📄Как проверить точность математических библиотек: один тест, чтобы взять с собой зонтик

Для бесконечного множества действительных чисел существует лишь конечное число бит. Числа с плавающей точкой заполняют числовую ось неравномерно. Ошибка предсказания накапливается после каждого арифметического действия.

Это не тизер к фильму-катастрофе, а простые постулаты численной устойчивости, из-за которых страдает точность любых математических библиотек. Они лежат в основе не только прогнозов погоды, но и технологий искусственного интеллекта, машинного обучения, дополненной, виртуальной реальности, компьютерного зрения… Так что низкая точность математических библиотек вполне может обернуться проблемами для всего человечества.

К счастью, Валерия Пузикова, эксперт по разработке математических библиотек, знает, как обеспечить высокую точность элементарных математических функций. Быстрее и в десятки тысяч раз эффективнее, чем это обычно реализовано в индустрии. Подробно об этом методе и о проблеме точности в целом Валерия рассказывает в новом материале.

Читать статью ➡

#программы #алгоритмы

@ultimate_engineer

​​📄Мониторинг из коробки: как настроить сбор метрик с сотни систем хранения данных за пять минут

Grafana, Prometheus, Victoria Metrics… Многие инженеры хорошо знакомы с этими инструментами, именно их часто используют при настройке мониторинга IT-инфраструктуры. При этом настроить мониторинг быстро и эффективно могут не все.

Инженер по разработке ПО YADRO Александр Петровский, изучив потребности клиентов, собрал систему мониторинга из open source-решений и «упаковал» её в Docker Compose, который можно развернуть за пять минут. Приложение, получившее название Monitoring Appliance, теперь доступно каждому пользователю СХД TATLIN.UNIFIED.

В статье Александр рассказал, из чего состоит этот мониторинг и как его повторить. Также вы узнаете:

▪Какие требования к системе были у клиентов;
▪Какими способами можно получить данные о состоянии СХД;
▪Какие дашборды поможет строить мониторинг.

Читать статью ➡

#программы #схд

@ultimate_engineer

​​🔖Как за 24 часа построить подводного робота, который пройдет лабиринт, и не потерять командный дух

В конце прошлого года мы рассказывали про инженеров, которые стали призёрами робототехнического хакатона Robotics Tournament. Такой формат не заменит университетских курсов и опыта проведения реальных проектов, но даст то, что не всегда получишь в лаборатории или вузовской аудитории. Например, навык работать в условиях ограниченности ресурсов, умение быстро принимать решения и находить креативные подходы к задаче.

Во всяком случае именно в этом видят ценность таких инженерных челленджей участники команды «Траектория паяльника». В интервью «Истовому инженеру» они — подробно рассказали о процессе проектирования своего робота, выборе стратегии и распределении командных ролей в условиях цейтнота.

Из интервью вы узнаете:

▪Как инженеры работали в условиях жёсткого дедлайна;
▪Какие технические решения помогли их роботу занять второе место, обыграв соперников с более сложными разработками;
▪Почему создание подводного робота — это особый вызов даже для опытных специалистов;
▪Как хакатоны помогают развивать профессиональные навыки, укреплять командный дух и учат нестандартно мыслить.

Читать ➡

Делитесь в комментариях, участвовали ли вы в подобных соревнованиях и чему на них научились!

#роботы #команднаяработа

@ultimate_engineer

​​📖Сегодня идеальный день для драйва: отмечаем день рождения автомобиля

138 лет назад в этот день 41-летний инженер из Мангейма, владелец механической мастерской, зарегистрировал своё изобретение в Кайзеровском патентном ведомстве. Патент №37435 был выдан на «транспортное средство с двигателем внутреннего сгорания». Карла Фридриха Бенца тогда знали немногие за пределами его родного города, но скоро его имя будут произносить далеко за пределами Германии. Спустя три года на Всемирной выставке в Париже он представит усовершенствованную версию своего Benz Patent-Motorwagen — трёхколёсный экипаж с бензиновым мотором.

Новинка прогремела на весь Париж, причём, буквально — двигатель внутреннего сгорания сильно шумел и пугал лошадей, чем были очень недовольны городские извозчики. Но вскоре страсти утихли и дела у Benz & Cie. пошли в гору.

Бенц был настоящим перфекционистом и дотошно проработал каждую деталь своего автомобиля. В конструкции, помимо ДВС, использовались акселератор, система зажигания с батареей и искровой свечой, карбюратор, сцепление, коробка передач и водяной радиатор охлаждения. У радиатора не было привычных нам сот и трубок — его позже доработал Вильгельм Майбах, ещё один инженерный гений своего времени.

Свой motorwagen Бенц оснастил четырёхтактным бензиновым двигателем объёмом 984 куб. см. Одноцилиндровый блок отлил из чугуна, поршни и клапаны сделал из стали. Сам мотор весил около 100 кг, а всё авто — 265 кг. Задние колёса приводились в движение ременной и зубчатой передачей, а вот решить задачу синхронного поворота передних колёс изобретатель не смог. Именно поэтому его авто было трёхколёсным.

После Всемирной выставки 1889 года популярность автомобилей с двигателями внутреннего сгорания стала набирать обороты, хотя технология в те времена оставалась ещё очень несовершенной. Современников Бенца смущал не только шум бензинового мотора, но его малая мощность, сравнимая с лошадиной тягой (0.66 — 1.5 кВт) и заметно уступающая паровым двигателям (до 7.5 кВт).

По комфорту машины с ДВС и вовсе проигрывали электромобилям, которые к тому времени уже имели, между прочим, полувековую историю. И их история продолжала развиваться: спустя 11 лет после выдачи патента на Benz Patent-Motorwagen, в 1897 году, на улицах Лондона появились первые электрические такси.

Предшественницы знаменитых лондонских кэбов имели мощность около 3-4 лошадиных силы и могли разгоняться до 19 км/ч, преодолевая без шума и вибрации на одном заряде до 48 км. Казалось, у электромобилей было всё, чтобы стать транспортом будущего. И всё же на длинной дистанции победителями технологического ралли оказались автомобили с ДВС: доступность топлива, большая дальность хода и постепенное удешевление производства делают их лидерами гонки уже почти полтора столетия.

#историятехнологий #техника

@ultimate_engineer

​​❓Что можно сделать с 505 петабайтами данных о климате, которые метеорологи накопили с 1940-го года

Оказавшись в распоряжении нейросети, эти огромные архивы информации о климатических изменениях становятся основой для точных прогнозов погоды. В метеорологии большие данные и машинное обучение открывают новые горизонты, меняя правила игры.

Яркий пример такого подхода — GenCast от Google DeepMind, использующий новаторский для синоптиков метод диффузного моделирования. В отличие от традиционных моделей, эта система определяет движение воздушных масс не с помощью ресурсоёмких математических вычислений, а благодаря нейросетевой обработке данных — тех самых петабайт из уникальной копилки синоптиков.

Процесс любопытный — начинается с того, что эти данные намеренно «загрязняют» информационным шумом, а затем постепенно вычищают и уточняют. Так через 20 итераций и рождаются реалистичные погодные паттерны. Причём, такой подход позволяет создавать не один, а сразу 50 вероятных сценариев развития погоды, что важно для предсказания стихийных бедствий.

Конкретный пример: тайфун Хагибис, траектории которого GenCast просчитала за 15 дней до его появления, оставив традиционные модели прогнозирования далеко позади.

В новом тексте разбираем детали: как работает диффузное моделирование в метеорологии и в чём его уникальность, а также рассказываем про перспективные альтернативы GenCast и интересные российские ИИ-разработки в сфере прогнозирования погоды.

Читать ➡

#научпоп #AI #ML #алгоритмы

@ultimate_engineer

​​🎤В 19 выпуске «Битовых масок» к нашим бессменным ведущим присоединился Антон Бондарев, создатель и активный разработчик Embox — свободной кросс-платформенной RTOS для встроенных систем. Через призму своего интересного опыта Антон рассмотрел ряд базовых вопросов, связанных с LInux и его использованием, оценил ситуацию на рынке ОС для встраиваемых систем, а также поделился не одной занятной историей из жизни проекта:

▪Как проекты Антона в аспирантуре матмеха СПбГУ привели к созданию Embox;
▪В чём преимущества и ограничения Linux для embedded-систем;
▪Почему Embox не стремится стать конкурентом Linux;
▪В чём сложность портирования драйверов;
▪Как Embox портировали на разные архитектуры, в том числе на российские чипы на RISC-V от «Микрон» и НИИЭТ.
▪Как в Embox работают со студентами и почему для развития в системном программировании особенно важны реальные проекты.

Смотреть или слушать ➡

#программы #подкасты #битовыемаски

@ultimate_engineer

​​📄Верите в инженерную интуицию? А она есть. В 2015 году бельгийский искусствовед провел лазерное сканирование Нотр-Дама, создав трёхмерную карту из миллиарда точек. Тогда ничто не предвещало… А четыре года спустя, когда пожар едва не уничтожил собор, эта модель стала бесценным путеводителем для реставраторов.

Без нее восстановление одного из символов Франции могло затянуться на десятилетия. Шутка ли — разобраться с геометрией восьмисотлетнего здания, когда весомая часть конструкции лежит в руинах, а чертежи давно утеряны.

Но технологии помогли собору не только в этом. Пока пожарный робот Colossus боролся с огнем в нефе собора, над его крышей кружили дроны, передавая данные спасателям. А потом армия роботов-строителей месяцами разбирала завалы там, куда люди не могли войти из-за угрозы обрушения и расплавленного свинца кровли.

Искусственный интеллект анализировал тысячи фотографий, чтобы определить первоначальное положение каждого упавшего камня, а реставраторы использовали технологии дополненной реальности, чтобы видеть, как именно нужно восстанавливать витражи и своды.

Но и это не всё. Современные новации не просто помогли восстановить собор — они раскрыли тайны средневековых технологий. Например, благодаря спектральному анализу ученые узнали точный состав средневековых витражей. А по изучению сгоревших балок определили, каким был климат Франции восемь веков назад.

И теперь у собора появился виртуальный хранитель — его цифровая копия, которая поможет предотвратить новые трагедии. Как сработал этот симбиоз средневековой архитектуры и современных технологий? Рассказываем в нашем новом материале.

Читать ➡

#роботы #AI #индустрия4_0

@ultimate_engineer

​​📄Один в поле воин: как тестируют телеком-оборудование

Мобильная связь должна быть стабильной в любых условиях — от мегаполисов до отдалённых деревень. Но прежде чем базовая станция попадает в эксплуатацию, она проходит множество этапов тестирования. Инженеры проверяют, как оборудование справляется с разными типами нагрузки, устойчиво ли к сбоям, правильно ли переключается между частотами и совместимо ли с другими элементами сети.

В статье Алексей Нелюбов, старший консультант по гибким методам разработки в YADRO, делится опытом своей команды GSM QA, которая тестирует оборудование для базовых станций 2G. Он рассказывает, как на практике инженеры проверяют, работает ли оборудование так, как задумано, и какие методы применяют для обнаружения и устранения проблем. Также вы узнаете:

▪Как менялись подходы к тестированию ПО и оборудования с 1950-х годов до наших дней;
▪Какие виды тестирования применяются в разработке базовых станций;
▪Почему базовая станция может работать в лаборатории, но сбоить в реальных условиях;
▪Каким фреймворкам разработки придерживается телеком-команда в YADRO.

Читать статью ➡

#телеком #джуниор

@ultimate_engineer

​​📍Если бы Толкин писал на Rust: ELF, DWARF и другие важные знания об отладчиках

Технологии в основе дебаггеров действительно называются «фэнтезийными» именами. Чтобы понять большинство возможностей дебаггера, важно иметь представление об ELF и DWARF, а также о PTRACE и функциях, которые они реализуют.

Константин Деревцов, ведущий инженер группы разработки подсистем доступа к данным, рассказал об опыте разработки отладчика на Rust на примере дебаггера BS собственной разработки. В статье автор подробно остановился на специфике Rust и своем продукте. Вы узнаете:

▪Как технология PTRACE выполняет множество задач с помощью одного вызова;
▪С каким проблемами сталкиваются инженеры в дебаггинге Rust-приложений;
▪Что потребуется для написания собственного отладчика на примере BS.

Читать статью ➡

#программы

@ultimate_engineer

​​📄Луна зовёт: как NASA готовит роботов к освоению спутника

Когда человек снова ступит на Луну, его будут сопровождать роботы. В рамках программы Artemis NASA разрабатывает технологии, которые помогут создавать лунную инфраструктуру, перевозя грузы и возводя научные базы.

В ход идут автоматизированные системы: LANDO — роботизированная рука, способная разгружать посадочные модули без участия человека, и новые поколения роверов, которые будут колесить по лунной поверхности.

Из текста вы узнаете:

▪Как работает система LANDO и какие задачи она выполняет на Луне;
▪Какие сложности возникают при транспортировке грузов по поверхности спутника;
▪Зачем NASA строит аванпост HALO возле естественного спутника Земли;
▪Как происходит доставка грузов на Луну.

Читать заметку ➡

#роботы #космос

@ultimate_engineer

​​📍Всего 10? Кажется, скромный показатель, особенно если учесть, что по зрительному нерву в мозг поступает до 100 млн бит в секунду. Однако исследования Калифорнийского технологического института (Caltech) подтверждают: в осмысленный процесс вовлекается лишь крошечный ручеёк из этого потока. Для загрузки обычного поста в Telegram со скоростью 10 бит в секунду понадобился бы целый день.

Как это определили?

Учёные применили в своём анализе теорию информации Клода Шеннона, согласно которой один бит — это минимальная единица данных, отражающая выбор между двумя равновероятными вариантами (например, «да» или «нет»). Этот принцип широко применяется не только в вычислительных системах — идеи Шеннона нашли сторонников в нейробиологии, психологии и когнитивных науках. Команда из Caltech пошла по этому же пути.

Они провели серию тестов: испытуемые читали, писали, играли в видеоигры и решали головоломки. В одних экспериментах участники определяли символы среди случайных знаков, в других — однозначно отвечали на вопросы. Оценивалась также скорость выполнения моторных задач, например, набора текста. Результаты интерпретировали и пришли к такому неутешительному ориентиру — 10 бит/с.

Но почему так медленно?

Специалисты предполагают, что мозг тщательно фильтрует big data внешнего мира, пропуская через «бутылочное горлышко» внимания только то, что необходимо для осознанной деятельности. Именно поэтому человеку сложно вдумчиво рассуждать о нескольких вещах одновременно и он вынужден фокусироваться на одной задаче.

Согласны, звучит не слишком прогрессивно, но похоже, что эта медлительность сознания — не баг, а фича эволюции, которая помогает нам не утонуть в бесконечно расширяющейся информационной вселенной.

#цифрадня

@ultimate_engineer

​​🔖Малоснежная зима — не проблема, если ты инженер. По крайней мере такой предприимчивый, как Арт Хант, владелец горнолыжного курорта из Коннектикута. В 1950 году он решил не зависеть от капризов погоды и вместе с приятелями Уэйном Пирсом и Дэйвом Ричи собрал снегогенератор из подручных средств: компрессора, распылителя и обычного садового шланга.

Принцип работы первой в мире снежной пушки оказался гениально прост — вода распылялась через форсунки в поток сжатого воздуха, который охлаждал капли до кристаллизации. Испытания на курорте Mohawk Mountain в Корнуолле превзошли все ожидания, и дело пошло в гору. Изобретатели основали компанию по производству снегогенераторов Tey Manufacturing, а через шесть лет выгодно продали её вместе с патентными правами.

Современные генераторы снега — это автономные устройства с компьютерным управлением, которые анализируют температуру, влажность, силу ветра и автоматически подбирают оптимальные параметры распыления. Производительность выросла от нескольких кубометров в час у первой установки Ханта до 50 кубометров.

Теперь в большинстве генераторов используется двухконтурная система: первый контур создаёт начальные точки кристаллизации из воздушно-капельной смеси, второй формирует основную массу снега. Умные алгоритмы в реальном времени регулируют соотношение воды и воздуха, обеспечивая оптимальный размер и форму снежинок — не ажурную, как у натуральной, а именно кристаллическую. Из-за этого искусственный снег плотнее и меньше подвержен воздействию внешних факторов. Причём, плотность варьируется: трассы для профессионального слалома требуют жесткого покрытия (до 750 кг/м³), для любительского катания этот показатель уменьшают до 400–500 кг/м³. КПД лучших установок достигает 80%.

Вот так за 75 лет снегогенерация из инженерного лайфхака превратилась в мощную индустрию, без которой сегодня не обходится ни одна зимняя Олимпиада. Кто знает, возможно, в будущем технологии оснежения позволят нам создавать идеальную зиму по расписанию не только для горнолыжных центров?

#историятехнологий #персоны

@ultimate_engineer