденных статей. Он предоставляет библиографические записи и, когда возможно, ссылки на полный текст в других источниках. PubMed

10. Что помогает проверить исследование

Для повторения вычислительного анализа недостаточно итоговой диаграммы. Нужны сведения об исходных данных и действиях исследователей.

Полезно сохранять:

• версии наборов данных;
• программный код;
• настройки расчёта;
• версии библиотек и среды;
• описание исключённых наблюдений;
• способы оценки ошибки.

При этом не все данные можно публиковать свободно. Информация об участниках исследований может требовать ограничения доступа и специальных условий использования.

Цифровая наука расширяет возможности наблюдения, расчёта и сотрудничества. Надёжность результата по-прежнему опирается на понятный вопрос, качественные данные, проверку метода и честное описание того, что пока остаётся неизвестным.