Pull to refresh
142
Karma
252.2
Rating

Пользователь

  • Followers 109
  • Following
  • Posts
  • Comments

10 сумасбродных теорий о природе нашей Вселенной

Popular science Astronomy
Translation

Почему наша Вселенная именно такая? Учёные перебрали уже множество способов объяснить природу нашего мира, поэтому в процессе родилось несколько довольно безумных идей.


Почему наша Вселенная именно такая? За много лет учёные перебрали уже множество способов объяснить природу нашего мира и предсказать его будущее. Вот несколько их самых странных идей.

1. Космология бран



Читать дальше →
Total votes 42: ↑35 and ↓7 +28
Views 15K
Comments 82

Ontol: самые полезные материалы про визы О-1 и грин-карты

Timeweb corporate blog Start-up development IT-emigration IT career
image

Моя позиция такая — лучше иметь больше выбора, чем иметь меньше выбора. Я хочу максимизировать вероятность своего выживания и рассматриваю решения, которые повышают эту вероятность. Мобильность — это хорошо. Семья Айзека Азимова успела «проскочить в закрывающуюся калитку» в последний момент и поэтому у нас есть произведения великого фантаста.

Предлагаю вашему вниманию подборку материалов (онтол), которые я насобирал, чтобы купировать некоторые риски, которые присутствуют в жизни активных, интеллектуальных и предприимчивых людей. (Экономлю вам 5-10 часов поиска и фильтрации.)

Если рядом с вашим домом участились молнии, разумно запастись молниеотводом.

Онтол — это ресурс призванный помочь максимально раскрыть ваш потенциал: поступить в самый полезный для вас университет, жить в максимально эффективном месте на планете, свободно перемещаться, работать на работе мечты, читать нужные книги.

Политические риски


В нашей стране политические риски — риски, что поменяются правила игры и вы потеряете вообще всё — ровно в два раза больше чем в среднем в мире.

Из 100% уголовных дел против бизнеса :

  • 43% — личный интерес сотрудников правоохранительных органов или органов власти
  • 32% — ваш конкурент нашел силовиков и органы власти и «заказал» уголовное дело
  • 7% — действительно нарушение закона

(из доклада 2017 года Бориса Титова, уполномоченного при Президенте России по защите прав предпринимателей, пруф)

Недавний (пару недель назад) опрос 2423 ИТишников (50% Senior, 30% Middle, 10% Junior):

  • 23% в ближайшие 5 лет точно уеду (563)
  • 18% уже уехал (443)
  • 37% колеблюсь (900)
  • 21% не собираюсь уезжать в принципе (517)


Под катом подборка личных историй получения визы О-1 и грин-карты, а также полезные каналы. (За дополнения буду признателен, присылайте самые полезные материалы про США и другие страны.)
Читать дальше →
Total votes 46: ↑35 and ↓11 +24
Views 8K
Comments 32

Ученые создали виртуальную Вселенную из 2,1 трлн элементов

Virtualization *Popular science Astronomy

Исследователи создали компьютерную Вселенную, которая содержит 2,1 трлн "частиц" в пространстве диаметром 9,6 млрд световых лет. Симуляцию Uchuu можно скачивать. Компьютерная модель позволяет отследить эволюцию Вселенной на протяжении 13 млрд лет.

Читать далее
Total votes 16: ↑16 and ↓0 +16
Views 8.9K
Comments 9

Обучение живых и «биологичная» нейронная сеть

Machine learning *Artificial Intelligence Brain Biology

Давайте разберемся, как же живой мозг обучается. Насколько его обучение похоже или не похоже на то, как это делают машины. Попытаемся смоделировать некоторые аспекты обучения.

В машинном обучении укоренились термины обучение без учителя (англ. unsupervised — без контроля) и обучение с учителем (англ. supervised — под контролем). Обучение без учителя – это обучение по неразмеченным данным, или примерам. А обучение с учителем это обычно обучение по некоторым размеченным данным, обучение на примерах при котором результат регулируется и корректируется некоторым внешним механизмом с учётом этой самой разметки. Иногда термин «обучение без учителя» применяют в случае, когда у нас имеется некий агент, которого мы помещаем в некую среду, причём агент изначально не знает по каким правилам и законам действует среда, и без внешней помощи агент обучается взаимодействовать с этой средой. Если у агента имеется некий механизм оценки достижения цели, то это уже можно назвать термином — обучение с подкреплением.

Насколько корректны и применимы эти термины к обучению живых организмов?
Давайте разберемся
Total votes 13: ↑13 and ↓0 +13
Views 4.4K
Comments 20

Изучаем машинное обучение на примере данных, полученных телескопом «Кеплер»

SkillFactory corporate blog Machine learning *Popular science Physics Astronomy
Translation

Представьте, что вы смотрите фильм с проектора. Если через луч проектора проходит человек, он создаёт тень, закрывая часть света. Зрители видят, что часть света от проектора закрывается, и понимают, что закрывает его какой-то человек (обычно это их раздражает). Зрители в данном случае повторяют действия телескопа «Кеплер», который обнаруживает вращающиеся вокруг звёзд планеты (экзопланеты), выявляя мельчайшие изменения в количестве света, поступающего от звезды, если планета проходит перед звездой. Такое явление называется транзитом. На основе данных о транзитных свойствах объектов при помощи машинного обучения возможно прогнозировать расположение экзопланет, в том числе похожих на Землю. К старту курса о машинном и глубоком обучении делимся немного реорганизованным переводом статьи о том, как тип модели ML может повлиять на качество прогнозирования. В конце статьи вы найдёте ссылку на репозиторий проекта с блокнотами Jupyter.

Читать далее
Total votes 5: ↑5 and ↓0 +5
Views 2.5K
Comments 0

Машинное обучение и нейросети позволили сократить время моделирования крупномасштабной структуры Вселенной в 1000 раз

Machine learning *Physics Astronomy

По мере того, как телескопы стали более совершенными, данные наблюдений за галактиками, квазарами и материей в межгалактическом пространстве стали более подробными и способными охватить все большие диапазон эпох Вселенной. Но ничего не возникает из практических наблюдений — для начала нужна гипотеза. Космологические симуляции — важная часть исследования природы Вселенной, та самая гипотеза, рождаемая в ходе наблюдения за моделью. Моделирование формирования галактик помогает предсказать поведение вселенной и ее компонентов в различных сценариях и решить проблемы темной материи как одну из задач современной космологии.

Проблема заключается в том, что любое моделирование ограничено конечными вычислительными ресурсами — исследователям приходится находить компромисс между степенью разрешения (количеством частиц) в модели и размерами пространства (box), в котором будет совершаться моделирование. Для ее решения профессорами университета Карнеги-Меллона, института Флэтайрон и Калифорнийского университета была создана программа, которая в связке с нейронными сетями и применением технологии Deep Learning на базе моделей низкого разрешения (LR) путем предсказания того, как гравитация влияет на частицы с течением времени, создает модели сверхвысокого разрешения (SR). Обучается она этому по уже имеющимся моделям высокого разрешения (HR). В результате создается SR-модель с количеством частиц, в 512 раз превышающим количество частиц в LR-версии модели, предсказывая их смещение от начальных позиций. Кроме того, процесс генерации является стохастическим, что позволяет исследовать мелкомасштабные моделирования.

Читать далее
Total votes 8: ↑8 and ↓0 +8
Views 3.2K
Comments 0

«Фоновый шум» мозга, возможно, хранит в себе ключи к давним загадкам

Brain
Translation

Разбираясь в сигналах, скрытых в электрической болтовне мозга, учёные получают сведения о сне, старении и других процессах




В январе 2020 года на симпозиуме, посвящённом сну, Янна Ленднер представила открытия, способные помочь нам нащупать границы между бодрствованием и бессознательным состоянием в деятельности человеческого мозга. Для пациентов в коме или под наркозом очень важно, чтобы врачи смогли правильно провести это различие. И это гораздо сложнее, чем может показаться – ведь мозг человека в фазе быстрого сна выдаёт те же самые знакомые, плавно пульсирующие волны, что и во время бодрствования.

Однако Ленднер утверждала, что ответы на эти вопросы кроются не в обыкновенных мозговых волнах – а в том аспекте мозговой деятельности, который учёные обычно игнорируют. Речь идёт о беспорядочном фоновом шуме.

Некоторые исследователи скептически отнеслись к этому заявлению. «Они сказали: вы имеете в виду, что там в шуме спрятана полезная информация?» – говорит Ленднер, анестезиолог из Университетского медицинского центра г. Тюбинген в Германии, недавно получившая титул постдок в Калифорнийском университете в Беркли. «Я сказала: да, кому шум, а кому – сигнал».
Читать дальше →
Total votes 17: ↑14 and ↓3 +11
Views 9.4K
Comments 9

Как опухоли головного мозга воздействуют на коннектом

SkillFactory corporate blog Python *Brain Health TensorFlow *
Translation

Известно ли вам, что в настоящее время более 700 000 американцев живут с опухолью головного мозга? И большинство из этих людей, ничего не подозревая, могут продолжать жить с этой опухолью до самой смерти, возможно, от других причин. Поскольку 70 % опухолей мозга доброкачественные, нередки случаи, когда человек, не зная забот, продолжает жить с опухолью мозга. Даже оставшиеся 30 % злокачественных раковых опухолей могут не привести к немедленной смерти. Как эти сгустки вышедших из-под контроля клеток влияют на структуру мозга? И как их наличие влияет на вас?

Читать далее
Total votes 13: ↑13 and ↓0 +13
Views 15K
Comments 2

Математика провисающих проводов и цепей в играх

Game development *Mathematics *
Translation
Во многих современных играх присутствуют провода, кабели и цепи. В этой статье мы рассмотрим математические модели, от которых зависит их форма, также называемая catenary («цепная линия»).

Введение в цепные линии


Из множества изученных и описанных математических объектов один очень дорог многим разработчикам игр. И только некоторые из них знают его истинное название: цепная линия.

Цепная линия — это фигура, к которой естественным образом сводится подвешенная за края верёвка или цепь. Неслучайно само название catenary происходит от латинского catenaria, что и означает «цепь».

В современных играх появляется всё больше заброшенных предприятий и разрушенных окружений. И во многих из них встречается довольно много свисающих проводов. Например, их можно увидеть в комнате GLaDOS из «Portal» или в «Half-Life: Alyx».


Так как цепные линии окружают нас повсюду, неудивительно, что мы с детства привыкли к их форме. А ещё это означает, что мы очень легко замечаем, когда что-то свисает неправильно. Подобно сложности движения кожи или физики ткани, неправильное свисание цепных линий само по себе создаёт эффект «зловещей долины».
Total votes 29: ↑29 and ↓0 +29
Views 8.8K
Comments 22

Применение машинного обучения к кинетике ядерных реакторов

SkillFactory corporate blog Python *Mathematics *Machine learning *Physics
Translation
Tutorial

На Хабре часто выкладывают туториалы по разным областям знаний. Сегодня, к старту нового потока курса по machine learning, поделимся с вами туториалом.... по ядерной физике, работе реакторов и прогнозной аналитике с использованием Python.

По данным Комиссии по ядерному регулированию, в США находится 31 исследовательский ядерный реактор. У автора есть лицензия на эксплуатацию одного из них, и в этой статье он продемонстрирует, как применил методы машинного обучения и общего анализа данных для прогнозирования уровней мощности импульсов и повышения показателя воспроизводимости наших экспериментов.

Читать далее
Total votes 14: ↑14 and ↓0 +14
Views 2.7K
Comments 7

Как устроены волны

Mathematics *Popular science Physics
Волны — это самое распространённое явление. Физические колебания, звук, свет, радио и рентген, волны вероятности в квантовой механике, гравитационные волны в теории относительности — физика практически состоит из волн. Каждое явление можно изучать отдельно, но есть что-то общее в волнах, универсальное.

Чтобы ухватить это общее предлагаю разбираться в волнах последовательно.

Начнём с вопроса, на первый взгляд не связанного с темой, но ответ на который сразу много прояснит.

image
Рис. 1. «Две параллельные линии». Канва, браш. Рама.

Перед вами две параллельные линии, с ограниченной областью их просмотра, квадратным окном. Для различия они раскрашены. Вопрос простой: если красная линия это сдвинутая зелёная, то в какую сторону произошел сдвиг?
Конечно, вправо-вверх, зачем ещё пять вариантов ответа?
Total votes 43: ↑43 and ↓0 +43
Views 16K
Comments 16

Учимся квантовому программированию с помощью примеров. Доклад Яндекса

Яндекс corporate blog Python *Algorithms *Quantum technologies
Сегодня любой желающий может воспользоваться методами квантового программирования, написать простой код на Python и запустить его на реальном квантовом вычислителе. Ришат Ибрагимов rishat_ibrahimov разобрал основы квантовых вычислений на примерах с кодом, показал, как запускать программы на локальном симуляторе и удаленном квантовом компьютере.


— Всем привет, меня зовут Ришат. Я почти три года работаю над качеством поиска Яндекса. Но поговорить сегодня хочу не о работе, а о том, чем я занимаюсь в свободное время. Занимаюсь я квантовой информатикой, а на самом деле — самыми разными моделями вычислений, в том числе квантовыми.
Читать дальше →
Total votes 18: ↑17 and ↓1 +16
Views 16K
Comments 6

Javascript and Rocket Science

JavaScript *Astronautics
Sandbox

Я уже два с половиной года пишу на Js, и почти повсюду вижу примеры решения типовых задач для этого языка . Отрисовать очередную онлайн-витрину, подать асинхронный запрос на бек за очередным JSON. Уровнем повыше - построить структуру данных для SPA и на ее основе отобразить визуальные компоненты. Но в Js есть полноценная библиотека математических функций, он обеспечивает неплохую для скриптового языка скорость вычислений (здесь сравнение производительности по бенчмаркам Питона vs Node ), так что почему бы не попытаться сделать еще один шаг и не решить с его помощью какую-нибудь инженерную задачу. Например - из космической области.

Выйти в космос
Total votes 13: ↑13 and ↓0 +13
Views 3K
Comments 8

Биологически правдоподобное обучение ИИ. Краткий обзор достижений

SkillFactory corporate blog Machine learning *Reading room Artificial Intelligence Brain
Translation

Алгоритм, который привёл к безудержному успеху нейронных сетей глубокого обучения, не работает в биологическом мозге, но исследователи находят работающие альтернативы. Изучая алгоритмы в искусственных сетях глубокого обучения, учёные узнают всё больше о том, как учатся сети биологических нейронов.

В 2007 году ведущие мыслители в области нейронных сетей глубокого обучения организовали неофициальную «спутниковую» встречу на полях престижной ежегодной конференции по искусственному интеллекту. Последним спикером встречи был  Джеффри Хинтон  из Университета Торонто, когнитивный психолог и учёный в области компьютерных наук, ответственный за некоторые из крупнейших достижений в области глубоких сетей...

Приятного чтения!
Total votes 17: ↑15 and ↓2 +13
Views 4.6K
Comments 21

Трассировщик лучей с нуля за 100 строчек Python

Pixonic corporate blog Python *Programming *Working with 3D-graphics *Game development *
Translation

В этом посте мы заглянем под капот алгоритмов компьютерной графики, пошагово разберем основные принципы трассировки лучей и напишем ее простую реализацию на Python. Никаких сторонних графических библиотек — только NumPy и голый код в компиляторе.

Примечание: Эта статья ни в коем случае не является полным руководством/объяснением трассировки лучей, поскольку эта тема слишком обширна, а скорее просто введением для любопытствующих.

Читать далее
Total votes 36: ↑34 and ↓2 +32
Views 12K
Comments 14

FermiNet: квантовая физика и химия с азов

Algorithms *Machine learning *Popular science Physics Chemistry
Translation


В статье, недавно опубликованной в Physical Review Research, мы демонстрируем, как при помощи глубокого обучения упрощается решение фундаментальных квантовомеханических уравнений для реальных систем. При этом решается не только принципиальный научный вопрос, но и открываются перспективы для практического использования полученных результатов в будущем.

Исследователи смогут прототипировать новые материалы и соединения in silico прежде, чем попытаться синтезировать их в лаборатории. Также выложен код из этого исследования; таким образом, команды специалистов по вычислительной физике и химии могут опираться на проделанную работу и применять ее при решении разнообразных проблем. В рамках исследования была разработана новая архитектура нейронной сети, Fermionic Neural Network или FermiNet, которая хорошо подходит для моделирования квантового состояния больших совокупностей электронов – а ведь именно на электронах основаны все химические связи. Сеть FermiNet впервые продемонстрировала, как использовать глубокое обучение для вычисления энергии атомов и молекул с азов. Полученная модель оказалась достаточно точной для практического применения и на момент публикации оригинала статьи (октябрь 2020) оставалась наиболее точным нейросетевым методом, применяемым в отрасли. Предполагается, что связанные с ней методы и инструментарий могут пригодиться при решении фундаментальных проблем в естественных науках. Авторы FermiNet уже применяют ее в работе над сверткой белков, динамикой стеклообразных соединений, квантовой хромодинамикой на решетке и во многих других проектах, помогающих воплотить данные наработки на практике.
Читать дальше →
Total votes 13: ↑13 and ↓0 +13
Views 4.3K
Comments 2

Невидимый балет: молекулярные орбитали, перенос электронов и томография

ua-hosting.company corporate blog Reading room Popular science Physics Chemistry


На протяжении всей истории человечества мы пытались понять, объяснить и придать значение всему, что нас окружает. Благодаря кропотливому труду великих умов мы осознали, что не являемся центром всего сущего. С точки зрения Вселенной, человек это всего лишь песчинка, которую окружают величественные гиганты планет, звезд и галактик. Для нас Вселенная это словно вся планета Земля для одного муравья. Но даже он кажется Колоссом по сравнению с тем, что является строительным блоком всего, что наполняет окружающий мир. Речь, конечно же, идет об атомах. Радиус такой микрочастицы в зависимости от происхождения может составлять от 30 до 300 триллионных долей метра. И даже это не является пределом, ведь внутри каждого атома имеются еще более мелкие частицы — электроны, протоны и нейтроны. Самыми малыми и сложными для изучения являются электроны. Точное положение электрона в атоме/молекуле в тот или иной момент времени определить крайне сложно, особенно если происходит какая-то реакция. Однако ученые из Юлихского исследовательского центра (Юлих, Германия) разработали методику, благодаря которой им удалось записать изображения электронных орбиталей с чрезвычайно высоким временным разрешением. Что лежит в основе созданной методики, как именно она работает, и что удалось увидеть на снимках? Ответы на эти вопросы мы найдем в докладе ученых. Поехали.
Читать дальше →
Total votes 12: ↑12 and ↓0 +12
Views 2.9K
Comments 2

Трёхмерная графика с нуля. Часть 2: растеризация

Working with 3D-graphics *Game development *Algorithms *Mathematics *
Translation
image


Первая часть статьи может быть доказательством того, что трассировщики лучей — это изящный пример программного обеспечения, позволяющий создавать потрясающе красивые изображения исключительно с помощью простых и интуитивно понятных алгоритмов.

К сожалению, эта простота имеет свою цену: низкую производительность. Несмотря на то, что существует множество способов оптимизации и параллелизации трассировщиков лучей, они всё равно остаются слишком затратными с точки зрения вычислений для выполнения в реальном времени; и хотя оборудование продолжает развиваться и становится быстрее с каждым годом, в некоторых областях применения необходимы красивые, но в сотни раз быстрее создаваемые изображения уже сегодня. Из всех этих областей применения самыми требовательными являются игры: мы ожидаем рендеринга отличной картинки с частотой не менее 60 кадров в секунду. Трассировщики лучей просто с этим не справятся.

Тогда как это удаётся играм?

Ответ заключается в использовании совершенно иного семейства алгоритмов, которое мы исследуем во второй части статьи. В отличие от трассировки лучей, которая получалась из простых геометрических моделей формирования изображений в человеческом глазе или в камере, сейчас мы будем начинать с другого конца — зададимся вопросом, что мы можем отрисовать на экране, и как отрисовать это как можно быстрее. В результате мы получим совершенно другие алгоритмы, которые создают примерно похожие результаты.
Читать дальше →
Total votes 38: ↑37 and ↓1 +36
Views 37K
Comments 2

Открытые материалы: курс по вычислительной нейронауке

Образовательные проекты JetBrains corporate blog Studying in IT

В осеннем семестре 2020 года команда лаборатории Нейробиологии и физиологии развития прочитала курс «Вычислительные Нейронауки» для студентов партнерских магистратур ВШЭ и ИТМО, а также для заинтересованных вольнослушателей. Курс проводится в рамках образовательных программ JetBrains c 2019 года. В этом году, в отличие от прошлого, формат обучения был, естественно, дистанционный –– лекции и семинары проводились в виде видеоконференций. В ходе курса студентам был предложен базовый материал для изучения и обсуждения в аудитории, материалы для самостоятельного, более глубокого погружения, интересные практические задания по моделированию нейронов и биологических нейронных сетей. 

Цель курса –– дать студентам представление о том, что и какими способами можно моделировать в нейробиологии и дать им возможность немного попрактиковаться в этом на нескольких относительно простых задачах. Пререквизитами для полноценного усвоения материала являются умение программировать и интерес к биологии, однако, если даже вы не умеете программировать, но интересуетесь вопросами, касающимися работы нервной системы и ее моделирования –– вам все равно будет интересно послушать эти лекции!

Читать далее
Total votes 12: ↑12 and ↓0 +12
Views 2.6K
Comments 0

В подходе к математике столетней давности найдены новые ключи к разгадке природы времени

Mathematics *Popular science Physics
Translation

Из законов физики следует, что течение времени – всего лишь иллюзия. Чтобы избежать такого заключения, нам, возможно, придётся переосмыслить реальность чисел с бесконечной точностью.



Если числа нельзя записывать бесконечными последовательностями цифр, то и будущее не предопределено

Странно, что, хотя нам кажется, будто мы проносимся сквозь время, беспрерывно находясь на тонкой грани между фиксированным прошлым и открытым будущим, эта самая грань – настоящее – никак не проявляет себя в существующих законах физики.

К примеру, в теории относительности Эйнштейна время переплетено с тремя измерениями пространства, и формирует гибкий четырёхмерный пространственно-временной континуум – "блок-вселенную", охватывающую прошлое, настоящее и будущее. Уравнения Эйнштейна описывают всё в блок-вселенной, как предрешённое с самого начала; изначальные условия космоса определяют, что будет дальше, и никаких сюрпризов не происходит – они только кажутся сюрпризами. «Для нас, верящих в физику, — писал Эйнштейн в 1955, за несколько недель до смерти, — различие между прошлым, настоящим и будущим является лишь упорной и настойчивой иллюзией».
Читать дальше →
Total votes 102: ↑91 and ↓11 +80
Views 62K
Comments 429

Information

Rating
3-rd
Location
Волгоград, Волгоградская обл., Россия
Works in
Registered
Activity