杨净 发自 凹非寺
量子位 报道 | 公众号 QbitAI
今天&＃xff0c;Nature的一篇报道有点不同。
没有说最新的科学研究进展&＃xff0c;也没有说这个时代的科学家们。
而是将镜头聚焦在计算机上&＃xff0c;更具体一点&＃xff0c;是聚焦在计算机代码上。
在过去的一年中&＃xff0c;Nature对数十名研究人员进行了调查&＃xff0c;以选出这几十年以来&＃xff0c;改变研究的关键代码。
现在&＃xff0c;评选结果新鲜出炉。
简单看了下&＃xff0c;有半世纪的“语言先驱”、“祖宗之法”Fortran&＃xff0c;理工科的老朋友了&＃xff0c;相信个中滋味很多人都能体会。
还有不知不觉已经“而立之年”的论文利器arXiv.org——全球最大的免费预印本平台&＃xff0c;每月吸引超过15000份投稿和3000万次下载。
……
究竟还有哪些代码改变了现在的科学&＃xff1f;Nature又为何Pick这些代码&＃xff1f;
“语言先驱”Fortran&＃xff08;1957&＃xff09;
说到Fortran&＃xff0c;相信很多大学生都受到它的摧残“洗礼”。
在知乎上有一个2015年的古早问答&＃xff1a;“和 C&＃43;&＃43; 相比&＃xff0c;用 Fortran 编程是怎样的体验&＃xff1f;”
其中一个高赞回答讲述了他被Fortran“洗礼”的经历&＃xff0c;引发广泛共鸣&＃xff0c;得到了1331个点赞。
即便如此&＃xff0c;依然没办法磨灭它在语言界的地位。
最早的现代计算机对用户&＃xff0c;尤其对科学家并不友好。其中的机器语言、编程语言需要科学家对计算机的体系结构有深入的了解。
直到在上个世纪50年代&＃xff0c;IBM团队开发了“公式翻译语言”Fortran&＃xff0c;情况发生了改变。
普林斯顿大学的气候学家Syukuro Manabe表示&＃xff0c;Fortran使非计算机科学家的研究人员可以访问程序。
他和他的同事使用该语言开发了全球第一个气候模型&＃xff0c;被美国国家海洋和大气管理局200年来发生的十大突破之一。
如今&＃xff0c;Fortran已经发展到第八个十年了&＃xff0c;它仍然被广泛地应用于气候建模、流体动力学、计算化学等一些涉及复杂计算的学科。
古早的Fortran代码库仍然活跃在实验室和全球的超级计算机上。
而立之年的arXiv.org&＃xff08;1991&＃xff09;
一定没有想过&＃xff0c;几乎所有科研人员都使用过的论文福音——arXiv已进入第三十个年头。
目前&＃xff0c;它已经收录约180万份预印本&＃xff0c;全部免费提供大家交流。
每月的投稿和下载数量也一直只增不减。
据Nature统计&＃xff0c;现在每月将吸引了15000多份投稿和约3000万次下载。
而它一开始&＃xff0c;也不过只是一个聚焦于高能物理的电子邮件自动回复系统。
在没有arXiv之前&＃xff0c;科学家们大多通过邮寄的方式将提交的手稿副本寄给同事&＃xff0c;以征求评价。
但寄出的数量有限&＃xff0c;看到论文的也不过几个人。
见到此状&＃xff0c;一位墨西哥州工作的高能物理学家Ginsparg决定编写了一个电子邮件自动回复系统。
订阅者每天都会收到预印本的清单&＃xff0c;每个清单都有一个文章标识符。
于是&＃xff0c;通过一封电子邮件&＃xff0c;世界各地的用户可以从实验室的计算机系统中提交或检索文章&＃xff0c;获得新文章列表或按作者、标题搜索。
一开始&＃xff0c;Ginsparg计划是将文章保留三个月&＃xff0c;论文内容限制在高能物理学界。
但在同事的说服之下&＃xff0c;1993年他将该系统迁移到互联网上。5年之后&＃xff0c;他给它起了今天的名字&＃xff1a;arXiv.org。
Hinton指导的AlexNet&＃xff08;2012年&＃xff09;
如果要说当前更接地气一点&＃xff0c;就要提到这个快速学习AI——AlexNet。
一开始&＃xff0c;人工智能有两种。一种是使用编码规则&＃xff0c;另一种使用计算机通过模拟大脑的神经结构来“学习”&＃xff0c;几十年来&＃xff0c;人工智能研究人员一直将后一种方法视为“废话”。直到2012年&＃xff0c;Hinton改变了这一格局。
最初的ImageNet全球挑战赛&＃xff0c;最好的算法错误率也有25%之高。
而Hinton的两位研究生提出的这个AlexNet&＃xff0c;一种深度学习算法&＃xff0c;直接将错误率降低到了16%。
Hinton表示&＃xff0c;我们基本上将错误率降低了一半&＃xff0c;或者说几乎降低了一半。而这样的成绩&＃xff0c;揭开了深度学习在各个领域上的应用。
200年“历史”的快速傅里叶变换&＃xff08;1965&＃xff09;
相信很多数学、工程领域的同学都对它很熟悉&＃xff0c; 快速傅里叶变换 (fast Fourier transform) 即利用计算机快速计算离散傅里叶变换&＃xff08;DFT&＃xff09;的统称&＃xff0c;简称FFT。
值得一提的是&＃xff0c;这里的基本思想早在1805年就已推导出来&＃xff0c;但直到在1965年才得到普及。
来自美国的两位数学家James Cooley和John Tukey提出利用算法让计算所需要的乘法次数大为减少&＃xff0c;特别是被变换的抽样点数N越多&＃xff0c;FFT算法计算量的节省就越显著&＃xff0c;计算速度也会提高。
比如&＃xff0c;对于1000抽样点数&＃xff0c;速度提升约100倍&＃xff1b;对于100万点&＃xff0c;速度提升5万倍。
由此&＃xff0c;快速傅里叶变换开启了数字信号处理、图像分析、结构生物学等方面的应用。它曾被IEEE科学与工程计算期刊列入20世纪十大算法。
软件驱动的生物数据库&＃xff08;1865&＃xff09;
数据库已经成为当今科学研究的一个重要组成部分&＃xff0c;以至于很少有人注意到它其实是由软件驱动的。
在过去十几年中&＃xff0c;数据库以肉眼可见的速度影响了很多领域&＃xff0c;但也许没有什么地方可以比生物学更为显著。
不管是从蛋白质序列发现癌症致病因子&＃xff0c;还是合成生物学等领域都少不了庞大基因组和蛋白质数据库的工作。
上个世纪60年代初&＃xff0c;当生物学家还在努力拆解蛋白质的氨基酸序列时&＃xff0c;Margaret Dayhoff&＃xff08;生物信息学先驱&＃xff09;则开始默默整理这些蛋白质信息&＃xff0c;创建蛋白质和核酸数据库以及查询数据库的工具。
她的《蛋白质序列和结构图谱》在1965年首次出版&＃xff0c;描述了当时已知的65种蛋白质的序列、结构和相似性。而且她还将其数据编码在打孔卡中&＃xff0c;这使得扩大数据库并进行搜索成为可能。
之后&＃xff0c;更多计算机化的生物数据库也随之而来&＃xff0c;蛋白质数据库于1971年上线&＃xff0c;今天它详细记录了17万多个大分子结构。
天气预报员&＃xff1a;一般流通模型&＃xff08;1969年&＃xff09;
“蚂蚁搬家蛇过道&＃xff0c;明天必有大雨到。”
以前的天气预报都是依靠人们的经验和直觉&＃xff0c;直到这个模型——一般流通模型的出现&＃xff0c;根据物理定律进行气候建模的工作&＃xff0c;由此开启了计算机预测天气的时代。
在20世纪40年代末&＃xff0c;现代计算机之父约翰·冯·诺依曼便成立了他的天气预测小组。
1955年&＃xff0c;第二个团队—地球物理流体动力学实验室也开始了所谓的 “无限预报”—即气候建模的工作。
直到1969年&＃xff0c;这其中才有人真正做出了天气预测模型&＃xff0c;使其首次能够在硅片中测试二氧化碳水平上升的影响。&＃xff0c;创造了2006年Nature形容的科学计算的“里程碑”。
今天的模型可以将地球表面划分为25×25公里的方块&＃xff0c;将大气层划分为几十个层次。
相比之下&＃xff0c;Manabe和Bryan的海洋-大气组合模型&＃xff0c;使用的是500公里的方块和9个层次&＃xff0c;只覆盖了全球的六分之一。
除此之外&＃xff0c;还有数字处理者BLAS&＃xff0c;显微镜必不可少的NIH Image&＃xff0c;序列搜索器BLAST&＃xff0c;数据浏览器IPython Notebook。
好了&＃xff0c;你Pick哪一款&＃xff1f;如果其他心仪的代码&＃xff0c;欢迎与我们分享。
更多细节可戳下方链接了解哦~
参考链接&＃xff1a;
https://www.nature.com/articles/d41586-021-00075-2
https://www.zhihu.com/question/28683874
— 完 —
本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容&＃xff0c;未经账号授权&＃xff0c;禁止随意转载。
加入AI社群&＃xff0c;拓展你的AI行业人脉
量子位「AI社群」招募中&＃xff01;欢迎AI从业者、关注AI行业的小伙伴们扫码加入&＃xff0c;与50000&＃43;名好友共同关注人工智能行业发展&技术进展&＃xff1a;
量子位 QbitAI · 头条号签约作者
վ&＃39;ᴗ&＃39; ի 追踪AI技术和产品新动态
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见~
京公网安备 11010802041100号