Математика Дата саентиста

🏅 Нобелевская премия по физике 2026 года присуждена Фрэнсису Хальцену За решающий вклад в создание обсерватории IceCube и открытие высокоэнергетических нейтрино астрофизического происхождения. IceCube превращает кубический километр антарктического льда в гигантский детектор. Датчики улавливают свет от редких взаимодействий нейтрино с веществом. Эти частицы почти беспрепятственно проходят через Землю и наши тела. Но именно поэтому они могут приносить информацию о далёких космических процессах, недоступную другим способам наблюдения. Хальцен предложил использовать лёд Южного полюса ещё в 1988 году. Его идея открыла новый способ изучать Вселенную. https://www.nobelprize.org/prizes/physics/2026/press-release/ @data_analysis_ml

📚 Обновили огромный учебник по математике для Computer Science и Machine Learning - 2220 страниц. Внутри сразу несколько фундаментальных тем: — алгебра — топология — дифференциальное исчисление — теория оптимизации — математический аппарат для CS и ML Хороший вариант, если хочется не просто использовать формулы в ML, а понимать, откуда они берутся и почему работают. Книга доступна здесь: https://www.cis.upenn.edu/~jean/gbooks/

🌌 Почему две планеты - это красиво, а три - уже хаос В ньютоновской гравитации задача двух тел выглядит почти идеально. Например, Солнце и планета движутся по предсказуемой орбите, которую можно описать эллипсом. Но стоит добавить третье тело, и всё резко усложняется. Для общей задачи трёх тел нет такой же простой формулы движения. Система может становиться хаотической: крошечное изменение начальных координат или скорости со временем приводит к совершенно другой траектории. Именно изучение подобных систем помогло Анри Пуанкаре изменить сам подход к дифференциальным уравнениям. Вместо попытки найти одну красивую формулу он начал исследовать геометрию поведения решений: траектории, устойчивость, повторяющиеся движения и хаос. Эти идеи позже стали фундаментом современной нелинейной динамики и теории хаоса. Иногда достаточно добавить всего один объект, чтобы предсказуемая система превратилась в почти непредсказуемую.

⚡️ GPT-6 Astra помогла найти контрпримеры к гипотезе о плазме, которой почти 60 лет. В термоядерном реакторе раскалённую плазму удерживают магнитным полем. Для этого важно понимать, может ли поле сложной трёхмерной формы образовывать вложенные поверхности, вдоль которых движется плазма. В 1967 году физик Гарольд Грэд предположил, что гладкие равновесные решения такого типа без дополнительной симметрии вряд ли существуют. Физик Мэтт Ландреман представил два семейства точных аналитических решений: магнитное поле и давление в них описываются явными формулами, а вложенные поверхности существуют даже без осевой симметрии. Автор пишет, что решения были найдены с помощью GPT-6 Astra Pro, после чего он вручную проверил все уравнения. Другая группа исследователей уже недавно опровергла гипотезу Грэда доказательством существования таких решений. Новая работа добавляет конкретные формулы, которые можно использовать, в частности, для проверки программ, моделирующих магнитное удержание плазмы. Статья: https://arxiv.org/pdf/2609.26742

Яндекс выложил в опенсорс AliceAI-Foundation-80B-A3B-Base — модель, обученную с нуля.  Архитектура MoE: 80 млрд параметров, но на каждый токен активируется около 3 млрд. Это и есть идея MoE: не гонять всю сеть целиком, а включать только нужные блоки. Поэтому интересно и сравнение с NVIDIA Nemotron на LiveCodeBench — сопоставимый результат достигается при вчетверо меньшем числе активных параметров. Меньше активных вычислений — ниже стоимость и задержка инференса. Технический руководитель Google DeepMind Aman Chadha поместил модель на общий ландшафт релизов Google, Z.ai и Xiaomi и описал тренд через capability density — полезные возможности на единицу вычислений, памяти, задержки и стоимости. Если проще: гонка смещается от размера к эффективности, и AliceAI — один из примеров этого сдвига. Модель открыта под лицензией Apache 2.0

🧠 Джон Маккарти - человек, который дал имя искусственному интеллекту John McCarthy (1927–2011) - один из основателей современной AI-индустрии и человек, который ввёл сам термин Artificial Intelligence. В 1955 году вместе с Марвином Мински, Натаниэлем Рочестером и Клодом Шенноном он подготовил предложение для летнего проекта в Dartmouth College. Именно там появилась идея, что обучение и другие проявления интеллекта можно достаточно точно описать, чтобы их могла воспроизводить машина. В 1956 году Маккарти организовал Dartmouth Summer Research Project — событие, которое сегодня считают точкой рождения AI как отдельной научной области. Ещё несколько важных фактов: - в 1958 году создал Lisp, который на десятилетия стал главным языком AI-исследований; - участвовал в создании MIT AI Project; - основал Stanford Artificial Intelligence Laboratory (SAIL); - внёс вклад в time-sharing, garbage collection, situation calculus и представление common-sense knowledge. За свои работы Маккарти получил Turing Award в 1971 году и National Medal of Science в 1990-м. Во многом именно он помог превратить идею «мыслящей машины» в самостоятельную область компьютерных наук.

Как сегодня строят рекомендательные системы — и что будет с ними завтра? 30 сентября собираем RecSys-сообщество — разработчиков, ML/DS-специалистов и всех, кто делает персонализацию и рекомендации в реальных продуктах. В программе — доклады от экспертов Сбера. Поговорим о свежих подходах и нестандартных решениях на реальных кейсах. А после докладов переключаемся на неформальный режим: знакомимся, спорим про RecSys, обсуждаем идеи, находим единомышленников и просто хорошо проводим вечер среди своих. 📍г. Нижний Новгород, пространство «Гараж» Количество мест ограничено — успей забрать своё по ссылке!

🎂 В комнате всего 35 человек и шанс совпадения дней рождения уже больше 80% Если случайно выбрать 35 человек, вероятность того, что хотя бы у двух совпадёт день рождения, составляет примерно 81,44%. Хотя возможных дат — 365. Считать проще от обратного: P(совпадение) = 1 − P(все дни рождения разные) Именно поэтому задача кажется нелогичной на интуитивном уровне: мы сравниваем не одного человека со всеми, а каждую возможную пару между собой. Для 35 человек таких пар уже: 35 × 34 / 2 = 595 Именно здесь вероятность начинает быстро расти. Вероятность особенно интересна там, где интуиция начинает ошибаться.

Многие компании уже запускают ИИ-проекты, но далеко не все доводят их до результата. Для этого нужен руководитель, который понимает и бизнес, и разработку Взять на себя такую роль может менеджер проектов, IT-специалист, аналитик или исследователь. Нужно только разобраться, как устроены ИИ-проекты изнутри. Этому учат на курсе «Руководитель проектов в области ИИ» от МФТИ и Нетологии. Что внутри: 🎓 106 акад. часов от МФТИ: жизненный цикл ИИ-систем, машинное обучение, методики снижения рисков; ⚙️ 36 акад. часов практики от Нетологии: командный MVP-проект и прототипы на LLM в Langflow без кода; 👥 вебинары с экспертами, ответы на сложные вопросы и полностью дистанционное обучение, чтобы было легче совмещать с работой. В итоге у вас будет документ от МФТИ и Нетологии и проект, который можно показать руководству. 💳 Есть рассрочка, оплата за счёт работодателя и налоговый вычет. А до 30 сентября действует скидка 10 000 рублей по промокоду AIMFTI. Записаться на курс

📌Fable 5.1 рассчитала амплитуду рассеяния в девяти петлях Модель в среде Claude Science рассчитала шестичастичную амплитуду рассеяния в планарной четырёхкратно суперсимметричной теории Янга–Миллса на уровне девяти петель.

Амплитуды рассеяния показывают, насколько вероятна та или иная реакция при столкновении частиц, и по ним теорию сверяют с данными Большого адронного коллайдера. Целиком их не посчитать, поэтому физики обрывают расчёт на определённом числе петель, т.к каждая следующая приближает к реальному ответу, но так его утяжеляет, что большинство амплитуд доведены лишь до двух петель, а некоторые до трёх. Суперсимметричный вариант теории Янга–Миллса реальный мир не описывает, это полигон, где специалисты по амплитудам оттачивают методы, потому что считать в нём парадоксально проще.

Задачу запустили штатные физики Anthropic Лиам Фицпатрик и Сиддхарт Мишра-Шарма в ответ на вызов бывшего физика и научного журналиста Мэтта фон Хиппеля - он предлагал ИИ-компаниям решить одну из крупных открытых задач его прежней области с вычислительными ресурсами академического уровня. Результат проверил Лэнс Диксон из Стэнфорда и SLAC, соавтор предыдущего рекорда в восемь петель. Восьмипетлевой результат Диксон и Энди Лю получили в 2023 году окольным путём, через родственную величину, форм-фактор. Claude пришёл к девяти петлям двумя способами - исходным гексагональным бутстрапом и через форм-фактор. Исследователи дали модели постановку задачи и дальше вмешивались редко, в духе:

«... я иду спать, продолжай, пока не скажу остановиться, и присылай отчёт каждые 4–6 часов».

Код бутстрапа Claude сам написал на Python с SymPy и неделю считал на 96 процессорах. Диксон проверил результат, пересчитав из амплитуды девятипетлевой форм-фактор, к которому его команда шла пару лет, и назвал работу настоящим триумфом для языковой модели, выполнившей все шаги сложного алгоритма. Параллельно к тому же результату шла группа Сун Хэ из Китайской академии наук с GPT-6 и когда китайцы связалась с фон Хиппелем через несколько дней после Anthropic, большая часть расчёта у них уже была готова. Фон Хиппель допускает, что задача просто удобна для ИИ, но считает, что технология действительно стала лучше:

«В марте 2026 года ИИ выполнял физические проекты как студент - это были небольшие задачи, много опеки и ошибок. Здесь же настоящий расчёт на переднем крае науки, из тех, за которые обычно берутся ведущие специалисты по амплитудам», – пишет он.

Результат выложен на сайте Мишры-Шармы. Рецензирования не было, а полную функцию, по признанию авторов, посчитали один раз, независимо перепроверили только её упрощённую часть, символ. @ai_machinelearning_big_data #news #ai #ml

💰 У пяти крупнейших гиперскейлеров уже $2,8 трлн будущих обязательств По данным Moody’s, совокупные лизинговые, закупочные обязательства и гарантии крупнейших облачных компаний выросли примерно с $350 млрд в 2023 году до $2,8 трлн сегодня. Из них: - более $1 трлн - ещё не начавшиеся аренды дата-центров; - около $1,57 трлн - будущие закупки; - ещё $137 млрд - гарантии. То есть за несколько лет объём обязательств вырос примерно в 8 раз.

Avito DS Meetup: RL, AI-агенты и BidCorrection 🚀 🔸 Булат Шарипов расскажет, как в Авито обучают собственные языковые модели с помощью RL, а Владислав Воробьев — как BidCorrection меняет состав трафика, не трогая сами объявления. 🔸 Всеволод Викулин из Т-Банка поделится, как выбирать правильные процессы для автоматизации с помощью AI-агентов, расскажет про роли, ответственность и, конечно, про самих агентов. Про это и многое другое узнаете на Avito DS Meetup 7 октября. После докладов будет нетворкинг с DS-сообществом. А ещё, если придёте офлайн, сможете найти прикольные тематические пасхалки, которые мы для вас спрятали 👀 📌 Встречаемся в 18:30 7 октября. Количество офлайн-мест ограничено — регистрация обязательна. ✏ Регистрируйтесь по ссылке и приходите!

arXiv получил $17,2 млн на следующие 3–5 лет. Деньги выделили Simons Foundation International, Siegel Family Endowment и XTX Markets. Они пойдут на развитие платформы, поддержку её работы и переход arXiv к статусу независимой некоммерческой организации. Для исследователей это хорошая новость: один из главных открытых архивов научных работ получает ресурсы на обновление инфраструктуры и дальнейшую работу. Источник — arXiv - https://blog.arxiv.org/2026/09/23/arxiv-receives-multiyear-investment/

✔️ OpenAI расширила Academy до 14 курсов OpenAI добавила в свою образовательную платформу курсы для разработчиков, руководителей, преподавателей и студентов вузов. Вместе с уже существовавшим направлением Apply AI at Work каталог теперь разделён на четыре трека по ролям, всего 14 курсов. Каждый курс заканчивается экзаменом из 10–20 вопросов, которые случайно выбираются из банка в 50 заданий. Кто наберёт минимум 80%, получает ачивку OpenAI Academy, которую выдаёт и хранит платформа Accredible. За все курсы и экзамены трека, где это предусмотрено, выдают сертификат об окончании.

Ни цифровая ачивка, ни сертификат не считаются профессиональной сертификацией.

При провале экзамен можно пересдать с новым набором вопросов, а сам курс можно просто пройти без сдачи экзамена. 🟢Apply AI at Work из трёх курсов учит ставить ChatGPT задачу, давать контекст, проверять ответы и превращать удачные приёмы в повторяемые процессы. Затем слушатели поручают работу агентам и расставляют контрольные точки для проверки человеком. 🟢Build with AI – самый большой трек, восемь курсов: работа с Codex на всём цикле разработки и продукты на OpenAI API, от проектирования решения и оценки качества до агентов, поиска нужной информации и эксплуатации в продакшене. 🟢Lead AI Adoption пока состоит из одного курса AI Leadership. Слушатели привязывают ИИ-инициативу к приоритетам бизнеса, распределяют ответственность, задают правила и собирают первую версию стратегии и дорожной карты внедрения. 🟠AI for Educators учит планировать занятия и составлять задания и контрольные. 🟠AI for College Students учит собирать учебный план, распределять роли в групповом проекте и готовиться к собеседованиям. Для компаний есть руководство по внедрению курсов - как представить их сотрудникам, вовлечь руководителей и отслеживать прогресс. @ai_machinelearning_big_data #news #ai #ml

Почему универсального ML-алгоритма не существует? Теорема No Free Lunch утверждает: если усреднить качество алгоритмов по всем возможным задачам, ни один из них не окажется лучше остальных. Преимущество появляется только вместе с предположениями о структуре конкретных данных. В канале «Зачем мне эта математика?» разобрали, как это связано с индуктивным смещением, колмогоровской сложностью и архитектурами нейросетей. Почему CNN хорошо работают с изображениями, откуда берётся сила трансформеров и как ограничения модели становятся её преимуществом. Подписывайтесь на канал и читайте больше историй на стыке математики и технологий.

🚨 DeepSeek обучает модель на 2 трлн параметров и планирует следующую на 8 трлн Для сравнения: • Kimi K3: 2,8 трлн параметров • DeepSeek V4 Pro: 1,6 трлн • новая модель DeepSeek: 2 трлн • будущая модель: до 8 трлн Главная ставка компании заключается в переходе на китайские ускорители. DeepSeek ожидает новые обучающие чипы Huawei в IV квартале 2026 года или I квартале 2027 года. По данным The Information, глава DeepSeek Лян Вэньфэн заявил инвесторам, что обучение на отечественных чипах «должно сработать». Пока это планы, раскрытые на встрече с инвесторами, а не официальный релиз модели. Но направление понятно: DeepSeek хочет масштабировать модели и одновременно избавиться от зависимости от Nvidia. https://www.theinformation.com/articles/deepseek-bets-big-huawei-chips-bypass-u-s-export-controls/

Вопрос уже не в том, нужен ли ИИ, а в том, как его внедрять и масштабировать Найдем ответ на бесплатной конференции 8 октября Все об эффективном и безопасном внедрении ИИ в бизнес расскажут эксперты топовых технологических компаний на конференции Selectel ТехноДень в Москве. На повестке: 🔺Как использовать генеративный ИИ в компании без хаоса и получать от этого измеримый эффект: от теории до реальных кейсов. 🔺Как ускорить внедрение ИИ в бизнес-процессы и минимизировать риски для бизнеса с помощью инструментов ИБ. 🔺Какую ИТ-инфраструктуру выбрать для инференса и обучения моделей. Кроме 20 экспертных докладов и 20 интерактивных стендов, в финале вечера вас ждет живая запись подкаста Вселенная Плюс на главной сцене конференции. Присоединяйтесь к Selectel ТехноДень, чтобы лично задать вопросы экспертам рынка и обменяться опытом. Количество мест ограничено, регистрируйтесь уже сейчас → Реклама. АО "Селектел". erid:2W5zFFzm7cD

OpenAI близка к решению ещё одной задачи тысячелетия — гипотезы Ходжа, сообщает The Information. Гипотеза пытается связать сложную геометрию многомерных пространств с более простыми алгебраическими объектами. Она остаётся нерешённой с 1950 года, а за доказательство назначена премия $1 млн. Ранее OpenAI заявила о решении задачи Навье - Стокса. Теперь компания сообщила о «существенном прогрессе» над следующей проблемой, но может отложить публикацию из-за конфликта с математическим сообществом вокруг авторства и прозрачности предыдущей работы. Пока доказательство гипотезы Ходжа не опубликовано и не прошло независимую проверку — речь идёт о сообщении источников, а не о признанном решении. https://www.theinformation.com/newsletters/ai-agenda/openai-close-solving-another-millennium-prize-math-problem?

VisualGenAI — курс по генеративным моделям в компьютерном зрении, который идёт в ногу с передним краем генеративного ИИ. Его автор — Дмитрий Баранчук из Школы анализа данных. Студенты изучают диффузионные и гибридные модели, авторегрессионную, мультимодальную и 3D-генерацию, а в домашках работают с технологиями из свежих научных статей — то есть с тем, что ещё только появляется. И главное — материалы лежат в открытом доступе на GitHub, так что проходить его можно и вне ШАДа.   За этот курс Дмитрий Баранчук получил Yandex ML Prize — премию для преподавателей и руководителей образовательных программ, которые готовят ИИ-специалистов. Всего премию получили восемь лауреатов — их отобрали из 400 заявок.