Q‑CTRL, мировой лидер в области программного обеспечения для квантовой инфраструктуры, сегодня объявила о важном достижении в практическом применении квантовых датчиков. В ходе первых в мире полевых испытаний компания успешно провела морское судно без GPS, используя квантовый гравиметр нового типа, устойчивость которого к внешним воздействиям обеспечивает программное обеспечение. В серии испытаний в Коралловом море у восточного побережья Австралии Q‑CTRL провела автономное картографирование гравитационного поля и продемонстрировала квантовую гравиметрическую навигацию без GPS, определяя положение судна с точностью до одной морской мили.

Q‑CTRL продемонстрировала новую морскую квантовую навигационную систему на фоне обостряющейся гонки по созданию надёжных средств навигации для ситуаций, когда GPS недоступна или её работа нарушена. В этом году радиоэлектронная борьба оказалась в центре внимания из‑за конфликта в Ормузском проливе, где преднамеренное глушение и подмена сигналов GPS привели к серьёзным перебоям в работе морского транспорта по всему региону. Только в первом квартале 2026 года в мире зарегистрировали около 978 тысяч случаев глушения GPS, причём 98% из них пришлись на Ближний Восток и затронули более 1100 судов.

Ironstone Opal от Q‑CTRL представляет собой новое поколение квантовых навигационных систем, которые определяют положение с точностью, сопоставимой с GPS, “ощущая” уникальные геофизические особенности Земли. Эта технология на основе квантовых датчиков предназначена для работы в воздухе, на суше и на море и может служить надёжной резервной системой в случаях, когда GPS недоступна или работает с помехами. Она действует днём и ночью при любой видимости и не требует передачи или приёма внешних радиосигналов, поэтому её невозможно вывести из строя глушением или атакой с подменой сигналов.

Каждый ваш шаг, сгибание стопы в голеностопе или подъём на носки запускает удивительный насос, расположенный ниже колен. Икроножные мышцы сжимают вены в нижней части ног и помогают проталкивать кровь вверх, к сердцу. Этот механизм настолько важен для кровообращения, что икры иногда называют «вторым сердцем» организма.

Конечно, это лишь метафора. Икры не могут заменить сердце, которое бьётся в груди. Но они помогают системе кровообращения решать одну из самых сложных задач: возвращать кровь из ног вверх, преодолевая силу тяжести. Сердце прокачивает богатую кислородом кровь по организму через артерии. Достигнув ног, кровь должна вернуться обратно по венам, где давление гораздо ниже. В отличие от сердца, вены сами не способны создавать мощное давление для перекачивания крови. И здесь в дело вступает мышечная помпа голени.

Когда вы ходите, бегаете или встаёте на носки, мышцы задней поверхности голени сокращаются. Они сжимают расположенные рядом вены и проталкивают находящуюся в них кровь вверх. Небольшие односторонние клапаны внутри вен не дают крови стекать обратно к стопам в промежутках между сокращениями. Каждое движение продвигает её ещё немного ближе к сердцу.

Когда помпа работает нормально, кровь не застаивается в ногах. Если её работа нарушена, могут появиться отёки лодыжек, боль или чувство тяжести в ногах. Плохая работа мышечной помпы также может способствовать развитию хронических заболеваний вен.

Однократное редактирование ключевого гена позволило снизить уровень холестерина, закупоривающего артерии, примерно на 50% на протяжении целого года без каких‑либо нежелательных эффектов, сообщили учёные.

Столь впечатляющие результаты получили у четырёх человек, которым ввели максимальную дозу экспериментального препарата в ходе пилотного исследования, опубликованного в ноябре 2025 года в The New England Journal of Medicine.

Исследование было совсем небольшим: в нём участвовали всего 15 пациентов с опасно высоким уровнем холестерина, который не удавалось снизить лекарствами. Учёные проверяли безопасность пяти различных доз препарата для редактирования генов на основе CRISPR‑Cas9. Его вводили внутривенно. CRISPR‑Cas9 работает как биологические ножницы: система разрезает ДНК в заданном месте, чтобы изменить работу нужного гена, включить его или выключить.

«Если бы 15 лет назад вы спросили меня, сможем ли мы когда‑нибудь сделать нечто подобное, я бы решил, что вы сошли с ума», — ранее рассказывал CNN один из руководителей исследования доктор Стивен Ниссен, главный научный сотрудник Института сердца, сосудов и грудной хирургии имени Сайделл и Арнольда Миллеров при Кливлендской клинике в Огайо.

Новые данные исследования, опубликованные в NEJM, похоже, отвечают на главный вопрос: насколько долговечен эффект такого вмешательства? «Действительно ли достаточно одного раза, которого хватит на всю жизнь? Такой вопрос стоял у нас с самого начала», — сказал ведущий автор исследования доктор Люк Лаффин, кардиолог Кливлендской клиники, специализирующийся на профилактике сердечно‑сосудистых заболеваний.

← До этого: Прибытие IBM PC, часть 1

Появление IBM PC стало самым важным событием в истории персональных компьютеров со времён Altair. Его влияние распространялось не сразу, а постепенно, словно медленно накатывающая волна. Первым она захлестнула корпоративный рынок, где имя IBM значило особенно много.

Некоторые компании сумели оседлать эту волну, и она вынесла их на невиданную прежде высоту. Так, Tecmar, производившая платы расширения для научных компьютеров, выросла до 400 сотрудников и достигла выручки в $100 миллионов благодаря тому, что её основатель Мартин Альперт одним из первых сделал ставку на IBM PC.

Других эта волна заставила изменить курс, подчинив силе, которой невозможно было сопротивляться. Eagle Computer, уже состоявшийся производитель компьютеров из Кремниевой долины, быстро понял, куда движется рынок, и одним из первых начал выпускать полностью IBM‑совместимый компьютер, Eagle PC. А некоторые компании, как мы увидим далее, эта волна просто смела.[1]

Проследить её путь до самого конца, когда она окончательно сошла на нет уже в 1990-е годы, означало бы далеко выйти за рамки этой истории. Поэтому здесь мы ограничимся первыми несколькими годами и посмотрим, как примерно до 1983 года IBM PC менял мир персональных компьютеров. Тему IBM‑совместимых клонов мы также намеренно оставим в стороне: их история относится уже к следующей главе.

Важной вехой в математических исследованиях с использованием ИИ стал пример команды компании Axiom Math, которая впервые автоматически проверила доказательство теоремы, касающейся простых чисел — в просторечии известной как «теорема 246» — с помощью собственной системы искусственного интеллекта AxiomProver.

При формальной проверке математики поручают компьютеру проверить машиночитаемую версию доказательства. Этот процесс не дает 100-процентной гарантии правильности доказательства, как показала недавняя демонстрация, в ходе которой было выявлено, что ошибка в методе может привести к ложному подтверждению доказательства, сгенерированного ИИ. Тем не менее, этот вычислительный метод максимально приближает к одобрение доказательства при помощи ИИ к реальности.

Это подтверждение формализует важный прорыв в теории чисел. Помимо этого конкретного доказательства, она демонстрирует, как автоматизированную проверку с помощью ИИ можно будет использовать в будущем для обеспечения корректности компьютерного кода, сгенерированного ИИ, который в скором времени станет основой программного обеспечения по всему миру.

Китай готовится к запуску одной из своих самых амбициозных миссий на сегодняшний день — и в ходе её реализации может одержать значительную победу. Миссия под названием «Чанъэ-7» ставит перед собой цель стать первой в истории, которая совершит посадку непосредственно на южном полюсе Луны, где она будет искать водяной лёд в тёмных, зловещих кратерах этого региона. То, что там будет обнаружено, может радикально изменить ход гонки между Китаем и США за создание баз на Луне.

«Это потрясающая миссия, — говорит Норберт Шоргхофер, старший научный сотрудник Института планетологии, проживающий на Гавайях. — До сих пор не было ни одной миссии с посадкой, целью которой было бы обнаружение воды [на Луне]». Если Китай успешно завершит эту миссию, он «станет лидером в области лунной науки», — добавляет Шоргхофер. Если не считать пилотируемых посадок «Аполлона», осуществлённых США более полувека назад, «в краткосрочной перспективе они превзойдут всех, включая Соединённые Штаты, в области исследования Луны».

Запуск «Чанъэ-7» — седьмой лунной миссии Китая — запланирован на ракете «Длинный марш-5» с прибрежного космодрома Вэньчан на острове Хайнань. В состав миссии входят орбитальный аппарат, а также посадочный модуль, на борту которого находятся луноход и новый «прыгающий» робот. Космическому аппарату потребуется до шести дней, чтобы выйти на лунную орбиту, где он затем проведёт два месяца, готовясь к посадке в ноябре, которая должна пройти практически в самую точку на южном полюсе Луны. В миссию также включено оборудование от нескольких международных партнёров, что подчёркивает растущее глобальное влияние Китая — как на Земле, так и за ее пределами.

Исследователи увидели, что клетки водорослей подо льдом, когда первые фотоны весеннего солнечного света проникли сквозь темноту арктической полярной ночи, поглощают свет при интенсивности, равной теоретическому минимуму для фотосинтеза — менее одной стотысячной части света солнечного дня.

Большинство жизненных процессов работает на солнечном свете. Фотоны проникают сквозь атмосферу и с жадностью поглощаются организмами, использующими свет в качестве источника энергии, такими как растения и водоросли. В процессе фотосинтеза частицы света запускают клеточную реакцию, в результате которой вырабатывается химическая энергия (в виде сахаров), которая затем передаётся по пищевой цепи в сложной взаимосвязи между травоядными, хищниками, падальщиками, разлагающими организмами и другими участниками экосистемы.

В яркий солнечный день фотонов хватает с лихвой. Но что происходит при слабом освещении? Биологи давно интересуются тем, при каком минимальном количестве света может происходить фотосинтез — или какое количество фотонов с какой скоростью должно поступать, чтобы фотосинтетический аппарат клетки мог преобразовывать углекислый газ в кислород и энергию. Расчёты показали, что теоретический минимум составляет около 0,01 микромоля фотонов на квадратный метр в секунду, или менее одной стотысячной доли от освещённости солнечного дня.

На протяжении десятилетий этот расчёт оставался теоретическим из‑за сложностей, связанных с изучением фотосинтеза в условиях слабого освещения. Никто не мог подтвердить его в полевых условиях, хотя на Земле существует множество мест, куда свет едва доходит. Например, каждую зиму в Арктике на высоких широтах солнце, скрытое из‑за наклона оси Земли, исчезает на несколько месяцев. Метровые слои снега покрывают морской лёд и блокируют поступающий свет, оставляя ледяной океан внизу таким же тёмным, как пространство в гробнице. Биологи предполагали, что фотосинтезирующие микроводоросли, обитающие в воде и льду, на время сезона переходят в состояние покоя и ждут возвращения тепла и света.

В документальном фильме 2014 года Alive Inside 94-летний Генри, житель дома престарелых, страдающий деменцией, сидит, сгорбившись в инвалидном кресле, опустив голову и скрестив руки. Затем социальный работник надевает на Генри наушники и включает песню Кэба Кэллоуэя 1930-х годов — из его молодости.

Генри открывает глаза. Он поднимает голову, начинает покачиваться в такт музыке, а вскоре начинает петь и оживлённо рассказывать о своих воспоминаниях.

Учёные до сих пор пытаются объяснить такие моменты, как тот, что произошёл с Генри. Знакомая музыка иногда может пробуждать воспоминания и эмоциональные реакции у людей с деменцией, а ритмические звуковые сигналы могут улучшать некоторые аспекты ходьбы у некоторых людей с болезнью Паркинсона или перенёсших инсульт. Сейчас исследователи выходят за рамки общих наблюдений за тем, как музыка облегчает сложные состояния. Они пытаются определить, какие из её компонентов — ритм, темп, знакомость, мелодия или точно синхронизированные сенсорные импульсы — вызывают измеримые эффекты в мозге и теле.

Результаты исследований сильно различаются. Однако в совокупности они указывают на то, что музыка — это не отдельный метод лечения, а совокупность биологических сигналов, и что её терапевтический потенциал может зависеть от правильного соотнесения нужного звукового элемента с нужным участком мозга.

Реки, как и все «транспортные сети», следуют математической структуре, из‑за которой они так похожи на фракталы.

Моё сердце принадлежит реке. Не суровой чёрной Темзе, извивающейся через Лондон, где я родилась, а ленивой зелёной реке в 10 000 км отсюда — там, где я провела свою юность: реке Бланко в Техасе. Мои предки по материнской линии купались в её водах на протяжении многих поколений, как и я в бесчисленные летние дни.

Бланко — приток реки Сан‑Маркос, которая впадает в реку Гуадалупе, а та, в свою очередь, — в Мексиканский залив. Вы, наверное, можете представить, как это выглядит на карте, ведь все речные сети похожи друг на друга: они ползут по ландшафту, сливаются во всё более широкие и длинные русла, спускаясь вниз к морю. Эта схема напоминает веточки, соединяющиеся со стволами деревьев (а также разветвления их корневых систем), и точно так же напоминает жилки на листьях растений, нашу собственную систему кровеносных сосудов, а также сети железных дорог и автомагистралей, ведущих в города.

В этом повсеместно встречающемся узоре есть что‑то притягательное, настолько притягательное для меня лично, что я сделала себе татуировку на предплечье: силуэт дерева с безлистными ветвями, устремлёнными вверх, и корнями, уходящими вглубь, словно зеркальное отражение. «Формы рек, сосудистая система листьев и так далее — разветвлённые сети — вы можете более или менее уловить закономерность, но она по‑прежнему хаотична, и в этом есть что‑то завораживающее», — сказал Крис Паола, специалист по рекам из Университета Миннесоты.

У таксистов и водителей скорой помощи вероятность смерти от болезни Альцгеймера ниже, чем у представителей практически любой другой профессии. Таков был неожиданный результат исследования 2024 года, в ходе которого были проанализированы свидетельства о смерти почти 9 миллионов человек в США.

Эти выводы заставили меня задуматься, ведь эти две профессии, как и моя собственная работа, опираются на одно и то же: карты.

Я более двух десятилетий провожу, вглядываясь в карты. Не в бумажные карты на стене, а в цифровые с множеством слоёв: границы зон затопления, наложенные на кварталы переписи, зоны повышенной аварийности, нанесённые на геометрию дорог, и спутниковые данные об осадках, сшитые по речным бассейнам. Большая часть моей работы в качестве инженера‑строителя и инженера‑эколога выполняется с помощью ГИС — то есть геоинформационных систем. Инженеры, такие как я, одновременно удерживают в голове несколько пространственных взаимосвязей, анализируя расположение объектов относительно друг друга в масштабах от городского квартала до целого водосборного бассейна.

Я всегда считал, что пространственное мышление, основанное на работе со слоями карт, носит исключительно профессиональный характер. Но то исследование, посвящённое водителям такси и машины скорой помощи, заставило меня задуматься: а не приносит ли вся эта умственная работа пользу мозгу?

Вдохновившись покрытой трещинами кожей слонов, удерживающей воду, исследователи из Пенсильванского университета разработали недорогую цементную плитку, которая охлаждает здания за счёт поглощения и медленного испарения воды — превращая конструктивный недостаток в решение климатической проблемы.

В солнечные и знойные летние дни большое облегчение приносит пот. Когда капли влаги испаряются с кожи, они почти незаметно отводят тепло. Это кажется неприятностью, но на самом деле это одна из самых эффективных систем охлаждения в животном мире.

Однако не все животные способны потеть. Одним из примеров является африканский слон, выдерживающий сильную жару в африканской саванне благодаря своей тёмно‑серой коже толщиной в несколько дюймов. Как ему удаётся оставаться прохладным?

«Складки, — отвечает Дорит Авив, доцент кафедры архитектуры Школы дизайна имени Вейцмана. — У слонов на коже есть сеть трещинок, в которых задерживается вода. Когда они обрызгивают себя водой, она остаётся на коже и медленно испаряется, постепенно охлаждая их».

Идея охлаждения без потоотделения впервые была предложена Авив её давним коллегой Шу Яном, учёным‑материаловедом из Инженерного факультета Пенсильванского университета. Эта идея заинтересовала Авив, чьи исследования сосредоточены на повышении термодинамической эффективности архитектурной среды в условиях глобального потепления, ведь здания не потеют.

В статье, опубликованной в журнале Advanced Materials, Авив, Ян и Кун‑Хао Ю из Сиракузского университета воплотили эту идею в новый вид плитки на цементной основе, которая улавливает, удерживает и медленно испаряет воду, охлаждая поверхности без вентиляторов, компрессоров или сложных движущихся частей.

Разделённые миллиардами километров и сформированные совершенно разными условиями окружающей среды, туманный спутник Сатурна Титан и карликовая планета Плутон, на первый взгляд, имеют мало общего.

Титан — геологически активный мир, окутанный атмосферой, более плотной, чем земная; его ландшафт сформирован морями жидкого метана и обширными дюнами, сложенными из органических частиц, выпадающих с неба в виде дождя. Плутон, напротив, представляет собой ледяной аванпост с разреженной атмосферой, парящей над ледяной, замёрзшей поверхностью.

Тем не менее, наблюдения с помощью космического телескопа «Джеймс Уэбб» показали, что эти два непохожих мира имеют одинаковую, пока не объясненную инфракрасную сигнатуру на своих поверхностях — признак того, что, несмотря на их резкие различия, на обоих мирах, возможно, происходят схожие химические процессы, полагают учёные.

Как подробно описано в новом исследовании, эта особенность проявляется на точно такой же инфракрасной длине волны как на Титане, так и на Плутоне, что указывает на то, что она поглощает свет одинаково на обоих мирах. Этот сигнал указывает на наличие неизвестного соединения или группы родственных соединений, которые учёные ещё не идентифицировали.

«Это довольно загадочно», — сказал Space.com Бруно Безар, планетолог из Парижской обсерватории, возглавивший это открытие. «Мы не можем сказать, что это такое».

Ученики начальной школы могут заучивать таблицу умножения однозначных чисел, но простого запоминания будет недостаточно, когда учитель задаст задачу на умножение трёхзначных чисел. Здесь требуется алгоритм: учеников учат выстраивать числа друг над другом и умножать каждую цифру нижнего числа на каждую цифру верхнего. На протяжении тысячелетий математики считали это самым быстрым способом умножения, пока в 1960 году 23-летний молодой человек не сделал шокирующее открытие, которое привело к загадке, остающейся неразгаданной до сих пор.

Эта загадка имеет решающее значение для всех, кто имеет отношение к цифровому миру, поскольку умножение является основополагающей операцией для компьютеров. Шифрование, робототехника, искусственный интеллект, обработка звука и практически всё остальное, чем мы заставляем заниматься кремниевые чипы, связано с умножением, причём иногда огромных чисел, умножаемых многократно. В таких масштабах даже простая операция становится «узким местом», и любое дополнительное повышение эффективности имеет глобальные экономические последствия.

Чтобы понять суть этого «узкого места», обратите внимание на то, как «школьный» алгоритм справляется с увеличением размера чисел. При умножении двух двузначных чисел выполняется четыре однозначных умножения. Если перейти к паре трёхзначных чисел, то потребуется девять однозначных умножений. Нагрузка растёт пропорционально квадрату количества разрядов (n², где n — количество разрядов в умножаемых числах). При анализе подобного алгоритма компьютерные учёные не измеряют скорость в секундах, поскольку она зависит от аппаратного обеспечения. Вместо этого они подсчитывают количество вычислительных шагов. Они также игнорируют второстепенные детали, такие как время, необходимое для переноса единицы при умножении. Когда числа становятся достаточно большими, эти низкоуровневые операции перестают иметь значение, поскольку их полностью затмевают более ресурсоёмкие операции. Информатики обозначают количество шагов с помощью так называемой нотации «большого O»: например, алгоритм, который учат в начальной школе, требует O(n²) шагов, что читается как «порядка n в квадрате». В общих чертах, если числа в два раза длиннее, для выполнения алгоритма требуется в четыре раза больше вычислительной работы. Если числа в тысячу раз длиннее, требуется в миллион (1 000 в квадрате) раз больше работы.

Уже довольно много лет руководители компаний, вкладывающих сотни миллиардов долларов в год в разработку различных инструментов искусственного интеллекта, настаивают на том, что в конечном итоге эта технология приведёт к сокращению времени, которое люди тратят на работу.

Четыре года назад технический директор Google заявил, что к 2025 году ИИ обеспечит переход на четырёхдневную рабочую неделю.

В начале этого года, всего через год после прогноза того технического директора, компания OpenAI приняла этот вызов. Она официально призвала компании начать тестирование четырёхдневной рабочей недели (без изменения заработной платы), утверждая, что ИИ вскоре сможет настолько ускорить человеческий труд, что корпоративный мир должен к этому подготовиться.

Однако бывший технический сотрудник OpenAI, уволившийся из компании в прошлом году, рассказал BBC, что пока он там работал, компания сама никогда не тестировала четырёхдневную рабочую неделю, которую она предлагала другим попробовать.

Вместо этого он описал зачастую изнурительную рабочую культуру, характеризующуюся частыми «кризисными совещаниями», работой по выходным и «чрезвычайно жёсткими» оценками эффективности, в результате которых коллег внезапно увольняли.

«Ты приходишь в субботу или воскресенье просто для того, чтобы наверстать упущенное или убедиться, что всё работает нормально», — сказал этот сотрудник.

Другие компании также продвигают идею о том, что ИИ эффективно сократит количество часов, которые людям нужно работать — к лучшему или к худшему. Компания Anthropic похвасталась тем, что её популярный инструмент для программирования и чат‑бот Claude способен работать самостоятельно в течение семи часов без перерыва, что по сути соответствует полному рабочему дню в компании. Марк Цукерберг из Meta заявил, что его компания находится в середине того года, когда «ИИ начинает кардинально менять наш подход к работе», и что такие инструменты позволяют гораздо меньшему числу сотрудников выполнять больше работы — гораздо больше, чем они когда‑либо могли бы сделать раньше.

Революционная миссия, которая исследовала Плутон и отдалённые объекты Солнечной системы с беспрецедентной детализацией, пробудилась от своего самого длительного «сна». Сейчас она находится на расстоянии 5,9 миллиарда миль (9,5 миллиарда километров) от Земли.

Космический аппарат НАСА «Новые горизонты» перешёл в запланированный режим гибернации 7 августа 2025 года и пробудился 23 июня с помощью команд, сохранённых в его главном компьютере.

Диспетчеры миссии из Лаборатории прикладной физики Университета Джонса Хопкинса в Лореле, штат Мэриленд, подтвердили, что «Новые горизонты» находится в отличном состоянии и готов передавать поток научных данных, собранных во время «спячки», со своего местоположения в области ледяных объектов, известной как пояс Койпера.

Плутон — самое крупное из тысяч замороженных каменных тел, называемых транснептуновыми объектами (ТНО), которые находятся в поясе Койпера на краю нашей Солнечной системы — это остатки её формирования, завершившегося по большей части 4,5 миллиарда лет назад.

В 2015 году «Новые горизонты» стал первым космическим аппаратом, совершившим детальный пролёт мимо Плутона и его спутников, изменив представления учёных об этой холодной карликовой планете. В 2019 году аппарат также провёл детальное исследование Аррокота — ТНО, имеющего форму снеговика.

С момента достижения этих важных вех аппарат «Новые горизонты» продолжает исследовать загадочный пояс Койпера — и делает удивительные открытия.

# Исследование неизвестных территорий

Космический аппарат собирает данные о скоростях вращения, ориентации и формах ледяных объектов, путешествующих по орбитам в поясе Койпера.

Новые расчёты, похоже, разрешили 25-летнюю загадку в области физики частиц. Однако они также привели к несоответствию с другими экспериментальными результатами.

На протяжении 25 лет физики были озадачены проблемой, вероятность возникновения которой составляла одну миллионную. Их прогнозы относительно того, как определённые частицы должны колебаться в магнитном поле, противоречили тому, что они наблюдали в экспериментах. Это несоответствие было интригующим намёком на то, что они, возможно, обнаружили доказательства существования неизвестных частиц.

Но в 2021 году этот намёк, казалось, испарился. Когда исследователи усовершенствовали метод теоретических расчётов, они обнаружили, что их предсказания совпадают с экспериментальными результатами гораздо точнее, чем раньше — с точностью до одной части на 100 миллиардов.

Однако это, в свою очередь, породило новую загадку: старые расчёты кажутся вполне обоснованными. Так почему же они не совпадают с новыми? Те старые предсказания не были основаны исключительно на теории; они также были выведены на основе других экспериментов. Если старые расчёты противоречили новым результатам, а сами старые расчёты основывались на экспериментальных данных, то не происходило ли что‑то странное в старых экспериментах?

Один из многообещающих ключей к разгадке даёт ускоритель частиц в Сибири, где в последнее время результаты экспериментов стали резко расходиться с данными, полученными ранее как на этом, так и на других ускорителях. Эти результаты вызвали бурную активность: физики пытаются определить, являются ли противоречивые измерения побочным эффектом различий в экспериментальных процедурах или же это признак того, что новые частицы всё‑таки появляются.

Насколько нам известно, в космосе пищи не найти. Если мы хотим исследовать последние из известных нам фронтиров, нам придётся брать её с собой. Одним из самых древних и распространённых видов пищи на планете Земля являются морепродукты, однако мы удивительно мало знаем о том, как водные животные будут реагировать на условия микрогравитации, с которыми они столкнутся в космосе. Новая статья исследователей из Японского научного университета Окаяма, недавно опубликованная в журнале «Microgravity Science and Technology», призвана ответить на этот вопрос. В ней был использован новый метод моделирования микрогравитации для наблюдения за реакцией ракообразных на космическую среду, и было установлено, что они, вероятно, могут стать хорошими кандидатами для включения в будущую космическую пищевую цепочку.

Большинство экспериментов по микрогравитации на Земле проводятся в камерах свободного падения или во время параболических полётов — оба этих метода обеспечивают лишь несколько секунд настоящей «микрогравитации» и не подходят для длительных испытаний. Международная космическая станция предлагает достойную альтернативу, но её использование чрезвычайно дорого, а пространство для проведения дополнительных экспериментов на ней весьма ограничено. Поэтому исследователи обратились к альтернативному инструменту — клиностату.

Эти специализированные камеры быстро изменяют ориентацию находящегося в них содержимого, варьируя действующее на него гравитационное поле и имитируя, по крайней мере, некоторые эффекты микрогравитации. Они вращаются таким образом, что совокупное действие силы тяжести и центробежной силы в конечном итоге сводится практически к нулю в течение определённого периода времени. Эти устройства хорошо подходят для одноклеточных организмов и растений. Однако для сложных животных они не столь эффективны.

Величайшие математические успехи искусственного интеллекта связаны с решениями задач, поставленных неординарным ученым середины XX века. Изучая особенности задач Эрдёша, математики пытаются понять, как искусственный интеллект может изменить остальные области математики.

20 мая 2026 года компания OpenAI сделала заявление, которое потрясло математический мир. Внутренняя модель ИИ — недоступная для широкой публики — нашла контрпример к задаче «единичного расстояния», гипотезе, выдвинутой в 1946 году Полом Эрдёшом, плодовитым венгерским математиком, любившим переезжать с место на место.

Эрдёш сформулировал тысячи вопросов, но этот был особенным: его было просто объяснить, и при этом он отличался большой математической глубиной. Это было первое исторически значимое доказательство, полученное с помощью модели искусственного интеллекта. Хотя модель выдала не окончательный результат — математики‑люди существенно его усовершенствовали в течение нескольких недель — он был новаторским, поскольку использовал идеи из отдаленной области математики, которые ранее никто не применял к этой задаче. И он оказал большое влияние: в течение нескольких дней аналогичные методы уже использовались для решения других важных задач.

Затем 1 августа компания OpenAI объявила, что еще не выпущенная модель под названием Astra добилась 10 дополнительных математических прорывов, в том числе нашла решения еще для трех задач, поставленных Эрдёшем.

Многие математики оценили подобные достижения как фазовый переход в математических возможностях моделей искусственного интеллекта. Эти модели «радикально меняют подход к проведению математических исследований», — отметила Нога Алон из Принстонского университета, которая за свою многолетнюю карьеру решила десятки задач Эрдёша.

В 2003 году немецкая аспирантка по имени Бритта Шпет наткнулась на гипотезу Маккея — одну из крупнейших нерешённых задач в области математики, известной как теория групп. Сначала её цели были относительно скромными: она надеялась доказать одну‑две теоремы, которые позволили бы сделать небольшой шаг вперёд в решении этой задачи, как делали многие другие математики до неё. Но с годами она снова и снова возвращалась к ней. По её словам, всякий раз, когда она пыталась сосредоточиться на чём‑то другом, «это не срабатывало».

Существовал риск, что столь упорное стремление к решению столь сложной задачи может навредить её академической карьере, но Шпет всё равно посвятила ей всё своё время. Это привело её в кабинет Марка Кабанеса — математика, ныне работающего в Институте математики Жюссьё в Париже, который, вдохновлённый её усилиями, тоже полностью погрузился в работу над этой гипотезой. Работая вместе, они влюбились друг в друга и в конце концов создали семью.

Проблема, которая поглотила их внимание, берёт за основу одну из ключевых тем математики и превращает её в конкретный инструмент для исследователей теории групп. Математика полна чрезвычайно сложных абстрактных объектов, которые невозможно изучить в полном объёме. Однако, как обнаружили математики, зачастую достаточно рассмотреть лишь небольшой фрагмент такого объекта, чтобы понять его более общие свойства. Например, в III веке до н. э. древнегреческий математик Эратосфен оценил окружность Земли — примерно 40 000 км — путём измерения теней, отбрасываемых солнцем, всего в двух городах, расположенных на расстоянии около 800 км друг от друга. Аналогичным образом, когда математики хотят понять невероятно запутанную функцию, они могут посмотреть, как она ведёт себя на небольшом подмножестве возможных входных значений. Этого может быть достаточно, чтобы понять, как функция ведёт себя при всех возможных входных данных.

Летом 2025 года физики собирались на немецком острове Гельголанд, чтобы отметить 100-летие создания квантовой механики. За столетие, прошедшее после теоретического шедевра Вернера Гейзенберга — созданного им как раз во время выздоровления от сенной лихорадки на этом острове, — эта теория стала ещё более точной в своих описаниях и успешной в применении. Благодаря таким технологиям, как квантовые компьютеры, мы стоим на пороге революции, которая обещает привнести квантовый мир во многие аспекты нашей жизни. 

Однако до сих пор нет единого мнения о том, что всё это означает — о том, что квантовая механика может рассказать нам о фундаментальной природе реальности. Рассмотрение этого вопроса переносит нас из области физики в сферу философии. Хотя физики лучше всего подходят для разработки и расширения математических основ квантовой теории, а также для разработки экспериментов по её проверке, для концептуального осмысления полученных результатов нужны философы от физики: именно они обладают инструментами, позволяющими поместить эти основы в контекст и вписать их в целостную картину реальности.