Заметки инженера - исследователя

​​Но ладно нанопроволоки. Люди вот "обучали" нелинейные волновые поля. (Пока что только численно.) Статья годичной давности: "Самообучающиеся машины на основе обратного распространения гамильтонова эха". "Физическую самообучающуюся машину можно определить как нелинейную динамическую систему, которую можно обучать на данных (аналогично искусственным нейронным сетям), но где обновление внутренних степеней свободы, которые служат обучаемыми параметрами, происходит автономно. Таким образом, не требуется ни внешняя обработка и обратная связь, ни знание (и контроль) этих внутренних степеней свободы." "Мы представляем общую схему для самообучения в любой обратимой во времени гамильтоновой системе. Она основана на реализации операции обращения во времени и введении небольшого сигнала поверх динамики эха. Мы показываем, как сама физическая динамика затем приведет к требуемому обновлению обучаемых параметров, независимо от деталей гамильтониана. Мы иллюстрируем обучение такой самообучающейся машины численно для случая связанных нелинейных волновых полей и других примеров." "В этой работе мы представили общий метод, обратное распространение гамильтонового эха, для обучения самообучающихся машин на основе гамильтоновых физических систем. Для любого физического устройства, которое соответствует некоторым общим предположениям, наш метод гарантированно реализует оптимизацию градиентного спуска функции стоимости." "Поскольку ни один из шагов в алгоритма не зависит от вида базового гамильтониана, можно использовать физическое устройство в качестве черного ящика. Таким образом, алгоритм нечувствителен к изменчивости устройства, вызванной несовершенствами изготовления, и он также может хорошо справляться с шумом (как мы показали в одном из наших численных примеров), что особенно важно в маломощных приложениях с подавленным отношением сигнал/шум." __________________________ Что можно сказать по этому поводу? Я думаю, что для начала нужно вспомнить советскую марксистко-ленинскую философию, которая говорила, что "сознание – это высшая, свойственная только человеку форма отражения объективной действительности". Если есть высшая форма отражения действительности - значит есть и более простые. Которые может воспроизводить не только человек, но и нанопроволчки всякие, или даже волновые поля. А если воспользоваться не выхолощенной начетнической марксистской философией, а чем-то куда более интересным и перспективным, тектологией Богданова той же, то раскрутить эти экспериментальные и теоретические феномены можно далеко.

https://www.youtube.com/watch?v=PSlCq7016Tw На видео - процесс "обучения". Система демонстрирует как "кратковременную", так и "долговременную" память.

Больше года назад австралийские ученые опубликовали интересный материал. Журналисты дали ему такое название: "Сети из нанопроволоки учатся и запоминают, как человеческий мозг". Смысл происходящего следующий. На поверхность платы насыпаются нанопроволочки (смотри фото). Не как попало, а где-то на пороге перколяции. Далее "чип" обучают. Обучение происходит за счет того, что если подать большой ток - проводимость соединений меняется. Доктор Леффлер: "То, что мы здесь сделали, - это манипулировали напряжением на концевых электродах, чтобы заставить пути измениться, вместо того чтобы позволять сети просто делать все по-своему. Мы заставили каналы идти туда, куда мы хотели". Профессор Кунчич: "Вместо реализации какой-либо задачи машинного обучения, в этом исследовании доктор Леффлер фактически сделал еще один шаг вперед и попытался продемонстрировать, что сети из нанопроволоки обладают какой-то когнитивной функцией".

Обещанное продолжение про "аналоговые компьютеры". (Предыдущий пост - https://t.me/IngeniumNotes/1229 ) Описанные в предыдущем посте результаты лаборатории Сэма Диллавоу в Пенсильванском университете являются скучными и глубоко вторичными. (Помню где то лет пять назад на ютюбе смотрел ролик, где какой-то школьник, вроде бы из Новосибирска, собирал вычислитель на резисторах, и это была куда более серьезная системы час то что сделал Диллавоу.) Но есть и гораздо более интересные вещи.

☝️☝️☝️ 20 кВт - это очень много. Для понимания масштаба: на таких мощных спутниках ставят (собираются ставить?) турбины в систему терморегулирования - чтобы снизить мощность, которую нужно сбрасывать холодильниками. Когда первый раз услышал про такое - подумал что какой то бред. Посмотрел несколько статей - действительно, есть смысл в таком тюнинге. 20 кВт - это уже тот масштаб, когда целесообразно становится применять ядерную космическую энергетику. В виде всяких там Kilopower. Но и не только. В качестве эксперимента уже можно пробовать и какие-то более сложные и интересные системы. Опять же солнечная космическая энергетика - в виде большого зеркала из тонкой пленки и того же Стирлинга, который это зеркало греет. Массовое развертывание 20 кВт-ных спутников приблизит нас к созданию подобных систем. 50 таких платформ в год - это очень большое количество. 5 лет, а это совсем не большой срок при развертывании масштабных космических систем, - это уже 250 штук. Естественным образом возникает вопрос о задачах, которые собираются решать с помощью таких систем.

Американская компания K2 Space, которая разрабатывает спутниковые платформы, в октябре этого года планирует запустить свой первый спутник предназначенный для демонстрации технологий и апробации спутниковой платформы Mega Class [ссылка]. Созданная два года назад K2 Space, в отличие от многих молодых компаний, решила сосредоточится не на миниатюрных, а на более крупных спутниках. Разработанная ею спутниковая платформа Mega Class предназначена для размещения полезной нагрузки массой до 1000 кг и производства энергии мощностью до 20 кВт. По словам генерального директора K2 Space Карана Кунджура, компания пошла в противоположном от рынка направлении, увидев возможность создавать более крупные, но потенциально недорогие спутники. Для этого понадобилось выстроить с нуля цепочку поставок компонентов для спутника такого размера и мощности. Некоторые компоненты, например гироскопы, K2 Space пришлось разрабатывать самим. Спутниковая платформа K2 Space вызвала интерес как государственных, так и частных заказчиков. Компания получила 3,8 млн долларов в рамках программы Tactical Funding Increase (TACFI) от Министерства обороны США. В результате, на первом спутнике Mega Class будет размещено несколько полезных нагрузок военного ведомства. По словам Карана Кунджура, в их платформе заинтересованы различные подразделения Космических сил США: некоторым нравится высокая мощность, других привлекает способность платформы работать на разных орбитах, в частности, на средней околоземной орбите. У K2 Space есть соглашение о совместных исследованиях и разработках с Исследовательской лабораторией ВВС США. Компания будет сотрудничать с лабораторией по вопросам кибербезопасности. Компания подписала свой первый коммерческий контракт с неназванным “крупным телекоммуникационным оператором”. Контракт посвящён вопросам разработки спутниковой группировки следующего поколения с использованием платформы K2 Space. Каран Кунджур не сообщил каких-либо подробностей относительно будущей группировки, но озвучил цену — 15 млн долларов за спутник, которая, по его словам, обеспечила экономическое обоснование реализации подобных группировок. У K2 Space, которая привлекла в феврале 50 млн долларов инвестиций, в штате состоит 50 человек. К концу года компания планирует увеличить штат до 90 сотрудников, а ещё через полгода — до 130. Компания подписала договор аренды помещения для массового производства спутников в Торрансе (шт. Калифорния). Цель K2 Space — выйти в 2026 году на производство 50 спутников в год. Компания также планирует создание более крупных спутниковых платформ Giga Class, в расчёте на успех Starship. Сейчас десять космических аппаратов на платформе Mega Class могут быть выведены на низкую орбиту одним пуском Falcon 9. Starship сможет запускать одновременно 50 таких спутников. Но к работе над Giga Class компания собирается приступать лишь когда увидит регулярные старты Starship. Первая в списке членов наблюдательного совета K2 Space — Лори Гарвер (Lori Garver). #США #война

Недавно мы обсуждали первый публичный пример действия будущего закона о государственно-частном партнерстве в сфере космической деятельности ("Бюро 1440"). Судя по всему, это второй такой пример. https://www.interfax-russia.ru/moscow/news/odk-sozdast-dvigateli-dlya-novoy-rossiyskoy-rakety-sverhlegkogo-klassa-rosteh Объединённая двигателестроительная корпорация (ОДК, входит в "Ростех") создаст жидкостные ракетные двигатели для носителей сверхлегкого класса, инвестиции в проект составят 2,7 млрд рублей, сообщили в четверг в пресс-службе "Ростеха". Соответствующее соглашение на "полях" Петербургского международного экономического форума подписали генеральный директор ОДК Вадим Бадеха и управляющий партнер венчурного фонда "Восход" Руслан Саркисов. По данным "Ростеха", полезная нагрузка ракеты-носителя составит около 250 кг, разрабатываемые двигатели будут использоваться для первой и второй ступеней космических ракет. Член Общественного совета Госкорпорации «Роскосмос» подчеркивает, что: https://t.me/space78125/2785 Фонд "Восход" ... очередь полотно связан с "Ростехом". Конечно, по двум экспериментальным точкам происходящее в полной мере не реконструировать. Но пока что государственно-частное партнерство в сфере космической деятельности сводится к тому, что на территорию "Роскосмоса" заходят другие госкорпорации. Тогда в чем смысл существования Роскосмоса как отдельной организации? #частная_космонавтика_с_российской_спецификой

Вроде умные люди, а дураки. Как раз из-за этого Российская империя и закончилась: в окопах вши, в Петрограде - рысаки. Эта "партия комфортной России" сошла с ума, или .. ? https://t.me/crimsondigest/1700

​​То ли большие игроки решили что пора уже сдувать ИИ-шный экономический пузырь, то ли какие-то внутризападные конфликты обострились, но в последние недели из каждого утюга стало слышно о том, что "внезапно оказалось", что ИИ на нейросетях потребляет слишком много энергии. Но что для одного огорчение, то для другого возможность. И уже MIT Technology Review вдруг вспомнил, что не едиными графическими процессорами жив нейросетевой ИИ. И что вполне можно собирать такие системы на "аналоговом компьютере". Издание рассказывает о лаборатории Сэма Диллавоу в Пенсильванском университете, в котором исследуют возможность использования схем, состоящих из резисторов, для выполнения простых задач классификации в машинном обучении. В такой системе в общем-то только одно большое преимущество: потенциальная экономия энергии. "Диллавоу объясняет потенциальную экономию энергии следующим образом: цифровые чипы, такие как графические процессоры, расходуют энергию "квантовано", "квант" энергии на одну операцию. Поэтому создание чипа, способного выполнять больше операций в секунду, просто означает, что чип потребляет больше энергии в секунду. Напротив, энергопотребление аналогового компьютера зависит от продолжительности его работы. Если сделать аналоговый компьютер вдвое быстрее, он также стал бы вдвое энергоэффективнее. ... В настоящее время на обучение большой языковой модели уходит столько же энергии, сколько ежегодно потребляет более сотни домов в США. Диллавоу надеется, что его разработка предлагает альтернативный, более энергоэффективный подход к созданию более быстрого искусственного интеллекта". "Обучение устройства предполагает использование второй идентичной схемы для “инструктирования” первого устройства. Обе схемы начинаются с одинаковых значений сопротивления для каждого из 32 переменных резисторов. Диллавоу подает на обе схемы одинаковые входные сигналы — напряжение, соответствующее, скажем, ширине лепестка, — и регулирует выходное напряжение второй схемы в соответствии с нужным типом. Первая схема получает обратную связь от второй схемы, и обе схемы регулируют свои сопротивления таким образом, чтобы они сходились на одних и тех же значениях. Цикл начинается снова с нового ввода, пока схемы не установят набор уровней сопротивления, которые обеспечивают правильный вывод для обучающих примеров. По сути, команда обучает устройство с помощью метода, известного как контролируемое обучение, при котором модель искусственного интеллекта обучается на основе помеченных данных, чтобы предсказать метки для новых примеров." (Продолжение следует.) На фото ниже - описываемое устройство "в железе".

Ты глянь, взлетела