Ученые из Сиднейского университета и Японского национального института материаловедения (NIMS) обнаружили, что искусственная сеть нанопроводов может, подобно биологическому мозгу, реагировать на электрическое стимулирование. Это открывает новые возможности для создания искусственного интеллекта на основе физических аналогов нейронов, а не прибегать к статистическим моделям искусственной нейронной сети, как это популярно сейчас. Об этом сообщается в статье, опубликованной в журнале Nature Communications.

Исследователи доказали, что самособирающиеся сети из металлических нанопроволок (NWN) могут достигать состояния лавинной критичности, которая характерна для способного к обучению биологического мозга. В таком состоянии "на грани хаоса" обработка информации оптимизирована для вычислительно сложных задач.

Известно, что эффективная обработка информации мозгом и его обучение обеспечивается взаимодействием между его нейросинаптическими элементами и сложной сетевой структурой. Подобный принцип реализуется в мемристорах - устройствах, чей вывод зависит не только от приложенного стимула, но также от "памяти" о прошлых сигналах. Некоторые специалисты предлагают использовать мемристоры в качестве искусственных синапсов, чтобы нейросети на их основе смогли обучаться подобно биологическому мозгу. Ученые предположили, что сети NWN с мемристорами в узлах могут стать основой для более биоподобных нейронных структур.

Наиболее эффективная обработка информации происходит, когда динамическая система вроде NWN или мозга человека находится в состоянии критичности, то есть близко к некоему фазовому переходу. Электрическая активность между нейронами следует степенному закону, то есть по мере роста числа элементов системы (нервных клеток) в какой-то момент наступает ситуация, аналогичная лавине: в системе начинают распространяться возмущения, обеспечивающие перенос и обработку информации. Это явление называется лавинной критичностью. Мозг, который не находится в критичном состоянии (подкритичная или сверхкритичная система), не способен к обучению. Наоборот, система, находящаяся в критичном состоянии, как бы занимает промежуточное положение между порядком и хаосом, что делает ее способной к запоминанию возмущений.

Для создания NWN ученые применили покрытые полимером серебряные проволоки длиной 10 микрометров и толщиной 500 нанометров. Эти проволоки способны к спонтанной самоорганизации и собираются в разупорядоченные 2D-сети. В местах перекрытия образуются электрохимические контакты, подобные синапсам между нейронами. Когда через сеть проходят электрические сигналы, автоматически находится самый короткий маршрут для передачи информации. Поскольку контакты действуют как мемристоры, сеть "запоминает" эти маршруты через формирование длинных нитей из проволок. Если электрический сигнал не проходит через мемристоры, нить не образуется.

Если сигнал, стимулирующий сеть, был слишком слабым, то пути были слишком предсказуемыми и упорядоченными (подкритичное состояние) и не давали достаточно сложных выводных сигналов, чтобы быть полезными. Наоборот, если электрический сигнал был чересчур сильным, сигналы на выходе были совершенно хаотичными (сверхкритичное состояние) и бесполезными для вычислений. Оптимальный сигнал заставлял систему принимать состояние "на грани хаоса" и выводить полезную информацию.

 Научной публикации пока нет. Тем не менее некоторая конкретика известна:

· Иммуноген вакцины - рекомбинантный белок RBD, продуцируемый в дрожжах (это лучше, чем рекомбинантный белок, продуцируемый бактериями)

· Этот иммуноген привязан (конъюгирован с) к белку-носителю - токсоиду столбнячного токсина (токсоид - "убитый" токсин)

· По данным Фазы 1 и 2 клинических испытаний, вакцина безопасна (не вызывает серьёзных побочек) и имеет хорошую иммуногенность (вырабатываются нейтрализующие антитела). Научных публикаций о Фазе 1 и 2 нет

· Полный курс вакцинации включает 3 инъекции с двухнедельными интервалами между ними.

· В Фаза 3 клинических испытаний Abdala участвуют около 48 тысяч добровольцев. Протективная эффективность оценивалась по разнице в заболеваемости COVID-19 в группах "вакцина" и "плацебо".

· Протективная эффективность 92,28% (95%ДИ 85,7 - 95,8%) рассчитана исходя из распределения 153 случаев COVID-19, развившихся у испытуемых через 14 и более дней после введения 3-й дозы: в группе "вакцина" - 11 случаев, в группе "плацебо" - 142 случая.

Некоторые страны (Аргентина, Мексика, Ямайка, Вьетнам, Венесуэла, Иран) уже выразили интерес к этой вакцине. Предполагается, что скоро разработчиками/производителями будет подана заявка в ВОЗ на получение статуса EUL. Кстати, есть кубинские вакцины, которые имеют "предквалификацию ВОЗ" (это даже выше, чем статус EUL).

Конечно, чтобы корректно оценить вакцину Abdala нужно дождаться публикации научных отчётов о её клинических испытаниях. Помимо рандомизированных клинических испытаний, эта вакцина уже используется в рамках масштабного "интервенционного испытания" (привито более 120 тысяч человек). Это позволяет надеяться, что вскоре появятся данные о безопасности и эффективности вакцины Abdala в реальных условиях. Кстати, Abdala не единственная кубинская вакцина против COVID-19. Есть и другие, но об этом не сегодня.

Остается только поражаться, как этой маленькой стране, в течении многих десятилетий находящееся в экономической блокаде, удалось создать одну из лучших в мире систем здравоохранения (а с учетом затрат, лучшую) и осуществлять полный цикл наукоёмких биотехнологических разработок. Далеко не полный список последних включает генно-инженерный интерферон, рекомбинантную вакцину против гепатита В, вакцины против менингита (против менингококка типа С - впервые в мире!), и теперь вакцины против COVID-19.

Россия потеряла Украину надолго, но не навсегда, период антирусских настроений может продержаться в Незалежной ещё 60 лет, но затем политический истеблишмент поймёт, что ничего не получит, и начнётся обратное движение, считают эксперты.

По сообщению китайских источников, опытный термоядерный реактор HL-2M Tokamak в научном центре Чэнду установил абсолютный мировой рекорд по продолжительности искусственной термоядерной реакции. При температуре 120 млн °C реакция поддерживалась 101 секунду. Установленный корейцами предыдущий рекорд - 20 секунд при 100 млн °C - побит окончательно и бесповоротно. Новые открытия не за горами.

Реактор HL-2M принят в эксплуатацию в декабре прошлого года. Новая установка позволила в три раза поднять температуру в рабочей зоне, где в магнитных полях удерживается разогретая плазма. Установка позволяет нагревать плазму до 150 млн °C и даже выше. С нагревом плазмы до 160 млн °C реактор работал 20 секунд. Представляется маловероятным, что кто-то в ближайшее время сможет побить поставленные в Китае рекорды.

На основе проекта HL-2M, который также носит название EAST (Experimental Advanced Superconducting Tokamak), предполагается собрать научные данные для создания прототипа промышленного термоядерного реактора к 2035 году, начало строительства которого запланировано на текущий год, и создать полноценную индустрию термоядерной энергетики в Китае к 2050 году. Ожидается, что HL-2 позволит удерживать разогретую до 100 млн °C плазму в течение 1000 секунд (примерно 17 минут).

Также опыты на HL-2M помогут получить ценную информацию для запуска и эксплуатации термоядерного реактора ITER, который содружество стран строит на юге Франции. Завершение строительства реактора ITER ожидается к 2025 году с выводом на полную мощность к 2035 году.

Схема эксперимента. Сигнал обрабатывается двумя датчиками, создавая запутанное состояние. Данные измерений обрабатывались на классическом компьютере

Ученые показали, что датчики на квантовой запутанности способны уменьшить процент ошибок при вычислениях. Статья опубликована в журнале Physical Review X.

Квантовые вычисления могут быть гораздо быстрее классических. Квантовый компьютер сможет за считанные секунды решать уравнения, на которые классическому компьютеру потребовались бы тысячи лет. Демонстрация квантового преимущества - долгожданная цель в сообществе, однако очень немногие эксперименты смогли ее продемонстрировать, указывает Чжешен Чжан, доцент кафедры материаловедения и инженерии в Аризонском университете и один из авторов статьи.

В квантовых вычислениях и других квантовых процессах используются единицы информации, называемые кубитами. Классические компьютеры работают с битами, которые могут принимать значения нулей или единиц. Кубиты могут существовать в обоих состояниях одновременно, что увеличивает мощность квантовых систем. Квантовая область сейчас находится в эпохе, которую Джон Прескилл, физик из Калифорнийского технологического института, назвал "шумной квантовой эпохой промежуточного масштаба". В этот период квантовые компьютеры могут выполнять задачи, требующие от 50 до нескольких сотен кубитов, но со значительным количеством ошибок и помех (шума). Более того, на данном этапе шум перевешивает полезность вычислений.

В своем эксперименте ученые из Аризоны использовали классические и квантовые методы. Они усовершенствовали технологию квантовых вычислений при помощи трех датчиков для классификации средней амплитуды и угла радиочастотных сигналов.

Принцип работы датчиков основан на явлении квантовой запутанности, которая позволяет им обмениваться информацией друг с другом и обеспечивает два основных преимущества. Во-первых, квантовая запутанность позволила повысить чувствительность датчиков и уменьшила процент ошибок. Во-вторых, будучи запутанными, устройства оценивали общие свойства, а не собирали данные о конкретных частях системы. Это полезно в случаях, когда от прибора требуется ответ в двоичной форме. Например, в медицине исследователям не нужно знать свойства каждой отдельной клетки в образце ткани; им нужно только знать, есть ли в образце хоть одна раковая клетка. То же самое относится и к обнаружению опасных химических веществ в питьевой воде.

Всем и так понятно, что прежде, чем что то создавалось человеком на земле, то сначала была мысль, а за ней рождались слова. Слова имеют огромное значение во всех процессах жизнедеятельности. И вот, что говорят об этом последние исследования...

Учёные пришли к ошеломляющему выводу: ДНК воспринимает человеческую речь и мысли человека. Любое произнесенное слово - это не что иное, как волновая генетическая программа, способная очень существенно изменить всю вашу жизнь.

Другими словами, с кем человек поведется, от того он в итоге и наберется наследственных программ.

Эти ответственные за наследственность молекулы получают аккустическую информацию, когда мы просто разговариваем или слышим чьи-то разговоры. ДНК также воспринимают световую информацию, когда мы молча читаем или смотрим на что-то. При этом один разговор или текст оздоравливает наследственность, а другой - её травмирует.

Академик Академии медико-технических наук, член Нью-Йоркской Академии наук П.П. Гаряев считает, что с помощью словесных мыслеформ человек созидает свой генетический аппарат.

Оказывается, молитвенные слова пробуждают резервные возможности генетического аппарата. По молитвам многих святых исцелялись безнадежно больные. Благословение святых распространялось на несколько поколений.

А проклятие разрушает волновые программы, а значит - нарушает нормальное развитие организма. Зомбирование, наговоры, материнские проклятия, способные лишить человека воли, здоровья, а то и самой жизни, в качестве своего главного инструмента имеют слово.

А теперь главный вывод ученых: волновые генетики утверждают, что генетическому аппарату человека далеко не безразлично, что его хозяин думает, слушает или читает. Ибо любая информация может впечататься в так называемый волновой ген.

При этом аппарат ДНК не способен разобрать, от кого вы получаете информацию, будь то живой собеседник или экран телевизора. Молекулы ДНК способны обмениваться этой информацией с помощью акустических и электромагнитных волн. Но самое поразительное, что в своих экспериментах ученые вызывали словами многие "чудеса", или генетические эффекты. Ученые создали аппарат, который переводит человеческие слова в электромагнитные колебания, способные влиять на молекулы наследственности - ДНК.

Подробнее на источнике

Сотрудники сочинского университета "Сириус" начали масштабную работу по изучению возрастных заболеваний, чтобы продлить продолжительность жизни россиян.

Порядка 20 тыс. столетних людей сейчас проживают в России. Ученые начали тщательное исследование генов этих россиян. Информация позволит разгадать тайну их долголетия и использовать полученные данные для увеличения длительности жизни других людей.

Специалисты намерены найти гены, которые защищают долгожителей от атеросклероза, рака, болезни Альцгеймера и других возрастных заболеваний. Секрет сохранения умственной деятельности таких людей также очень интересует генетиков, признался директор Научного центра генетики и наук о жизни Евгений Рогаев.

Китай традиционно славится высокой продолжительностью жизни. Секрет долголетия китайцев заключается в качественной медицине и пропаганде здорового образа жизни, выяснили исследователи.

Запуск термоядерной установки токамак Т-15МД прошел в Национальном исследовательском центре "Курчатовский институт" во вторник, 18 мая. На событии присутствовал премьер-министр России Михаил Мишустин.

Мишустина сопровождали президент Курчатовского института Михаил Ковальчук, вице-премьер Дмитрий Чернышенко и глава Минобрнауки Валерий Фальков.

Сначала Ковальчук провел для премьера экскурсию, в ходе которой продемонстрировал макет, а также рассказал об истории создания и устройстве установки токамак Т-15 МД. Позже они прошли в пункт управления, где Мишустин и президент института дали старт работе токамака, нажав символическую кнопку.

"Сегодня мы стали участниками знаменательного, важнейшего события в мире науки. Запустили масштабный проект - токамак Т-15МД. Это показатель высокого технологического уровня нашей страны", - заявил он.

Мишустин напомнил, что около 80 лет назад крупнейшие исследователи в области ядерной физики начали совместную работу, благодаря которой страна стала первой в мире страной, построившей атомную электростанцию. Кроме того, на сегодняшний день Россия остается единственным государством, у которого есть атомный ледокольный флот.

Токамак Т-15МД (тороидальная камера с магнитными катушками) - модифицированная версия реактора Т-15, который работал в Курчатовском институте с конца 1980-х. Это первая за последние 20 лет новая термоядерная установка, построенная в России. По техническим параметрам она не имеет аналогов в мире.

Установка входит в структуру международного термоядерного проекта ITER (International Thermonuclear Experimental Reactor). Токамак Т-15 МД будет использоваться для решения исследовательских задач. Освоение технологии управляемого термоядерного синтеза (УТС) в рамках проекта позволит получить фактически неиссякаемый и экологически безопасный источник энергии.

В феврале сообщалось, что президент России Владимир Путин по видеосвязи из Ново-Огарево дал старт запуску высокопоточного исследовательского ядерного реактора ПИК, который находится в Гатчине в Ленинградской области на площадке Петербургского института ядерной физики (ПИЯФ) им. Б.П. Константинова, входящего в состав Курчатовского института. Ожидается, что на полную мощность реактор выведут в 2022 году.

Какие тренды есть в технологиях машинного обучения? Когда, наконец, ИИ перестанет быть предвзятым?

За последние 20 лет развитие компьютерных технологий шагнуло гораздо дальше представлений фантастов прошлого века. Навигатор строит маршрут лучше нас, приложения "угадывают" наши предпочтения в музыке. Системы искусственного интеллекта преуспели в творчестве и областях, требующих от человека незаурядных способностей: обыгрывают профессиональных игроков в го и DOTA, обнаруживают раковые опухоли не хуже опытных врачей, точнее человека определяют личность по внешности или голосу и даже создают музыку и произведения искусства.

Однако эти системы еще не могут считаться ИИ. Они, как правило, хорошо справляются только с тем типом задач, на который натренированы. Например, антиспам-системы хоть и включают в себя анализ текста, ничего не знают об устройстве естественного языка и эмоциональной окраске сообщений. Кроме того, для машинного обучения все еще необходим человек: модель способна только на то, что в нее изначально заложили разработчики. Однако технологии не стоят на месте.

1. Машинное обучение станет масштабнее

Масштаб проявляется буквально во всем: в сложности самих моделей, в объеме данных для обучения, в требуемых вычислительных мощностях, в длительности тренировки моделей, в том, сколько появляется специалистов по машинному обучению и сколько денег инвестируется в исследования ИИ. Наконец, разработчики алгоритмов машинного обучения берутся за задачи, которые еще недавно казались невыполнимыми.

Яркий пример масштаба - языковая модель GPT-3. Это та самая нейросеть, которая прославилась статьей для The Guardian. Она работает по принципу автодополнения, то есть генерирует продолжение для любого введенного текста. Кроме очевидных областей применения - в чат-ботах и написании текстов - GPT-3 успешно справляется с переводами, краткими пересказами, семантическим поиском и другими языковыми задачами.

Чтобы добиться выдающихся результатов, разработчикам GPT-3 потребовалось включить в модель 175 млрд параметров и использовать для обучения 570 Гбайт текстов (для сравнения: текст всей русскоязычной "Википедии" занимает около 3 Гбайт) и специально построенный суперкомпьютер с 285 тыс. процессорных ядер и 10 тыс. GPU (графических процессоров).

Тренду на увеличение моделей машинного обучения способствуют два момента:

1.Компьютерные мощности постоянно растут;

2. Технологичные компании все больше вкладываются в развитие искусственного интеллекта.

Однако у масштаба есть и обратная сторона. Поскольку новым моделям требуется инфраструктура ценой в миллионы долларов, такие исследования доступны только корпорациям и совершаются в их интересах.

Но это не значит, что обычный разработчик не может приобщиться к действительно крутым технологиям. Во-первых, фундаментальные исследователи могут за разумные деньги арендовать видеокарты в облаках AWS и Google или обратиться за помощью на платформу добровольных вычислений BOINC. Во-вторых, компании делятся своими наработками. Еще недавно, чтобы сделать классификацию чего бы то ни было, нужно было самостоятельно собрать и разметить данные, обучить модель и так далее. Сейчас индустрия меняется, в открытом доступе появляются предобученные модели, которые можно использовать в своих проектах.

2. Машинное обучение станет ближе

Готовые и предобученные модели сделают машинное обучение доступным для большего числа разработчиков. Это значит, что больше сервисов будет использовать технологии машинного обучения и они еще сильнее проникнут в нашу жизнь.

Одновременно с появлением суперсложных методов развивается тренд и на легковесные модели машинного обучения, работающие на пользовательских устройствах.

Есть три причины, почему разработчики стараются перенести часть машинного обучения с серверов на устройства:

1. Лучше защита персональных данных. Если "умная" колонка сама распознает ваш голос, то передаст на сервер только текстовый запрос, и утечка биометрических данных будет невозможна в принципе;

2. Быстрее и устойчивее к плохой сети. Например, во время звонка ВКонтакте нейросеть на смартфоне определяет, когда вы говорите, и передает только полезный сигнал, а неинформативный шум пропускает. За счет этого экономится интернет и у вас, и у собеседников;

3. Дешевле сервисная инфраструктура. Это помогает разработчикам внедрять новые фичи, думая в первую очередь о качестве продукта, а не о том, на что хватит серверов.

Приведу в пример технологию распознавания голосовых сообщений "ВКонтакте". Самым важным параметром для нас была скорость, потому что эта технология призвана экономить время - расшифровка должна занимать его сильно меньше, чем прослушивание аудио. Для этого мы сделали не одну, а целых три очень легких нейросети, которые работают одна за другой: первая отвечает за распознавание звуков, вторая из звуков формирует слова, а третья расставляет знаки препинания.

3. Искусственный интеллект научится быть непредвзятым

Независимо от размеров и областей применения, модели машинного обучения учатся у людей, и это, к сожалению, касается и предрассудков. И здесь мы заходим на территорию на стыке этики и технологий.

Приведу пример, когда прямой подход "статистика отражает реальный мир" не работает. Представьте, что мы хотим автоматически определять токсичные и враждебные высказывания (а в соцсетях мы действительно это делаем). Простое решение заключается в том, чтобы обучить модель на комментариях, которые модераторы помечали как оскорбительные, и считать подозрительными все похожие сообщения. Как думаете, с какой вероятностью такой фильтр отбракует обсуждение сельскохозяйственных животных? Или, например, рецепт сырников из жирного творога и черного шоколада?

Условно, у этой проблемы две грани: технические особенности обучения моделей и понимание этики искусственного интеллекта.

1. Разработчики могут, осознанно или нет, заложить в модель необъективность, например, за счет выбора значимых признаков или набора данных для обучения. Если нейросеть хуже справляется с распознаванием женских или азиатских лиц, потому что ее обучали преимущественно на фотографиях мужчин-европейцев, то это инженерная проблема, которая решается изменением обучающей выборки. Если модели не удается понять сленговый разговор афроамериканцев, то, скорее всего, понадобится модифицировать и модель, и входные данные, но это тоже чисто техническая задача;

2. Модель может "заразиться" человеческими предрассудками, обучаясь на немодерированных данных. Именно это произошло с twitter-ботом Microsoft, который научился у пользователей критиковать феминисток и евреев. На самом деле тот искусственный интеллект не выбирал какую-то конкретную идеологию, и в этом смысле он и не был предвзят, но высказывания в его твитах были взрывоопасные. Что в этом случае должны сделать разработчики ИИ? Объяснить, что такое хорошо и что такое плохо? Но это же только усилит предвзятость.

Однозначной стратегии, как освободить ИИ от предубеждений, еще не выработано, но первые шаги в этом направлении уже делаются. Крупные компании, такие как IBM, Google, Amazon, Facebook и другие, создали некоммерческое партнерство по ИИ, а IEEE (влиятельная международная ассоциация, занимающаяся развитием технологий) разработала инициативу по этике интеллектуальных систем.

4. Искусственный интеллект выйдет на новый уровень

Все, что сейчас принято называть искусственным интеллектом, на самом деле не интеллект, а интеллектуальные системы. В их основе - методы машинного обучения и нейросети, которые пока выполняют отдельно взятые функции. В целом они статичны: даже если модели дообучаются на свежих данных в процессе работы, выучить новые трюки без вмешательства человека они не могут.

Поэтому самая амбициозная и долгосрочная задача для современного машинного обучения - создать универсальную систему, которая сможет непрерывно учиться и осваивать сложные взаимосвязи в устройстве мира.

Мы пока не знаем, что станет ключом на пути к качественно новому уровню искусственного интеллекта. Возможно, у нас уже есть все, что нужно, и не хватает лишь понимания, как это собрать воедино. А возможно, потребуется полный пересмотр нейросетевой концепции. Машинное обучение во многом вдохновляется нейробиологией, которая сейчас тоже быстро развивается. Кто знает, может, скорое научное открытие изменит наш взгляд на представления о работе человеческого мозга или вообще покажет, что лучше подражать не людям, а насекомым, и за роевым интеллектом будущее.

Обновлено 13.05.2021
Автор
Надежда Зуева

По мере того, как телескопы стали более совершенными, данные наблюдений за галактиками, квазарами и материей в межгалактическом пространстве стали более подробными и способными охватить все большие диапазон эпох Вселенной. Но ничего не возникает из практических наблюдений - для начала нужна гипотеза. Космологические симуляции - важная часть исследования природы Вселенной, та самая гипотеза, рождаемая в ходе наблюдения за моделью. Моделирование формирования галактик помогает предсказать поведение вселенной и ее компонентов в различных сценариях и решить проблемы темной материи как одну из задач современной космологии.

Проблема заключается в том, что любое моделирование ограничено конечными вычислительными ресурсами - исследователям приходится находить компромисс между степенью разрешения (количеством частиц) в модели и размерами пространства (box), в котором будет совершаться моделирование. Для ее решения профессорами университета Карнеги-Меллона, института Флэтайрон и Калифорнийского университета была создана программа, которая в связке с нейронными сетями и применением технологии Deep Learning на базе моделей низкого разрешения (LR) путем предсказания того, как гравитация влияет на частицы с течением времени, создает модели сверхвысокого разрешения (SR). Обучается она этому по уже имеющимся моделям высокого разрешения (HR). В результате создается SR-модель с количеством частиц, в 512 раз превышающим количество частиц в LR-версии модели, предсказывая их смещение от начальных позиций. Кроме того, процесс генерации является стохастическим, что позволяет исследовать мелкомасштабные моделирования.

Любой вопрос или замечания Вы можете написать в комментариях. Также я открыт для личного диалога в телеграме или даже беседы в нашем чате. А еще у меня есть телеграм-канал о космологии.

Двухмерная проекция трех моделей поведения темной материи на z = 0: с низким, высоким и сверхвысоким разрешением (LR, HR, SR). Синим показано сглаженное поле плотности частиц темной материи. Оранжевым выделены частицы гало. Масштаб сверху вниз уменьшается от 100 условных мегапарсек до 10 (см. слева по вертикали). Credit: Li Ni et al.

Подход команды исследователей использует DL-класс алгоритмов машинного обучения с участием нейронных сетей, что позволило предсказывать свойства галактик намного быстрее, чем в существующих моделях. В качестве условия для модели вводятся необходимые физические описания поведения частицы в гравитационном поле, а также смещение частиц в моделировании задачи N-тел. Для создания модели с высоким разрешением используется специфический подход, называемый генеративно-состязательной сетью, которая противопоставляет две нейросети друг другу. Одна сеть является LR-моделью, другая сеть - будущая SR-модель, пытается отличить эти модели от моделей, сделанных обычными методами. Со временем обе нейросети улучшаются до тех пор, пока не создадутся процедуры быстрого моделирования, которые будут создавать такую же модель, как модель сверхвысокого разрешения, созданная традиционными медленными методами. В качестве параметров сравнения нейросети используют спектр мощности плотности материи и функцию массы гало галактик.

Обученная система, как упоминалось ранее, создает Super-Resolution-модель с количеством частиц, превышающим в 512 раз количество частиц Low-Resolution-модели. Для области 500 млн световых лет это около 134 миллионов частиц, которые теперь моделируются за 36 минут вместо обычных 560 часов. А за 16 часов новый алгоритм сможет смоделировать поведение пространства со стороной 50 млрд световых лет и количеством частиц, достигающим 13,4 млрд. Несмотря на то, что нейросети обучались улучшению разрешения модели по небольшим участкам пространства, они отлично справились с моделированием крупномасштабной структуры - полученные данные хорошо сочетаются с наблюдениями и прошлыми моделированиями. Под вопросом остаются мелкомасштабные явления, такие как звездообразование, сверхновые звезд и эффекты черных дыр. Данный алгоритм пока заточен лишь под гравитационное взаимодействие материи, но, как говорит команда исследователей, она уже работает над созданием алгоритма для моделирования других процессов, происходящих во Вселенной.

Иллюстрация SR-модели (с приведенными в рамке сравнениями с моделированием структуры на малом масштабе) для z = 2 на условном расстоянии в 1 гигапарсек. Количество частиц в модели достигает 135 млрд штук. Credit: Li Ni et al.

Исследования проводились на суперкомпьютере Frontera в Техасском вычислительном центре (TACC) - самом быстром академическом суперкомпьютере в мире.

Финансирование проводилось Институтом искусственного интеллекта и НАСА.

Препринт работы от 3 мая доступен на arXiv.org по ссылке.

Подробнее о моделировании физических процессов в межгалактических масштабах написано здесь и здесь.

Физики из России впервые использовали квантовый симулятор, аналоговое вычислительное устройство, для быстрого решения сложной физической задачи, на просчет которой обычный суперкомпьютер потратил около недели. Об этом во вторник сообщила пресс-служба МФТИ со ссылкой на статью в журнале Physical Review Letters.

"Ранние квантовые симуляторы из-за своих несовершенств часто сталкивались с проблемой несоответствия объекту симуляции. В этом контексте скептики говорили, что эти машины симулируют исключительно сами себя. Мы же не пытались заставить систему работать против своей природы, а нашли физическую задачу - просчет поведения фотонов в модели Бозе-Хаббарда, максимально использующую ее внутренние возможности", - сказал аспирант МФТИ Глеб Федоров, чьи слова приводит пресс-служба вуза.

Модель Бозе-Хаббарда можно применять для описания множества процессов в квантовом мире, в том числе и тех, которые происходят в квантовых компьютерах. По этой причине ее экспериментальная проверка постоянно привлекает внимание ученых, что осложняется тем, что объем вычислений экспоненциально растет по мере увеличения числа взаимодействующих объектов.

Это, как отмечают ученые из МФТИ, НИТУ "МИСиС", Российского квантового центра, МГТУ имени Баумана и ВНИИА имени Духова, не является проблемой для квантового симулятора. Работу его кубитов можно настроить таким образом, что они будут вести себя так, как это должны делать фотоны или другие бозоны внутри модели Бозе-Хаббарда, это позволяет использовать ее на практике, просчитывая поведение большого числа частиц за относительно короткое время.

Руководствуясь подобными соображениями, ученые проверили, можно ли использовать российский квантовый симулятор, построенный на базе пяти сверхпроводящих кубитов, для решения этой физической задачи. Как оказалось, даже этой достаточно простой квантовой системы волне хватает для того, чтобы максимально точно просчитывать взаимодействия частиц света, потратив на это всего два часа времени. Для сравнения, суперкомпьютер, установленный на территории ВНИИА имени Духова, потратил на проверку результатов квантовых вычислений около недели, используя все вычислительные ресурсы его 138 узлов. Эта проверка показала, что результат квантовой симуляции полностью соответствовал тому, что предсказывает теория.

В ближайшем будущем профессор Устинов и его коллеги планируют создать еще более сложные квантовые симуляторы. Эти устройства, как надеются ученые, помогут им проверить другие предсказания теоретиков. Кроме того, в далекой перспективе они помогут российским ученым достичь так называемого "квантового превосходства" - решить задачу, которую в принципе нельзя просчитать при помощи обычного компьютера.

Квантовые компьютеры

Квантовыми компьютерами называют особые вычислительные устройства, чья мощность растет экспоненциальным образом благодаря применению принципов квантовой механики в их работе. Они состоят из так называемых кубитов, ячеек памяти и примитивных вычислительных модулей, способных хранить в себе одновременно и ноль, и единицу.

Сегодня существует два подхода к разработке подобных устройств - классический и адиабатический. В первом случае ученые пытаются создать так называемый универсальный квантовый компьютер, похожий по принципам работы на обычные цифровые вычислительные машины. Адиабатический компьютер проще создать, но он ближе по принципам своей работы к аналоговым компьютерам начала XX века, созданных для решения одной конкретной проблемы и при этом имеющим массу ограничений в работе.

Федоров и его коллеги, работавшие под руководством Алексея Устинова, заведующего лабораторией квантовых метаматериалов в НИТУ "МИСиС", разработали подобный аналоговый вычислитель, состоящий из пяти тесно связанных сверхпроводящих кубитов и предназначенный для решения сложной физической задачи - просчета модели Бозе-Хаббарда.

Это теоретическое построение было разработано еще в середине прошлого столетия для описания того, как будут взаимодействовать друг с другом фотоны или другие квантовые объекты, относящиеся к числу бозонов, частиц с целым значением спина. В их число входят не только фотоны и знаменитый бозон Хиггса, но и ряд атомов с четным числом протонов и нейтронов, а также некоторые элементарные частицы и квазичастицы.

Работа опубликована в журнале Physical Review Letters. Сегодня в мировом научном сообществе выделилось два направления разработки квантовых вычислителей: универсальные квантовые компьютеры, которые смогут выполнять специализированные алгоритмы во много раз быстрее, чем классические аналоги, и квантовые симуляторы, которые создаются специально для решения конкретных задач подобно интегральным схемам специального назначения (ASIC).

Реализация универсальных вычислителей - гораздо более сложная инженерная задача, так как требуется обязательно делать алгоритмы коррекции ошибок. Для симуляторов же главное - соответствие физической системе, для которой они создаются. В разработке сейчас много различных типов кубитов. Доминирующую роль в квантовых вычислителях занимают сверхпроводящие кубиты-трансмоны. Многими теоретическими и несколькими экспериментальными работами было показано, что массивы кубитов-трансмонов хорошо подходят и для создания квантовых симуляторов с целью решения проблем физики конденсированного состояния, расчетов макроскопических и микроскопических свойств веществ.

В новом исследовании, проведенном российскими учеными, впервые показано, что линейные массивы сверхпроводящих кубитов-трансмонов могут симулировать передачу фотонов для изучения перехода "сверхпроводник - изолятор" в модели Бозе - Хаббарда. Причем для этого потребовалась сравнительно простая архитектура: подключение кубитов к микроволновым волноводам и проведение прямой спектроскопии пропускания. Эксперимент показал, как именно сверхпроводниковые симуляторы могут помочь решать задачи материаловедения и исследовать не встречающиеся в естественной природе фазы вещества (например, сверхтекучие).

Глеб Федоров, аспирант МФТИ, соавтор работы, говорит: "Наш результат - это пример простого решения сложной проблемы. Ранние квантовые симуляторы из-за своих несовершенств часто сталкивались с проблемой несоответствия объекту симуляции. В этом контексте скептики говорили, что симуляторы симулируют исключительно сами себя. Мы же не пытались заставить систему работать против своей природы, а наоборот нашли физическую задачу, максимально использующую ее внутренние возможности".

Численное решение модели на классическом компьютере для проверки экспериментальных данных, полученных за два часа, заняло около недели на 138-ядерном вычислительном кластере ВНИИА имени Духова и показало блестящее соответствие между теорией и измерениями.

Этот результат, полученный всего лишь на пяти кубитах-трансмонах, показывает, что разработка систем с большим числом кубитов позволит наблюдать поведение моделей, сложность расчета которых лежит далеко за пределами большинства суперкомпьютеров. Стоит признать, что методы расчета непрерывно совершенствуются, но можно с уверенностью сказать, что простота масштабирования квантовых симуляторов и экспоненциальный рост их производительности с числом кубитов дают им существенное преимущество.

Проведенное исследование открывает новые горизонты как в области применения квантовых симуляторов, так и в квантовой оптике многочастичных квантовых систем, продолжая успешные совместные исследования лаборатории искусственных квантовых систем МФТИ и лаборатории сверхпроводящих метаматериалов МИСиС. Ученые надеются, что дальнейшее сотрудничество позволит разработать, изготовить и исследовать более крупные системы кубитов с необычными свойствами, которые сейчас предсказаны только в теоретических работах.

Согласно квантовой природе

Автор Глеб Федоров 11.05.2021

 

Прогресс в разработке универсального квантового компьютера, который превзошёл бы классические аналоги, зависит от того, когда произойдёт прорыв в этой сфере на фундаментальном научном уровне. Об этом в интервью RT рассказал доктор физико-математических наук, профессор кафедры квантовой электроники, научный руководитель Центра квантовых технологий физического факультета МГУ Сергей Кулик. По его словам, исследованиям в области квантовых вычислений мировая фундаментальная наука уделяет особое внимание, однако, несмотря на это, прорывных решений пока выработать не удалось. Кулик не исключил, что для дальнейшего развития квантовых технологий как российским, так и зарубежным учёным придётся искать новые материалы.

• vk.com
• © Центр квантовых технологий МГУ им. М.В. Ломоносова

- Сергей Павлович, можем ли мы без глубокого погружения в математику и физику квантового мира понять принцип работы квантового компьютера?

- Без соответствующего уровня образования сделать это практически невозможно, некоторые вещи просто придётся принять на веру. Как и в компьютере классическом, в основу работы квантового компьютера заложена определённая мера информации. Только это уже не биты с фиксированными значениями 0 или 1, а образующие двухуровневые системы так называемые квантовые биты - кубиты, способные случайно и при внешних воздействиях переходить в одно из собственных состояний.

В обиходном квантовом мире кубитами также называют носители информации для квантовых компьютеров, что часто создаёт путаницу. Задача разработчиков таких компьютеров сделать двухуровневую систему, с помощью которой можно извлекать, записывать, передавать информацию из этих "кубиков".

- Какие бывают квантовые системы?

- Квантовых систем много, и построены они на разных физических принципах. В мире существует около десяти физических платформ, на которых возможно построение квантовых компьютеров. В Российской Федерации поддерживаются четыре из них: на основе сверхпроводящих систем, ионов в ловушке, нейтральных атомов в ловушке и фотонных чипов.

• Профессор, научный руководитель Центра квантовых технологий физического факультета МГУ Сергей Кулик
• © пресс-служба МГУ

- Как давно и насколько успешно развиваются квантовые вычисления в России?

- По каждой из перечисленных платформ у России есть определённый задел. Они на уровне "железа" уже экспериментально отрабатываются в наших ведущих учреждениях, академических институтах и университетах. Такая работа проводится в рамках масштабных проектов, крупнейшим в числе которых был первый российский квантовый проект "Гамак", открытый в 2014 году.

Его задачей в области квантовых вычислений являлась разработка платформ нейтральных атомов в ловушке и фотонных чипов. Другой крупный проект - "Лиман", где строилась платформа сверхпроводящих кубитов, шёл с 2016 по 2019 год. Фактически на смену ему пришёл проект "Прибой". Это передовой для России уровень. Все три проекта поддержал Фонд перспективных исследований. Были поставлены весьма амбициозные цели по созданию квантовых вычислительных устройств, в том числе и квантового компьютера в МГУ на 50 кубитах.

- Это много - 50 кубитов?

- Для России это очень много, но на мировом уровне есть отставание. Однако надо учесть, что мы начинали работать с одним-двумя кубитами.

• По мнению Сергея Кулика, базовые экспериментальные разработки квантового компьютера проводятся в ведущих научных учреждениях России на четырёх физических платформах
• РИА Новости
• © Руслан Кривобок

- Сейчас идёт обсуждение правительственной дорожной карты развития квантовых вычислений, создана Национальная квантовая лаборатория...

- Действительно, "Росатом" разработал такую дорожную карту, а на заседании президиума правительственной комиссии по цифровому развитию в 2020 году она была утверждена.

Кроме того, поддержаны (в том числе прошли и международную экспертизу) 11 проектов, из которых внимания заслуживают, по моему мнению, четыре. Это базовые экспериментальные разработки квантового компьютера на платформе сверхпроводников НИТУ "МИСиС" и на платформе ионов в ловушке Физического института им. П.Н. Лебедева РАН.

К сожалению, в стороне остались, например, разработки МГТУ им. Н.Э. Баумана. А это наш ведущий технологический центр, где есть необходимые люди и лаборатории.

Мы понимаем, что с помощью выделенных 24 млрд рублей и созданной Национальной квантовой лабораториихотели создать определённый задел, который позволил бы выйти на мировой уровень. Создать систему, которая будет, как в инкубаторе, "выращивать" квантовый компьютер.

- Что такое интегральный показатель развития квантовых технологий и почему в России он составляет QTRL 4? Это много или мало?

- Всего таких показателей девять. Четвёртому соответствует уровень развития, при котором уже есть экспериментальная апробация, есть перспективы, но нет опытных образцов, нет никакой коммерциализации. Создаются многокубитовые системы и разрабатываются классические устройства для манипулирования кубитами, оба компонента технологии квантовых вычислений тестируются. Это высший показатель для фундаментального уровня развития технологий.

- А каких показателей уже достигли другие страны, крупные корпорации?

- Думаю, что это пятый, от силы шестой уровень, когда есть предпосылки масштабирования, прикладного применения, попытки коммерциализации. Создаётся среднемасштабный квантовый компьютер, который пока по параметрам не превосходит классический компьютер, но уже может отдельные методические задачи просчитывать.

• У каждой разработки квантового компьютера в настоящее время есть свои неразрешимые сложности, уверен эксперт
• © Origin Quantum

- В числе прочих задач в российском плане развития технологий квантовых вычислений указано достижение квантового превосходства...

- Предполагается, что с квантовым превосходством задачи будут решаться гораздо быстрее, чем с помощью самых мощных классических компьютеров. Формально оно уже было достигнуто в 2019 году компанией Google. На основе сверхпроводящих цепей был построен квантовый компьютер для решения конкретной задачи - специального, но не очень полезного для широких применений алгоритма.

- Так когда же, по вашему мнению, будет создан "настоящий" универсальный квантовый компьютер, который превзойдёт компьютер классический по всем параметрам, а не только в решении абстрактных задач?

- Сейчас исследования в области квантовых вычислений идут на переднем крае фундаментальной науки. При этом технологии буксуют на каждом шагу. Это касается и разработок ведущих корпораций: Google, IBM, Microsoft. Эти IT-гиганты вкладывают огромные деньги в свои платформы, но и у них движение происходит не так быстро, как хотелось бы. Масштабировать их системы становится всё сложнее, а это одна из ключевых проблем. Возможно, придётся возвращаться практически к самому началу, искать новые материалы.

Надо придумывать новые фундаментальные подходы. У каждой разработки физической платформы свои, пока неразрешимые сложности. Вот почему нельзя дать точный прогноз. Прорыв на фундаментальном уровне, преодоление фундаментального барьера может произойти через полгода, а может и через 20 лет.

 Южнокорейские физики создали рекордно мощный лазер, интенсивность вспышек излучения которого достигла уровня, позволяющего "извлекать" частицы антиматерии из пустоты вакуума. Об этом в четверг сообщила пресс-служба Института фундаментальных наук (IBS) со ссылкой на статью в журнале Optica.

"Выход на эту мощность позволит нам начать экспериментальное изучение многих областей физики, в том числе квантовой электродинамики сильных полей, которые в прошлом оставались уделом теоретиков. Кроме того, эти опыты помогут нам раскрыть природу многих астрофизических явлений и создать новые источники частиц, пригодные для лечения рака", - заявил профессор IBS Нам Чхан-хи, чьи слова приводит пресс-служба института.

 Как считают ученые, вакуум нельзя назвать абсолютно пустым и безжизненным пространством. В реальности, как об этом говорят законы квантовой физики, он заполнен множеством непрерывно рождающихся и исчезающих пар виртуальных частиц и античастиц. Расчеты ученых показывают, что этот "квантовый шум" должен влиять на поведение всех остальных объектов микро- и макромира.

Пять лет назад российские физики обнаружили, что квантовую природу вакуума можно использовать для изучения того, как взаимодействуют друг с другом свет и материя, в том числе и для производства практически неограниченного числа позитронов, простейших частиц антиматерии. Для этого достаточно направить луч сверхмощного лазера на тонкий лист металлической фольги, взаимодействия между которыми приведут к формированию потока позитронов.

Физика высоких энергий

В недавнем прошлом, как отмечают профессор Нам Чхан-хи и его коллеги, практическая проверка этой идеи была невозможной, так как для этого необходим лазер, интенсивность чьих импульсов составляет около миллиона эксаватт на один квадратный сантиметр. Это значение было примерно на два порядка выше, чем мощность самых ярких лазеров, созданных ведущими научными коллективами в последние десятилетия.

Корейским физикам удалось вплотную приблизиться к решению этой проблемы, создав новую версию сверхмощного лазера CoReLS, установившего в 2017 году один из последних мировых рекордов по мощности продолжительных вспышек и интенсивности сверхкоротких импульсов света.

Ученые существенным образом поменяли работу этой установки, изменив систему накачки лазера и установив в него новые, более эффективные версии деформируемых зеркал, позволяющие "сжимать" импульсы света и одновременно повышать их интенсивность. Такой подход позволил физикам повысить мощность лазера примерно на порядок и выйти на уровень, позволяющий проводить опыты по преобразованию света в материю и изучению взаимодействий между ними.

В частности, в ближайшее время профессор Нам Чхан-хи и его коллеги планируют применить эту установку для изучения того, как возникают космические лучи высоких энергий, которые представляют собой тяжелые частицы, разогнанные до околосветовых скоростей в результате взаимодействий с магнитными полями и частицами света. Пока ученые не могут точно сказать, где и как они возникают, и опыты на CoReLS, как надеются физики, дадут ответ на этот вопрос.

Плоская карта, которую создали ученые, двусторонняя и круглая, как граммофонная или виниловая пластинка. Она выходит за рамки двух измерений, не теряя при этом удобства логистики - хранения и изготовления - плоской карты.

На привычных картах мир показан так, как его изобразил фламандский географ Герард Меркатор еще в XVI веке. Тогда он совершил революцию в картографии, но его проекция искажает реальные размеры стран. Все 2D-карты, которые существуют сегодня, неточные. Ученые решили сделать правильные плоские карты, однако они не похожи на то, что приходилось видеть ранее. Рассказываем о столетних попытках сделать правильные карты и показываем, сколько на самом деле места занимает Россия на земном шаре.

Как показать круглую Землю?

Как выровнять сферу? На протяжении веков картографы пытались точно отобразить круглую планету на плоскости. Необходимо было создать карту, которую можно положить в карман и отправляться покорять новые территории, прорисовывать маршруты и вообще увидеть всю территорию Земли одновременно.

Попыток было много.

На привычных картах мир показан так, как его изобразил фламандский географ Герард Меркатор еще в XVI веке. Тогда он совершил революцию в картографии, но его проекция искажала реальные размеры стран (линии долготы расположены параллельно друг другу, хотя в реальности они пересекаются на полюсах, - в результате объекты у полюсов оказываются намного больше по размеру, чем те, что у экватора).

Однако невозможно сделать все идеально. Карта, на которой хорошо получается одно, может не подходить для изображения другого. Популярная проекция Меркатора, которая висит на всех стенах классных комнат и используемая в качестве основы для карт Google, превосходно отображает локальные формы, но она так сильно искажает участки поверхности вблизи Северного и Южного полюсов, что полярные регионы обычно просто обрезаются.

На карте True Size можно оценить это искажение: нужно выбрать любую страну, передвинуть ее на другой континент и сравнить масштабы. Например, на классической карте Россия выглядит в разы больше Африки, но в реальности она занимает только половину континента.

То же самое с Гренландией, которая, кажется, в два раза больше Австралии, - на деле же она занимает только треть ее площади. Китай, в свою очередь, занимает гораздо больше площади, чем кажется.

Попытки адаптации

Конечно, после создания проекции Меркатора ученые пытались сделать как можно более правдоподобную адаптацию. Как определить идеальную? В 2007 году была создана система для оценки существующих карт. Она количественно оценивает шесть типов искажений, которые вносят плоские карты: локальные формы, площади, расстояния, изгиб, асимметрия и граничные разрезы (разрывы непрерывности). Чем ниже оценка, тем лучше: у глобуса, например, оценка равна 0,0. Авторы системы - Дж. Ричард Готтом, заслуженный профессор астрофизики в Принстоне и создатель логарифмической карты Вселенной и Дэвид Голдберг, профессор физики в университете Дрекселя.

В 1921 году немецким картографом Освальдом Винкелем (Oswald Winkel) предложена модифицированная азимутальная проекция карты мира - проекция Винкеля lll (Winkel tripel projection). Это самая известная из ранее предложенных плоских картографических проекций. Название tripel (по-немецки "тройной") относится к цели Винкеля минимизировать три вида искажений: площадь, направление и расстояние.

Проекция Винкеля Трипеля, выбранная National Geographic для своих карт мира, представляет полюса более точно, чем Меркатор, но все же сильно искажает Антарктиду и создает иллюзию того, что Япония находится намного восточнее Калифорнии, а не ее ближайший сосед. Запад. Оценка Голдберга-Готта: 4,563 Предоставлено: карта Дэниела Р. Стреба,Wikimedia Commons

Ее оценка по системе Голдберга-Готта равна 4,563. Уже близко к нулю, однако еще оставалась проблема "пересечения границ" - разделение Тихого океана и создание иллюзии большого расстояния между Азией и Гавайями.

Попытки продолжались.

В 1943 году Бакминстер Фуллер попытался сделать карту, которая достоверно бы передавала размеры континентов. Он разбил круглую Землю на правильные формы и дал инструкции, как сложить и собрать земной шар в виде многогранного глобуса. Хотя таким образом Фуллер защитил формы континентов, он измельчил океаны, а многие между материками увеличились, например, между Австралией и Антарктидой.

Бакминстер Фуллер популяризировал многогранную проекцию "Dymaxion", основанную на развернутом икосаэдре. Антарктида "круглая, как и должно быть", сказал Готт, но эта проекция "разбивает" океаны. Оценка Голдберга-Готта: более 15. Авторы и права: Обсерватория Земли НАСА, с изменениями, внесенными Mapthematics LLC.

Ясно, что нужен совершенно новый подход.

Новый подход

Фундаментальное переосмысление того, как могут работать карты, привело к созданию самой точной плоской карты из когда-либо созданных. В проекте принимали участие три эксперта: Дж. Ричард Готтом, Дэвид Голдберг и Роберт Вандербей, профессор операционных исследований и финансового инжиниринга, создавший карту результатов выборов "Пурпурная Америка".

Результаты президентских выборов 2016 г. Источник: vanderbei.princeton.edu/JAVA/election2016

Ученые вдохновились работой Готта о многогранниках - многогранных твердых фигурах. В недавней статье он начал рассматривать новый вид многогранников с правильными формами, что привело к революционной идее двусторонней карты.

Рассказывая о новой плоской карте профессор вспомнил историю с олимпийскими прыгунами в высоту. В 1968 году Дик Фосбери шокировал спортивных фанатов, выгнув спину и перепрыгнув через перекладину назад. Он установил новый рекорд и выиграл золотую медаль, и с тех пор прыгуны в высоту поменяли тактику.

"Мы как мистер Фосбери, - объясняет Готт. - Мы делаем это, чтобы побить рекорд, сделать плоскую карту с наименьшими возможными ошибками. Так что, как и он, мы удивляем людей, предлагаем кардинально другой вид карты. Каждая из ошибок Винкеля Трипеля была учтена".

Новая карта не похожа ни на одну из предыдущих.

Решение найдено

Плоская карта, которую создали ученые, двусторонняя и круглая, как граммофонная или виниловая пластинка. Она выходит за рамки двух измерений, не теряя при этом удобства логистики - хранения и изготовления - плоской карты.

 Предоставлено: видео Дж. Ричарда Готта, Роберта Вандербеи и Дэвида Голдберга.

У новой двусторонней карты меньше ошибок в расстояниях, чем у любой односторонней плоской карты. Предыдущим рекордсменом была карта 2007 года, созданная Готтом с Чарльзом Муньоло, выпускником Принстона в 2005 году.

Фактически эта карта примечательна тем, что имеет верхнюю границу ошибок расстояния: отклонение расстояний более чем на ± 22,2% невозможно. Для сравнения, в проекциях Меркатора и Винкеля Трипеля, а также в других, ошибки расстояния становятся огромными по мере приближения к полюсам и по существу бесконечными от левого к правому краю (которые находятся далеко друг от друга на карте, но непосредственно примыкают к земному шару). Кроме того, площади на краю всего в 1,57 раза больше, чем в центре.

Карту можно распечатать спереди и сзади на одной странице журнала, чтобы читатель мог вырезать ее.

Бакминстер Фуллер популяризировал многогранную проекцию "Dymaxion", основанную на развернутом икосаэдре. Антарктида "круглая, как и должно быть", сказал Готт, но эта проекция "разбивает" океаны. Оценка Голдберга-Готта: более 15. Авторы и права: Обсерватория Земли НАСА, с изменениями, внесенными Mapthematics LLC.

Насколько известно ученым, никто никогда раньше не делал двусторонние карты такой точности.

Как классическая физика совмещается с квантовой и когда одна переходит в другую? В какой степени поведение макроскопических объектов зависит от квантовых процессов - и может ли наше сознание иметь квантовую природу, как считает недавний нобелевский лауреат Роджер Пенроуз? Об этом мы поговорили с Михаилом Кацнельсоном, профессором Университета Радбауда, который в конце прошлого года вместе с Виталием Ванчуриным показал, что если в нейронной сети не фиксировано количество элементов, то ее можно эффективно описать уравнением Шрёдингера - как будто бы это объект квантового мира.

Квантовая неквантовость

N + 1: Для погружения в контекст вы не могли бы объяснить, почему ученые так часто пытаются найти квантовые свойства в системах, в которых квантовости изначально как будто бы быть не должно? Это нужно, просто чтобы посмотреть на известную систему с нового ракурса, или это исследование внутренней природы, присущей этим системам?

Михаил Кацнельсон: Тут очень много уровней и много вариантов ответа на этот вопрос, потому что разным людям нужно разное. Во-первых, есть какой-то общефилософский интерес. Мы все-таки верим, что законы, управляющие любыми сложными системами, - они не то, чтобы сводятся к физике (так говорить, конечно, неправильно), но по крайней мере, не должны противоречить физике. В конечном счете, любые системы состоят из электронов и атомных ядер, которые описываются, как мы сейчас думаем, квантовыми законами. До какой степени свойства этих систем можно увязать с фундаментальным уровнем квантовых законов?

Надо сказать, что попытки [оценить границы применимости квантовых законов для описания макроскопических свойств] начались очень рано. Если говорить о классиках нашей науки, то, скажем, у Нильса Бора были работы по физике и биологии, в которых он предлагал очень интересный подход. Он предлагал использовать какой-то вариант его же собственного принципа дополнительности: так же, как квантовая физика в интерпретации Бора говорит, что мы не можем полностью описать квантовую систему на классическом языке, но можем описать ее, используя несколько дополнительных [по отношению друг к другу] классических языков. Насколько я понимаю, у Бора была идея, что физические и биологические законы примерно так же соотносятся. То есть биология не сводится к физике, а это какие-то дополнительные, несводимые друг к другу способы обсуждать свойства каких-то систем, которые, видимо, сложнее, чем каждая из этих проекций по отдельности.

У другого великого физика Вольфганга Паули попадались, например, такие высказывания, что физика и психология - это два равно фундаментальных уровня описания реальности, которые не сводимы друг к другу. У еще одного классика нашей науки Юджина Вигнера была очень забавная статья о вероятности появления самовоспроизводящихся систем. В ней он вроде бы доказал (но я думаю, что это все-таки не доказательство - к этому не надо сверхсерьезно относиться), что из общих принципов квантовой механики следует, что самовоспроизводящиеся системы невозможны. А поскольку живые организмы - это самовоспроизводящиеся системы, то следовательно жизнь нельзя объяснить на основании законов квантовой механики и нужно что-то еще.

Нильс Бор, Юджин Вигнер, Вольфганг Паули

Как видите, общие настроения всех этих великих людей были скорее такими, что, наверно, и невозможно, и неправильно объяснять биологические психологические и социальные законы физикой и квантовой механикой. Но потом возникла молекулярная биология, была расшифрована структура ДНК, и физические методы стали использоваться в биологии очень широко. И немножко, я бы сказал, у кого-то голова закружилась по этому поводу. Действительно, стали думать, что квантовая механика может и напрямую как-то объяснять биологию.

Вообще редукционизм (то есть объяснение поведения сложных систем через свойства составляющих их элементов) - это традиционно популярный взгляд среди ученых-естественников. Но этот взгляд, по моему мнению, довольно бедный. Конечно, ни Бор, ни Паули, ни Вигнер, ни другие классики не были редукционистами. Но многие были. И поэтому начинаются попытки объяснить явления жизни, сознания и всего остального, исходя из законов, которые управляют поведением мельчайших элементов, то есть квантов.

На мой взгляд, этот подход не очень глубокий и не очень правильный. Но что-то в нем, конечно, есть. Потому что какие-то квантовые процессы заведомо жизненно важны для биологических организмов. Например, если мы будем говорить о таких важных биологических процессах, как фотосинтез или световосприятие, - конечно, это все начинается с чисто квантового процесса.

Вопрос - насколько далеко можно так зайти. Некоторые заходят очень далеко. Например, Пенроуз зашел настолько далеко, что стал описывать конкретные квантовые процессы [в работе нервной системы]. Он говорил о микротрубочках, каких-то их вибрационных состояниях, которые могут играть важную роль в деятельности нервной системы. Сравнительно недавно, в 2015 году, тоже очень известный физик Мэттью Фишер опубликовал статью в Annals of Physics, в которой объявил, что какие-то процессы, связанные со спинами ядер фосфора в определенных молекулах, которые состоят из кальция, фосфора и кислорода, и которые заведомо присутствуют в живых организмах, могут играть какую-то роль [в процессах в головном мозге].

Две молекулы Ca9(PO4)6 в различных ориентациях. По мнению Мэттью Фишера, ядерные спины атомов фосфора в этих молекулах могли бы выполнять роль кубитов в головном мозге

Matthew P. A. Fisher / Annals of Physics, 2015

Есть некое такое направление, когда люди пытаются - я бы сказал, в раже редукционизма - очень сложные явления, связанные с поведением больших и многоуровневых систем, напрямую вывести из свойств составляющих их элементов. Мое личное отношение к этому направлению очень скептическое. Для этого есть и научные причины, и, так сказать, мировоззренческие.
Микротрубочки Пенроуза

Раз уж вы упомянули работы Пенроуза и Фишера, не могу не спросить про них. Почему сейчас в целом отношение к редукционистскому подходу снова стало значительно более скептическим, а работы Пенроуза по квантовым состояниям в микротрубочках, - вообще считаются маргинальными и так сильно критикуются?

По многим причинам. Причем и научным, и ненаучным.

Научные причины относятся к идеям Пенроуза и Фишера. В каком смысле мир вокруг нас квантовый, а в каком смысле он неквантовый? В определенном смысле все квантовое. Потому что все, что происходит в наших организмах с точки зрения движений атомов, изменений молекул и так далее - это какие-то химические реакции, передачи электронов, протонов, еще чего-то. Я думаю, что у нас нет абсолютно никаких серьезных оснований сомневаться в том, что каждый из этих микропроцессов в конечном счете сводится к квантовой механике. Например, при фоторецепции сначала куда-то попадает фотон, потом какие-то возбуждения в электронной системе двигаются по цепочкам, в результате меняется конформация какой-то молекулы. И это производит какое-то действие на нервные окончания. Но когда люди говорят о квантовых эффектах в биологии, психологии и так далее, они же большее имеют в виду. Они имеют в виду, что во всех этих процессах играет роль такое специфическое явление, как квантовая запутанность - то есть мы имеем дело с макроскопическими квантовыми явлениями. И вот в это уже поверить безумно трудно.

Спиновый ток в микротрубочках, который возникает в результате переключения между состояниями диполей тубулина (обозначены желтым и синим). Эти квантовые процессы, как считает Пенроуз, могут влиять на сознание человека

Stuart Hameroff Roger Penrose / Physics of Life Reviews, 2014

Дело в том, что свойство квантовой запутанности, вообще-то, безумно хрупкое. И оно, как правило, убивается процессом, который называется "декогеренция". Если вы берете абсолютно изолированную от всего квантовую систему, [то у нее,] конечно, будут какие-то собственные состояния, собственные волновые функции и так далее. Но когда вы помещаете всю эту систему в окружение, подавляющее большинство этих состояний разрушается. Выживает сравнительно небольшое количество состояний, и бороться с этим - огромная проблема.

Причем у меня создалось впечатление, что Пенроуз даже не подозревает об этих проблемах. По крайней мере, не подозревал, когда эти книги писал. Он великий человек, но все-таки из немного другой области науки. Мэттью Фишер это понимает прекрасно. И в его статье изрядная доля текста - это именно обсуждение того, почему спины ядер фосфора достаточно хорошо изолированы. Вопрос - как аккуратно оценить декогерирующее действие всех ядерных и электронных спинов и всех прочих возбуждений. Потом, мы все-таки живем не при нуле температур. Мы живем при комнатной физиологической температуре, то есть полно всяких фононов, колебаний - невероятное количество декогерирующих агентов.

Микротрубочка в нейроне как система кубитов

Stuart Hameroff Roger Penrose / Physics of Life Reviews, 2014

Получается, что чисто теоретически квантовая запутанность могла бы повлиять на макрообъекты, но для этого надо создавать суперспециальные условия, которых в организме человека или, например, позвоночных животных в принципе быть не может?

Да, и тут никакой презумпции невиновности нет. Я бы сказал, что бремя доказательства лежит на делающих такие утверждения. Потому что по умолчанию, любой, кто имеет реальный опыт работы с [более простыми квантовыми системами], никогда не поверит ни в какое отсутствие декогерентности при физиологических температурах.

Другой вопрос, а зачем это, собственно, надо? Допустим, даже есть какая-то запутанность этих ядерных спинов или еще чего-то. Зачем? Люди привыкли, что мозг человека - это, наверно, какой-то вариант компьютера. Но то, что он совершенно не похож на классический компьютер, это, наверно, уже совершенно очевидно. И тот же Пенроуз об этом очень много пишет. С разной степенью убедительности.

Но мозг ведь и на квантовый компьютер совсем не похож?

У Пенроуза дальше такая логика. На десятках страницах убедительно доказывается, что [мозг] не похож на классический компьютер. А что это еще может быть? Ну, пусть будет квантовый компьютер.

Но для того, чтобы квантовый компьютер реально работал как квантовый, надо, чтобы [декогеренция] была совсем, вчистую подавлена.

Еще одна вещь тут такая. Это то, о чем мой друг и соавтор Ханс де Радт иногда говорит: "Люди так рассуждают о волновой функции, как будто ее можно купить в супермаркете". То есть помимо манипуляций с волновой функцией, нужно еще приготовить квантовое состояние, а потом прочитать финальное состояние. И эти операции тоже нужно анализировать. Я, упаси бог, не хочу сказать, что квантовый компьютер невозможен. Но тут столько проблем.

И если люди по какой-то причине хотят объявить, что наш мозг - это компьютер, но не классический, а квантовый, они кучу проблем должны решить. Они должны показать, что декогеренция не убьет [необходимое квантовое состояние] полностью. Дальше они должны показать, что пространство, свободное от декогерентности, - достаточно большое и богатое, чтобы это еще можно было называть квантовым вычислением. Они должны показать, что в этих реальных физиологических условиях проходят не только какие-то процессы манипуляции с этими состояниями, но и процессы приготовления начального квантового состояния и считывания конечного квантового состояния. Что они не требуют каких-то безумно больших усилий и так далее. То есть это "Ксанф, пойди и выпей море". И, пока это море не выпито, просто не о чем разговаривать, с моей точки зрения.

Эмерджентная квантовость

Но кроме естественнонаучных возражений к этому направлению мысли, есть еще и концептуальные. Как я сказал, редукционизм был господствующим. Сейчас все изменилось. В 1972 году в Science появилась статья - очень интересная, не научная статья, а такое заявление, манифест - Фила Андерсона, великого физика, недавно, к несчастью, умершего, нобелевского лауреата, который подчеркнул, что в физике огромную роль играет концепция эмерджентности (от emergence - внезапное возникновение). Грубо говоря, он говорит, что свойства физических систем не сводятся к свойствам элементов. То есть, на самом деле, самые разные физические системы, которые состоят из совершенно разных элементов, во многих своих важных проявлениях ведут себя совершенно одинаково.

То есть они определяются уже не свойствами элементов, из которых состоят, а тем состоянием, в котором находятся?

Совершенно верно. Потом уже другой великий физик, другой нобелевский лауреат Боб Лафлин опубликовал книгу, которая называется "Другая Вселенная". В ней он тоже подчеркивает, что редукционизм не работает. Мы не можем сначала изучать свойства каких-то частиц, а потом - свойства состоящих из них объектов. Более того, Лафлин подчеркивает, что лучшие современные способы определять фундаментальные константы (такие как, например, постоянная Планка) на самом деле основаны на явлениях из физики конденсированного состояния. Таких, как эффект Джозефсона, квантовый эффект Холла и так далее. То есть процесс познания работает в обратную сторону.

И даже физика не так устроена - что надо непременно все выводить из свойств элементов. Во-первых, очень часто возникающие интересные для нас свойства вообще не зависят от свойств элементов. А во-вторых, очень часто как раз наоборот: правильно понять свойства элементов можно, изучая поведение более сложных систем. В целом, я не вижу ни научных причин непременно сводить какие-то свойства живых организмов или сознания или чего-то еще к свойствам элементов, ни философских, концептуальных причин. Мне лично кажется, что подход Андерсона, Лафлина и многих других, который подчеркивает именно роль эмерджентности, гораздо глубже и гораздо правильнее, чем наивно-редукционистский.

Квантовые нейросети

Ваша работа, которую вы написали в конце 2020 года, тоже ведь вытекает из такого подхода. Вы пишете про квантовые свойства нейросетей, которые точно так же возникают эмерджентно - как характеристика всей системы целиком. Я правильно понимаю?

Да. Но тут есть некоторая предыстория.

Довольно долго уже, последние лет семь-восемь, я с моими друзьями и соавторами Хансом де Радтом и Кристель Микильсен пытаюсь, если угодно, "демистифицировать" квантовую механику. Потому что проблема есть. Есть знаменитое высказывание Ричарда Фейнмана, что квантовую механику не понимает никто. Его все повторяют, цитируют, и это, наверно, совершенно правильная констатация того положения дел, которое было, когда он об этом говорил, - в начале 60-х. Но на мой взгляд, если не понимаешь - так постарайся, проделай какую-то работу и пойми. А представляют так, что квантовую механику невозможно понять, и пытаться не надо. Но это неправильно. Понять можно.

Подход, который мы развивали, был основан вот на чем. Давайте мы примем на время такой чисто феноменологический подход к квантовым экспериментам. Ну, что, в конце концов, у нас есть? Квантовая система, про которую мы ничего не знаем. Единственное, что мы можем обсуждать, - это результат взаимодействия квантовой системы с каким-то измерительным прибором. А этот измерительный прибор должен быть классическим. И в конце концов у нас - просто ворох чисел, показаний стрелочек, связанных с ориентацией в пространстве этого прибора. Если он содержит несколько детекторов - какой из детекторов сработал, какой не сработал, что-то там еще. Мы смотрим на этот ворох данных и совершенно не понимаем, как эта штука работает. Что мы должны делать? Ну, во-первых, мы должны предсказать результаты новых измерений, новые данные, анализируя те данные, которые у нас есть. В некоторых случаях это возможно. Грубо говоря, у вас есть некий черный ящик, который вам выдает любую цифру от нуля до девяти, и он последний миллиард раз выдавал двойку. Остальные числа вообще не присутствовали. Если вас спросят, какая будет следующая выдача, вы почти наверняка скажете "двойка", и почти наверняка будете правы. Несмотря на то, что совершенно не знаете, как он устроен. Ну, так же, как совершенно не обязательно знать астрономию для того, чтобы сказать, что солнце завтра взойдет. Вчера всходило, позавчера всходило, сто лет назад, говорят, всходило, тысячу лет назад кто-то писал, что оно всходило. Значит, взойдет.

И мы попытались представить себе, какого типа теорию мы можем построить, относясь к квантовым приборам, как к черным ящикам - не анализируя их работу детально и не зная, как они устроены. И показали, что, если просто использовать соображения, взятые из теории информации, скомбинировать их с неким физическим принципом (технически говоря, это уравнение Гамильтона - Якоби, но которое выполняется не абсолютно точно и всегда, а только в среднем), то из этой комбинации можно вывести уравнение Шрёдингера. Если мы правы, квантовая механика теряет статус фундаментальной физической теории и приобретает статус феноменологической теории, типа термодинамики.

Способы использования квантовой теории при описании наблюдаемых явлений

Hans De Raedt et al. / Annals of Physics, 2019

Это одна история. Другая история связана с квантовыми компьютерами. Но кроме квантовых компьютеров, есть еще вычислители, работающие по принципу квантового отжига (quantum annealers). Многие классические задачи - задачи оптимизации, экономики в конце концов, сводятся к тому, что у вас есть некий массив бинарных переменных, которые могут принимать одно из двух значений, и есть какая-то очень-очень сложная функция, зависящая от состояния этих переменных, которую надо оптимизировать. У реальных систем эта функция обычно жутко сложно устроена, у нее ужасно много минимумов. Есть, конечно, глобальный минимум, который дает вам истинную оптимизацию. Но есть огромное количество локальных минимумов, на которых вы в процессе оптимизации будете застревать. И это большая проблема.

Так вот, если, например, вы рассматриваете такую же систему, но введете еще какую-то квантовость, в квантовых системах есть квантовое туннелирование. То есть, грубо говоря, квантовая система не будет застревать вот в этих локальных минимумах.

То есть она за счет туннелирования способна из одного минимума перепрыгнуть в другой минимум, соседний?

Да. И вы, используя вот эту квантовость, - еще раз подчеркиваю, изучая систему, которая совершенно не квантовая, - гораздо лучше решите вашу задачу. Введя квантовость в вашу систему, вы достигнете истинной оптимизации. И это вполне работающая штука, эти машины работают и полезные вещи делают. То есть это был некий такой звоночек, что зачастую очень полезно взглянуть с квантовой точки зрения даже на системы, которые сами по себе совершенно не квантовые. Это была одна такая линия размышлений, в которой я застрял.

И одновременно Виталий Ванчурин, с которым мы случайно пересеклись, сделал работу, которая была, в некоторых отношениях, очень похожа на нашу работу с Хансом и Кристель. Он не знал об этом, но мы быстро установили, что сходство есть. Но мы-то исходили из неких формальных аксиом, а он рассмотрел конкретную вещь - как работает нейросеть. Просто задал какую-то конкретную модель нейросети с несколькими типами нейронов. Обучение - это тоже какая-то задача оптимизации. И тоже вывел уравнение Шрёдингера. Мы оба пришли к тому, что противоречий [между нашими работами], собственно, нет. Что просто у нас есть некая феноменологическая конструкция, а у него есть более микроскопическая модель, которая соответствует нашей. Достаточно просто предположить, что нейросети работают в соответствии с этими нашими аксиомами рационального думания.

Но когда у вас есть модель, вы можете продвинуться гораздо дальше. Тут уже вопрос довольно технический. В нашем исходном выводе уравнения Шрёдингера было место, которое нас не очень удовлетворяло: в какой-то момент там приходилось еще один дополнительный постулат вводить. А в модели Виталия, этот постулат как-то естественно выводится. Получилось, что анализируя работу нейросетей, вы можете вывести что-то практически идентичное уравнению Шрёдингера. Но только, конечно, там никакой постоянной Планка нет, никакой массы электрона нет. Есть какие-то параметры, которые определяются характеристиками вашей нейросети. Тем не менее, в определенных, но достаточно общих положениях, нейросеть может описываться формально квантовым уравнением.

И тогда это совершенно другой подход. Он не редукционистский. Он как раз в духе Андерсона: это эмерджентность. Мы начали вообще с феноменологии. Дальше рассмотрели нейросеть, которая исходно все-таки макроскопический объект. И мы показали, что, при некоторых условиях этот макрообъект описывается уравнениями, которые очень похожи на те, что работают в микромире. Но, разумеется, с совершенно другими значениями констант. И, если система стала такой эффективно квантовой, вполне возможно, что это реально поможет ей решать задачи оптимизации. Чисто классические. То есть может оказаться, что для какой-то обучающейся системы стать квантовой может быть вполне полезно. И, может быть, даже и для биологической системы. Но это не та квантовость, которая исходно заложена, потому что все состоит из электронов и ядер, а квантовость, которая возникла сама в результате просто некоторого формального сходства.

Вот это наш подход. На мой взгляд, он совершенно радикально отличается от того, что имели в виду Пенроуз и Фишер.

Получается, при таком квантовом описании, в этой системе есть какая-то своя собственная постоянная Планка и свое собственное квантовое туннелирование. А квантоваться такая нейросеть на что-то будет? У нее есть какие-то элементарные частицы, элементарные кванты энергии, или это описание на более общем уровне?

Нет, сама нейросеть состоит из нейронов. А квантовость у нее - именно эмерджентная. То есть она описывает не частицы. Это немножко напоминает спиритический сеанс. Вот когда мы говорим "дух науки", что мы под ним понимаем? Как он соотносится с духом реальных живых ученых, которые занимаются наукой? Ну наверно, это какой-то корпоративный дух.

То есть никаких квантов там нет?

Волновая функция, которая у нас возникает, не имеет никакого прямого отношения к элементам. Это как бы "дух нейросети". Она характеризует поведение нейросети в целом. Поведение нейросети, несводимое к поведению ее элементов. Это в чистом виде та самая эмерджентность, как мне кажется.

И такой подход применим не только для искусственных нейросетей, но и для настоящих нейронов?

Мы надеемся. Мы эту работу недавно закончили. Но мы уже начали конкретные симуляции, чтобы просто посмотреть, как это реально будет работать.

То есть с помощью нее можно описать какие-то реальные, естественные процессы? Скажем, нейропластичность или нейродегенерацию?

Ну, откуда ж я знаю? Мы же только начали. Пока мы ей ставим простейшие задачи распознавания образов, пытаемся [ее] изучать. Посмотрим, насколько далеко мы сможем уйти по этому пути.

А такой подход можно перенести с нейросетей на какие-то более сложные системы - может быть, биологические или социальные? Есть ожидание, что аналогичная квантовость может возникнуть и в них?

Есть. Но, опять же, это может быть тот самый "дух науки", "дух времени". Какое-то время назад все верили, что все есть тьюринговская машина, все есть этот абстрактный компьютер. Физик Дэвид Дойч, один из отцов квантовой информатики, даже целую книжку написал "Структура реальности", в которой призывал очень серьезно отнестись к тому, что все есть тьюринговская машина. Кстати, мотивация Пенроуза была именно в том, что ему ужасно это не нравилось. Он хотел привести какие-то аргументы, что не все есть тьюринговская машина. Насколько он преуспел в этом - это другой вопрос.

Сейчас, наверно, существует такое поветрие, что все есть нейросеть. И если мы действительно считаем, что все есть нейросеть, тогда биологические системы - это какие-то обучающиеся системы и дарвиновский отбор - это, в каком-то смысле, тоже обучение. Социальные системы тоже явно обучающиеся. Какие-то социальные практики пробуются, и если они приводят не к тем результатам, которые хотелось бы, то они видоизменяются.

Тогда, казалось бы, если мы убедительно докажем, что нейросеть ведет себя каким-то квантовым образом, наверно, более-менее автоматически из этого будет следовать, что какая-то эмерджентная квантовость будет иметь место и в биологии, и в культуре.

А возможно, что эта эмерджентная квантовость каким-то образом поможет обосновать индетерминизм и свободу воли?

Я не знаю. Понимаете, у нас ведь очень странный подход. Эйнштейн полагал, что фундаментальные законы природы должны быть детерминистскими, а случайность возникает в результате нашего незнания. Мы-то этот подход просто перевернули, потому что на самом деле мы стартуем с каких-то уравнений, которые Виталий предложил для описания нейросетей. Они описывают некий случайный процесс.

То есть случайность процесса - это изначальная предпосылка вашего подхода?

Да. Эйнштейн говорил, что "бог не играет в кости". А Бор ему, говорят, ответил: "Эйнштейн, прекрати говорить богу, что ему делать и что не делать". В каком-то смысле, мы пытаемся проверить прямо противоположную идею - что он только и делает, что играет в кости. Что в основе всего лежит какой-то случайный процесс. Причем исходно классический случайный процесс. И вот каким-то хитрым образом из него возникает вот эта квантовость. Не знаю, насколько далеко можно тут уйти. Это, в общем, довольно радикальное утверждение, радикальный шаг. Но мы попробуем. Не получится - будем знать, что этой дорогой не надо больше никому ходить. Все равно интересно.

А можно ли каким-то образом аналогичный подход применить к описанию совсем других систем, у которых с квантовостью пока не до конца понятно? Может ли, например, гравитация быть эмерджентным свойством?

Виталий утверждает, что да. Он полагает - у него была другая работа, - что гравитацию тоже можно вывести в рамках какой-то хитрой модели нейросетей. Ну, у меня своего мнения по этому поводу нет. Он все-таки космолог, ему видней про гравитацию. Я не чувствую, что я в этом настолько хорошо разбираюсь. Но, во всяком случае, есть планы, когда мы получше разберемся с уравнением Шрёдингера, попытаться понять, нельзя ли вывести гравитационные законы из чего-то подобного. Потому что сейчас это, опять же, направление, которое в духе времени. Есть такой физик Эрик Верлинде, в Нидерландах работает. Он объявил, что гравитация - это некая энтропия. Многие пытаются вывести гравитацию, опять же, из квантовой запутанности. То есть утверждение, что гравитация - это тоже какой-то эмерджентный феномен, оно потихоньку начинает приживаться в научном сообществе. И может быть, получится. Я не знаю. У меня своего мнения нет. Виталий, насколько мне известно, верит, что да, что так может быть.

Беседовал Александр Дубов

Словом, поиск способов восстановления эмали - это одна из первоочередных задач современной стоматологии, которая до сих пор не решена окончательно. В новом исследовании международная команда специалистов во главе с Альваро Мата (Alvaro Mata) и Шерифом Эльшаркави (Sherif Elsharkawy) из Лондонского университета королевы Марии разработали новый способ выращивания высокоорганизованных минерализованных материалов, которые могут обладать такими же выдающимися физическими свойствами, как природная зубная эмаль.

В основе метода лежит использование определённого рекомбинантного эластиноподобногобиополимера. Он способен инициировать и направлять рост нанокристаллов апатита подобно тому, как это происходит при развитии эмали в организме человека. При этом удлинённые нанокристаллы организуются в микроскопические призмы, которые затем объединяются для заполнения макроскопических полостей, даже самый мощный ирригатор не способен нарушить молодые слои нанокристаллов.

Вокруг первой демонстрации квантового превосходства вычислителем Sycamore компании Google было много споров и сомнений. Одно из них касалось оценки времени работы классического компьютера. Китайские ученые разработали и реализовали алгоритм, который заставляет пересмотреть результаты Google о квантовом ускорении. Им потребовалось 60 графических процессоров и пять дней для решения задачи, на которую, по оценкам Google, суперкомпьютер должен был потратить 10 тысяч лет. Препринт работы опубликован на arXiv.org.

В октябре 2019 коллектив ученых Google заявил, что им удалось экспериментально продемонстрировать квантовое превосходство. Они использовали квантовый 53-кубитный вычислитель Sycamore на сверхпроводниках для того, чтобы решить задачу генерации случайной строки. По утверждениям исследователей, решение этой задачи должно занять около 10 тысяч лет у самого мощного суперкомпьютера Sammit, в то время как Sycamore справился с ней за 200 секунд.

Понятно, что выбор задачи не был случайным - это одна из удобных задач для демонстрации мощности квантовых вычислителей. Тем не менее, даже при таких условиях, исследователи из IBM подвергли критике расчеты времени выполнения задачи на классическом компьютере. Буквально через месяц после новости об эксперименте Google, они опубликовали препринт статьи, в котором утверждали, что суперкомпьютеру может потребоваться несколько дней для решения задачи при правильном использовании памяти. Дело в том, что оценки времени ученых Google строились на том, что оперативной памяти суперкомпьютера окажется недостаточно и придется использовать алгоритмы, которые экономят память в ущерб времени работы. В IBM ученые предложили другой подход: использовать не только оперативную память, но и хранить нужную информацию на жестких дисках.

Несмотря на активные споры, ни одна из компаний не проводила предложенные вычисления в полном объеме - всех их предположения были только теоретическими. Решить задачу и разрешить спор удалось группе ученых из Института теоретической физики Китайской академии наук под руководством Пань Чжаня (Pan Zhang). Они предложили новый комбинированный алгоритм, с помощью которого смогли решить задачу генерации случайной строки на маленьком вычислительном кластере из 60 графических процессоров. Весь расчет занял у исследователей 5 дней, а итоговая точность значительно превысила ту, что получил квантовый вычислитель Google.

Квантовая схема Sycamore, как и любая другая, имеет два важных с точки зрения сложности задачи параметра - размерность или число кубитов и глубина или число слоев гейтов (операций над кубитами). Чем больше кубитов или чем больше операций над ними нужно осуществить, тем сложнее будет смоделировать такую цепь на классическом компьютере. Существует два основных метода их моделирования.

Первый (метод Шредингера) хранит в памяти полный вектор состояния и использует знание вероятности каждой строки для генерации выборки строк. Поэтому вычислительная сложность такого метода линейно растет с увеличением глубины цепи. Эта зависимость важна для моделирования, потому что глубина цепи вычислителя Sycamore была равна 20. С другой стороны, зависимость сложности такого метода от числа кубитов оказывается экспоненциальной, поэтому смоделировать систему с большим число кубитов оказывается затруднительно (в Sycamore их было 53).

Второй метод использует тензорные сети и отлично работает для неглубоких цепей с большим числом кубитов благодаря перегруппировке входных данных. Авторы решили объединить два метода для того, чтобы новый алгоритм мог моделировать цепи и с большим числом кубитов и с большой глубиной. Они использовали тензорную сеть, для того, чтобы разделить все кубиты на подгруппы, каждую из которых отдельно моделировали на разных графических процессорах. В результате число кубитов в каждой подгруппе становится достаточным, чтобы применить метод Шредингера и решить задачу за реальное время (значительно меньше 10 тысяч лет). Ученым потребовалось 60 графических процессоров NVIDIA V100 GPU с 32 гигабайтами памяти и пять дней для генерации двух миллионов строк. Кроме того, качество распределения этих строк значительно превосходит соответствующий результат Sycamore.

После генерации большого числа случайных строк какие-то из них встречаются чаще, а какие-то реже. Поэтому можно говорить о вероятности генерации определенной строки. Зависимость вероятности от строки может иметь определенный вид. Результат задачи, которую решали авторы, в идеальном случае должен иметь распределение Портера-Томаса. Чем ближе реальное распределение к распределению Портера-Томаса, тем точнее и лучше оказывается решена задача. Обычно для оценки близости распределений используют величину их схожести (fidelity). Если она равна единице, то распределения полностью совпадают. В эксперименте Google схожесть итоговых распределений составила всего 0,002, а авторам новой работы удалось получить значение в 0,739.

Несмотря на то, что ученые сосредоточились на моделировании Sycamore, их алгоритм и подход в целом можно использовать для моделирования существующих и будущих квантовых систем. Они отмечают, что в отличие от квантового вычислителя Google, их алгоритм не масштабируем на большие глубины и числа кубитов одновременно.

Помимо задачи генерации случайной строки, физики активно исследуют и создают квантовые вычислители для решения задачи бозонного сэмплинга. Фотонный процессор группы китайских ученых уже справился с этой задачей, а другая команда предложила новый способ для увеличения размерности задачи. Интересно, сможет ли разработанный классический алгоритм справиться с задачей бозонного сэмплинга быстрее, чем все существующие.

Оксана Борзенкова

Массовая вакцинация остается главным шансом человечества на победу над пандемией SARS-CoV-2. Однако коронавирус регулярно мутирует и порождает новые штаммы, некоторые из которых заразнее первоначального и чаще приводят к смерти. Насколько хорошо существующие вакцины будут справляться с подобными вариантами, пока до конца неясно.

Особое беспокойство специалистов вызывает так называемый южноафриканский штамм - B.1.351. Судя по результатам предварительных исследований, он заметно снижает эффективность нейтрализующих антител у людей, привитых вакциной Moderna. При этом вакцина Pfizer своей эффективности не теряет, а выработанные с ее помощью антитела работают против южноафриканского варианта всего в полтора раза слабее, чем против обычного.

По словам разработчиков российской вакцины "Спутник", их препарат эффективен против новых штаммов коронавируса, в том числе южноафриканского. Однако экспериментальных доказательств у этих утверждений до сих пор не было. Разобраться, насколько хорошо "Спутник" справляется с мутировавшими версиями коронавируса, решила команда специалистов во главе с Бенхуром Ли (Benhur Lee) из Школы медицины Икана Медицинского центра Маунт-Синай.

Исследователи взяли образцы сыворотки крови у привившихся "Спутником" жителей Аргентины и экспериментально проверили, насколько хорошо препарат противодействует южноафриканскому штамму и варианту с мутацией E484K в S-белке. Для этого они измерили активность нейтрализующих антител.

Оказалось, что против B.1.351 нейтрализующая активность "Спутника" снижается в 6,1 раза, а против штамма с мутацией в E484K - в 2,8 раза. В одном случае вакцина вообще не проявила никакой нейтрализующей активности против южноафриканского варианта, в семи она была сниженной, а в четырех - полноценной. Вероятно, даже такой эффективности достаточно, чтобы защитить от тяжелого течения болезни - но не от заражения. При этом против британского варианта коронавируса "Спутник" оказался столь же эффективен, как и против оригинального штамма.

Авторы признают, что не рассматривали эффективность связывающих антител и T-клеточного ответа у привитых "Спутником". Тем не менее, именно нейтрализующие антитела играют важнейшую роль в иммунном ответе против коронавируса. Ли и его коллеги отмечают, что их вводы подчеркивают важность модификации вакцин для борьбы с новыми вариантами SARS-CoV-2.

Южноафриканский вариант коронавируса проник в Россию в середине марта. При этом бразильского варианта P.1 в нашей стране пока не выявляли.

МОСКВА, 3 апр - РИА Новости. Правительство РФ одобрило выделение средств в размере 13 миллиардов рублей на модернизацию Курчатовского синхротрона, сообщает пресс-служба кабмина.

В этом году планируется завершить все проектные работы, а в 2025 году ввести в эксплуатацию обновленную установку. За это время полностью заменят узлы и системы ускорительно-накопительного комплекса.

"На модернизацию Курчатовского специализированного источника синхротронного излучения (КИСИ) в Москве будет направлено 13 миллиардов рублей. Такое постановление утвердил председатель правительства Михаил Мишустин", - говорится в сообщении.

Отмечается, что в результате перевооружения будет создан синхротрон третьего поколения мощностью 2,5 гигаэлектронвольт. Благодаря этому можно будет проводить более длительные эксперименты.

"Курчатовский специализированный источник синхротронного излучения - уникальная научная установка класса „мегасайенс". Ожидается, что её модернизация поможет получить новые знания о строении и свойствах вещества на микро- и наноуровне, решить ряд практических задач в материаловедении, метрологии, медицине, энергетике будущего", - уточняется в сообщении.

В "Сбере" прокомментировали график распространения коронавирусной инфекции, созданный аналитиками портала "СберИндекс", согласно которому в России к середине апреля ожидается рост заболеваемости COVID-19.

"Представители СМИ самостоятельно интерпретируют данные модели с сайта "СберИндекс". Она показывает сезонный рост заболеваемости в апреле в связи с переходом в более теплый температурный режим. Говорить о новой волне заболеваемости преждевременно", - заявили в пресс-службе банка в субботу, 3 апреля.

Примечание редакции: речь идет о прогнозе экспертов "СберИндекса", согласно которому в стране с 4 апреля ежедневный прирост новых случаев COVID-19 начнет расти. По ожиданию аналитиков, ежедневное количество новых случаев, выявляемых в стране, будет увеличиваться примерно на 570 в день и к 15 апреля достигнет 15 тыс. в сутки.

Свой прогноз аналитики составляли на базе эпидемиологического симулятора, использующего математическую модель SEIR, с помощью которой можно описать динамику распространения заболевания, пишет "Газета.ру".

Накануне вице-премьер РФ Татьяна Голикова заявила, что ситуация с распространением коронавируса в регионах страны имеет тенденцию к стабилизации. В то же время она не исключила сезонные колебания уровня заболеваемости в апреле и мае.

Она подчеркнула, что залогом стабильной ситуации является вакцинация. Вице-премьер также призвала россиян подумать и пройти вакцинацию, отметив важность этого шага для сохранения здоровья.

30 марта заведующий отделом НИИ эпидемиологии Роспотребнадзора Вадим Покровский выразил уверенность, что в России не ожидается всплеска заболеваемости COVID-19. Он указал на скорость роста иммунной прослойки, как за счет переболевших, так и за счет вакцинировавшихся.

Масштабная вакцинация от коронавируса в России началась 18 января. Всем желающим предлагается бесплатно сделать прививку препаратом "Спутник V", разработанным центром имени Гамалеи.

Ключевой элемент экспериментальной установки - оптический микрорезонатор, заполненный раствором красителя.

МОСКВА, 1 апр - РИА Новости. Немецкие физики обнаружили ранее неизвестный фазовый переход в оптическом конденсате Бозе - Эйнштейна и новое состояние квантов света - сверхдемпфированную фазу. Результаты, по мнению авторов, могут в будущем иметь важное значение для реализации защищенной квантовой связи. Исследование опубликовано в журнале Science.

В 2010 году исследователи из Боннского университета под руководством профессора Мартина Вайца (Martin Weitz) впервые получили совершенно новый источник света - одиночный "суперфотон", состоящий из многих тысяч отдельных световых частиц, - своего рода бозе-эйнштейновский конденсат легких частиц.

Конденсат Бозе - Эйнштейна - это экстремальное агрегатное состояние вещества, которое возникает только при температурах, близких к абсолютному нулю. Это состояние характеризуется тем, что частицы в такой системе уже не различимы и преимущественно находятся в квантово-механическом состоянии, то есть ведут себя как одна гигантская "суперчастица", состояние которой можно описать волновой функцией.

В новом эксперименте ученые использовали ту же самую установку, что и десять лет назад: они улавливали световые частицы в резонаторе, состоящем из двух изогнутых зеркал, расположенных на расстоянии чуть более микрометра друг от друга, которые отражают быстрый возвратно-поступательный луч света. Пространство между зеркалами заполнено жидким раствором красителя, который охлаждает фотоны. Это достигается за счет того, что молекулы красителя сначала "проглатывают" фотоны, а затем снова их "выплевывают", доведя до температуры раствора красителя - эквивалента комнатной температуры.

В какой-то момент исследователям удалось зафиксировать фазовый переход в системе захваченных легких частиц. Авторы объясняют этот переход так: полупрозрачные зеркала вызывают потерю и замену фотонов, создавая неравновесие, которое приводит к тому, что система начинает колебаться. В итоге образуются две разделенные между собой фазы: фаза колебаний и фаза затухания. В последней амплитуда вибрации постепенно уменьшается.

"Наблюдаемая нами сверхзатухающая фаза соответствует новому состоянию светового поля", - приводятся в пресс-релизе университета слова первого автора статьи Фахри Эмре Озтюрка (Fahri Emre Öztürk), аспиранта Института прикладной физики.

Авторы отмечают, что обычно действие лазера не отделяется от эффекта конденсата Бозе - Эйнштейна фазовым переходом и между этими двумя состояниями нет четко определенной границы. Однако в данном эксперименте сверхзатухающее состояние оптического конденсата Бозе - Эйнштейна отделялось фазовым переходом как от колебательного состояния, так и от света стандартного лазера.

"Это показывает, что мы имеем дело с двумя отдельными фазами оптического конденсата Бозе - Эйнштейна", - говорит руководитель исследования профессор Мартин Вайц.

Ученые планируют использовать полученные результаты для дальнейших исследований по поиску новых состояний светового поля в множественных связанных световых конденсатах, возникающих в оптических системах. Они надеются, что в дальнейшем их открытие будет использовано в области квантовой связи.

"Если подходящие квантово-механически запутанные состояния возникают в связанных легких конденсатах, это может быть интересно для передачи квантово-зашифрованных сообщений", - отмечает Озтюрк.

Круглый стол ученых социалистической ориентации и профсоюза РАН очередной раз констатировал кризисное состояние российской науки, за которое ответственны российский олигархический капитализм и хроническое недофинансирование. Выход - увеличить финансирование науки и восстановить роль РАН. С этой позицией спорит известный экономист профессор МГУ Елена Ведута.

Круглый стол "Кризис российской науки и пути выхода из него" состоялся в Москве 24 марта 2021 года. Организатором круглого стола выступила организация "Российские ученые социалистической ориентации", членами которой являются академики РАН, РАЕН, сотрудники научно-исследовательских институтов, профессорско-преподавательский состав ведущих вузов страны.

Также в организации мероприятия приняли участие Российский координационный комитет профсоюзных и общественных организаций отраслевой, вузовской, академической, оборонной науки и государственных научных центров (РКК), Всероссийский профессиональный союз работников Российской академии наук, Межрегиональное общественное движение "За возрождение отечественной науки".

Заседание круглого стола вёл академик РАН, председатель центрального совета общественного движения "За возрождение отечественной науки", доктор физико-математических наук, профессор, Борис Сергеевич Кашин.

Все докладчики отметили серьёзную деградацию, которой подверглась научная сфера в Российской Федерации за последние 30 лет. Последствия этой деградации ярко проявились в условиях обострения обстановки и появления новых угроз для нашей страны. Именно сегодня, по мнению ученых, требуется консолидированная позиция научного сообщества.

Участники Круглого стола назвали следующие причины падения уровня науки:

- недофинансирование (меньше 1% ВВП, в то время как в развитых странах этот показатель составляет 3−4%, а Китай запланировал на следующую пятилетку увеличение объемов финансирования науки в 17 раз);
- политическая ситуация;
- олигархический капитализм.

Ученые выразили свое недовольство присутствием в структурах управления науки Андрея Фурсенко и Михаила Ковальчука, в результате деятельности которых остались в стороне достижения российской науки и её внедрения, а за результаты научной деятельности никто не несёт ответственности. Также негативная оценка была дана деятельности бывшего министра образования Дмитрия Ливанова, который сейчас назначен временно исполняющим обязанности ректора МФТИ.

В своем выступлении Борис Сергеевич Кашин раскритиковал недавно принятый Госдумой в третьем чтении так называемый Закон о просветительской деятельности. Он также обратил внимание на то, что стратегические места в науке занимают "прозападные либералы", транслирующие подходы к управлению и оценке науки из-за границы. Борис Сергеевич Кашин привел слова академика Сергея Капицы о том, что мы только сами должны оценивать собственную науку, в то время, как Министерство высшего образования и науки требует оценивать эффективность ученых на основании баз данных научных публикаций, размещенных на платформах американских частных компаний.

Председатель центрального совета общественной организации "Российские ученые социалистической ориентации", доктор технических наук (РУСО) Иван Никитчук вспомнил о достижениях отечественной науки и о её расцвете в советский период. Он акцентировал внимание на том, что в те годы наука находилась в тесной связи с задачами народного хозяйства, чего не наблюдается в настоящее время.

По его мнению, нынешние реформы, проведенные без участия самих учёных, являются бессмысленными. В результате этих реформ Россия потеряла более 500 тысяч ученых, которые уехали за пределы страны, значительно снизилась оплата труда научных работников и сотрудников НИИ, часть стратегически значимых научных центров и институтов была ликвидирована, потерян авторитет российских научных журналов.

Иван Никитчук предложил избавить науку от чиновничьего произвола и обеспечить её достойное финансирование.

Виктор Калинушкин, председатель профсоюза работников РАН, рассказал о трех дисбалансах в науке: между зарплатой научных и ненаучных работников, между зарплатами ученых в регионах страны и в Москве, между гигантскими расходами на заработную плату и мизерными - на научную деятельность. Кроме того, Виктор Петрович указал на то, что в России отсутствует система управления наукой, так как перед ней не ставятся конкретные задачи, а РАН утратила свой статус высшего исполнительного органа.

Анатолий Миронов, председатель РКК и Профобъединения "РКК-Наука", предложил участникам Круглого стола подготовить аналитический доклад по состоянию российской науки для руководящих кругов и всего общества, обратиться к органам власти с просьбой восстановить наукограды.

Он обратил внимание собравшихся на то, что в век смены технологий и формирования информационного общества идет переход цивилизации к трансгуманизму и глобализму, поэтому нам срочно нужна Концепция развития справедливого информационного общества.

Академик РАН Владимир Захаров сравнил уровень финансирования отечественной науки с уровнем в других странах не в пользу России. По его мнению, правительство РФ не хочет, чтобы в стране была наука, но она продолжает существовать чудом, потому что потребность к изучению мира заложена в человеке от природы. Он считает, что современные чиновники боятся ученых, рассматривая их как классовых врагов.

ИА REGNUM обратилось за комментариями о работе круглого стола к известному экономисту-кибернетику, руководителю секции "Искусственный интеллект в экономике" РАН, профессору МГУ Елене Ведута.

"Мне понятны желания научного сообщества получить больше финансирования на свои проекты. Но у меня, как и у многих ученых, да и простых граждан России, есть вопрос к экономистам РАН: на финансирование чего? За 30 лет РАН не смогла стать стратегическим центром страны, который даёт научно обоснованные рекомендации по росту качества жизни. Более того, начиная с середины 1950-х годов, отделение экономики АН СССР ушло от решения практических задач в теоретическое, статистическое и эконометрическое (смесь математики со статистикой) описание проблем. А от академиков-экономистов в это время требовалась помощь по совершенствованию практической деятельности правительства и Госплана СССР в направлении улучшения качества жизни наших граждан.

Мы все время слышим от академиков и член-корреспондентов лозунги, декларативные программы с неизвестно как полученными показателями и бездоказательные предложения, в которых не представлены основанные на научном подходе доказательные механизмы решения поставленных задач. Старая болезнь забалтывания сложных ситуаций, стоящих перед страной, оказалась сильно запущенной.

Правильно заметил Анатолий Степанович Миронов, сейчас формируется информационное общество. Оно уже не просто формируется. По оценкам ведущих западных экспертов, грядущее десятилетие будет десятилетием кризисного техноускорения. Наступил век цифровой революции, и Россия за ней не успевает. И в этом во многом виновата РАН, а точнее, созданная в стране система выборов академиков и член-корреспондентов с их "феодальным" высоким пожизненным поощрением из бюджета страны. Ранее "феодалов" рекомендовала компартия, а теперь сами члены Академии, безответственно относящиеся к решению экономических проблем страны. Из РАН получился какой-то "говорящий" клуб, который будет всегда блокировать научный подход к решению экономических проблем. Зачем напрягаться и решать проблемы, если звание академика или член-корреспондента даёт возможность пожизненно получать свою ренту из бюджета, независимо от пользы или вреда стране. Поэтому работа "говорящих" свелась к созданию шумовых помех в виде непрекращающихся дискуссий с хвалебными ссылками на работы друг друга членов Академии и критикой правительства. И не дай бог, если кто-то предложит механизм решения насущных проблем с использованием достижений цифровой революции. Самый легкий путь для "феодалов" - заблокировать научный подход, чтобы не потерять свою значимость и выгоду от вовлечения в свой клуб новых членов. И это не смешно, а трагично. Подмена настоящего научного центра страны, ответственного за совершенствование практики хозяйствования, высокооплачиваемым клубом "говорунов", а также прилетевшими на его место "новообразованиями" вроде Центра стратегических разработок, ВШЭ, АСИ, ВЭБ, РАНХиГС с её так называемыми научными конференциями способствует стремительному превращению страны в грядущем десятилетии в цифровую колонию технологически развитых стран.

Продолжают полным ходом идти конференции, выборы новых членов клуба, "размножение" которых становится все более тяжелым бременем для нашего бюджета, сжимающего социальные расходы. А денег хочется всегда. Поэтому вместо истинной экономической науки мы видим так называемые разоблачения правительства. Может, пришла пора завершать феодальный период в истории нашей страны и прекратить подобную практику назначения и выбора ученых?

Итак, чем на самом деле занимается РАН? Увы, ответ таков: теоретизированным "навальнизмом", то есть критикой власти без конструктива, но еще и с требованием к власти увеличить ей за это финансирование".

 

Ангелина Потеряйко

Исследователи разработали систему ИИ - искусственного интеллекта, - которая может обнаруживать ежедневные изменения в речи, свидетельствующие об ухудшении психического здоровья человека.

"Мы не пытаемся заменить врачей..."

Благодаря достижениям в области искусственного интеллекта компьютеры теперь могут помогать врачам диагностировать заболевания и контролировать жизненные показатели пациентов, находящихся за сотни миль. Исследователи Университета Колорадо в Боулдере работают над применением машинного обучения в психиатрии. Они проектируют мобильное приложение, которое на основе речи пациента может классифицировать состояние его психического здоровья так же хорошо, как и другой человек.

"Мы ни в коем случае не пытаемся заменить врачей, - говорит Питер Фольц, профессор в Институте когнитивных наук. Он также соавтор новой статьи в "Бюллетене о шизофрении", где излагаются перспективы и потенциальные ловушки применения искусственного интеллекта в психиатрии. - Но мы верим, что сможем создать инструменты, которые позволят психиатрам лучше контролировать своих пациентов".

В OpenAI также отметили, что модель достигла таких результатов благодаря более чем 300 приложениям и десяткам тысяч разработчиков.

К примеру, стартап Viable использует GPT-3 для анализа отзывов клиентов, выявления эмоций и настроений из опросов, обращений в службу поддержки или обзоров.

Fable Studio применяет языковую модель OpenAI для создания диалогов в виртуальной реальности, а компания Algolia - для улучшения поисковых продуктов.

По мнению некоторых аналитиков, основывать стартап на базе чужой технологии - плохая идея: простота использования GPT-3 для создания продукта увеличит количество конкурентов. При этом ни одна компания не выиграет от этой технологии так, как сама OpenAI, уверены скептики.

Эксперты также видят и выгоду для Microsoft, которая в сентябре 2020 года получила эксклюзивное право на использование языковой модели на облачной платформе Azure.

Напомним, в январе 2021 года OpenAI показала созданный на базе GPT-3 алгоритм DALL-E, который по текстовому описанию генерирует реалистичные изображения несуществующих вещей.

Ранее компания Google представила свою языковую модель с 1 трлн параметров, что в шесть раз превысило показатель GPT-3.

GPT-3 Powers the Next Generation of Apps

Если спросить обычного человека, с кем у него ассоциируется понятие "наука", то в ответ вы наверняка услышите такие имена, как Менделеев, Дарвин, Эйнштейн. То есть образ ученого в нашем сознании прочно связан с мужчинами, и это - сложившийся веками стереотип.

Сейчас женщина, занимающаяся наукой, - это повсеместное явление, но так было не всегда. 150 лет назад женщины не имели не только права голосовать, но даже права получать образование наравне с мужчинами. Но талант везде проложит себе дорогу, и в то время, как в США и Европе набирало силу движение суфражисток, боровшихся за избирательное право, в России женщины прокладывали себе путь к науке: открытия, совершенные первыми женщинами-учеными, вошли в историю мировой науки наравне с достижениями их коллег-мужчин.

Софья Ковалевская, Зинаида Ермольева, Фатима Бутаева - ими сегодня гордится не только Россия, но и весь мир.

Женщина-профессор. Софья Ковалевская

Первая в России и в Северной Европе женщина-профессор, первая женщина - профессор математики и, пожалуй, самая известная русская женщина-ученый. И всё это - Софья Ковалевская.

Существуют разные предположения, почему Софья увлеклась таким "неженским" для своего времени занятием, как математика. По одной из легенд, из-за нехватки обоев стены ее детской были оклеены лекциями математика Михаила Остроградского о дифференциальном и интегральном исчислении. То есть девочка буквально с младенчества была окружена миром формул. Так это было или нет на самом деле, нам неизвестно, но на формирование такой феноменальной личности, безусловно, должно было оказать влияние окружение. Так как двери русских университетов того времени были закрыты перед женщинами, получить высшее образование она смогла только за рубежом, в Германии. Сначала она слушала лекции в Гейдельбергском университете, потом в Берлинском университете, а в 1874-м получила степень доктора философии Гёттингенского университета.

Математический талант Софьи получил признание в лучших европейских университетах: она работала профессором кафедры математики в Стокгольмском университете, ее научные труды были удостоены премии Бордена, а затем и премии короля Оскара II от Шведской академии наук.

В 1888 году первая женщина-профессор написала работу "Задача о вращении твердого тела вокруг неподвижной точки", в которой открыла третий классический случай решения этой задачи, продолжив работу, начатую Леонардом Эйлером и Жозефом Луи Лагранжем.

Родственница Лермонтова и российская "нефтянка"

Великую женщину-математика связывали долгие годы дружбы с еще одной женщиной-ученым - Юлией Всеволодовной Лермонтовой, дальней родственницей знаменитого русского поэта. Первая русская женщина-химик, получившая степень доктора химии, стояла у теоретических основ будущей нефтяной промышленности России.

Так же, как и у подруги, у Лермонтовой путь в науку был непростым. Но, в отличие от Ковалевской, она смогла добиться признания в России. Юлия Всеволодовна стала первой русской женщиной, удостоенной права работать в химической лаборатории Московского университета. По рекомендации самого Дмитрия Ивановича Менделеева Юлия Лермонтова была принята в члены Русского физико-химического общества и стала единственной женщиной в его составе. Лермонтова занималась исследованием нефти, проводила опыты по ее термическому расщеплению и ароматизации. И уж совсем невероятным по тем временам стал тот факт, что ее имя вошло в название химической реакции. Трое русских ученых-химиков - Александр Михайлович Бутлеров, Александр Павлович Эльтеков и Юлия Всеволодовна Лермонтова - вели параллельные исследования синтеза углеводородов, их научные результаты назвали реакцией Бутлерова-Эльтекова-Лермонтовой. Эта реакция стала основой промышленного производства некоторых видов современного моторного топлива.

Доктор Варвара. Варвара Кашеварова-Руднева

Варвара Александровна Кашеварова-Руднева - первая в России женщина, получившая степень доктора медицинских наук. Как Софья Ковалевская и Юлия Лермонтова, Варвара Александровна с детства мечтала заниматься наукой. Кашеварова-Руднева происходила из бедной семьи, и практически единственным доступным способом получить высшее образование для нее было поступить в Повивальный институт, где готовили акушерок. Стремление к знаниям позволило ей освоить годичный курс обучения за четыре месяца. Варвара Кашеварова-Руднева стала первой женщиной в России, которой позволили учиться не просто в высшем медицинском университете, а в военном - в Медико-хирургической академии.

Варвара Александровна занималась исследованием новаторской по тем временам области медицины - женской онкологии, за свои научные изыскания получила степень доктора медицинских наук, ее научные статьи публиковались в отечественных и зарубежных журналах. Например, в Нью-Йорке была издана книга "Женщины-медики", в которой отдельная статья была посвящена Кашеваровой-Рудневой. Варвара Александровна, получив ученую степень, достигла предела научной карьеры для женщины своего времени. Дальнейшая ее профессиональная жизнь складывалась непросто: ее подвергли несправедливым нападкам в прессе, был даже проведен судебный процесс, в котором Кашеварова выиграла. Но обстановка сложилась таким образом, что женщина-врач была вынуждена уехать в глубинку и заниматься врачебной практикой среди крестьян. В 1884 году она издала популярную книгу "Гигиена женского организма во всех фазисах жизни", занялась литературной работой, написала серию автобиографических очерков, повесть "Пионерка".

"Госпожа Пенициллин". Зинаида Ермольева

Зинаиду Виссарионовну Ермольеву, стоявшую у истоков отечественной микробиологии, можно назвать без преувеличения величайшей женщиной-ученым XX столетия. Выбор ее профессии предопределила сама судьба. Она решила стать врачом, узнав о том, что ее любимый композитор Пётр Ильич Чайковский умер от холеры. Именно тогда Зинаида решила посвятить свою жизнь в науке борьбе с этим заболеванием и поступила в Донской государственный университет.

Будучи еще студенткой, Ермольева провела смертельно опасный эксперимент, который едва не стоил ей жизни: во время эпидемии холеры в 1922 году, исследуя пути заражения инфекцией, она намеренно выпила воду, содержащую холероподобные вибрионы. Благодаря этому эксперименту позднее были созданы современные нормы хлорирования воды.

В 1939 году, во время командировки в Афганистан, Зинаида Виссарионовна изобрела методы экспресс-диагностики холеры и эффективный препарат не только против этой болезни, но и против брюшного тифа и дифтерии. Уже во время Второй мировой войны Ермольева сумела спасти от эпидемии холеры осажденный Сталинград. За это Зинаида получила орден Ленина, а положенные деньги направила на строительство самолета-истребителя, на фюзеляже которого впоследствии было написано ее имя.

В научном мире Зинаиду Ермольеву называют "Госпожа Пенициллин" за изобретение первого отечественного антибиотика "Крустозин", аналога пенициллина. Создатель самого пенициллина Говард Флори был в СССР с делегацией в 1944 году, чтобы провести сравнительные исследования двух препаратов. По результатам оказалось, что крустозин не только не хуже, но даже эффективнее. Под впечатлением этих исследований Флори и назвал Ермольеву "Госпожой Пенициллин".

Люминесцентная лампочка и лазер Бутаевой

Уроженка небольшого североосетинского селения Фатима Асланбековна Бутаева внесла существенный вклад в научные разработки, изменившие жизнь большинства людей на планете. Фатима была старшей дочерью среди пятерых детей: рано потеряв мать, девочке приходилось много и усердно работать, что закалило ее характер и впоследствии пригодилось в ее научной деятельности. Бутаева была настолько целеустремленной, что смогла окончить физико-математическое отделение педагогического факультета Второго Московского государственного университета, не имея систематического среднего образования. После окончания вуза Фатима Асланбековна начала карьеру преподавателем математики в Куйбышеве. Затем работала преподавателем теоретической механики в техникуме Учебного комбината Метростроя в Москве.

Основная научная деятельность Бутаевой началась с переходом на работу во Всесоюзный электротехнический институт (ВЭИ) в лабораторию источников света вначале в качестве инженера, а потом как руководитель кафедры. Благодаря исследованиям газового разряда группой советских ученых, в которую входила Фатима Бутаева, именно в СССР началась разработка первых люминесцентных ламп. Совместно с исследователями Валентином Фабрикантом и Михаилом Вудынским Фатима Бутаева совершила научный прорыв, опередивший свое время: советские ученые сформулировали квантовый способ усиления света, сейчас его применяют в лазерах.

Женщина-академик. Лина Штерн

Лина Соломоновна Штерн родом из Курляндской губернии (сейчас Латвия) стала первой женщиной-профессором Женевского университета, где она училась, а потом первой женщиной-академиком в СССР. На Родину она вернулась в 1925 году, ее пригласили возглавить кафедру физиологии при Втором МГУ (впоследствии - 2-й Московский медицинский институт). По словам коллег, Лина Соломоновна обладала невероятной работоспособностью и энергией, что позволило ей совмещать должность заведующей кафедрой с постом директора Института физиологии Наркомпроса РСФСР (впоследствии Академии наук СССР). Накануне Великой Отечественной войны в 1939 году Штерн покорила "научный Эверест": она была избрана академиком Академии наук СССР.

Лина Штерн изучала физико-химические основы физиологических процессов в организме человека и животных. Именно она ввела термин "гемато-энцефалический барьер" - механизм, избирательно регулирующий обмен веществ между кровью и центральной нервной системой и осуществляющий защитную функцию организма.

Под ее руководством разработан электроимпульсный метод прекращения фибрилляции желудочков сердца и создана первая установка для электротерапии сердца. Благодаря ей была разработана методика лечения травматического шока, которая использовалась в военных госпиталях во время Второй мировой войны. А в 1947 году Штерн предложила лечить туберкулезный менингит введением в спинномозговую жидкость антибиотика стрептомицина сквозь черепную коробку.

Научные достижения помогли Штерн избежать расстрела в 1949 году по делу Еврейского антифашистского комитета: она сказала на суде, что не хочет умирать, потому что еще не все сделала для науки. Несколько лет после суда она прожила в Казахстане в ссылке, а в 1953 году вернулась в Москву и возглавила отдел физиологии Института теоретической и экспериментальной биофизики РАН.

Ковалевская XXстолетия. Ольга Ладыженская

Как и ее выдающаяся предшественница Софья Ковалевская, выдающийся математик XX века Ольга Александровна Ладыженская "заболела" точными науками еще в детстве. Благодаря занятиям математикой со своим отцом - школьным учителем математики и бывшим царским офицером Александром Ивановичем - Ольга уже в 10 лет могла решить задачи из высшей математики. Но путь в науку ей едва не закрыло клеймо "дочери врага народа" (ее отца в 1937 году арестовали и расстреляли). Только в 1943 году ей удалось поступить на механико-математический факультет МГУ. После окончания аспирантуры ЛГУ, она получила звание доктора физико-математических наук и стала профессором кафедры высшей математики и математической физики физического факультета ЛГУ.

Известная своей пытливостью ума Ладыженская стала автором более 200 работ, которые охватывают широкий спектр задач и проблем теории дифференциальных уравнений в частных производных. Например, ее работа по теории гидродинамики помогает в разработках, связанных с движением судна, торпеды, крови в сосудах и жидкости в насосах.

Несмотря на математический склад ума, Ольга Ладыженская умела ценить прекрасное. Среди ее друзей были многие деятели культуры: она дружила с Анной Ахматовой и входила в круг избранных, кому поэтесса доверяла свои стихи в годы репрессий. Ольга - одна из 257 "Свидетелей Архипелага", чьи рассказы, письма, мемуары и поправки были использованы Александром Солженицыным при создании книги "Архипелаг ГУЛАГ".

"Бензин от Межлумовой". Анна Межлумова

"Автомобиль не роскошь, а средство передвижения", - сказал однажды Остап Бендер. В наши дни слова "великого комбинатора" стали реальностью. Мы ежедневно заправляем наших "железных коней" топливом по пути на работу, на дачу, в путешествиях. Но мало кому из обывателей известно, что свои нежные руки к изобретению высокооктанового бензина "приложила" женщина - Анна Ильинична Межлумова.

Первоначально в планах Анны Межлумовой была педагогическая деятельность, но при распределении в высшее учебное заведение были учтены профессии отца и мужа, которые являлись нефтяниками, поэтому она была зачислена в Грозненский нефтяной институт. По его окончании Анну приняли в лабораторию предприятия, на котором выпускали авиамасла, где она проработала всю Великую Отечественную войну. Межлумова не покидала цех даже при авианалетах. Она же возглавила подготовку родного завода к эвакуации на Урал.

После войны Анна Ильинична возглавила нефтеперерабатывающую лабораторию. Именно тогда Сталин отдал приказ создать качественное топливо. И Межлумова с командой создала высокооктановый бензин, который заливают в большинство современных автомобилей. Но женщина, имеющая прямое отношение к нефтеперерабатывающей промышленности, не имела всех тех благ, с которыми у нас ассоциируются люди, "причастные" к этой сфере. До 80 лет Межлумова работала на кафедре родного Грозненского института, вела новые исследования и при этом жила в коммунальной квартире.

А каких женщин-ученых в вашей стране знаете вы?

АВТОР: Спода Олеся, политолог, аналитик