Melyssa Banda

Perspective

04 11月, 2026

Artificial Intelligence

下一项科学突破,或许就蕴藏在您的数据之中。

Melyssa Banda

Perspective

科学家正结合 AI 与高性能计算,从现有数据中挖掘全新见解,助力科学发现。

芝加哥天际线毗邻青绿色水域,一座配备双天线的摩天大楼矗立在蓝天白云之下。

我觉得 AI 最有意思的一点,就是它能帮助人们从已有的信息里挖掘出新见解。长期以来,科学家一直在挖掘现有数据集,提出新问题、寻找新答案,并对新兴理论与方法进行验证。

搭配高性能计算,AI 为科研人员提供了一种强大的全新方式,用以分析海量信息、探求知识。

这一趋势已经在各个科学领域落地。在中国台湾地区,一家生物技术与基因组研究机构需要让科研人员同时访问共享数据集,开展分析、验证与协作工作,同时满足敏感基因组信息的长期留存需求。

为支撑该项研究,该机构将科研数据集中存储于 Seagate 存储基础设施,提升了数据访问与协作效率,同时为基因组测序、基因检测、精准医学研究以及生物信息学业务预留扩容空间。

全新工具,全新课题

在科研领域,随着研究课题与分析技术不断发展,数据往往会以全新、意想不到的方式发挥价值。宾夕法尼亚大学关于新型抗菌分子的研究便是实例。在该研究中,科学家利用深度学习模型,在海量基因组与蛋白质数据集中筛选潜在抗菌分子,研究对象包含现存及已灭绝生物的基因组。

这些基因组与蛋白质数据库如今还支持另一类研究:借助 AI 检索潜在抗菌分子。底层数据早已存在,全新分析工具为科研人员开辟了另一条数据挖掘路径。

科研工作本身也会生成新的数据集,

反过来亦是如此。麻省理工学院工程量子系统研究组的科研人员将 AI 工具与用于超导量子比特实验的实验室软件对接。这套 AI 系统自动执行测量、分析结果,并确定下一步测试内容。每一次测量都会生成新结果,以此指导下一轮实验,而实验又会产出更多数据。

据斯坦福大学以人为本人工智能研究所介绍,神经科学、宇宙学等诸多不同科学领域的研究人员,正在使用 AI 生成假设、设计实验和分析数据。

纵观这些案例,一套清晰的数据循环模式正逐步显现。科研人员运用 AI 与高性能计算处理现有科学数据,取得新发现,并在此过程中生成全新信息。部分新生成的信息,后续或许可以用于尚未提出的研究问题。

随着 SC26(11 月 15 日至 20 日于芝加哥举办)临近,我会持续思考这一理念。Seagate 将在 1433 号展位,围绕 AI、高性能计算、数据与存储展开交流。

对我而言,这一切最终归结为一个很简单的问题:在工具迭代、研究课题转变、科学持续进步的过程中,我们该如何保障珍贵科研数据随时可用?

答案并非单纯保存更多数据。而是保障数据可访问性,让这些数据有机会解答未来的科学问题,即便我们当下还无法预知这些问题是什么。

这就需要审慎抉择:哪些数据要保持可访问状态、数据存放位置,以及如何在研究需求不断变化的前提下,以经济的方式长期留存数据。这或许意味着在数据的整个生命周期内,在不同存储层级之间迁移数据,根据科研人员的使用需求,平衡性能、可访问性与成本。

让科研发现触手可及

我的大部分工作围绕 AI 对生产力与效率带来的影响展开。科研展现了 AI 潜力的另一面:助力人们提出新问题、验证新理论、质疑固有认知。我们无法预知未来科研人员会提出什么样的问题。但我们可以保证,当他们提出问题时,数据依然存在、随时可用。

阅读:了解存储基础设施如何保障科研数据随时可用

相关话题:

Data Creation Innovation
Seagate Senior Vice President Melyssa Banda is shown wearing a white collared shirt and suit jacket in a black-and-white profile image.
Melyssa Banda

Senior Vice President