Jonny Keane '23，'24，一位数据科学家，持有B.S.在计算机科学中和多发性硬化症。在机器学习中从MSOE探索了GPU编程的潜力，可以在其研究生课程中为独立研究创建视频模拟。他专注于模拟一百万个粒子，每个粒子都具有简单的行为，例如遵循化学踪迹或在不存在小径时做出随机决定。”
这些粒子共同形成了复杂的类似网络状结构，其行为以最终形状结束。对于这个项目，Keane选择使它们形成MSOE徽标的形状。乍一看，动画似乎只不过是一个带有小动作的静态徽标，但是基恩的作品更深入地研究了。通过利用Rosie的力量（MSOE的NVIDIA GPU驱动的超级计算机），他同时模拟了数百万个粒子，从而创造了从这些简单行为中产生的复杂和华丽的模式。
与传统的基于CPU的编程一次，该编程一次处理一个任务，GPU可以一次管理数千个计算，从而可以进行更大的模拟。这与真实世界的应用程序（如深度学习和AI）有关，在该应用程序中，数百万的小型操作同时执行会导致非凡的结果。这种类型的GPU编程如何应用的一个例子是模拟现实世界，例如超现实的视频游戏。
Keane将模拟中的颗粒比作人体中的细胞或深度学习算法中的单个操作，每个细胞都会有助于更大的系统。这种并行处理方法可以应用于包括医疗保健在内的各个行业，在这些行业中，通过GPU功率模拟复杂的生物系统将更加有效。
基恩说，他的教育的关键要点之一是思考大规模问题的重要性。在一个在多个系统上分布计算能力的世界中，了解如何处理可以处理大型数据集和复杂任务的架构解决方案至关重要。无论他是在解决探索项目还是改进现有技术，这都是基恩每天都带来工作的事情。
基恩（Keane）在直接供应中担任数据科学家的角色，运用了他通过本科生和研究生研究所磨练的技能来解决现实世界中的问题。从改进搜索引擎算法到探索AI如何彻底改变高级生活的解决问题的思维方式和深厚的技术知识使他能够分解复杂的问题并开发影响力的解决方案。
基恩（Keane）的工作并不只是专注于编码和数据操纵。它还涉及批判性思考如何平衡AI系统中的准确性和价值。例如，借助AI驱动的解决方案，他必须不断评估如何处理错误并传达技术的局限性，从而确保客户仍然获得价值，即使系统不完美。
回顾自己作为学生的时光，他赞赏他的经历如何使用超级计算机Rosie等尖端工具的经历，即使本科生使他与他的领域其他人区分开来。