Нейтронные звезды могут придавать нейтронам кубическую форму

К этим звездам вполне обоснованно применимы эпитеты "самые-самые". — Самые массивные, самые горячие, самые короткоживущие, обладающие самыми мощными и быстрыми звездными ветрами и самыми большими светимостями среди других звезд. Наше Солнце, желтый карлик, смотрится на их фоне, скажем прямо, непрезентабельно.
Звезды Вольфа-Райе являются одними из прародителей сверхновых, нейтронных звезд и черных дыр.

Эти сверхмассивные голубоватые светила, часто окруженные флуоресцирующими газовыми туманностями, крайне редки — в нашей Галактике их зафиксировано всего около 500.
Одни из самых немногочисленных звезд Вселенной — звезды класса Вольфа-Райе (WR).

Центральная звезда Вольфа-Райе (WR 136), окруженная своей туманностью NGC 6888.
Протяженность туманности — 25 св. лет. Она состоит преимущественно из водорода (красным) и кислорода (голубым), ионизированных мощным УФ-излучением звезды.

Два метода измерения жизни нейтрона дают разные результаты, что создаёт неопределённость в космологических моделях. Но никто не знает, в чём проблема

О том, как получился магнитопланарный драйвер для наушников с высокой линейностью и быстрым затуханием импульсной характеристики, а также - как и почему это работает. Для подготовленных читателей, уже ознакомленных с предыдущими статьями 1, 2. Ссылка на исходники для сборки в конце статьи.

Часть 1/3

Часть 2/3

Статья «When FTM Discovered MUSIC: Accurate WiFi-based Ranging in the Presence of Multipath» опубликована в материалах Международной конференции IEEE по компьютерным коммуникациям, которая прошла в Торонто, Канада, с 6 по 9 июля 2020 г. (IEEE International Conference on Computer Communications, INFOCOM 2020). Идеи, изложенные в этой публикации, получили дальнейшее развитие, в частности, в статье «FSI: A FTM Calibration Method Using Wi-Fi Physical Layer Information» («FSI: метод калибровки FTM с использованием информации о физическом уровне Wi-Fi»), опубликованной во 2-й части материалов 17-й Международной конференции по беспроводным алгоритмам, системам и приложениям, которая прошла в Даляне, Китай, с 24 по 26 ноября 2022 г. (Wireless Algorithms, Systems, and Applications; WASA 2022).

Слово «математика» у кого-то ассоциируется с вечной зубрёжкой и строгим учителем, другие же представляют себе некоторую абстракцию, существующую отдельно от нашего мира, но есть и те, кто видит проявления этой науки в нашей повседневной жизни.

• газ представляет собой совокупность молекул, находящихся в движении;
• молекулы газа распределяются по скоростям, другими словами, одной и той же скоростью движения обладает одинаковое число молекул;
• у молекул нет преимущественных направлений перемещения;
• газ обладает температурой, которую можно назвать величиной, пропорциональной усреднённой кинетической энергии всех его молекул;
• если молекула взаимодействует с поверхностью твёрдого тела, то она может адсорбироваться ей.

Что может быть скучнее прогноза погоды? На первый взгляд кажется, что нет более далекой от прорывных научных открытий сферы, чем метеорология. Однако примерно 60 лет назад именно наука о погоде дала жизнь новой, странной и прекрасной области знаний – теории хаоса.

У «Эффективного Менеджмента» всего 2 всадника Апокалипсиса: жадность и глупость. Остальных просто оптимизировали за ненадобностью, достаточно и этих. К сожалению, достаточно для того, чтобы время от времени в разных концах света происходили техногенные катастрофы. Аварии, крушения, взрывы и прочие происшествия, которые можно было бы избежать, если бы руководство компаний уделяло внимание борьбе критическим рискам. Или хотя бы не способствовало их скорейшему приближению.

В первой части уже были описаны некоторые яркие катастрофы с выделением причин их наступления, в этой — продолжим описание этих печальных событий.

Когда в бизнес приходят «эффективные менеджеры», стоит ждать беды. С программами урезания расходов, подкручиваниями KPI и прочими странными решениями бизнес может в краткой перспективе получить даже какую‑то выгоду для себя, но довольно быстро сталкивается с проблемами: сложно продать или просто угробить курицу, несущую золотые яйца, и ожидать, что золотые яйца продолжат появляться.

Иногда решения этих эффективных менеджеров и вовсе приводят к техногенным катастрофам: крупным авариям с большим количеством пострадавших или даже погибших. В этой и следующей публикации мы с вами разберём больше дюжины подобных случаев, чтобы понять, какие ошибки, решения и системные проблемы к этому привели. Чтобы выделить, что не должен делать и чего должен остерегаться бизнес, чтобы не допускать воплощения критических рисков? Ведь для любого бизнеса могут сложиться обстоятельства, которые фактически мгновенно прекратят его работу, и в руках руководства — возможности и инструменты, которые бы предотвратили такой печальный исход.

Конечно, крушение ИТ‑компании, логистического оператора или юридической консалтинговой фирмы не будут так же эффектны или так же опасны, но вряд ли от этого собственники и адекватные руководители захотят наступления своих критических рисков и краха всего бизнеса.

Сегодняшняя статья посвящена методам быстрого приближенного вычисления двоичного логарифма и экспоненты/степеней двойки. Не все задумывались, как именно реализовано вычисление нелинейных математических функций в компьютере, который вообще-то умеет складывать и умножать, но не вычислять синусы или гиперболические тангенсы. Из школьных институтских времен вспоминаются ряды Тейлора, приближающие функцию полиномом в окрестности заданной точки, или интерполяционные полиномы Лагранжа,  но как добиться действительно высокой точности приближения? А можно ли эти имплементации ускорить? Постараемся сегодня приоткрыть завесу тайны.

Всем привет. Сегодня я хотел бы поговорить об устройстве современных оптимизирующих компиляторов. Я никогда не публиковался на Хабре ранее, но надеюсь, что мне удастся написать серию статей, которая просуммирует мой опыт в этой области.

Коротко обо мне. Меня зовут Макс, и так получилось, что я вот уже 10 лет, почти с самого начала своей карьеры, занимаюсь оптимизирующими компиляторами. Я начинал в Intel, потом перешёл в Azul Systems, год провёл в Cadence и вернулся обратно, всё это время занимаясь компиляторными оптимизациями для Java, C++ и нейросетевых моделей. На момент написания статьи у меня чуть за 900 патчей в LLVM, большинство из них посвящено цикловым оптимизациям.

За это время я провёл десятки собеседований на позиции как интернов, так и инженеров сеньорного уровня, и довольно часто люди, приходя на эти собеседования, многих вещей не знают или знают поверхностно. И я подумал: а мог бы я написать такой цикл статей, чтобы человек, прочитав их, узнал бы всю ту базу, которая, на мой собственный взгляд, необходимо начинающему компиляторному инженеру? Очень бы хотелось, чтобы новичку в этой области можно бы было дать один (относительно небольшой по объёму) набор текстов, чтобы он получил оттуда всё необходимое для старта. Это не перевод, текст оригинальный, поэтому в нём могут быть ошибки и неточности, которые я буду рад исправить, если вы мне их укажете.

Итак, поехали.

Сразу нужно предупредить, что многие выводы, сделанные далее, не являются общепризнанными. Я буду рад взвешенной критике.

Сначала воспроизведем общую приблизительную идею о свободе воли.

Способны ли мы делать свободный выбор вне зависимости от обстоятельств? Под обстоятельствами здесь могут пониматься как чисто внешние обстоятельства (опасность, выгода, принуждение, и т. д.), так и внутренние (инстинкты, наклонности, предубеждения и т. п.). Другими словами, способен ли человек на самостоятельное независимое поведение или все его поведение зависит от каких‑то внешних и внутренних условий. Наверное, многие люди субъективно ощущают себя свободными, причем ощущение это настолько сильно, что для них ответ на этот вопрос очевиден. Но есть люди, которые, судя по их словам, субъективно не чувствуют своей свободы и которые не уверены, что решения о своем поведении принимают именно они. Более того, в научных журналах есть публикации об экспериментах, подтверждающих отсутствие свободы воли см. википедию «Эксперимент Либета».

Наша основная цель — переформулировать эти смутные ощущения в общенаучных, а лучше в математических терминах так, чтобы было можно дать на этот вопрос логичный непротиворечивый ответ. И начинать, конечно, нужно с достаточно строгого определения свободы воли. Этими вопросами философы задались очень давно, и за прошедшие столетия философия предложила довольно много определений свободы воли. Мы постараемся чуть позже проанализировать основные из них. А сейчас попробуем рассмотреть общее приведенное описание на интуитивном уровне. Человеку, животным, а в будущем и автономным роботам, ведущим самостоятельное существование в человеческом обществе, приходится постоянно принимать решения о своем дальнейшем поведении. Человека, животное или робота будем обобщенно называть агентом.

Часть 1/3

Часть 3/3

Статья «When FTM Discovered MUSIC: Accurate WiFi-based Ranging in the Presence of Multipath» опубликована в материалах Международной конференции IEEE по компьютерным коммуникациям, которая прошла в Торонто, Канада, с 6 по 9 июля 2020 г. (IEEE International Conference on Computer Communications, INFOCOM 2020). Идеи, изложенные в этой публикации, получили дальнейшее развитие, в частности, в статье «FSI: A FTM Calibration Method Using Wi-Fi Physical Layer Information» («FSI: метод калибровки FTM с использованием информации о физическом уровне Wi-Fi»), опубликованной во 2-й части материалов 17-й Международной конференции по беспроводным алгоритмам, системам и приложениям, которая прошла в Даляне, Китай, с 24 по 26 ноября 2022 г. (Wireless Algorithms, Systems, and Applications; WASA 2022).

Всем привет! Меня зовут Анатолий, я лидирую команду машинного обучения в онлайн-кинотеатре more.tv. В своей работе мы активно прототипируем и внедряем сервисы на основе обучения с подкреплением. Этот раздел машинного обучения всё ещё продолжает стоять особняком в индустрии, однако ситуация начинает постепенно меняться. Два года назад я впервые разработал контекстуальных бандитов для решения задачи ранжирования. По сравнению с мейнстримными listwise, pairwise и pointwise подходами, результат лично меня удивил. Конечно, как и всё, что делается в первый раз, было сделано с не очень большим пониманием дела. 

Однако, уже было понимание того, что RL - парадигмально иной раздел машинного обучения, требующий, в каком-то смысле, перестроения способа мышления. Полученный результат заставил меня более детально разбираться с теоретическими основами обучения с подкреплением и различными постановками задач.

Я более чем уверен, что мой пример не является аномалией или каким-то выдающимся случаем. Умея разрабатывать RL, каждый сможет существенно улучшить качество имеющихся ML/DL моделей, которые уже хорошо зарекомендовали себя в проде, или разработать собственное перспективное sota-решение для нового сервиса. Мне всегда было интересно разобраться в том, какие новаторские способы применяются в ML за пределами мейнстримных библиотек и сервисов. К примеру, в первую очередь я ознакомился не с функциональностью chatGPT, а с её разработкой по исходной статье.

Возможно, я “подсмотрю” интересное решение, которое смогу применить в своём рабочем проекте? А если и не получится, то получу опыт и расширю кругозор. И как же было забавно наблюдать, что RL подходы, описанные в оригинале статьи о разработке chatGPT, я уже применил на практике вместе со своей командой в наших бизнес-задачах.