LINUX.ORG.RU

Julia Computing собрала $24 млн в первом раунде финансирования

 , ,


1

2

Julia Computing Inc., стартап, стоящий за специализированным языком программирования, используемым для таких задач, как разработка алгоритмов машинного обучения и моделирование космических полетов, сегодня объявил о привлечении финансирования в размере 24 миллионов долларов.

Первый раунд финансирования возглавила компания Dorilton Ventures. К венчурной компании присоединились Menlo Ventures, General Catalyst и HighSage Ventures. Боб Муглиа, бывший исполнительный директор гиганта по хранению данных Snowflake Inc., присоединяется к совету директоров Julia Computing в рамках раунда финансирования.

«Чудеса современного мира создаются с помощью цифровых моделей», – сказал Муглиа в своем заявлении. «Микросхемы в наших смартфонах, современные материалы, фармацевтика и аэронавтика – всё это примеры передовых технологий, созданных с помощью цифрового моделирования. Хотя эти достижения были потрясающими, инструменты и системы, поддерживающие эти усилия, устарели на десятилетия и не могут в полной мере использовать преимущества облачных вычислений».

Julia Computing утверждает, что у нее есть более современная альтернатива этим устаревшим инструментам и системам.

Стартап коммерциализирует язык с помощью платной услуги «программное обеспечение как услуга» под названием JuliaHub, которая позволяет разработчикам писать код на языке Julia в редакторе на основе браузера. Сервис также помогает в развертывании кода. После того как проект готов, разработчики могут предоставить облачную инфраструктуру для своих программ непосредственно через интерфейс JuliaHub.

Для особо сложных проектов сервис предлагает доступ к ряду специализированных научных приложений. Среди них – собственный инструмент моделирования, который, как утверждают в Julia Computing, может использовать искусственный интеллект для ускорения процесса создания симуляций в 500 раз. Стартап также предлагает реализацию Pumas, инструмента для моделирования фармацевтических препаратов.

Julia Computing утверждает, что новый раунд финансирования в размере 24 миллионов долларов будет использован для добавления дополнительных функций в JuliaHub. Среди прочих инициатив стартап работает над тем, чтобы сделать доступными через свой сервис больше научных приложений, таких как Pumas.

«Ученые, изучающие данные, и инженеры используют продукты, которые были разработаны много десятилетий назад. JuliaHub позволяет проектировать новые лекарства и методы лечения, разрабатывать новые батареи, моделировать космический полет и составлять карты Вселенной, используя при этом меньше вычислительных ресурсов и сокращая выбросы центров обработки данных», – сказал Вирал Шах, генеральный директор Julia Computing и один из создателей языка Julia. «Благодаря последнему финансированию мы с нетерпением ждем увеличения численности нашей команды и внедрения суперспособностей языка Julia в новые отрасли и приложения.»

На сегодняшний день Julia Computing привлекла около 28,6 миллионов долларов.

>>> Подробности



Проверено: xaizek ()

JuliaHub позволяет проектировать новые лекарства и методы лечения, разрабатывать новые батареи, моделировать космический полет и составлять карты Вселенной,

Ну да, нужно было назваться JesusCompany. Святая бескорыстность.

Так бы любой другой взял это и поднял мегакорпарацию мирового уровня, разработав лекарства от рака, ядерный реактор с пальчиковую батарейку, и прочее.

А вы здесь про копирастов всяких, вот вам пример добрых людей, всё для всех. Сейчас ещё несколько лямов соберут и как попрёт! Каждый Ойтишник будет нобелевку получать, да, так и будет.

shpinog ★★★ ()

«программное обеспечение как услуга»

позволяет разработчикам писать код на языке Julia в редакторе на основе браузера

облачную инфраструктуру … непосредственно через интерфейс JuliaHub

Ненужно

anonymous ()

Кто то уже пробывал писать на Julia какие-то расчеты, скрипты, вычисления и моделирования? Поделитесь мнением о языке.
У меня вот никак руки не дойдут, потому что октав, на данный момент, покрывает мои скромные потребности

snake266 ()
Последнее исправление: snake266 (всего исправлений: 1)
Ответ на: комментарий от seiken

Центры обработки, как правило, постоянно загружены. Так что если закончится одна задача, то запустится следующая. Более того, то, что использует меньше ресурсов, просто ещё и дольше гоняет задачу.

grem ★★★★★ ()

Рекламный буклетик, не забыли повесточку. По существу заявлений если расшифровки? Они там для новую математику придумали для ии невиданную? Или на каждый известный алгоритм ввели по ключевому слову языка?

bender ★★★★★ ()
Ответ на: комментарий от snake266

GNU Octave 4.4.0 (комментарий)

Не знаю только, появляется ли здесь (и в какой реинкарнации; что-то его сильно колбасило) DELIRIUM.

greenman ★★★★★ ()
Последнее исправление: greenman (всего исправлений: 1)

А вот учёные и инженеры не знали! Вот мы все лохи, оказывается. Толи дело ХулиЯкомпутинг.

Если серьёзно, то пытался использовать Хулию в прошлом году в исследовательских целях. По сравнению с Питоном — ужас без конца (ужасный конец прилагается). Нормальной среды разработки даже уровня Spyder нет, только ущербный Jupyther, нормального пакетного менеджера нет, а тот, что есть, всё время не может разрешить зависимости. Версия из коробки в Убунте (про Дебиан молчу) просто ни на что не годится. Часть библиотек с бубном после трёх недель ковыряния встала (нужно было решение DDE — диф. уравнений с запаздыванием), но работала явно неверно, стандартные тесты типа решения Маккея—Гласса с традиционными параметрами выдавали то константу вместо периодического режима, то убегали на бесконечность в области хаотического поведения. Честно говоря, даже на Окамле удалось достичь существенно большего.

Vudod ★★★★★ ()
Последнее исправление: Vudod (всего исправлений: 1)
Ответ на: комментарий от snake266

октав, на данный момент, покрывает мои скромные потребности

Значит, его и используй.

В отличии от октава, julia – язык общего назначения. На ней кроме рассчётов, можно всякие другие программы писать. Я всё жду, когда до моего начальства дойдёт, что julia – это всё-таки лучше чем питон (для наших целей), который мы активно используем в дополнение к фортрану.

yvv ★★☆ ()

После того как проект готов, разработчики могут предоставить облачную инфраструктуру для своих программ непосредственно через интерфейс JuliaHub.

ИМХО облака - для ЛОХ-ов.

anonymous ()
Ответ на: комментарий от crutch_master

дёрганье сишного кода (сам питон, внезапно, тоже на Си написан), происходит без познаний Сей. В Julia - это либо странные обвязки, либо выполнение через eval. В последнем случае ещё и python нужно знать.

grem ★★★★★ ()
Ответ на: комментарий от yvv

Джулия очень универсальная, считай почти что это Лисп с его лозунгом «Лучше иметь 100 функций, которые работают с одной структурой данных, чем 10 функций работающих с 10 структурами».

Главное – это именно multiple dispatch в сочетании с опциональной типизацией и выводом типов. Это позволяет решить expression problem (https://en.wikipedia.org/wiki/Expression_problem – The goal is to define a datatype by cases, where one can add new cases to the datatype and new functions over the datatype, without recompiling existing code, and while retaining static type safety (e.g., no casts)) – отдельно пополнять алгоритмы и структуры данных, причём не теряя в производительности и не залезая внутрь уже имеющегося кода. Это ключ к модульности, платформенности, созданию библиотек. Пополнить код новыми типами данных и процедурами можно без перекомпиляции уже имеющихся библиотек и потери в производительности, в этом фишка. И не путайте multiple dispatch с перегруженными операторами, это не про синтаксис вообще!

Это типа засунуть концепт базы данных внутрь языка: позволить писать алгоритмы, которые не нужно потом менять по мере постепенного раскучерявливания структур данных. Особенности обработки новых структур данных можно просто добавлять, как программы обработки данных в базах данных. С другой стороны, можно добавлять процедуры – это как засунуть базу процедур внутрь языка, симметричная базам данных идея, которая должна бы использоваться при распухании не данных, а кода.

https://ailev.livejournal.com/1218155.html

Я не знаю ни одного языка, который бы так близко приблизился к решению проблемы Expression problem.

wall_jvm ()
Последнее исправление: wall_jvm (всего исправлений: 1)
Ответ на: комментарий от yvv

Так и фортран язык общего назначения и на нём можно другие программы писать. Но ты этого не захочешь ;) Хотя вон даже биндинги для gtk есть, библиотеки для работы со строками (с utf8 правда плохо), библиотеки для использования шаблонов и т.д.

grem ★★★★★ ()
Ответ на: комментарий от yvv

В отличии от октава, julia – язык общего назначения.

Общего назначения? Компилятор Юлии уже научился создавать standalone бинари и не собирать импортируемые модули при каждом запуске?

seiken ★★★★★ ()
Ответ на: комментарий от wall_jvm

В расте тоже ооп нету, но ничто не мешает тебе использовать композицию вместо наследования, причем даже в Java это считается более правильным.

По существу ООП - классы с функциями.
Все это легко заменяется обычным процедурным кодом.

anonymous ()
Ответ на: комментарий от wall_jvm

но ничто не мешает тебе использовать композицию вместо наследования

Ее нельзя использовать ВМЕСТО, это разные вещи.

причем даже в Java это считается более правильным

Для определенных случаев конечно.

MOPKOBKA ()
Ответ на: комментарий от omegatype

Ну питон не гомоиконный язык программирования, языки обладающие данным свойством подобны Лиспу. Еще краткая статья почему человек решил перейти с питона на джулию https://habr.com/ru/post/427879/ там он указал следующие пункты:

  • Похож на Python, во всяком случае такой же «высокоуровневый», с возможностью, если надо, спуститься до битов в числах. Нет возни с аллокациями памяти и тому подобными вещами.

  • Мощная система типов. Типы прописываются опционально и очень дозированно. Программу можно написать, не указав ни единого типа — и если делать это УМЕЮЧИ, то программа будет быстрая. Но есть нюансы.

  • Легко писать пользовательские типы, которые будут такими же быстрыми, как и встроенные.

  • Multiple dispatch. Об этом можно говорить часами, но на мой взгляд — это самое лучшее, что есть в Julia, она есть основа дизайна всех программ и вообще основа философии языка. Благодаря multiple dispatch многие вещи пишутся очень единообразно.

  • Массивы родные, встроенные. Векторизация из коробки.

wall_jvm ()
Ответ на: комментарий от wall_jvm

Причём на джулии это легче делать используя подход «Лучше иметь 100 функций, которые работают с одной структурой данных, чем 10 функций работающих с 10 структурами»

Проще говоря

Семь раз отмерь, один раз отрежь
anonymous ()
Ответ на: комментарий от grem

Ещё в догонку https://habr.com/ru/post/210298/

лёгкостью взаимодействия с библиотеками на C. В отличие от интерфейсов для взаимодействия других языков, здесь можно вызвать функцию C, не написав ни строчки на C, поэтому, мне кажется, количество библиотек скоро начнёт свой быстрый рост. Если говорить о собственном опыте, то мне удалось без какого-либо дополнительного кода на C воспользоваться 5 тысячами строк кода на C в 150 строках кода на Julia.

wall_jvm ()
Ответ на: комментарий от snake266

Писал курсачи 3 года назад. В целом вполне рабочий вариант. Некоторые вещи можно делать многократно быстрее чем в питоне (потоковую обработку файлов, препроцессинг наборов данных). Библиотеки есть для большинства задач анализа данных: DataFrame’ы, DeepLearning (Flux, Knet), Анализ графов, Построение графиков (Plots, Makie).

Синтаксис напоминает matlab, только циклы работают быстрее потому что всё jit-ится. Главная фишка - мультиметоды (nd-диспетчеризация) из коробки.

Rayan_s ()
Ответ на: комментарий от Rayan_s

Синтаксис напоминает matlab, только циклы работают быстрее потому что всё jit-ится.

Так в первые версии этого языка базировались на объекте, который мог быть сопряжен с matlab /вроде так было/ …

anonymous ()
Ответ на: комментарий от seiken

Общего назначения? Компилятор Юлии уже научился создавать standalone бинари и не собирать импортируемые модули при каждом запуске?

При каждом запуске ничего компилировать не нужно. Предкомпиляция работает из коробки. Stanalone бинари (ahead of time) создаются с помощью стороннего пакета. Но, поскольку язык динамически типизированный, при изменении контекста, в котором вызываются функции, требуется перекомпиляция. Всё это не имеет никакого отношения к общему назначению, так работает любой динамически типизированный язык (python, javascript и т.д.).

yvv ★★☆ ()
Ответ на: комментарий от MOPKOBKA

Странно что там даже ООП нету, в Fortran и то присутствует.

В джулии есть параметрические типы и множественная диспетчеризация. Это лучше, чем ООП а ля питон. Типы, кстати, похожи на фортрановские, но есть возможность задавать параметры при создании объектов.

yvv ★★☆ ()

Julia Computing Inc., стартап, стоящий за специализированным языком программирования, используемым для таких задач, как разработка алгоритмов машинного обучения

4.2

Не используют её в машинном обучении. Потенциально язык очень хороший, но ML вокруг библиотек и фреймворков строится, а их никто не завёз в Julia. На питоне и Java самые удобные библиотеки и на C++ гораздо менее удобные но которые с большой нагрузкой справляются и на которые уже обычно прототип потом переносится.

peregrine ★★★★★ ()
Ответ на: комментарий от anonymous

Гибче но не удобнее. Когда ты в ML занимаешься исследовательской работой, то там такое говно с абстракциями будет что мама не горюй. И если с ООП иногда эту лапшу можно обернуть во что-то что хоть сколько-то структурировано, то в случае с процедурным кодом там такой говнокод бывает что сам исследователь в нём путается. И да, если программист будет заморачиваться с красотой кода и грамотным проектированием, то исследователю будет совсем не до этого. Ему надо чтобы хоть какой-то результат был и оценить модель (вполне может быть что данные ещё и внешними инструментами будут обрабатываться и изучаться вместе с кодом на питоне и потом самый лучший вариант будет как-то описан на питоне или вообще формулами). А дальше её зачастую без него будут переписывать в человеческий вид.

peregrine ★★★★★ ()
Последнее исправление: peregrine (всего исправлений: 2)
Ответ на: комментарий от peregrine

ML вокруг библиотек и фреймворков строится, а их никто не завёз в Julia

Оно есть, только оно раскидано по разным сторонним пакетам, которые находятся в разной стадии разработки.

То же самое с пакетами для работы с именованными массивами, типа питоновского xarray (который у нас активно используется). Спрос на подобный функционал среди пользователей джулии есть, люди над этим работают, но пока что всё это разрозненно. Но прогресс идёт.

yvv ★★☆ ()