Categoría: Papers de Investigación Científica

“Marlowe”, que lleva el nombre del detective de cine negro, tiene el potencial de transformar la investigación en todos los campos, desde la ciencia política hasta la astrofísica. “Este es el microscopio, el telescopio y el acelerador lineal del siglo XXI, todo en uno”, dijo Emmanuel Candès, director de la facultad de Ciencias de Datos de Stanford, al describir la última instalación de su equipo. Marlowe, un instrumento computacional de última generación basado en GPU, comenzará a aceptar solicitudes de toda la comunidad de investigación de Stanford en su sitio web el 15 de enero de 2025.  Candès apenas puede contener su emoción. Con su capacidad para procesar cálculos como nunca antes, Marlowe colocará a Stanford a la vanguardia de la ciencia de datos. Este “superpod” consta de 248 unidades de procesamiento gráfico (GPU) Nvidia H100, los chips que alimentan la investigación y el desarrollo de innovadores en inteligencia artificial como OpenAI.  Bajo la dirección de la Oficina del Vicerrector y Decano de Investigación, la universidad invertirá 30 millones de dólares para comprar hardware, contratar un equipo de científicos de datos de investigación, respaldar las necesidades operativas de Marlowe y facilitar oportunidades de colaboración, todo lo cual es importante para aprovechar al máximo a Marlowe en un campo que evoluciona rápidamente. Marlowe se está probando actualmente en el centro de datos de Stanford Research Computing , donde se alojará en el futuro previsible.  Desde la instalación de Marlowe este verano, un equipo técnico se ha asociado con los evaluadores beta para perfeccionar el rendimiento del sistema. Incluso en los primeros días, uno de esos evaluadores beta, el profesor Gordon Wetzstein, dijo: «Marlowe ya ha potenciado mi investigación y ha hecho posible algo que no existía hace apenas tres meses».  «Espero que Marlowe tenga más demanda del que se pueda desde el primer día», añadió Candès.  Amplios horizontes  Si bien el hardware es impresionante, Candès es el primero en admitir que es una apuesta segura en el campo de la ciencia de datos computacionales, que evoluciona rápidamente. Para él, nada menos que el lugar que Stanford sigue ocupando a la vanguardia de la investigación en biología, química, física, ingeniería, cosmología, medicina, inteligencia artificial y otros campos depende del éxito de Marlowe.  “Para la producción de investigación de Stanford en casi todos los campos, la computación es el futuro”, afirmó. “Eso es lo que Marlowe significa para el liderazgo continuo de Stanford en investigación. Creo que va a tener un impacto enorme”.  Candès espera que Marlowe no solo empodere, sino que también anime a los profesores de Stanford a ampliar sus horizontes de investigación. Más allá de la ciencia de datos pura, Candès cree que Marlowe también ayudará a atraer y retener a profesores, posdoctorados y estudiantes de primer nivel que esperan trabajar en los modelos intensivos en datos que son su seña de identidad.  “Sin un instrumento como Marlowe, Stanford no puede simular cómo funciona el universo. No hay forma de descubrir el próximo fármaco revolucionario. No hay forma de entender los misterios de la vida humana”, afirma Candès. “Sin embargo, con Marlowe nos convertimos en exploradores computacionales”.  Conozca algunos de los exploradores computacionales que pronto utilizarán Marlowe y cómo pretenden aprovecharlo al máximo.  Jure Leskovec | Rod Searcey Jure Leskovec: célula virtual de IA  Jure Leskovec es un científico informático que, entre otros objetivos, está interesado en desarrollar IA para sistemas grandes e interconectados, como las ciencias sociales, la biología humana y el descubrimiento de fármacos. Estos se conocen como modelos básicos. El último objetivo de Leskovec es crear modelos de IA para simular con precisión células humanas individuales.  La idea es que algún día los científicos realicen experimentos en computadoras en lugar de en células vivas: in silico en lugar de in vivo . Esto no solo sería más seguro para los humanos y mucho menos costoso, sino también mucho más rápido. El objetivo a largo plazo sería construir modelos de una miríada de tipos de células para construir tejidos computacionales o incluso órganos completos.  “Una forma de ver una célula es representarla como una bolsa de moléculas. Para crear una célula virtual, es necesario representar matemáticamente cómo interactúan todos estos tipos de moléculas”, dijo Leskovec. “Nuestro objetivo inmediato es crear una sola célula virtual, algunos la llaman un ‘gemelo digital’ de una célula biológica real. Estamos construyendo a partir de modelos básicos de moléculas biológicas como el ADN, el ARN y las muchas proteínas que hacen que las células funcionen”.  Estas capacidades, dijo Leskovec, se extienden a la modelización de sistemas patológicos, como el cáncer, la esclerosis múltiple o el Alzheimer, para acelerar la investigación sobre qué falla cuando fallan los sistemas biológicos. Luego, estos mismos modelos computacionales podrían usarse para desarrollar medicamentos y terapias para frenar, o quizás incluso curar, las enfermedades.  Los poderes computacionales de Marlowe permitirán al equipo de Leskovec ampliar sus modelos de base de IA, abordando los desafíos de la biología experimental tradicional, que requiere mucho trabajo y se basa en el laboratorio. Espera utilizar a Marlowe para armonizar datos de muchas fuentes y laboratorios diferentes en todo el mundo y traducir estos datos en un modelo universal que sea la base para futuros modelos de moléculas, células y órganos.  “Este tipo de trabajo implica conjuntos de datos enormes de todas las proteínas y otras biomoléculas que coexisten en la célula y luego construir modelos computacionales que capturen la variabilidad biológica”, dijo. “Si podemos hacer esto in silico en lugar de en un laboratorio, aceleraríamos la investigación en órdenes de magnitud y también la haríamos mucho más barata. Esa es la verdadera promesa de Marlowe”.  Jennifer Pan | Jeff Singer Jennifer Pan: Mapeando el alcance de las redes sociales Jennifer Pan es politóloga y estudia la comunicación política y cómo se utiliza para promover la política autoritaria en la era de los medios digitales globales e instantáneos. Utiliza métodos computacionales para explorar conjuntos de datos enormes y complejos sobre la comunicación política: cuáles son los mensajes, dónde se originan y cómo se difunden y evolucionan con el tiempo para dar forma a las preferencias