Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Машинное обучение позволило исследовать недоступные для экспериментов фазовые переходы воды
Используя методы моделирования и машинного обучения, ученые смогли исследовать фазовый переход воды, который до сих было невозможно воссоздать в экспериментальных условиях. Исследователи подтвердили существование перехода жидкость — жидкость, происходящего при температуре менее минус 100 градусов Цельсия, в котором вода разделяется на две несмешивающиеся фазы с разной плотностью.
В течение последних 30 лет ученые полагали, что при охлаждении до очень низких температур (менее минус 100 градусов Цельсия) вода может разделиться на две жидкие фазы с разной плотностью. Эти фазы не смешиваются, а их наличие может объяснять некоторые другие странные свойства воды — например, почему она становится менее плотной по мере охлаждения.
Однако это явление практически невозможно изучить в лаборатории, так как вода очень быстро превращается в лед при настолько низких температурах. Новое исследование ученых из Технологического института Джорджии (США) позволило преодолеть это ограничение. Авторы работы использовали модели машинного обучения, чтобы лучше понять фазовые изменения воды. Им удалось обнаружить убедительные вычислительные доказательства в поддержку перехода воды из жидкости в жидкость, которые можно применить к реальным системам. Результаты исследования опубликованы в журнале Physical Review Letters.
В своих расчетах ученые использовали квантово-химические вычисления, максимально приближенные к реальной физике. Они проводили молекулярное моделирование на суперкомпьютерах, которое сравнивали с виртуальным микроскопом, позволяющим увеличить масштаб до отдельных молекул и наблюдать за их движением и взаимодействием в режиме реального времени. Так исследователи смогли охарактеризовать структуру жидкости при различных температурах и давлениях.
Ученые также задействовали алгоритм машинного обучения, который рассчитывал энергию взаимодействия молекул воды друг с другом. Эта модель выполняла вычисления значительно быстрее, чем традиционные методы, что позволяло проводить виртуальный эксперимент гораздо быстрее. Свои прогнозы ученые тщательно проверяли с помощью серии различных алгоритмов.
Одна из главных проблем подобных исследований заключается в том, что полученные данные практически невозможно сравнить с реально наблюдаемыми процессами. Некоторые из условий из виртуального эксперимента вообще невозможны на Земле, хотя потенциально могут присутствовать в различных водных средах Солнечной системы, от океанов спутника Юпитера Европы до воды в центрах комет.
Однако полученные результаты могут помочь исследователям лучше объяснять и предсказать странные и сложные свойства воды, эффективнее использовать ее в промышленных процессах и разрабатывать более совершенные климатические модели.
Telegram 
Дзен 
VK За последнее десятилетие ученые создали несколько сложных систем «мозг — компьютер», которые позволяли преобразовывать мозговую активность людей, лишившихся способности говорить из-за различных заболеваний, в речь. Однако до сих пор удавалось расшифровать лишь небольшое количество слов. Теперь в США создали алгоритм, благодаря которому удалось распознать до 54 процентов «речи».
К любопытным выводам привели наблюдения японских ученых за пестролицыми буревестниками. Оказалось, эти птицы испражняются в основном на лету, намеренно избегая такой возможности на поверхности воды. Очевидно, предположили исследователи, это облегчает движения в воздухе взрослым особям с добычей во рту.
Ученые заново просмотрели старые записи о наблюдениях с помощью телескопа «Большое Ухо», который поймал знаменитый радиосигнал Wow!, и обнаружили данные о еще двух похожих событиях. Астрономы пришли к выводу, что это не могли быть обыкновенные земные радиопомехи и во всех трех случаях источник действительно располагался в глубоком космосе.
Астрономы подсчитали, что с поверхности летящего по Солнечной системе межзвездного объекта 3I/ATLAS каждую секунду испаряется около 40 килограммов водяного льда. Такую сильную кометную активность он проявил, будучи в три с половиной раза дальше Земли от Солнца. По мнению ученых, это довольно необычно.
Изображение блазара PKS 1424+240, полученное с помощью радиоинтерферометра VLBA, напомнило астрономам легендарное «Око Саурона» из «Властелина колец» — джет, пронизывающий кольцеобразное магнитное поле объекта, устремлен к нашей планете, а сам блазар может оказаться одним из наиболее ярких источников нейтрино в космосе.
За последнее десятилетие ученые создали несколько сложных систем «мозг — компьютер», которые позволяли преобразовывать мозговую активность людей, лишившихся способности говорить из-за различных заболеваний, в речь. Однако до сих пор удавалось расшифровать лишь небольшое количество слов. Теперь в США создали алгоритм, благодаря которому удалось распознать до 54 процентов «речи».
Прибывшая из межзвездного пространства предполагаемая комета 3I/ATLAS движется по траектории, максимально удобной для гравитационных маневров управляемого корабля, при этом возможность ее отслеживания с Земли практически минимальна. По мнению некоторых ученых, такое «поведение» объекта наводит на определенные мысли.
Примерно 12 800 лет назад в Северном полушарии началось резкое изменение климата, которое сопровождалось вымиранием мегафауны и угасанием культуры Кловис. Такое могло произойти, например, из-за прорыва пресных вод в Атлантику или мощного вулканического извержения. Несколько лет назад ученые обнаружили места на суше с повышенным содержанием элементов платиновой группы, прослоями угля, микрочастицами расплава. По их мнению, это может быть признаком пребывания Земли в потоке обломков кометы или астероида. В новой работе впервые представлены доказательства кометного события в позднем дриасе из морских осадочных толщ.
Команда исследователей из Сколтеха, МФТИ, Института искусственного интеллекта AIRI и других научных центров разработала метод, позволяющий не просто отличать тексты, написанные человеком, от сгенерированных нейросетью, но и понимать, по каким именно признакам классификатор принимает решение о том, является ли текст генерацией или нет. Анализируя внутренние состояния глубоких слоев языковой модели, ученые смогли выделить и интерпретировать численные признаки, отвечающие за стилистику, сложность и «степень уверенности» текста.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Последние комментарии