наука и техника
Подписчиков:
44Постов:
148
“Мы отстаем от наших противников”.
Американская гиперзвуковая ракета потерпела неудачу в испытании. Пентагон заявляет, что проблема возникла после воспламенения ( включения зажигания? ) ракеты. Китай, Россия и Северная Корея продвигаются вперед с помощью гиперзвуковых технологий. Ссылка на оригинальный текст - https://www.bloomberg.com/news/articles/2022-06-30/us-hypersonic-missile-fails-in-test-in-fresh-setback-for-program
Эра эксафлопсных вычислений
Инженеры из Ок-Риджской национальной лаборатории (ORNL) (США) запустили и протестировали суперкомпьютер Frontier. По результатам испытаний, машина, построенная на компонентах AMD, достигла производительности в 1,102 ExaFLOPS. Таким образом Frontier стал первым суперкомпьютером, который преодолел барьер в один экcафлопс. Технически Frontier быстрее, чем следующие семь суперкомпьютеров в списке вместе взятые.
Frontier построен на платформе HPE Cray EX235a. В нем используются процессоры AMD 7453 Epyc и графические ускорители AMD Instinct MI250X. Суперкомпьютер состоит из 9408 узлов, в каждом из которых есть один центральный процессор и четыре графических ускорителя. Всего в нем используется 9,2 петабайта оперативной памяти и 753 петабайта постоянной. При идеальном масштабировании они могут дать 1,8 ExaFLOPS. Но на практике получить идеальное масштабирование на тысячах вычислительных узлов проблематично. Поэтому система работает ниже теоретического предела производительности.
Кроме того, Frontier теперь также считается самой быстрой системой для искусственного интеллекта. В ходе теста HPL-AI он продемонстрировал 6,88 ExaFLOPS мощности со смешанной точностью. Это означает, что новый суперкомпьютер подходит для выполнения 68 млн инструкций в секунду для каждого цифрового нейрона мозга.
С июня 2020 года первую строчку рейтинга занимал японский Fugaku, который помимо своей мощности примечателен тем, что построен на процессорах с архитектурой ARM. Его максимальная производительность составляет 442,01 петафлопса.
Вояджер-1 начал передавать некорректную телеметрию
В то время как космический корабль продолжает возвращать научные данные и в остальном работает в обычном режиме, команда миссии ищет источник проблемы с системными данными.
Команда инженеров космического корабля НАСА «Вояджер-1» пытается разгадать загадку: межзвездный исследователь работает нормально, получает и выполняет команды с Земли, а также собирает и возвращает научные данные. Но показания системы артикуляции и управления ориентацией зонда (AACS) не отражают того, что на самом деле происходит на борту.
AACS контролирует ориентацию 45-летнего космического корабля. Помимо других задач, он удерживает антенну «Вояджера-1» с высоким коэффициентом усиления точно на Земле, что позволяет ему отправлять данные домой. Все признаки указывают на то, что AACS все еще работает, но данные телеметрии, которые он возвращает, недействительны. Например, может показаться, что данные генерируются случайным образом или не отражают какое-либо возможное состояние, в котором может находиться AACS.
Эта проблема не привела к срабатыванию каких-либо бортовых систем защиты от сбоев, которые предназначены для перевода космического корабля в «безопасный режим» — состояние, в котором выполняются только основные операции, что дает инженерам время для диагностики проблемы. Сигнал "Вояджера-1" также не ослабел, что говорит о том, что антенна с высоким коэффициентом усиления остается в предписанной ориентации относительно Земли.
Команда будет продолжать внимательно следить за сигналом, продолжая определять, поступают ли неверные данные непосредственно из AACS или другой системы, участвующей в создании и отправке данных телеметрии. Пока природа проблемы не будет лучше понята, команда не может предсказать, повлияет ли это на то, как долго космический корабль может собирать и передавать научные данные.
«Вояджер-1» в настоящее время находится на расстоянии 14,5 миллиардов миль (23,3 миллиарда километров) от Земли, и для преодоления этой разницы требуется световое время 20 часов и 33 минуты. Это означает, что требуется примерно два дня, чтобы отправить сообщение «Вояджеру-1» и получить ответ — задержка, к которой хорошо привыкла команда миссии.
«Загадка, подобная этой, является в порядке вещей на данном этапе миссии «Вояджер», — сказала Сюзанна Додд, руководитель проекта «Вояджер-1» и «Вояджер-2» в Лаборатории реактивного движения НАСА в Южной Калифорнии. «Обоим космическим кораблям почти 45 лет, что намного превышает то, что ожидали планировщики миссии. Мы также находимся в межзвездном пространстве — среде с высоким уровнем радиации, в которой раньше не летал ни один космический корабль. Так что перед командой инженеров стоят большие задачи. Но я думаю, что если есть способ решить эту проблему с помощью AACS, наша команда его найдет».
По словам Додда, возможно, команда не найдет источник аномалии и вместо этого приспособится к ней. Если они найдут источник, они смогут решить проблему путем изменения программного обеспечения или, возможно, с помощью одной из резервных аппаратных систем космического корабля.
Это будет не первый случай, когда команда «Вояджера» полагалась на резервное оборудование: в 2017 году основные двигатели «Вояджера-1» показали признаки деградации, поэтому инженеры переключились на другой набор двигателей , который первоначально использовался во время планетарных столкновений космического корабля . Эти двигатели работали, несмотря на то, что не использовались в течение 37 лет.
Двойник «Вояджера-1», «Вояджер-2» (в настоящее время находящийся на расстоянии 12,1 миллиарда миль или 19,5 миллиарда километров от Земли), продолжает работать в обычном режиме.
Запущенные в 1977 году, оба "Вояджера" проработали намного дольше, чем ожидали планировщики миссии, и являются единственными космическими аппаратами, собирающими данные в межзвездном пространстве. Информация, которую они предоставляют из этого региона, помогла глубже понять гелиосферу, диффузный барьер, который Солнце создает вокруг планет в нашей Солнечной системе.
Каждый космический корабль производит примерно на 4 ватта меньше электроэнергии в год, что ограничивает количество систем, которые может запустить корабль. Команда инженеров миссии отключила различные подсистемы и обогреватели , чтобы зарезервировать энергию для научных инструментов и критических систем. Никакие научные инструменты еще не были отключены из-за уменьшения мощности, и команда «Вояджера» работает над тем, чтобы два космических корабля продолжали работать и возвращали уникальные научные данные после 2025 года.
В то время как инженеры продолжают работать над разгадкой тайны, которую представил им «Вояджер-1», ученые миссии будут продолжать максимально использовать данные , поступающие с уникальной точки обзора космического корабля.
Отличный комментарий!
Ну что, машина попала в варп, и теперь её демоны по очереди крутят?
На вопрос журналистов издания, за счет каких известных науке источников энергии должен работать двигатель, изобретатель точного ответа дать не смог.
«Этот вопрос мне многие задавали. Мой двигатель не нарушает законов термодинамики, поскольку черпает энергию из окружающей среды, аналогично двигателям, работающим на энергии Солнца, или энергии радиоактивного распада. В нашем случае двигатель работает на неисчерпаемой потенциальной энергии инерционного напора жидкой среды. Эта жидкая среда тоже находится вокруг нас. В мире известны как твердые, так и жидкие маховики, у меня — ближе к жидкому. При критических оборотах эти маховики разрушаются. Откуда берется эта энергия? Мы просто его вращаем, энергию привода тратим только на вращение. Появляются внутренние силы в виде инерционного напора, эту силу инерции я и использую… Эта форма энергии известна – энергия силы инерции окружающей среды, в частности в жидкостях. Наш окружающий мир, все тела, и в частности жидкости, изначально заряжены энергией противодействия , по Третьему закону Ньютона – каждому действию есть противодействие.
Эта энергия есть, существует вокруг нас, как существует энергия Солнца. Так называемые центробежные силы появляются из-за того, что есть центростремительные силы. А центростремительные силы бесплатно нам даются, их вызывает внутренний слот вращающегося ротора, который заполнен жидкостью. Нужно одно условие – чтобы эта жидкость вращалась с той же угловой скоростью, что и сам ротор», - приводит слова Щербатюка «Газета.Ru».
Изобретатель уверен, что на создание работающей модели ему необходимо максимум 5 миллионов рублей.
«Я хозяин этого патента, теперь имею право распоряжаться им, как хочу. Продам его, и все», — указал Щербатюк.UPD после каммента Griff_gr, я виноват - проебался со ссылкой, а в "газете" уже отредактировали псто и заголовок, теперь там вот:
Venom начало
Китайские ученые создали робота из магнитной слизи, который может захватывать предметы внутри вашего тела.Ли Чжан из Китайского университета Гонконга и его коллеги создали эластичного робота, сделанного из магнитной слизи с консистенцией заварного крема, который может перемещаться по узким проходам, хватать предметы и чинить разорванные цепи(связки). Он может быть развернут внутри тела для выполнения таких задач, как извлечение предметов, случайно проглоченных
замораживающий луч изобретён!
https://youtube.com/shorts/JaL-gQ8aiQ4
Google создает «настоящий» искусственный интеллект
Многозадачность для нейронных сетей
Google занимается разработкой проекта, связанного с искусственным интеллектом, в рамках которого будут созданы нейросети «следующего поколения», способные запоминать «тысячи и миллионы различных задач». Проект получил название Pathways.
На сегодняшний день нейросети тренируют, как правило, на выполнение какой-то одной задачи. Например, если нейросеть используется для исправления ошибок в написании слов, то, если ее перетренировать на поиск грамматических ошибок, она забудет, как исправлять орфографические.
«Примерно так сегодня тренируются большая часть моделей машинного обучения. Вместо того, чтобы расширять существующие модели для обучения новым задачам, мы тренируем новые модели с нуля — для выполнения одной-единственной задачи, — написал в блоге компании ее вице-президент Джефф Дин (Jeff Dean). — Как следствие, мы вырабатываем тысячи моделей для тысяч индивидуальных задач. В результате обучение новой задаче не только занимает больше времени, но и требует больше данных...».
В Google указывают, что архитектура Pathways призвана изменить это: нейросети вполне можно натаскивать на выполнение множества разных задач, считают в компании.
Идея состоит в том, чтобы обучать будущие системы ИИ сразу множеству навыков, которые та могла бы использовать и комбинировать для того, чтобы самостоятельно обучаться выполнению новых задач.
«Мы хотели бы иметь возможность тренировать модель так, чтобы она могла не только выполнять сразу несколько различных задач, но также использовать и комбинировать уже выработанные навыки для обучения новым задачам — быстрее и эффективнее, — написал Дин. — В частности, то, что модель узнает, обучаясь одной задаче, например, то, как по авиационным фотоснимкам выявлять возвышенности ландшафта, может помочь выполнению другой задачи — прогнозированию того, как по данной местности будут протекать потоки воды. Мы хотим, чтобы модель имела различные возможности, которые можно было бы использовать по мере надобности, и которые можно было бы комбинировать для выполнения новых, более сложных задач. Это небольшой шаг к тому, как мозг млекопитающих обобщает разные задачи».
Еще одной проблемой, с которой Pathway должен будет помочь справиться, заключается в том, что сегодняшние модели машинного обучения предполагают задействование всех нейроузлов сети, вне зависимости от того, насколько простой или сложной является задача. В Google полагают, что можно добиться «разреженной» активации, то есть, направлять новые задачи лишь на отдельные массивы нейроузлов. Такой подход еще и куда менее энергозатратен.
Концепция разреженной нейросети уже применена в проектах Google Switch Transformer, модели для понимания естественного языка, и Gshard. Они потребляют всего лишь одну десятую энергии, которую пришлось бы расходовать на более традиционную нейросеть, где активируются все нейроузлы разом.
В будущем Google ожидает, что Pathways приведет к созданию нейросетей, способных выполнять миллионы различных задач, проводить обобщения между ними, комбинировать их по мере надобности, понимать различные типы данных и работать с ними более эффективно, чем любая сегодняшняя сеть. Целью проекта является переход «от эры однозадачных моделей, которые просто распознают паттерны, к многозадачным интеллектуальным системам, которые отражают более глубинное понимание нашего мира и могут адаптироваться к новым потребностям».
«Заявленная цель выглядит исключительно амбициозной, — полагает Георгий Лагода, заместитель генерального директора группы компаний “Программный продукт”. — Но у Google вполне могут быть ресурсы для ее реализации. Современные подходы к созданию и обучению нейросетей действительно стоило бы оптимизировать, но это потребует радикального пересмотра существующих архитектур».
сурс: https://www.cnews.ru/news/top/2021-11-02_google_sozdaet_nastoyashchijЗдесь мы собираем самые интересные картинки, арты, комиксы, мемасики по теме наука и техника (+148 постов - наука и техника)
Наши любимые теги
Hoshimi Miyabi
Zenless Zone Zero
EGS халява
Epic Games Store
Tea Patriarch
Anime Artist
mikimakey
nsfw
kakuremino7928
nsfw
CalamariCakes
nsfwartist
floradaria
nsfw
Топ комментов
А бывает, комменты лучше постов. Смотрим топ тредов и вникаем!
Отличный комментарий!