Научно-популярное

В июне 2024 года группа исследователей в области метеорологии и атмосферных наук из Университета штата Пенсильвания отправилась в путешествие по Восточному побережью на модифицированном автомобиле Toyota Sienna 2013 года выпуска. Фургон был оснащён специально изготовленным телескопическим метеорологическим зондом, выдвигавшимся из крыши. Их целью было отследить почти ежедневные летние грозы во Флориде и наблюдать явление, которое никогда не подтверждалось за пределами лаборатории.

Это явление, известное как коронный разряд, заключается в образовании крошечных электрических разрядов на кончиках листьев и ветвей. Эти слабые электрические импульсы могут заставлять верхушки деревьев излучать едва заметное свечение в ультрафиолетовом (УФ) диапазоне. Учёные более 70 лет подозревали, что в лесах могут происходить такие эффекты во время гроз из-за необычной активности электрического поля, но прямых доказательств в природе так и не удалось найти.

Марсоход «Кьюриосити» НАСА обнаружил на Марсе разнообразную смесь органических молекул, включая химические вещества, которые обычно считаются строительными блоками для зарождения жизни на Земле. Это открытие знаменует собой первый случай проведения нового вида химического эксперимента на другой планете.

Марсоход «Кьюриосити» добросовестно исследует кратер Гейл и гору Шарп с тех пор, как робот приземлился на Красной планете 6 августа 2012 года. Марсоход размером с автомобиль сейчас передвигается по региону Глен-Торридон в кратере Гейл — месту, которое, по мнению учёных, могло обладать условиями, благоприятными для существования древней жизни, если она там вообще когда-либо была. Находясь в этом регионе, «Кьюриосити» недавно использовал свой бортовой набор приборов для анализа проб на Марсе (SAM), созданный для поиска соединений углерода, связанных с жизнью, и исследования способов, которыми эти соединения образуются и разрушаются в марсианской экосфере.

Я наткнулся на видео Simple Lucas с упражнением для повышения внимания и продуктивности. Оно очень простое:

1. Не пользоваться никакими экранами/развлечениями, когда пытаешься сосредоточиться на работе.

2. Когда начинаешь ощущать моральное истощение, сядь и смотри на стену в течение X минут, чтобы вернуть сосредоточенность.

Я попробовал, и это оказалось очень эффективное (хотя и сложное) упражнение.

Немного запоздало, но решил написать свои ощущения и опыт от четырёх командировок на Чернобыльскую АЭС. До аварии.

<cut>

В 1984-1985 годах, я учился на пятом курсе МИФИ, на факультете Кибернетики в группе, специализировавшейся на софте (ПО) по управлению ракетами и ядерными реакторами. Я попал на реакторы и уже к пятому курсу знал о них почти всё. Тогда стало возможным заключать договора между учебным институтами и предприятиями, и официально получать деньги за внеучебную работу. Наша кафедра успешно сотрудничала с физиками со станции и периодически поставляла им всякие программы. И вот я тоже стал писать всякие программы и утилиты, и впервые поехал на станцию, чтобы показать будущим пользователям, как с ними работать.

Всякие смешные случаи про “сухой” закон, про то, как перепугу пропустил свой поезд из Москвы и прочие встречи с автоматчиками на входе на станцию пропущу, чтобы мне не писать, а вам не читать много букв. Напишу про ощущения студента от станции.

Первое, главное и постоянно присутствующее ощущение - радиация. Она везде, она проникает через все стенки, полы, потолок, защиту, через твоё тело и твою голову. От неё не спрячешься нигде, ни в одной комнате. И ты заражаешься, заражаешься, заражаешься. Понятно, что это миф, но этому трудно противостоять вначале. Этому ощущению помогают ещё и все “зализанные” углы. Там нет прямых углов - все стены обклеены специальным защитным покрытием и оно плавно изгибается на всех углах и стыковках. Привык я только где-то к третьей недельной командировке.

 Число Мерсенна — число вида М = 2^n — 1, где n — натуральное число. Названы в честь французского математика Марена Мерсенна, исследовавшего их свойства в ХVII веке.

Одно из главных свойств чисел Мерсенна: число М является простым, только если число n — простое (р). Обратное утверждение не работает, например М (11) = 2047 = 23×89.

Последовательность простых чисел Мерсенна (начальная): М(р) = 3 (2), 7 (3), 31 (5), 127 (7), 8191 (13), 131 071 (17), 524 287 (19), 2 147 483 647 (31), 2 305 843 009 213 693 951 (61).....

Данное свойство меня очень заинтересовало, а именно как числа Мерсенна распределяются на простые и составные? Почему при простых показателях р = 11, 23, 29, …, числа Мерсенна не простые?

Для поиска ответа, пришлось посмотреть на числа Мерсенна с другой стороны — со стороны информатики, как на числа обладающие — идентификатором последовательности чисел. Решил применить принципы и методы информатики в математике (аналогично информационной математике).

Тогда задача поиска распределения чисел Мерсенна, меняется на задачу поиска зависимости идентификаторов к распределению чисел на простые и составные, где n — идентификатор числа М(n) = 2^n — 1. И данная зависимость была обнаружена в ряду 2(а^2) — 1, где числа Мерсенна появляются при а = 2, 4, 8, 16… или при а = 2^b, где b — натуральное число.

Для наглядности нахождения закономерности распределения составных чисел в ряду 2(а^2) — 1, прошу рассмотреть таблицу, где указаны идентификаторы ряда или значение числа — а, значение числа ряда 2(а^2) — 1 которые обозначим как А(а) = 2(а^2) — 1, так же в таблице указаны делители составных чисел и соответственно простые (без делителей), дополнительно показаны числа Мерсенна.

Нейросети не стоят на месте и постоянно развиваются. Так, 23 апреля мир увидел ChatGPT 5.5. Но лично я с большим нетерпением ждал именно DeepSeek V4. Сколько времени прошло с того момента, как появились первые слухи о будущем релизе от китайской компании? Предыдущая версия запомнилась мне хорошим показателем в повседневных задачах и, что немаловажно, полной бесплатностью. 

Кто-то уже успел протестировать новую модель, кто-то пришёл к выводу, что она лучше того же ChatGPT 5.5. Ну, по крайней мере по цене точно. Про остальное говорить не буду, всё же у каждого свои вкусы и предпочтения. Да и не заглядывал я в слишком сложные задачи, чтобы по достоинству оценить, кто серьёзнее.

Сегодня у нас обзор DeepSeek V4. Пробежимся по самой модели, посмотрим на бенчмарки и, конечно же, протестируем в моих повседневных задачах, с которыми сталкивалась предыдущая версия. Чего-то сложного и высокотехнологичного тут вы не увидите, достаточно рядовые задания и моё мнение о самой модели по их итогам. Устраивайтесь поудобнее, ну а я начинаю своё повествование.

В конце апреля 1968 года компьютерная конференция в Атлантик-Сити едва не сорвалась из-за забастовки телефонисток: терминалы крупных компаний стояли мёртвые. И вот посреди этой неразберихи в центре внимания оказалась небольшая группа подростков из окрестностей Принстона. Они раздобыли акустический модем, подсоединили его к ближайшему таксофону — и вышли на связь с удалённой мини-ЭВМ. Отраслевая газета Computerworld вывела их на первую полосу с заголовком в духе «Школьники украли шоу у профессионалов».

Эти ребята называли себя RESISTORS — придуманная задним числом расшифровка аббревиатуры: «Radically Emphatic Students Interested in Science, Technology, Or Research Studies» — то есть «Радикально увлечённые ученики, интересующиеся наукой, техникой и исследованиями».

Это перевод работы группы астрономов и астробиологов, в которой рассматривается потенциал фундаментальных моделей (крупных нейросетей, обученных на больших массивах данных) для астробиологических исследований. Такие гибкие модели уже разрабатываются в NASA, они открывают новые возможности для быстрого создания приложений, интегрирующих разнородные мультимодальные данные. В статье представлены выводы и описаны ключевые направления для создания специализированной LLM, решающей задачи поиска биосигнатур, планирования космических миссий и обработки научной информации для нужд астробиологии.

Фактически, речь идёт о разработке специализированного суперинтеллекта-помощника астробиолога, в т.ч. интеллекта, работающего автономно на космических аппаратах (каким мы его видим в фантастических фильмах про космические миссии). Для всех, интересующихся [корректным и осторожным] использованием ИИ для анализа астрономических данных.

Студентов МЭИ возят на АЭС в Обнинске, где они дают символическую клятву прямо у пультов управления.

В 1954 году станция мощностью 5 МВт стала первой в мире атомной электростанцией, подключённой к энергосистеме. Для её разработки понадобилось немало специалистов, и многие из них были из МЭИ. Запускал реактор выпускник Лев Кочетков. Вуз начал быстро развиваться с 1943 года при ректоре Валерии Голубцовой — жене Георгия Маленкова, правой руки Сталина.

Она не только восстановила научно-техническую базу, но и достала всё возможное и невозможное, что было нужно для разработок. В Лефортово свозили всё, вплоть до трофейных микроскопов Siemens из Германии. Ещё было высоковольтное оборудование, точнейшие измерительные приборы, осциллографы. Студенты и учёные получили доступ к технике, которой в Советском Союзе на тот момент просто не существовало.

Прямо на территории института построили действующую электростанцию — и студенты учились управлять энергетикой на практике.

Это оборудование позволило вузу заниматься космическими разработками: например, при участии специалистов МЭИ разработали систему телеметрии «Трал» для корабля «Восток-1» с Гагариным на борту.

Детектор KM3NET зафиксировал нейтрино в 35 раз мощнее любого известного. Один из физиков предположил, что его источник — взрывающаяся чёрная дыра, рождённая в первую долю секунды существования Вселенной.

И цифры сошлись.

Привет! Меня зовут Артем Русов. Около 6 лет я занимаюсь обучением будущих теcтировщиков на платформах Stepik, Udemy и YouTube. И каждый день получаю вопросы о том: что там с тестированием и стоит ли начинать его изучать сейчас?

Сам я не смогу дать однозначный ответ: да или нет. Так что предлагаю ознакомиться с этой статьей всем заинтересованным, а уже в конце для себя принять окончательное решение.

Мне всю жизнь говорили одно и то же: «ты умный, но ленивый».
И знаешь, самое неприятное - я сам в это поверил.

Потому что со стороны всё выглядело именно так: я быстро схватываю, могу разобраться в сложной теме за вечер, иногда выдаю результат лучше других… а потом просто бросаю. Без причины. Без логики. Без объяснения.

Я мог часами сидеть в абсолютном фокусе, забывая про еду и время. А потом, не мог заставить себя начать элементарную задачу. Не сложную. Не новую. Просто… начать.

И в какой-то момент это начинает ломать.
Ты смотришь на людей, которые «медленно, но стабильно» идут вперёд - и понимаешь, что они в итоге оказываются дальше тебя.
Хотя ты вроде бы опережал их и мог достичь значительно больше.

Я долго думал, что проблема в дисциплине. Потом - что в выборе сферы. После - что я просто нестабильный или, если честно, немного «не такой».

Пока не наткнулся на одну вещь, которую обычно вообще не обсуждают, когда говорят про СДВГ.

Это не про «не можешь сосредоточиться».
Это про то, что твой мозг по-другому решает, на что вообще стоит тратить усилия.

В этой статье я разберу СДВГ не как рассеянность или гиперактивность, а как дефицит регуляции мотивации и усилия.
Почему ты можешь впадать в гиперфокус, но при этом не можешь начать простую задачу.
Почему «просто сделай» не работает.
И что на самом деле происходит у тебя в голове.

Это не та версия СДВГ, о которой рассказывают в TikTok.
И, возможно, ты узнаешь в этом себя.

Способность познавать новый опыт постепенно утрачивается нашим организмом в течении всей жизни. Мы можем сохранять глубокие воспоминания из детства, пусть даже в измененном виде, но память держится за них с постоянным упорством. А что если бы мозг мог легко перезаписывать память, выбрасывая ненужные воспоминания ради приятного и нового опыта? Некоторые организмы живут именно так!

Как научить детей основам программирования и алгоритмического мышления, не включая компьютер? Сравниваем две настольных игры, представленных на российском рынке — «Прогеры» и «Битву Големов v4.0». Разбираем игровые механики, учебную эффективность, возрастные рамки и помогаем выбрать идеальную игру под задачи и уровень подготовки юных кодеров.

Спустя более 60 лет после того, как Motorola Semiconductor впервые зарегистрировала их в EIA, 2N2222 и 2N3904 по-прежнему массово производятся как минимум шестью производителями, по-прежнему имеются в наличии у всех крупных дистрибьюторов и по-прежнему являются стандартными NPN-транзисторами малого сигнала, используемыми в любительских проектах, университетских лабораториях и цепочках поставок вооружённых сил США.

Практически все остальные дискретные транзисторы, выпущенные в тот же период, давно исчезли. Эти две детали выжили не потому, что технически превосходили конкурентов, а благодаря решениям Motorola относительно их производства, упаковки и лицензирования.

Я не психолог, не социолог и не политолог. Я учился на программиста.

Последний год я провожу эксперимент на русскоязычных площадках: YouTube, Telegram, форумы, комментарии. Задаю симметричные вопросы про два условных государства, находящихся в состоянии вооруженного конфликта с 2022 года:

Государство A враг для Государства B?
Государство B враг для Государства A?

Цель: проверить, как общество вербализует статус сторон на пятый год полномасштабного конфликта.

Мы привыкли думать, что чем умнее система, тем ближе она к полному объяснению мира. Но математика давно оставила нам очень неприятное напоминание: даже внутри строгих формальных систем есть вещи, которые нельзя доказать изнутри. Так что тогда это говорит о программировании, вычислимости и о нас самих?

Удивительно, но “нейрохудожники” появилась не вчера. Оказывается, компьютеры умели генерировать целые картины еще когда в мире бушевал глэм-рок, молодежь страны Советов находила романтику в поездке на БАМ, а жесткий диск со 100 мегабайтами считался эпохальным прорывом технической мысли…

Мы живём в эпоху, когда алгоритмы предсказывают, что мы купим, с кем подружимся и даже за кого проголосуем. Но стоит заговорить о том, что общество в принципе может быть описано математически, как включается внутренний предохранитель: "Люди - не формулы", "Душу не просчитаешь", "Социальное сложнее естественнонаучного и математического описания". Этот рефлекс понятен. Нас учили, что гуманитарное и точное знание разделены непроходимой границей. Но что, если эта граница - не онтологическая, а методологическая? Что если общество не "нематематично", а просто требует другого масштаба наблюдения?

Я не предлагаю свести человека к переменной. Но предлагаю взглянуть на социальную реальность так, как физик смотрит на газ, то есть не разбирать каждую молекулу, а видеть поле, давление, температуру. Оказывается, при таком взгляде из хаоса индивидуальных решений проступают устойчивые паттерны и они описываются уравнениями и с точностью, достаточной для того, чтобы моделировать распространение эпидемий, оптимизировать транспортные потоки и предсказывать финансовые пузыри.

Чёрные дыры (ЧД) — одно из физических явлений, не до конца понятных науке. Физика мало знает о таких объектах, а многие известные «факты» — это теории, которые периодически пересматриваются.

При этом остаётся открытым ряд вопросов о природе ЧД, в том числе о зарождении первичных чёрных дыр (ПЧД). Как их много вокруг, сколько среди них сверхмалых ЧД размером с атом, насколько они опасны для человека, для Земли и Солнца.

Ещё интересные научные теории — это частота взрывов окружающих ЧД (по некоторым расчётам, в ближайшие десять лет мы станем свидетелями такого явления), зарождение новых Вселенных внутри чёрных дыр, в том числе нашей Вселенной, и блуждающие по космосу «одинокие» ЧД без окружающих звёзд.