Научпоп

Стандартная модель физики частиц хорошо объясняет взаимодействие между основными элементами материи. Но она не идеальна. Она с трудом объясняет тёмную материю. Тёмная материя составляет большую часть материи во Вселенной, но мы не знаем, что это такое.

Стандартная модель утверждает, что, чем бы ни была тёмная материя, она не может взаимодействовать сама с собой. Новое исследование, возможно, перевернёт это представление.

Физики предлагают множество различных кандидатов на роль тёмной материи, включая тёмные фотоны, слабо взаимодействующие массивные частицы (WIMPs), первичные чёрные дыры и многое другое. Каждый из них по-своему интригует, но ни один из них не нашёл пока подтверждения. И каждый из них, как предполагается, вписывается в Стандартную модель.

128 CUDA ядер, 2GB LPDDR3 это всё Nvidia jetson nano 2gb. Реально ли на таком железе запустить AI(конкретно YOLOv8), как это питать и охлаждать, и это хоть кому-то нужно?

В своё время читал, как голосовой консультант "Олег" от компании Тинькофф рекомендовал пользователю совершить 'Роскомнадзор' в качестве решения проблемы.
Думал - шутка.

Недавно решил потрогать Яндекс360 в варианте Премиум. В ответ Yandex решил потрогать меня сделать мне приятное своими нейросетевыми алгоритмами, о чём известил меня ненавязчивым пушем - Цветочное настроение.
Миниатюра фото уже намекает, да?

Клавиатур выпускают очень много — на Хабре регулярно рассказывают о новых аксессуарах. Есть специализированные модели, например, для геймеров. Продаются, конечно, и обычные универсальные системы, которые подходят для всего. Сегодня расскажем о Clevetura CLVX 1 — это как раз клавиатура второго типа, которая тем не менее имеет несколько интересных особенностей. Подробности — под катом.

Продолжаю рассказывать про первые шаги в моделировании временных рядов. В этой статье разбираю модели SARIMAX и Экспоненциальное сглаживание, с примерами картинок и кода.

Исследуя все явления в нашем мире, наука не обходит стороной и саму себя. Такие дисциплины, как науковедение и социология науки, по сути, как раз являются остриём рефлексии научного сообщества.

Представляется, что в рамках дискуссии об электротехнических сообществах, было бы полезно ознакомиться с инструментарием и взглядами академических учёных — социологов науки.

Большой удачей является то, что Вадим Александрович Малахов, кандидат исторических наук, заведующий отделом науковедения Института истории естествознания и техники — весьма отзывчивый человек. Он согласился ответить на ряд вопросов, ответы на которые интересны мне и, я надеюсь, — вам.

Как французский писатель сформировал зародыш жанра научно-популярной литературы.

Мы продолжаем рассказывать о различных химических веществах, их применении в электронике и патентом аспекте. На этот раз речь пойдет о WF6 или гексафториде вольфрама.

Разбираюсь в рынке Pre-IPO: как инвесторы в технологические компании теряют деньги, покупая акции за неадекватный ценник, и что делать, чтобы не стать хомяком.

статья представляет подробное описание реализации функции Стьюдента (Student's t-distribution) в языке программирования Scala с использованием алгоритма ACM395 и ACM209. Функция Стьюдента является важным инструментом в статистике для вычисления критических значений t-статистики и вероятностей в t-распределении.

Мы представляем кодовую реализацию, которая вычисляет значения функции Стьюдента для заданных уровней значимости и степеней свободы. Каждый шаг алгоритма разбирается и объясняется, чтобы читатели могли лучше понять математические основы реализации, лежащие в основе этой функции.

данная статья полезна как для начинающих, так и для опытных программистов и статистиков, которые интересуются численными методами и статистическим анализом данных.

Сотрудники восьми Digital-компаний рассказывают, как они пришли в бег, и дают советы новичкам. Тут и про правильную обувь, и про питание, и про то, как не бросить после недели тренировок.

Если вам кажется, что начать работу с нейросетями - это сложно, то этот материал для вас!

В статье подробно, с примерами кода, разберем основные функции базовой модели YOLOV8 - детекция, сегментация, трекинг объектов, а также создание собственного датасета и дообучение нейросети для работы с собственными объектами!

В данной статье речь пойдёт о замерах производительности и точности работы моделей YOLOv8 на разных устройствах с различными оптимизациями и без них. Большое внимание будет уделено работе Yolo на “слабых устройствах”, таких как Raspberry PI, Orange PI, Jetson Nano, мини ПК. 

Современные задачи робототехники требуют вычислений "на борту", что особенно актуально для автономных систем. Важность данного исследования заключается в том, что оно направлено на решение задачи детекции в режиме реального времени на маломощных устройствах, что открывает новые возможности для использования компьютерного зрения в мобильных и автономных роботах. Будем считать, что FPS обработки изображений  >= 10 пригоден для некоторых задач детекции в реальном времени, но далеко не для всех.

Присутствие нейронных сетей в нашей жизни становится все более распространенным, от голосовых ассистентов до узкоспециальных САПР. Несмотря на то, что область применения нейросетей расширяется, их потенциал все еще сильно ограничен удручающей энергоэффективностью существующих хардверных решений. Специализированные AI-чипы выходят в производство, как горячие пирожки, а ожидаемый рост энергопотребления нагруженных AI датацентров уже скоро позволит им отобрать у атомных электростанций звание главного врага всех экоактивистов. Разумеется, над решением проблемы энергопотребления AI или, будем честны, над решением проблемы энергопотребления цифрового умножения работает огромное количество исследователей по всему миру, на всех возможных уровнях абстракции, от математиков-фундаментальщиков до разработчиков передовых литографов.

А дальше, как это регулярно случается, внезапно оказалось, что все новое — это хорошо забытое старое, и спасение может заключаться в том, чтобы откопать давно забытые за бесперпективностью аналоговые вычисления и посмотреть на них свежим вглядом в свете новых задач.

Хобби некоторых программистов — изучение кода старых игр и ПО. Иногда в нем обнаруживаются весьма любопытные вещи, например ошибки. На днях разработчик программного обеспечения на пенсии Мартин К. Мартин смог найти проблему в коде обработки довольно известной игры Lunar Lander, которая появилась на свет в 1969 году. Подробности — под катом.

Когда автоматизируешь какой-то производственный бизнес-процесс, нужны экспертные знания именно в предметной области. Приходится погружаться в химию и физику процесса. В результате решаешь комплексную инженерную задачу. Делать интернет-магазин тоже сложно, но для меня не так интересно с точки зрения расширения кругозора. В промышленности меня вдохновляет близость к процессам и потрясающая визуализация: ты видишь результат своей работы.

Много интересных кейсов связано с применением ИИ. Например, интеллектуальная видеоаналитика для оценки процента шлака в ковше и качества заготовки. С помощью ИИ нам удалось достичь точности 99,98% и низкого показателя ложных срабатываний. Нейросеть пропускает брак лишь в 0,02% случаев. Конечно, благодаря этому качество продукта выросло. Кроме того, мы получили объективный инструмент анализа. Система помогает человеку обнаружить отклонения и подсказывает об этом своевременно, что повышает выход годного. Если одна за другой идут бракованные заготовки, значит, где-то на предыдущем этапе нарушен техпроцесс, и коллегам нужно об этом сообщить.