과거와 미래의 기후 전환을 전달하기 위해 생성 예술을 사용합니다.
2023년 3월 31일
여기서는 기후 데이터를 생성 예술로 시각화하는 프로토콜이 제시됩니다.
기후 데이터를 전달하는 것은 어려울 수 있으며, 특히 시간 척도가 사람들이 일반적으로 생각하는 것보다 훨씬 클 때 더욱 그렇습니다. 이 프로토콜을 통해 사용자는 데이터로 확장된 시각적 개체로 생성 애니메이션을 만들 수 있습니다. 이 절차를 통해 데이터는 차트나 그래프에 의존하지 않고 정보를 전달하는 애니메이션으로 변환될 수 있습니다.
사용된 데이터와 표시되는 시각적 측면 측면에서 고도로 사용자 정의할 수 있습니다. 다양한 데이터 표현 방식을 기반으로 기후 데이터에 대한 대중의 인식에 대한 사회적 실험이 수행되는 것은 흥미로울 것입니다. 이 작품은 보다 전통적이거나 예술적인 방법과 함께 하나의 시각적 기법이 될 수 있습니다.
새로운 언어로 코딩하거나 새로운 소프트웨어를 배우는 것은 어려울 수 있습니다. 주요 용어 또는 코드에 대한 온라인 리소스 및 인터넷 검색이 도움이 될 수 있습니다. 코딩 및 시각화 소프트웨어를 다운로드한 후 데이터를 다운로드하고 코딩을 시작합니다.
원하는 MPT 파일, MPT 1, MPT 2, MPT 3 또는 MPT 4를 코드 편집기로 끌어 시각화합니다. 탐색기 메뉴에서 원하는 MPT 폴더, MPT 1, MPT 2, MPT 3 또는 MPT 4를 클릭하여 드롭다운 메뉴를 표시합니다. 그런 다음 스크립트를 클릭한 다음 index.html를 클릭합니다.
인덱스 코드가 있는 창 부분을 마우스 왼쪽 버튼으로 클릭합니다. html을 선택하고 메뉴에서 라이브 서버로 열기를 선택합니다. 각 시간 하위 집합에 대해 탐색기 메뉴에서 MPT 폴더를 선택하는 것부터 시작하여 단계를 반복합니다.
향후 프로젝션을 기반으로 시각화를 보려면 컴퓨터에서 future 폴더를 열고 누적 또는 전환 폴더를 코드 편집기로 끕니다. 그런 다음 탐색기 창에서 폴더 이름을 선택하고 index.html를 클릭합니다. 인덱스에 대한 코드가 있는 창 부분을 마우스 왼쪽 버튼으로 클릭합니다.
html을 선택하고 메뉴에서 라이브 서버로 열기를 선택합니다. 시각화를 편집하려면 코드 편집기의 탐색기 창에서 원하는 폴더를 선택하고 스케치.js를 클릭하여 기본 스크립트 파일을 엽니다. 이 코드 내에서 시각화 매개 변수를 편집합니다.
코드와 해당 기능에 대한 자세한 설명이 포함된 코드 주석을 찾아 이중 슬래시 뒤에 오고 녹색 텍스트로 추가로 식별됩니다. 데이터에 연결하거나 시각적 매개 변수를 사용자 지정하는 데 사용할 변수를 정의합니다. 그런 다음 명령과 S 키를 동시에 눌러 편집 내용을 저장합니다.
인덱스로 이동하여 업데이트된 시각적 개체를 봅니다. HTML 파일. 탐색기 창에서 마우스 왼쪽 버튼을 클릭하고 메뉴에서 라이브 서버로 열기를 선택합니다.
고유한 지질학적 기간에 해당하는 시각화가 생성되었습니다. 색상, 크기 및 속도와 같은 시각적 측면은 해수면 온도, 질소, 동위 원소 구성 및 기후 변화 속도의 추정치에 정량적으로 조정되었습니다. 데이터는 심해 퇴적물에서 측정되거나 기후 변화에 관한 정부 간 패널 또는 IPCC의 대표적인 탄소 경로 또는 RCP 시나리오에서 모델링되었습니다.
MPT 1 코드에서 생성된 애니메이션은 약 1.2년에서 111만 8,000년 전의 가장 초기 시간 세그먼트에 해당합니다. 빙하-간빙기 연장 및 빙하 냉각 이전에 잘 알려져 있습니다. MPT 2 코드는 약 1112년에서 106만 년 전, 빙하-간빙기 연장 및 빙하 냉각 직전에 해당합니다.
MPT 3는 약 106 만에서 900, 000 년 전에 더 긴 빙하기-간빙기주기를 가진 두 번째 최신 시간 세그먼트에 대한 시각 자료를 생성했습니다. MPT 4 코드는 더 긴 빙하기-간빙기 주기가 더 확립된 약 900, 000년에서 600, 000년 전의 가장 최근 시간 세그먼트에 대한 시각 자료를 생성했습니다. 축적 코드는 뉴욕에 대한 RCP 8.5 모델 평균의 온도 추정치를 기반으로 미래의 인위적 온난화에 대한 모델 예측을 생성했습니다.
전환 코드는 배경을 가로질러 움직이는 구의 윤곽선만 보여주는 동일한 시각적 개체를 더 간단하게 만들었습니다. 제품 형식은 데이터의 사용자 정의 및 표현을 허용하여 몰입형 과학 커뮤니케이션 전시회를 만들었습니다. 코드를 편집할 때 현재 데이터 섹션에 해당하는지 확인합니다.
향후 프로젝션의 경우 작업 영역에 전환 또는 누적 폴더만 있습니다. 그렇지 않으면 프로그램이 작동하지 않습니다. 이 기술은 그래픽 디자인에 과학적 데이터를 포함할 수 있는 기회를 제공합니다.
생성 및 몰입형 예술은 예술이 과학 및 데이터와 상호 작용할 수 있는 많은 기회와 함께 빠르게 성장하는 분야입니다.
전체 스크립트를 보고 수천 개의 과학 동영상에 액세스하세요
개요
본 프로토콜은 생성 예술(generative art)을 통해 기후 데이터를 시각화하여 복잡한 정보를 매력적인 애니메이션으로 변환하는 방법을 제시합니다. 이 방법은 데이터 표현과 시각적 미학 모두에서 사용자 맞춤 설정이 가능하여, 전통적인 데이터 제시 방식의 대안을 제공합니다.
주요 연구 구성 요소
과학 분야
- 데이터 시각화
- 제너레이티브 아트
- 기후 과학
배경
- 다양한 시간 척도로 인해 기후 데이터를 전달하는 것은 어려울 수 있습니다.
- 전통적인 차트와 그래프는 복잡한 정보를 효과적으로 전달하지 못할 수 있습니다.
- 생성 예술(Generative art)은 데이터 표현에 대한 새로운 접근 방식을 제공합니다.
- 사용자 정의 설정은 시각화의 관련성과 영향력을 높여줍니다.
연구 목적
- 기후 데이터를 활용하여 애니메이션을 생성하는 프로토콜을 개발한다.
- 다양한 시각적 제시 방법을 통해 기후 데이터에 대한 대중의 인식을 탐구한다.
- 기존의 데이터 시각화 기술에 대한 대안을 제공한다.
사용된 방법
- 데이터 시각화를 위한 맞춤형 프로토콜 개발.
- 기후 데이터를 기반으로 한 생성적 애니메이션 제작.
- 데이터 표현에 있어서의 시각적 미학 탐구.
- 데이터 인지에 관한 사회적 실험 가능성.
주요 결과
- 기후 데이터를 매력적인 애니메이션으로 성공적으로 변환함.
- 데이터 커뮤니케이션에서 제너레이티브 아트의 효과를 입증함.
- 시각적 프레젠테이션에서 맞춤 설정의 중요성을 강조함.
- 기후 데이터에 대한 대중의 인식에 관한 추가 연구를 제안함.
결론
- 생성 예술은 복잡한 데이터를 시각화하는 가치 있는 도구로 활용될 수 있습니다.
- 이 방법은 기후 문제에 대한 이해를 높일 수 있습니다.
- 시각적 기법에 대한 추가적인 탐구가 필요합니다.
자주 묻는 질문
산업적 관련성 요약
복잡한 다변량 기후 데이터셋을 몰입형 생성 시각화로 변환하는 것은 과학적 데이터 통신을 위한 확장 가능한 프레임워크를 입증합니다. 이러한 접근 방식은 R&D 팀이 정량적 결과물을 제시하는 새로운 양식을 탐색할 수 있게 하여, 발견 및 중개 연구 전반에서 가설 검증과 이해관계자의 참여를 지원합니다. 이 방법은 다양한 데이터셋에 대한 적응력이 뛰어나 바이오 제약 파이프라인 내의 동적인 생물학적 또는 환경적 시스템을 시각화하는 재사용 가능한 역량으로서 활용될 수 있습니다.
바이오 제약 R&D의 전략적 응용
초기 발견 및 표적 검증
- 시스템 수준의 피드백을 명확히 하기 위해 다차원 데이터 세트의 시각적 조사를 가능하게 합니다.
- 데이터 기반 애니메이션을 통해 변수 간의 상호작용을 매핑함으로써 메커니즘적 리스크 감소를 지원합니다.
- 정량적 변수를 시각적 파라미터와 연결하여 가설 검증을 용이하게 합니다.
스크리닝 및 분석법 개발
- 어세이 출력 및 시스템 응답을 나타내기 위해 검증된 시각적 프레임워크를 준비합니다.
- 데이터 제시 방식을 표준화하여 재현성과 팀 간 소통을 개선합니다.
- 신속한 스크리닝 평가를 위해 정량적 어세이 결과의 확장 가능한 시각화를 가능하게 합니다.
중개 및 전임상 연구
- 해당하는 경우, 시각적 출력물을 질환 관련 또는 환경 생체지표 데이터와 정렬합니다.
- 일관된 데이터 시각화 전략을 가능하게 하여, 발견 단계부터 전임상 검증까지의 연속성을 지원합니다.
- 중개 연구에서 모델링 데이터와 실증적 데이터를 통합할 수 있는 플랫폼을 제공합니다.
파이프라인 및 워크플로우 통합
이 생성적 시각화 방법은 초기 발견 단계부터 중개 연구에 이르기까지 적용 가능하며, R&D 전 과정에서 데이터 기반의 의사 결정과 커뮤니케이션을 지원합니다.
- 발견 생물학(Discovery Biology): 변수 간의 상호작용을 시각적으로 매핑하여 가설 검증 및 경로 명확화를 촉진합니다.
- 스크리닝(Screening): 실험 조건 비교를 위해 재현 가능하고 정량적인 시각적 결과물을 제공합니다.
- 분석(Analytics): 지질화학적, 생물학적 또는 모델링된 데이터를 통합된 시각적 판독값으로 통합할 수 있게 합니다.
- 중개 연구(Translational Research): 관련이 있는 경우, 시각화 자료를 전임상 또는 바이오마커 데이터와 일치시키는 것을 지원합니다.
- 기업 내 재사용(Enterprise Reuse): 여러 R&D 프로그램에 걸쳐 다양한 데이터셋을 시각화할 수 있는 유연하고 확장 가능한 프레임워크를 제공합니다.
운영 및 기업적 영향
- 과학적 가치: 예측 신뢰도를 높이고 복잡한 데이터 세트 해석의 모호성을 줄입니다.
- 운영적 가치: 재현성 및 교차 기능적 활용을 위해 데이터 시각화를 표준화하고 확장합니다.
- 전략적 가치: 정량적 결과의 전달력을 개선하여 정보에 기반한 진행/중단(go/no-go) 결정을 지원합니다.
- 포트폴리오 영향: 여러 프로그램에 걸친 데이터 기반 통찰력을 명확히 함으로써 리스크 조정 우선순위 설정을 가능하게 합니다.
실행 시 고려 사항
- 코딩, 데이터 시각화 및 과학적 데이터 해석에 대한 전문 지식이 필요합니다.
- 생성적 애니메이션 및 데이터 통합을 위한 호환 가능한 소프트웨어 인프라가 필요합니다.
- 데이터 형식과 시각화 파라미터의 팀 간 표준화가 요구됩니다.
- 적절한 맞춤 설정을 통해 다양한 모델 시스템과 데이터 유형에 적용 가능합니다.
- 정량적 변수와 시각적 출력물 사이의 정확한 연결에 의존합니다.
