User
Все мы уже давно в курсе, что на Алиэкспрессе процветает практика подделки чипов — под видом популярных микросхем продавцы выставляют что попало, часто даже не отбраковку, а просто какие-то абсолютно другие чипы, другого назначения, но в нужном корпусе, на котором сошлифовывают старую и наносят новую маркировку. Например, вместо микроконтроллера можно получить какой-нибудь шестифазный контроллер питания, последний раз широко использовавшийся в материнских платах для Pentium IV.
Однако сегодня я обнаружил более интересный кульбит: выпуск вполне себе крупным производителем (достаточно крупным, чтобы продукция его попала к основным дистрибьюторам, от LCSC до российских компаний) микросхемы, которая названием и частью функций мимикрирует под популярный чип Texas Instruments — в достаточной степени, чтобы во многих случаях «прокатило», а также чтобы не слишком опытный разработчик не заметил разницы.
Итак, встречайте: HGSEMI OPA376M, в девичестве — GS8591. К практически одноимённому (суффикса «M» у оригинала не бывает) и очень популярному TI OPA376 не имеющий никакого отношения, кроме цоколёвки и названия.
KLA-Tencor Corporation – крупный производитель оборудования для всех этапов производства микроэлектроники: пластин, матриц, микросхем и упаковки. От исследований и разработок до конечного серийного производства. В корпорации прекрасно понимают потребности и тенденции в отрасли и продолжают разработку электронно-многолучевой технологии при финансовой поддержке от DARPA в рамках программы Безмасочной Нанолитографии (Maskless Nanowriter Program).
Технология от KLA-Tencor – самый изощренный представитель электронно-многолучевой литографии.
Электронные микрозеркала, вращающийся стол
Всем привет! Изучив несколько статей по этой теме, у меня остались вопросы, и некоторые моменты по-прежнему были не понятны, поэтому я решил написать свою, которая, как мне кажется, была бы понятна тем, кто не силен в спортивном программировании. В ней я объясняю, как устроено дерево отрезков. Примеры с кодом будут приведены на языке C++, однако на объяснение это не влияет.
Уже несколько десятилетий существуют такие алгоритмы машинного обучения с подкреплением, как Q-learning и REINFORCE. До сих пор часто применяется их классическая реализация. К сожалению, эти алгоритмы не лишены фундаментальных недостатков, значительно усложняющих обучение хорошей политике. Рассмотрим три основных недостатка классических алгоритмов обучения с подкреплением, а также решения, направленные на их преодоление.
Покупая одновременно микрозелень и коньяк можно поймать оценивающий взгляд. Не объяснять же каждому, что набор для выращивания приобретается в научных целях. За 98 рублей мы получаем пластиковый контейнер, минеральную вату, пакет семян и инструкцию. «Выдержать в темноте 2 дня… снять крышку… поставить на солнце… периодически поливать». Такие нехитрые действия помогут вырастить небольшое количество полезных растений.
Приблизительно два года назад я приобрел такой набор и успешно вырастил небольшое количество редиса. В это же время ко мне попала книга Уильяма Тексье «Гидропоника для всех». Помимо информации, относящейся к растениям, книга содержит много упрощенных картинок гидропонных установок. Именно Тексье повинен в идее превратить пластиковую коробочку с минеральной ватой в нечто большее.
Представьте, в вашем проекте есть куча разбросанных по пространству логически связанных элементов, которые (о ужас!) могут свободно перемещаться по пространству. Задача - красиво и наглядно показать пользователю эти связи, чтобы упорядочить представление. В данной статье я покажу нашу реализацию.
В конце февраля 2023 года уважаемый @SLY_G опубликовал очень интересную статью, в которой обобщил некоторые нестыковки в современной фундаментальной модели Вселенной. В особенности меня заинтересовало, что, по приведённым в статье данным, не удаётся согласовать те значения скорости расширения Вселенной, которые получаются при измерениях с учётом космологической постоянной и с учётом объективного расстояния до стандартных свеч. Я обратил внимание на следующую аномалию: данные, полученные в 2001 году от космического телескопа WMAP (телескоп составлял подробную карту реликтового излучения) свидетельствовали, что реликтовый микроволновый фон не полностью изотропен, то есть, что Вселенная в инфляционную эпоху расширялась не вполне равномерно. Некоторые участки Вселенной явно «теплее» других на несколько милликельвинов – эту знаменитую тепловую карту я поставил под катом. Со временем факты в пользу такой аномалии продолжали накапливаться, пока не были в 2013 году убедительно подтверждены по наблюдениям космического телескопа «Планк», запущенного Европейским космическим агентством в 2009 году. В 2018 году группа учёных под руководством Джозефа Силка из Манчестерского университета закончила многолетний анализ данных «Планка», и по результатам этой работы было с 99%-й вероятностью установлено, что Вселенная не плоская, а обладает кривизной. Давайте рассмотрим, какие изменения в картине мира возникнут, если Вселенная не просто немного изогнута, а обладает седловидной, шарообразной или более экзотической формой.
Продолжаю знакомить вас с наработками к занятиям математического кружка. В этой статье собраны два сюжета, связанные друг с другом одной темой: математика углов и тригонометрия. Каким образом обосновываются угловые меры? Какие из них для чего более пригодны? Почему значения тригонометрических функций от рациональных долей окружности почти все иррациональны и, наоборот, почему в рациональной тригонометрии только восемь рациональных углов и те, по большей части тривиальны? Материал рассчитан на школьников, но он приоткрывает двери в большую математику, поэтому здесь появятся элементы теории чисел, теории алгебраических полей и полиномы Чебышёва.
Глубокие нейронные сети добились ошеломительного успеха во множестве областей и применений благодаря способности улавливать самые сложные и нетривиальные закономерности в данных. Однако, выдающиеся способности современных моделей сопровождаются существенными вычислительными затратами, что усложняет и ограничивает их применимость в прикладных задачах, поэтому огромное количества труда и усилий было потрачено на разработку разнообразных методов по сжатию сетей без значительной просадки в качестве - прунинга (структурированному и неструктурированному), квантизации, матричных и тензорных разложений, knowledge distillation и многих других. Тема сегодняшнего разговора будет наиболее близка по смыслу к неструктурированному прунингу - определению весов, которые можно выбросить из модели с минимальными негативными последствиями.
Может возникнуть вопрос - если существует избыточность в количестве параметров, то почему бы просто не взять модель поменьше?
Но разреженная сеть может обладать значительно меньшим числом параметров, чем исходная плотная, и тем не менее не сильно проигрывать ей в качестве. Значит, в сети существует некоторая подсеть, которая способна воспроизвести целевую зависимость. Возможно ли, хотя бы гипотетически, обнаружить данную подсеть и обучить разреженную модель за тоже число шагов до сопоставимого качества? Как будто если бы некий высший разум мог подсветить неоновым свечением веса в этой подсети. Или получение эффективной разреженной сети возможно только из обученной плотной модели?
На практике обычно берут предобученную сеть и прореживают ее, используя некоторый критерий важности весов, с дообучением спарсифицированной модели или без (в отсутствие достаточного количества ресурсов). Существуют и процедуры разреженного обучения модели с нуля, когда модель поддерживается постоянно в разреженном состоянии, но выбор зануленных весов может меняться с течением времени.
Ответы на обозначенные выше вопросы дает серия работ, посвященных Гипотезе Лотерейнего Билета (The Lottery Ticket Hypothesis / LTH) .
В августе 2022 года я публиковал статью «Как и зачем создавать вселенную в лаборатории», в которой рассказал о сути исследований Андрея Дмитриевича Линде и об их связи с многомировой эвереттовской интерпретацией квантовой механики. Там я затрагивал и тему магнитных монополей. Магнитный монополь – это гипотетическая (предположительно, элементарная) частица, представляющая собой однополюсный магнит – в отличие от всем известного магнита с двумя полюсами. Существование монополя было предсказано в 1931 году Полем Дираком – тогда же Дирак предсказал существование позитрона (антиэлектрона). Позитрон – это первая известная античастица, уже в 1932 году он был обнаружен в космических лучах и принёс Дираку Нобелевскую премию по физике. Но полноценный элементарный монополь пока остаётся чисто теоретическим конструктом.
Существование монополей прогнозируется в рамках некоторых теорий великого объединения (GUT), но в природе они пока не обнаружены и в ускорителях не получены. Ниже будет рассмотрены гипотезы о том, почему монополи до сих пор не найдены, какие косвенные проявления или аналоги монополей всё-таки существуют, и что всё это может значить.
«Если сияние тысячи солнц вспыхнуло бы в небе, это было бы подобно блеску Всемогущего…-Я стану смертью, Разрушителем Миров».
Эти слова произнёс Роберт Оппенгеймер 16 июля 1945 года, после того, как в 5.29 на полигоне Аламогордо в Нью-Мексико была испытана первая атомная бомба под кодовым названием «Gadget» («Штуковина»). Заряд располагался внутри специально возведённой тридцатиметровой башни, а физики и генералы наблюдали за взрывом из бункера. Само испытание называлось «Тринити».
Именно тогда, в 5.29 утра по местному времени, на Земле впервые образовался новый минерал – стеклопесок, оставшийся на месте взрыва. Кристаллы минерала получились красноватыми и зеленоватыми из-за включений радиоактивных металлов. Новое вещество назвали «тринитит».
Оказывается, тринитит имеет не только научную, но и коллекционную, и даже художественную ценность. Ниже я кратко расскажу о свойствах, изучении и применении этого минерала.
Ещё в июне 2021 года я публиковал пост «Что варится в пекулярных звёздах» — о звёздах с необычным спектром, явно содержащих не только гелий, водород и следы элементов вплоть до железа и никеля, но и более тяжёлые элементы. Именно в тот пост заглянул уважаемый Андрей Курилов @akurilov, написавший замечательный комментарий, который я поставлю прямо под катом к этой статье. Комментарий Курилова подтолкнул меня к долгим размышлениям о гипотезе «тёмного леса». В дальнейшем я изучил блог этого автора и дозрел до собственного поста об Оумуамуа, в котором словил очередные обвинения в словоблудии и мракобесии от Кьюбертыча. Здорово, что господин Курилов под тем моим постом также высказался. Если вас интересует феномен Оумуамуа — читайте в его блоге, там этому объекту посвящено целых 5 публикаций. Я же сегодня рассмотрю тему техносигнатур — потенциальных маркеров, выдающих существование технологической инопланетной цивилизации. Но сначала — тот самый комментарий.
Весной 2019 года мне довелось прочитать на Хабре о том, что впервые получен снимок чёрной дыры. Парой лет ранее я перевёл книгу «Большое космическое путешествие» Нила Деграсса Тайсона, Майкла Стросса и Ричарда Готта, и именно тогда заинтересовался классификацией и эволюцией чёрных дыр. Как известно, долгое время чёрная дыра считалась чисто теоретическим конструктом, существование которого прямо проистекает из общей теории относительности. При этом чёрная дыра (физическое тело или участок пространства, окружённые горизонтом событий), может возникать либо в результате коллапса звезды-гиганта, либо в результате скопления вещества в активном ядре галактики (AGN). Теоретически могут существовать и первичные чёрные дыры (PBH), которые пока описаны только на кончике пера, но есть нюансы. Сегодня поговорим о том, как именно может быть связана эволюция сверхмассивных чёрных дыр, сейфертовских галактик и, конечно же, квазаров.
В статье описана реализация альфа-бета фильтра Калмана, приведено подробное его описание и программный код -- всё написано для новичков в этой сфере для того, чтобы помочь им начать свой путь и не отпугнуть от дальнейшего изучения методов фильтрации.
