На днях была размещена научная статья с описанием результатов изучения космической частицы сверхвысокой энергии, которая прилетела на Землю ещё в мае 2021 года. О важности этого открытия может говорить сам факт, что учёные изучали «пришелицу» два года, да и то выяснили ещё далеко не всё. Интересного много, включая то, что явилась она из пустынной области Вселенной, где нет ничего такого, что могло бы породить Аматэрасу, как назвали частицу. Ну а энергия её эквивалентна падению кирпича на палец ноги с высоты талии взрослого человека. Подробности — под катом.

Интереса ради сделал максимально простенький комплект модулей: приемники, передатчики и те и другие с разным набором плюшек, реализующих простой самобытный протокол связи с манчестерским кодированием для связи 2х и более ПЛИС.

Недавно я с интересом прочитал на Хабре сразу две свежие статьи с рассуждениями о том, насколько наблюдаемая реальность похожа на компьютерную симуляцию, или, иными словами, какова вероятность того, что мы живём в компьютерной симуляции. Первая (автор @igor_zvyagin) под названием «Мы живем в компьютерной симуляции. Мнение программиста. Часть 1» вышла 8 августа, а вторая (автор @flancer) «Мы живем в компьютерной симуляции. Мнение другого программиста» — 28 августа. Меня особенно впечатлила вторая статья, где автор размышляет о квантовании пространства и времени в контексте планковских величин. При этом сам я ранее писал пост «Как и зачем создавать вселенную в лаборатории«, в котором особое внимание уделил идеям Андрея Дмитриевича Линде и попробовал рассказать, в чём заключается научная ценность таких опытов. Но две вышеупомянутые статьи побудили меня вернуться к этой теме, так как, оказывается, гипотеза симуляции имеет минимум три смысловых разновидности: 1) компьютерная модель/симуляция, 2) игра, 3) завуалированный креационизм.

Как я уже неоднократно упоминал ранее в этом блоге (например, здесь и здесь), мне довелось перевести с английского несколько весьма достойных научно-популярных книг, что во многом продолжало мои естественнонаучные интересы, а в чем-то и сформировало их. Надеюсь, что когда-нибудь здесь появится и пост с обзором важнейших книг в моем переводе. Здесь же упомяну о последней на настоящий момент научно-популярной работе, переведенной для издательства «Питер» — это были «Квантовые миры» Шона Кэрролла, где автор, развивая ранее сформулированные им идеи о природе времени, доступно излагает суть и подоплеку многомировой интерпретации квантовой механики. Идея бесконечного множества миров (вместе с фактором одного очень яркого знакомства, случившегося на исходе перевода книги Кэрролла) также, наконец, подвигла меня прочесть три основных романа из серии «Тёмные начала» Филиппа Пулмана и задуматься: почему при очевидной популярности теорий, допускающих множество невидимых пространственных измерений, время считается строго одномерным? Есть ли физический смысл в том, что и временных измерений может быть не одно, а, например, два?

Оказалось, такие теории (более парадоксокрушительные и философские, нежели строго научные) действительно существуют. Сегодня именно о них я и расскажу.

Во многих популярных курсах машинного и глубокого обучения вас научат классифицировать собак и кошек, предсказывать цены на недвижимость, покажут еще десятки задач, в которых машинное обучение, вроде как, отлично работает. Но вам расскажут намного меньше (или вообще ничего) о тех случаях, когда ML-модели не работают так, как ожидалось.

Частой проблемой в машинном обучении является неспособность ML-моделей корректно работать на большем разнообразии примеров, чем те, что встречались при обучении. Здесь идет речь не просто о других примерах (например, тестовых), а о других типах примеров. Например, сеть обучалась на изображениях коровы, в которых чаще всего корова был на фоне травы, а при тестировании требуется корректное распознавание коровы на любом фоне. Почему ML-модели часто не справляются с такой задачей и что с этим делать – мы рассмотрим далее. Работа над этой проблемой важна не только для решения практических задач, но и в целом для дальнейшего развития ИИ.

В марте 1869 года была опубликована первая версия периодической системы Менделеева. Систематический вид из рядов и групп она приобрела через пару лет – вот так выглядел вариант от 1871 года. Как известно (о чем я уже упоминал в статье про пределы таблицы Менделеева и элемент фейнманий). Дмитрий Иванович Менделеев (1834-1907) принципиально превзошел своих учителей и коллег, в частности, Роберта Бунзена, Жана Лекока Буабодрана и Лотара Майера в том, что пытался не только классифицировать уже известные к тому времени химические элементы, но и расположить их в соответствии с увеличением атомного веса и периодическим паттерном химических свойств. Поэтому он не только оставил в своей таблице пустые клетки, но и сделал два исключения из периодического закона на материале известных ему элементов. Тем не менее, Менделеев весьма превратно представлял себе варианты заполнения «краев» таблицы. Ошибки Менделеева, в которых он даже упорствовал, были связаны с двумя неверными исходными посылками. Во-первых, Менделеев всерьез воспринимал концепцию мирового эфира (написал о нем серьезную аналитическую статью в 1902 году), хотя, еще в 1887 году был неоднократно поставлен эксперимент Майкельсона-Морли, фактически доказавший, что эфир не существует. Кроме того, на момент составления таблицы еще не была известна внутренняя структура атома (атом считался неделимым), а также Менделеев не предусмотрел в таблице 8-й группы, то есть, столбца с благородными газами.

В современной информатике, точнее – в области машинного обучения и нейронных сетей – нашла оригинальное применение концепция платоновских идеальных сущностей. Платонические корни распознавания образов и, соответственно, роль платонизма в работе нейронок, а также в Data Science, заслуживают подробного осмысления, что я и попытаюсь обрисовать в этом посте.   

Пост навеян мыслями Виктора Сиротина @visirok о том, что программирование и проектирование программных продуктов являются материализацией идей. Отдельно благодарю Виктора за наше насыщенное общение, вышедшее за пределы Хабра, за его внимание к моему блогу, а также за возможность ознакомиться с его мемуарами. Впрочем, показатели трех последних постов Виктора в его блоге говорят сами за себя – надеюсь, он будет радовать Хабр и новыми превосходными работами, и все читатели, которым понравится данный пост, также не забудут подписаться на Виктора. А теперь приступим.

Как я уже упоминал в этом блоге, я очень высоко ценю вклад алхимии в историю идей и в развитие химии как таковой. В эпоху позднего Средневековья алхимия стремительно превращалась в высокобюджетную экспериментальную науку, дававшую практический результат. На сайте «N+1» есть хорошая статья о том, какие вещества и реакции были получены и открыты благодаря алхимикам, но я отдельно отметил бы Хеннига Брандта, который в 1669 году выделил элементарный фосфор. Это был первый химический элемент, ранее не известный в свободном состоянии и заставивший усомниться в самой схоластической картине мира, согласно которой «мир состоит из пяти элементов». Тогда же, в середине XVII века, алхимия окончательно превратилась в лженауку (последним великим учёным, который всерьёз ею занимался, был Роберт Бойль) и одновременно породила современную химию. Сегодня известно, что основная цель алхимиков — превращение неблагородных металлов в золото — в принципе достижима, но лежит в области ядерной физики, а не химии. Цель алхимиков оказалась достигнута практически случайно, но тот самый научный поиск, что был затеян ради овладения трансмутацией металлов, много позже привёл к открытию периодической системы элементов, а затем — структуры атомного ядра. О том, как в XX веке всё‑таки удалось превратить неблагородные металлы в золото, и о практической пользе этого метода — под катом.

На 12ом году опыта программирования микроконтроллеров мне наконец-то пригодилась школьная тригонометрия (6-класс).
Это настолько специфический случай, что я решил накропать про это заметку.

Когда Вам надо добавить в устройство звук, то можно воспользоваться микросхемой MAX98357A. Это по сути DAC у которого на входе I2S на выходе PWM.

В этой заметке я расскажу о своём опыте работы с усилителем MAX98357A и о том как его тестировать.

Оказывается, далеко не все стальные детали можно закаливать. Существует стереотипное мнение, что раскали буквально любую железяку до красного каления, опусти её в воду и получишь гарантированное упрочнение. Но нет! Ответ кроется в правильном определении термина "закалка". Но, обо всём по порядку.

Что может рассказать о крупномасштабной структуре Вселенной и эволюции галактик слизевик? Эти вещи могут показаться несовместимыми, однако и то, и другое — часть природы, и при этом земные слизевые формы, похоже, всё же могут кое-что рассказать нам о самой Вселенной. Огромные нити газа, пронизывающие Вселенную, имеют много общего со слизевыми формами и их трубчатыми сетями.

Крупномасштабная структура Вселенной состоит из галактик в группах и скоплениях галактик. Они окружены огромными пустотами, и по этим пустотам проходят газовые нити, связывающие группы, скопления и суперкластеры между собой. Но как влияют эти нити на эволюцию галактик?

Группа исследователей разработала новый способ идентификации этих нитей и создания их каталога. Для идентификации филаментов они использовали симулятор Illustris TNG и симулятор слизистой формы. Получив более полное представление о том, где находятся филаменты, можно начать понимать, какую роль они играют в эволюции галактик.

Двумерное преобразование Фурье — один из важнейших алгоритмов компьютерной науки этого столетия. Он нашел широкое применение в нашей повседневной жизни — от фильтров Instagram до обработки MP3-файлов.

Наиболее частой реализацией, используемой рядовым пользователем, иногда даже неосознанно, является адаптация из NumPy. Однако, несмотря на популярность, их алгоритм не является самым эффективным. С помощью нескольких простых манипуляций и статьи 2015 года мы обошли алгоритм NumPy по производительности аж на 30-60%. Основная проблема этой реализации заключается в том, что она изначально основана на слабом с точки зрения производительности алгоритме.

По своей сути алгоритм, реализуемый NumPy, является поочередным применением обычного одномерного БПФ (FFT) к двум измерениям, что очевидно не может быть оптимальным решением.

С другой стороны, в 2015 году двое российских ученых предложили свою версию алгоритма, адаптировав идею одномерного преобразования бабочки для двумерных сигналов. В этой статье мы реализовали их базовую концепцию алгоритма, дополнив ее парочкой своих идей.

Я программист, и никого не удивлю своей проблемой — в 28 лет набрал 10 кг жира, в 34 года ещё 10 кг, сейчас мне 44 года и я до сих пор не избавился полностью от этих совершенно ненужных килограммов.

Теория полностью известна, но

Когда вы создаете проект промышленной установки, робота, дистанционно управляемой модели ровера или аналогичный проект с микрокомпьютером, встает задача контроля состояния систем электропитания. Вам нужно проверять напряжение на аккумуляторах, потребляемый ток и мощность. Не исключено, что в проекте есть не одна, а несколько цепей, где нужно обеспечить подобный контроль.

Результаты контроля можно передавать, например, на пульт управления или использовать как‑то еще. Когда заряд аккумуляторов подходит к концу, можно отключить какие‑нибудь устройства с целью экономии энергии или инициировать зарядку аккумуляторов вашего устройства. Если в устройстве есть сервоприводы, можно контролировать потребляемую ими мощность, а при перегрузке отключать все сервоприводы или некоторые из них.

В этой статье мы расскажем об использовании для контроля напряжения, тока и мощности недорогого модуля GY-219 с интерфейсом I2C и чипом INA219. Вы сможете подключить его практически к любому микрокомпьютеру, где есть такой интерфейс.

В статье будет описано подключение GY-219 к отечественному микрокомпьютеру Repka PI, однако все будет работать и с Raspberry Pi. В интернете вы найдете руководства, как подключить GY-219 к любому другому микрокомпьютеру или микроконтроллеру с интерфейсом I2C.