Recommended
Recommended
More Related Content
Featured
Featured (20)
科学を変えた10のコンピュータ・コード
- 2. Nature Vol 589 21January 2021 345 - 348 この読み物記事の紹介 です
- 3. 天文学から 動物学まで、 現代の偉大 な科学的発 見の裏には、 必ずコン ピュータが 存在する 2019年、リング状の光り輝くブラックホールの実際 の形状画像 通常の写真ではなく、アメリカ、メキシコ、チリ、 スペイン、南極にある電波望遠鏡で撮影されたデー タを数学的に変換し合成したものだ。 研究チームは、この偉業で使用したプログラミング コードを、論文と一緒に公開し、科学界の人々が成 果の共有と発展に資するようにした。 こうしたことは一般的な流れになってきている。 スタンフォード大学・計算生物学者マイケル=レ ヴィット 2013年のノーベル化学賞受賞 化学構造をモデル化するための計算ストラテジーの研 究。 現在のノートPCは、1967年当時に、受賞対象の研究 用に作ったコンピューターの約1万倍のメモリとク ロックスピードを備えている。 「今日、私たちは本当に驚異的な計算処理能力を手 にしている。」「問題は、それを活用するにはまだ 人間の思考力を必要とすることです。」
- 4. the scientist- coderの出番 です 強力なコンピュータ＋研究課題に対応できるソフト ウェア＋そのソフトウェアの書き方や使い方を知っ ている 研究者 英国エジンバラに本部を置き、科学分野におけるソ フトウェアの開発と利用の改善を目的とした組織で あるSoftware Sustainability Instituteのディレクター、 ニール・チュ・ホン氏 「研究は今や基本的にソフトウェアと結びついてい ます」 「研究活動のあらゆる側面に浸透しています」。
- 5. この記事の 焦点は… 過去数十年間において、研究を変えた重要なコード このようなリストは決定的なものではない 過去1年間に何十人もの研究者に聞き取り調査を行 い、科学の世界に大きな影響を与えた10種類のソフ トウエアーツールの多様なラインナップを作成した。
- 7. 最初の近代的なコンピューターは、ユーザーフレンドリーで はなかった。 初期：何万枚ものパンチカードを使ってコードを入力 機械語やアセンブリ言語の開発：コードでコンピュータをプロ グラミング 科学者に手の届かない言語：コンピュータ・アーキテクチャの 熟知を必要。 「formula translation」言語Fortranの登場が状況を一変 IBM社のジョン・バッカスとそのチームが開発 人間が読める命令を使ってコンピューターをプログラム コンパイラは、その指示を高速で効率的な機械語に変換。 ニュージャージー州プリンストン大学の気候学者である真鍋淑 郎氏 「初めてコンピュータ科学者ではない自分たちでプログラムを組 むことができました」 現在Fortranは、気候モデル、流体力学、計算化学など、複雑 な線形代数を必要とする分野で広く使われている、強力なコ ンピュータで素早く数値を計算することができる。 高速化 されたコードの書き方を知るプログラマーは今でもたくさん いる。昔のFortranコードベースは、今でも世界中の研究室や スーパーコンピュータの中で生き続けています。
- 9. 電波天文学者が空を観測するとき、時間とともに変 化する複雑な信号の不協和音を捉える。 電波の性質を理解するには、その信号が周波数の関数 としてどのように見えるかを見る必要がある。 それを可能にするのが、フーリエ変換と呼ばれる数学 的プロセス。 しかし効率が悪く、N個のデータセットに対してN2個 の計算が必要となる。 米国の数学者クーリーとチューキー このプロセスの高速化方法FFTを発見。 アルゴリズムを繰り返し適用する再帰を用いて、 フーリエ変換の計算問題をわずかN log2(N)ステップ に簡略化。 速度は、Nが大きくなるほど向上。 1,000点の場合は約100倍、100万点の場合は約5万倍の スピードアップになります。 FFTはコードで何度も実装され、人気のあるオプ ションの1つはFFTWと呼ばれ「西欧で最速のフーリ エ変換」と呼ばれている。
- 10. デジタル信 号処理、画 像解析、構 造生物学な どへの応用 が可能に なった。 「これは、応用数学と工学における偉大な出来事の 1つです」（英国オックスフォード大学の数学者 ニック・トレフェセン） 米国ローレンス・バークレー国立研究所分子生物物 理学・統合バイオイメージング部門ポール・アダム ス 1995年にバクテリアのタンパク質GroELの構造を精 密化したFFTとスーパーコンピュータを使った。 「計算には何日も何時間もかかった」「FFTを使わず に計算しようとすると、永遠にかかってしまうだろ う」 実はドイツの数学者ガウスは1805年に、この問題を 解決したが発表しなかった。
- 12. 過去数十年の 間に、データ ベースは規模 を拡大し、 様々な分野を 形作ってきた が、生物学ほ ど劇的な変化 はなかっただ ろう。 今日の膨大なゲノムやタンパク質のデータベースの 端緒は、米国のバイオインフォマティクスの先駆者、 マーガレット・デイホフの研究。 1960年代初頭、生物学者がタンパク質のアミノ酸配 列の解明に取り組んでいた 異なる種間の進化的関係の手がかりを求めて、1965 年には、当時判明していた65種類のタンパク質の配 列、構造、類似性を記載。 データをパンチカードでエンコードしており、デー タベースの拡張や検索が可能だった。 その後、他のコンピュータ化された生物学的データ ベースが登場。 1971年：17万以上の高分子構造を持つ「Protein Data Bank」公開。 1982年：米国国立衛生研究所のDNAアーカイブ 「GenBank」の原型が公開。
- 13. 「この発見 は客観的な 生物学の到 来を意味す る。」 （NCBIオス テル氏） 1983年7月、ロンドンの生化学者、ウォーター フィールドとドゥーリトル ヒト成長因子とサルの癌ウイルスのタンパク質配列 間の類似性を報告。 この結果は、ウイルスが成長因子をまねて、細胞の 無秩序な増殖を引き起こすことを示唆。 「この発見は、コンピュータや統計学に興味のな かった生物学者たちは、配列比較で、がんについて 何かを理解することができることに気づいた。」 （NCBIオステル氏）
- 14. 「大学院生当 時、 Entrezを 使っていて魔 法のようだと 思ったもので す」 （NCBI現 所長代理ス ティーブン・ シェリー） 1991年：NCBIのプログラマーがEntrezを開発 DNA配列からタンパク質配列、文献までを研究者が 自由に移動できるようにするツール。 研究者は、 仮説検証のための実験をする研究 公開データセットから、実際にデータを収集した人 が思いつかなかったような関連性を見つけ出す研究 ができるようになった
- 16. コンピュー ターの先駆 者フォン・ ノイマン 第二次世界大戦末期、コンピューターを天気予報に も応用開始。 それまでの天気予報：経験と勘で予測するものだっ た。 フォン・ノイマンのチーム：「物理法則に基づいて 数値的な気象予測」を目指す。 1940年代後半：フォン・ノイマン、プリンストン大 学高等研究所に気象予測チームを設立 1955年：地球物理学的流体力学研究所の第2チーム が、ノイマンが「無限の予測」と呼ぶ気候モデルの 研究を開始。 1958年：チームに加わった真鍋は大気のモデリング に、同僚のカーク・ブライアンは海洋のモデリング に着手。 1969年、この2つのモデルを組み合わせることに成 功し、2006年の『Nature』誌で科学技術計算の「マ イルストーン」と呼ばれたモデルが誕生。
- 17. 米国海洋大気庁の地球流体力学研究所モデリングシ ステム部門ヴェンカトラマニ・バラジ氏 「予測のための方程式は何十年も前から知られてい たが、初期の気象学者はこの問題を現実的に解決す ることができませんでした。」 「現在の状況を入力し、それが短期間でどのように 変化するかを計算し、それを繰り返すという、非常 に時間のかかる作業を行わなければならなかったた め、気象が追いつくまでに数学を完成させることが できなかった。」 「コンピュータはこの問題を扱いやすくしたので す。」
- 18. 現在のモデルでは、地球の表面は25×25キロメート ルの正方形に、大気は数十レベルに分割されている。 一方、真鍋とブライアンが開発した海洋と大気の統 合モデルでは、500km四方の正方形と9つのレベル を使用し、地球の6分の1しかカバーしていない。 それでもバラジ氏は言う： 「あのモデルは素晴らしい仕事をしてくれました」 「二酸化炭素濃度の上昇がもたらす影響を初めてイ ンシリコで検証することができたのです。」
- 20. 科学技術計算では，ベクトルや行列を使った、非常 に多くの極めて単純な数学的演算が行われる。 1970年代：このような演算を行うための世界共通の 計算ツールがなかった。 科学分野のプログラマーは、基本的な数学を実行す るための効率的なコードの作成に時間を費やし、科 学的な問題に集中することができなかった。
- 21. プログラミン グの世界が必 要とした標準 規格「Basic LinearAlgebra Subprograms （BLAS6）」 の制定 （1979） 1990年まで進化し続けたこの標準規格は、ベクトル、 そして後には行列の数学のための基本的なルーチン を何十も定義している。 一般的な関数の名前を標準化 BLASを使ったコードはどのコンピュータでも同じ ように動作することを保証。 コンピュータメーカーは、自社のハードウェアで高 速に動作するようにBLASの実装を最適化。 現在、BLASはサイエンティフィック・コンピュー ティング・スタックの心臓部であり、科学ソフト ウェアを動かすコードとなっている。
- 22. テネシー大学ノックスビル校のコンピュータ科学者 で、BLAS開発チームのメンバー ジャック・ドン ガラ氏 「BLASは、行列やベクトルの数学を、足し算や引き 算と同じような基本的な計算単位にまで落とし込ん だのです」 「コンピューティングを行うための布地を提供して います」 テキサス大学オースティン校のコンピュータ科学者、 ロバート・ヴァン・デ・ゲイン氏 「BLASは、科学的な計算のために定義されたイン ターフェースの中で、おそらく最も重要なもの」
- 24. 1980年代初 頭、米国国 立衛生研究 所の脳画像 研究室に所 属のプログ ラマー、 ウェイン・ ラズバンド デジタル化したX線フィルムをコンピューター上で 表示したり分析したりするためのプログラムを、15 万ドルもするPDP-11ミニコンピュータ用に作成。 1987年：アップル社から出た親しみやすく手頃な価 格で、実験室で画像を解析するのに最適な「マッキ ントッシュII」に移植した。 NIH Imageとその後継製品は、研究者があらゆるコ ンピュータであらゆる画像を表示し、数値化するこ とを可能にした。 ImageJは、1990年代からほとんど変わっていない、 シンプルで最小限のユーザーインターフェースを備 えています。しかし、内蔵されているマクロレコー ダー（マウスのクリックやメニューの選択を記録し てワークフローを保存できる）、幅広いファイル フォーマットへの対応、柔軟なプラグインアーキテ クチャなどにより、無限の拡張性を備えている。
- 25. ソフトウェアファミリー： WindowsおよびLinuxユーザー向けJavaベースの ImageJ ImageJのディストリビューションFiji ブロード研究所のイメージングプラットフォームに 所属する計算生物学者のベス・シミニ氏 「ImageJは、私たちが持っているツールの中で最も基 礎的なものであることは間違いありません」 「イメージャーやその派生プロジェクトであるフィ ジーを使わずに顕微鏡を使ったことのある生物学者と は、文字通り話をしたことがありません」 この理由のひとつは「これらのツールが無料である こと」（ラズバンド氏）
- 28. 1978年：デイホフは、「ポイント・アクセプタン ス・ミューテーション」マトリックスを考案。 2つのタンパク質の関連性を、その配列の類似性だけ でなく、進化的な距離にも基づいて評価できるように した。 1985年：ウィリアム・ピアソンとデビッド・リップ マンは、このマトリックスと高速検索機能を組み合 わせたアルゴリズム、FASTPを発表。 1987年：リップマン、ウォーレン・ギッシュ、ス ティーブン・アルチュル、ウェブ・ミラー、ジー ン・マイヤーズは、さらに強力な改良版「Basic Local Alignment SearchTool（BLAST）」を開発。 1990年：BLASTは、急速に増大するデータベースを 扱うために必要な検索速度と、より進化的に遠いが マッチする配列を拾う能力を併せ持つ。
- 29. データベースの更新が郵送で行われていた時代に、 ギッシュは電子メールシステムを構築し、後には ウェブベースのアーキテクチャを構築した。 これにより、ユーザーはNCBIのコンピュータ上で 遠隔地から検索を行うことができ、検索結果は常に 最新の状態に保たれることになる。 ハーバード大学の計算生物学者ショーン・エディ氏 「このシステムは、当時まだ始まったばかりのゲノム 生物学の分野に、未知の遺伝子がどのような働きをす るのかを、関連する遺伝子に基づいて解明するという、 画期的なツールをもたらした。」 「世界中のシーケンシング研究室にとっては、巧妙な 新語となった。BLASTingは動詞になったものの1つで す。"BLASTing your sequences "という言葉が出てきま した。」
- 31. 1980年代後半：一部の高エネルギー物理学者たちは、 投稿した原稿の物理的なコピーを、友人や礼儀とし て同僚に郵送していた。 物理学者のポール・ジンスパーグ曰く(2011年） 「食物連鎖の下位にいる者は、Aリストに載っている 者の恩恵を受けており、エリートではない機関に所 属する意欲的な研究者は、特権の輪から完全に外れ ていることが多かった。」 （注：プレプリントは、学術雑誌に投稿する最終原 稿。投稿後、掲載までには当時数ヶ月から半年か かったので、投稿とともに情報を共有することは最 新データをいち早く知ることができるという恩恵が あった）
- 32. 1991年：ロスアラモス国立研究所に所属していたジ ンスパーグは、競争条件を平等にするために、電子 メールの自動応答システムを開発。 購読者は，論文の識別子が付いたプレプリントのリ ストを毎日受け取ることができ、 1通のメールで、研究所のコンピュータシステムから 論文を投稿したり、取得したり、新しい論文のリス トを入手したり、著者やタイトルで検索したりする ことができるようになる。 当初計画：記事の保存期間は3ヶ月で、内容は高エネ ルギー物理学のコミュニティに限定。 同僚の説得：無期限保存に。"掲示板からアーカイブ に変わった瞬間” 1993年：ジンスパーグ氏の専門分野よりもはるかに 遠い分野の論文が殺到し、ジンスパーグはこのシス テムをWWWに移行 1998年：現在のarXiv.orgに改称
- 33. 今年30周年 プレプリン ト掲載数180 万件、すべ て無料 2011年：20周年を記念してNature Photonics誌の編集者曰く、 「arXivがこれほど人気のあるサービスである理由を理 解するのは難しいことではない」 「このシステムは、研究者がいつ何をしたかを示すフ ラグを立てるための迅速かつ便利な方法を提供し、従 来のジャーナルでの査読に必要な手間と時間を回避し ている」 この成功から、生物学、医学、社会学などの分野でBioarXiv など姉妹アーカイブのブームが起った。 その影響は、今日、SARS-CoV-2というウイルスについて発 表された何万ものプレプリントに表れている。 （注：SARS-CoV-2のケースでは、昨年1月に各国の最新データが 早々に明らかにされ各研究グループが投稿前論文への公開コメン ト欄で議論が伯仲し論文としてパブリッシュされるという展開を みせた） 30年前には素粒子物理学界の外では異端視されていた方法論 が、今では一般的に明らかで自然なものとみなされているこ とは喜ばしいことです。その意味では、研究プロジェクトの 成功のようなものです（ジンスパーグ氏）
- 35. Pythonはインタプリタ型言語で、プログラムは一行 ごとに実行されます。 プログラマーは、REPL（Read-evaluate-print loop） と呼ばれる一種の計算上のコール＆レスポンスツー ルを使うことができ、コードを入力するとインター プリターがそれを実行する。 たとえば、コードのモジュールを簡単にプリロード したり、データの可視化を開いたままにしたりする ことはできなかった。そこでェルナンド・ペレスは 独自のバージョンを作成した。
- 36. データサイ エンスの革 命 その結果が、ペレスが2001年12月に発表した259行 の「インタラクティブ」なPythonインタープリタで ある Ipython。 2011年:ペレスは物理学者Brian Granger、数学者Evan Pattersonと協力して、このツールをWebブラウザに 移行させ、IPythonノートブックを立ち上げた。
- 37. IPythonノートブックは他の計算ノートと同様、 コード、結果、グラフィックス、テキストを1つの ドキュメントにまとめた。 他のプロジェクトとは異なる点 オープンソースであり、多くの開発者コミュニティから の貢献を求めた。 科学者に人気の言語であるPythonにも対応。 2014年：IPythonはProject Jupyterへと進化 約100種類の言語をサポート。 ユーザーは遠隔地にあるスーパーコンピュータ上の データを自分のラップトップと同じように簡単に調べ ることができるようになった。
- 40. 2つのタイプ の人工知能 （AI） 1. 成文化されたルールを用いるもの 2. 脳の神経構造をエミュレートしてコンピュータ に「学習」させるもの 「何十年もの間、AIの研究者たちは後者のアプロー チを意味のないものとみなしていた」（トロント大 学ジェフリー・ヒントン）
- 41. ImageNet：100万枚の日常的な物体の画像データ ベースを使ってAIを学習させ、その結果得られたア ルゴリズムを別の画像セットでテストするという、 毎年行われている研究会 2012年：トロント大学ジェフリー・ヒントンの大学 院生であるアレックス・クリジェフスキーとイリ ヤ・スツケバー 当時の最高のアルゴリズムでは、約4分の1の画像が 誤って分類されていた。2人が開発したAlexNetは、 ニューラルネットワークをベースにした「深層学 習」アルゴリズムで、このエラー率を16%にまで低 減した。 十分な量の学習データと優れたプログラミング、そ して新たに登場したグラフィカル・プロセス・ユ ニット（元々はコンピュータのビデオ性能を向上さ せるために設計されたプロセッサ）の能力が組み合 わさった結果だった。
- 42. 2009年、本当の意味でのアルゴリズムのブレークス ルーは、起きていた。 「それは、数十年かけて改良された従来のAIよりも 正確に音声を認識できるニューラルネットワークを 開発したときのことでした。」（ヒントン） これらの勝利は、研究室や診療所などでの深層学習 の台頭の先駆けとなった。携帯電話が音声による問 い合わせを理解できるのも、画像解析ツールが写真 の中の細胞を簡単に取り出すことができるのも、 ディープラーニングのおかげである。AlexNetは、 科学を、そして世界を根本的に変えてきた数多くの ツールの中で、その地位を確立している。