2015.12.1 Intelligent Computing of Big Medical Data via Cloud with Brains 講座報導

Intelligent Computing of Big Medical Data via Cloud with Brains

文/謝芷瑜

    從工業1.0的蒸汽機發明後,經過電力化與資訊化的階段,現今已來到智能化(Intelligent)的工業4.0時代,加上雲端(Cloud)與Internet of Things (IoT)的興起,如何在低誤差、高準確性的前提下,能夠更智能、更有彈性、更有效率的計算如生理資訊、人體基因等巨量資料(Big Data),已成為最為熱門的研究議題。

    國內外的許多研究只專精於優化演算法或加強系統架構,今日很榮幸能夠參與成功大學電機系的李國君教授的講座,李教授對此指出,好的設計必須「軟硬兼施」,在軟體方面,李教授的研發團隊事前先將巨量資料進行統計並分析,當縮小基準點時,就能夠找出這些巨量資料的共通性,進而有效的減小演算法的複雜度;在硬體方面,李教授利用圖形理論(Graph Theory)針對雲端平台上的Storage、Bandwidth、CPU進行分析,掌握到每一台提供運算的電腦資源,使分析過的巨量資料能夠有效率的進行平行運算,並且在運算結束後,能夠重新組態(Reconfiugration)這些資源以作有效的運算系統管理。

    李教授這套針對巨量資料的智能化雲端運算管理系統不僅僅運用在資訊領域,更是吸引美國哈佛、麻省理工學院及安德森癌症中心相關專業學者的所組成的新創公司Inform Genomics前來與李教授的團隊技術轉移,Infom Genomics打算將此技術用於個人化的醫療領域,對此李教授表示,由於每個人基因突變的方式不一樣,睡著時也會突變,因此分析單一個人的基因資料就需花費六個禮拜,運算速度可謂個人化醫療進展停滯的主因,而所研發的智能化雲端管理系統運用於個人化醫療的巨量資料運算能夠快10倍以上,克服了長久以來的問題。

    在非線性且非常複雜的類神經網路(Neural Network)中,李教授運用Deep Learning技術,將細胞分為Multi-Layer Perception (MLP)進行Feedforward,並且將結果以一個比重Feedback到Input Layer再進行Feedforward,因此智能化雲端運算管理系統在同時考慮演算法的速度與系統的架構下,不僅能夠解決運算速度的問題,也提供了準確的計算結果。

    我們將工業4.0的精神—智能化運用在醫療上被稱為Health 2.0,透過平行處理與重新組態的雲端運算是面對巨量資料提升運算速度的不二法門,在講座的最後階段,許多同學向李教授請教,黃同學提出:「收集這麼多的巨量資料,我們知道有些資料互有相依性無法進行平行運算,如何達到雲端中的平行運算?」李教授回答:「在進行平行運算之前,會先將巨量資料進行分析,再利用矩陣計算eigenvalue找出其獨立性,將其以不同的處理器進行平行的運算。」另一位詹同學提出:「在不同的雲端平台上,如何分配所要計算的資料到適當的電腦上?」李教授回答:「每個雲端計算平台所配備的Storage、Bandwidth、CPU能力部會相同,我們隨時掌握每一台電腦的可用資源、正在處理的工作等,再針對需要處理的資料進行適當的分配。」

本篇發表於 未分類。將永久鏈結加入書籤。