📍Уже более полугода сотни энтузиастов со всего мира, в том числе шесть команд из России, ломают голову над тем, как найти практическое применение одному из величайших изобретений инженерии — квантовому компьютеру. Большое будущее технологии пророчат десятилетиями, но революция постоянно откладывается, и многие стали терять веру в квантовую магию. Инженеры Google — не из таких.

В марте этого года вместе с американским фондом поддержки инноваций X Prize Foundation и швейцарской организацией GESDA оптимисты из Google пообещали $5 млн тому, кто в ближайшие три года укажет человечеству кратчайший путь в мир утилитарного кванта.

Задачка не из простых: обладая мощными вычислительными возможностями, квантовый компьютер пока напоминает гоночный болид, запертый в гараже у дедушки. Выглядит потрясающе, но как удержать его на местной дороге? Осмелившийся сесть за штурвал такого сверхскоростного средства на ближайшем повороте слетит в кювет (читай: столкнется с проблемой декогеренции кубитов).

Напомним, если вдруг забыли: квантовые компьютеры оперируют кубитами, которые могут находиться одновременно в нескольких состояниях — суперпозициях. Это обеспечивает квантовое превосходство — способность обрабатывать огромные объёмы данных параллельно, а не последовательно, и быстрее, чем сделал бы самый мощный классический суперкомпьютер. Но вне дедушкиного гаража малейший тепловой шум или магнитное поле могут легко вывести этот самый болид кубит из суперпозиции.

Другой тормоз «квантовой гонки» — сложность масштабирования систем, основанных на явлении запутанности: чем больше кубитов, тем сложнее удерживать их в нужной колее, и тем больше аппаратных и алгоритмических усилий требуется для поддержания стабильности такой системы.

Словом, вызовов пока хватает. Возможно, решение этих проблем сейчас вынашивают в своих лабораториях завтрашние обладатели пяти миллионов от Google. Сама корпорация тем временем продолжает совершенствовать квантовые процессоры. Про их Sycamore на 70 кубит мы рассказывали ранее. Не отстает и IBM — в этом году компания представила процессоры Condor и Heron, о которых мы подробнее говорим здесь.

А что думаете вы о будущем квантовых компьютеров?

#цифрадня

​​🔖Он вам не фотон: как учёные в 1000 раз ускорили предсказания фононных спектров и теплопроводности материалов

Тепловые потери составляют значительную часть энергии, уходящей в атмосферу на промышленных предприятиях. Эффективное управление теплопередачей, особенно в высокоскоростной электронике, может значительно оптимизировать энергетические затраты. Для описания теплопроводности в неметаллических твёрдых материалах используют фононы — квант энер­гии колеба­тель­но­го движе­ния атомов твёр­до­го те­ла, образующих идеальную кристаллическую ре­шёт­ку.

Для ускорения анализа теплопроводности материалов учёные из Массачусетского университета создали систему машинного обучения, которая может предсказать фононные спектры и теплопроводность материалов в тысячу раз быстрее, чем традиционные методы. В основе системы — графовые нейронные сети (GNN), преобразующие атомные структуры в модели, которые позволяют точно и быстро предсказывать параметры теплопередачи.

Из текста вы узнаете:

▪Какую роль играют фононы в переносе тепловой энергии в материалах;
▪Зачем нужны фононные спектры и как уменьшить время их расчёта;
▪Как учёные усовершенствовали методы машинного обучения для предсказания движения фонов;
▪Как ML позволяет создавать базы данных свойств материалов за считанные часы.

Читать ➡

#ML #программы

​​🎤На пульсе RISC-V: уже завтра обсудим оптимизации под архитектуру и средства мониторинга производительности

RISC-V — относительно молодая процессорная архитектура, но она привлекает внимание инженеров из разных стран и компаний. Уже сейчас некоторые микроконтроллеры в составе знакомых нам устройств построены на ней. И популярность RISC-V лишь будет расти: будучи открытой, она позволяет обойти ограничения проприетарных архитектур и удешевлять производство устройств.

Следить за новостями архитектуры полезно даже тем, кто сейчас не работает с ней. В ближайшие несколько лет это может измениться. Чтобы не отстать, приглашаем на совместный митап Альянса RISC-V и YADRO, который пройдёт уже завтра, 6 ноября.

В программе:

▪Инженеры из Syntacore Константин Владимиров и Марк Гончаров расскажут, как устроена масштабируемая векторизация и как цикловые оптимизации в Syntacore Development Toolkit (SC-DT), такие как сплиттинг циклов, помогают достигать лучших результатов на бенчмарках.
▪Эксперт по разработке ПО в Syntacore Дмитрий Рябцев оценит текущее состояние и перспективы аппаратных средств мониторинга и анализа производительности в RISC-V.
▪Иосиф Мееров из ННГУ им. Лобачевского сделает обзор оптимизаций библиотеки CatBoost для эффективного использования векторных расширений RVV 0.7.1.

Подключайтесь онлайн в 19:00. Ссылку на трансляцию в VK, YouTube или Rutube вышлем после регистрации на сайте.

Зарегистрироваться ➡

📄Что почитать про RISC-V на «Истовом инженере»:

▪RISC-V в космосе: перспективы технологии и почему 32-битное ядро на орбите — это только начало
▪Основатель компании Syntacore — об открытой архитектуре полупроводников и перспективах рынка
▪Обзор матричных расширений: от x-86 до RISC-V
▪Quake 2 на RISC-V, или как инженеры поднимали старый Radeon на FPGA

📍Все дороги ведут к непропаю: продолжаем изучать дефекты печатных узлов с помощью рентгена

Александр Патутинский, технолог по подготовке и запуску печатных плат в производство, открывает нам новые дефекты печатных узлов в корпусах, вооружившись рентгеном. На сей раз речь о QFN, SON, DFN и QFP.

В сиквеле мы встретим уже знакомых персонажей — непропай и короткое замыкание. Звёздный состав пополнят плохая смачиваемость и сломанные игольные ушки. А в конце эпизода с неожиданной стороны покажет себя высокоскоростной разъём SEAF.

Читать статью ➡️

#программы #печатныеплаты #инструменты

@ultimate_engineer

​​​​🔖Атлас возможностей: Boston Dynamics и Toyota Research создадут роботов будущего

В октябре Boston Dynamics и Toyota Research Institute (TRI) объявили о партнёрстве для реализации универсальных гуманоидных роботов. Объединив «большие модели поведения» (LBM) от TRI и разработку Atlas от Boston Dynamics, компании стремятся создать робота, способного выполнять разноплановые задачи, например управление крупногабаритными объектами или взаимодействие с людьми на интуитивном уровне. Однако это сотрудничество выходит за рамки коммерческого интереса к роботам-гуманоидам. Boston Dynamics и TRI сосредоточатся на фундаментальных исследованиях в области робототехники, решении сложных проблем и открытом обмене результатами.

Титан от Boston Dynamics

С 2013 года компания Boston Dynamics разрабатывает гуманоидную платформу Atlas, способную выполнять сложные и даже экстремальные движения всем телом — например, передвигаться спиной вперёд с разворотом тазобедренного сустава на 180 градусов. Робот способен замечать и реагировать на изменения в окружающей среде: при перемещении светильников он обновляет данные с помощью зрительных датчиков, чтобы скорректировать движения. Недавно компания опубликовала видео, где робот-гуманоид самостоятельно сортирует автомобильные детали. Для этого он использует сочетание визуальных и силовых датчиков. В апреле 2024 года компания отказалась от гидравлической версии и представила полностью электрического робота.

Toyota и оладьи

Toyota Research Institute (TRI) разрабатывает «большие модели поведения» (LBM), аналогичные большим языковым моделям (LLM), только направленные на выполнение полезных действий в физическом мире.

Недавно исследователи TRI показали робота, который научился готовить оладьи с помощью метода обучения по демонстрации. Исследовательский институт Toyota также активно разрабатывает ИИ-модели и наборы данных для роботов с открытым исходным кодом. С помощью современных технологий компьютерного зрения и больших данных TRI создаёт модели, которые позволяют роботам видеть и лучше понимать команды — так они выполняют задачи более ловко и точно.

Чего ожидать от партнёрства компаний

Сотрудничество объединит лучшие разработки двух компаний. Новый электрический робот Atlas может выполнять различные манипуляции, используя не только обе руки, но и движения всего тела. Исследовательские группы могут собирать данные о его поведении и успехах в выполнении тех или иных задач. И на основе них обучить робота новым навыкам, продемонстрировать, как подобные системы могут быстро развиваться и становиться более гибкими в применении.

Обе команды верят, что найдут ответы на вопросы:

▪Как обучать гуманоидных роботов;
▪Как они могут использовать всё тело для выполнения задач;
▪Как организовать взаимодействие людей и роботов с учётом новых возможностей последних.

Что думаете, к чему приведёт сотрудничество двух технологических компаний? Делитесь версиями в комментариях!

#робототехника

@ultimate_engineer

​​❓Физика нейросетей: почему исследования лауреатов Нобелевской премии «признали» только спустя 40 лет

Современные нейросети — от систем распознавания до генеративного ИИ — невозможны без работ учёных, которые были удостоены Нобелевской премии по физике в этом году. Джон Хопфилд предложил архитектуру нейросетей, которая имитировала ассоциативную память человека. Его «сеть Хопфилда» способна запоминать и восстанавливать информацию, даже если данные искажены или неполны.

Джеффри Хинтон, вдохновлённый исследованиями Хопфилда, пошёл дальше и создал машину Больцмана — модель, в которой нейросеть самостоятельно выявляет скрытые закономерности в данных. В отличие от сети Хопфилда, машина Больцмана позволила находить сложные взаимосвязи и обучаться без прямых инструкций. Такой подход приблизил исследователей к созданию мощных генеративных моделей и глубоких нейросетей, которые легли в основу технологий современного ИИ.

В новом материале — о том, как работы Хопфилда и Хинтона в 80-х годах заложили фундамент для нейросетей, которые сегодня решают задачи, ранее доступные только человеку. Михаил Захаров, кандидат физико-математических наук, ведущий менеджер продукта в YADRO, объяснит, почему эти революционные открытия удостоились награды лишь спустя десятки лет.

Читать статью ➡

#историятехнологий #персоны #AI #ML

@ultimate_engineer