Квантовые вычисления
Сейчас часто говорят о квантовых вычислениях. В теории, квантовая механика может помочь создать новый тип вычислительных машин. Квантовые процессоры смогут решать сверхпроизводительные задачи, недоступные даже самым мощным классическим суперкомпьютерам.
Хотя даже в квантовом мире не все так гладко, но эта отрасль сейчас активно развивается, и кто знает что будет в ближайшие 5-10 лет?
Биты и кубиты
В квантовом компьютере все вычисления тесно связаны с понятием кубита. Кубит - это некоторая квантовая система (например джозефсоновский сверхпроводящий контакт), способная принимать не просто значения 0 и 1, как в случае с классическим битом, а все возможные значения на единичной сфере на картинке ниже, лежащие между 0 и 1. Это называется суперпозицией.
В состоянии суперпозиции значение кубита неизвестно до тех пор, пока его не измерят. На самом деле, конечно, это значение не просто неизвестно, его не существует пока не произведено измерение. Звучит немного странно, но это определено законами квантовой механики.
Поскольку кубит находится во всех состояниях одновременно (до тех пор, пока не произведено измерение), это позволяет мгновенно перебрать все возможные варианты решений, ведь кубиты также связаны между собой. Это по сути и дает "квантовый параллелизм", ускоряющий вычисления.
Запутанность и вероятность
Сложностью здесь является то, что квантовая механика оперирует вероятностями, то есть машина в результате работы даст ответ с некоторой вероятностью. И нужно строить квантовые алгоритмы таким образом, чтобы приблизить вероятность правильного ответа к единице.
Чтобы получить рабочий полноценный рабочий кубит, необходимо так же связать его с другими кубитами (т.н. состояние квантовой запутанности), когда измерение, проведенное на одном кубите, сразу отражается на всех остальных.
Подобные состояния неустойчивы, и чем больше кубитов связано между собой, тем менее стабильно они работают. Для достижения "квантового превосходства" необходимо не менее 49 кубитов, хотя само понятие "квантового превосходства" на самом деле весьма расплывчатое.
В принципе, один кубит способен выполнять два вычисления одновременно, а когда несколько кубитов связаны друг с другом запутанностью, они могут выполнять уже 2^N операций, где N - число кубитов. Для квантового компьютера с 300 кубитами число одновременно выполняемых операций превзошло бы полное число атомов во Вселенной.
Не так давно в журнале Nature вышла статья, что специалисты из Google добились квантового превосходства при помощи 53 кубитов. Их квантовому процессору потребовалось 200 секунд для решения задачи, которую классический компьютер (по их оценкам) решал бы 10000 лет.
Ссылка на работу
Однако исследователи из IBM в ответной статье утверждают, что идеальную симуляцию той же задачи можно выполнить на классической системе за 2,5 дня, причём с гораздо большей точностью.
Ссылка на работу
Это достаточно спорный вопрос, хотя задача и была выбрана специально таким образом, чтобы она просто решалась на квантовой машине, но в то же время классический подход испытывал бы трудности, тем не менее, нет ни одного убедительного доказательства возможности ее решения на классической машине. IBM сделала теоретические оценки, но честную симуляцию они не проводили.
#лонгрид
Сейчас часто говорят о квантовых вычислениях. В теории, квантовая механика может помочь создать новый тип вычислительных машин. Квантовые процессоры смогут решать сверхпроизводительные задачи, недоступные даже самым мощным классическим суперкомпьютерам.
Хотя даже в квантовом мире не все так гладко, но эта отрасль сейчас активно развивается, и кто знает что будет в ближайшие 5-10 лет?
Биты и кубиты
В квантовом компьютере все вычисления тесно связаны с понятием кубита. Кубит - это некоторая квантовая система (например джозефсоновский сверхпроводящий контакт), способная принимать не просто значения 0 и 1, как в случае с классическим битом, а все возможные значения на единичной сфере на картинке ниже, лежащие между 0 и 1. Это называется суперпозицией.
В состоянии суперпозиции значение кубита неизвестно до тех пор, пока его не измерят. На самом деле, конечно, это значение не просто неизвестно, его не существует пока не произведено измерение. Звучит немного странно, но это определено законами квантовой механики.
Поскольку кубит находится во всех состояниях одновременно (до тех пор, пока не произведено измерение), это позволяет мгновенно перебрать все возможные варианты решений, ведь кубиты также связаны между собой. Это по сути и дает "квантовый параллелизм", ускоряющий вычисления.
Запутанность и вероятность
Сложностью здесь является то, что квантовая механика оперирует вероятностями, то есть машина в результате работы даст ответ с некоторой вероятностью. И нужно строить квантовые алгоритмы таким образом, чтобы приблизить вероятность правильного ответа к единице.
Чтобы получить рабочий полноценный рабочий кубит, необходимо так же связать его с другими кубитами (т.н. состояние квантовой запутанности), когда измерение, проведенное на одном кубите, сразу отражается на всех остальных.
Подобные состояния неустойчивы, и чем больше кубитов связано между собой, тем менее стабильно они работают. Для достижения "квантового превосходства" необходимо не менее 49 кубитов, хотя само понятие "квантового превосходства" на самом деле весьма расплывчатое.
В принципе, один кубит способен выполнять два вычисления одновременно, а когда несколько кубитов связаны друг с другом запутанностью, они могут выполнять уже 2^N операций, где N - число кубитов. Для квантового компьютера с 300 кубитами число одновременно выполняемых операций превзошло бы полное число атомов во Вселенной.
Не так давно в журнале Nature вышла статья, что специалисты из Google добились квантового превосходства при помощи 53 кубитов. Их квантовому процессору потребовалось 200 секунд для решения задачи, которую классический компьютер (по их оценкам) решал бы 10000 лет.
Ссылка на работу
Однако исследователи из IBM в ответной статье утверждают, что идеальную симуляцию той же задачи можно выполнить на классической системе за 2,5 дня, причём с гораздо большей точностью.
Ссылка на работу
Это достаточно спорный вопрос, хотя задача и была выбрана специально таким образом, чтобы она просто решалась на квантовой машине, но в то же время классический подход испытывал бы трудности, тем не менее, нет ни одного убедительного доказательства возможности ее решения на классической машине. IBM сделала теоретические оценки, но честную симуляцию они не проводили.
#лонгрид
Имеет ли смысл 80-символьная длина строки в 2020 году?
Одна из самых старых практик кодирования – поддерживать 80-символьную длину строки, и многие из нас следуют ей вслепую. Однако, задумывались ли вы когда-нибудь, почему мы ставим это правило на первое место?
#совершенный_код
Одна из самых старых практик кодирования – поддерживать 80-символьную длину строки, и многие из нас следуют ей вслепую. Однако, задумывались ли вы когда-нибудь, почему мы ставим это правило на первое место?
#совершенный_код
Метод бисекции
Не так давно мы рассматривали один из численных методов решения нелинейных алгебраических уравнений, а именно, метод касательных. Сегодня рассмотрим еще один метод.
Метод бисекции, или метод деления отрезка пополам – один из наиболее простых методов решения уравнений вида
Это не обязательно должны быть точные предположения, но они обязательно должны быть по обе стороны от корня. Пусть стартовая точка с левой стороны будет
Сравним знаки
Теперь точки
by @hw_code
Не так давно мы рассматривали один из численных методов решения нелинейных алгебраических уравнений, а именно, метод касательных. Сегодня рассмотрим еще один метод.
Метод бисекции, или метод деления отрезка пополам – один из наиболее простых методов решения уравнений вида
f(x) = 0. Чтобы использовать этот метод для поиска корня, следует начать с двух стартовых точек по обе стороны от предполагаемого корня.Это не обязательно должны быть точные предположения, но они обязательно должны быть по обе стороны от корня. Пусть стартовая точка с левой стороны будет
a, а с правой b. Затем найдем значение функции в средней точке x между a и b.Сравним знаки
f(x) и f(a): если знаки разные, то корень должен находиться между a и x, поэтому пусть b = x. Если знаки одинаковые, то корень должен находиться между x и b, поэтому пусть a = x.Теперь точки
a и b таковы, что решение по-прежнему находится между ними, но они вдвое меньше! Повторим эту процедуру до тех пор, пока разность между a и b не будет меньше заданной точности eps.by @hw_code
Пятничная подборка полезных статей
В эту подборку попали не только русскоязычные статьи, но и некоторые англоязычные, но не менее интересные. Старался сильно по темам не прыгать, собирая самое релевантное.
1️⃣ Интересная статья на тему сжатия с потерями – попробуйте реализовать свой собственный JPEG!
2️⃣ Пространство имен и local/global в Python, полезная штука для начинающих.
3️⃣ Разница между передачей по ссылке и по значению.
4️⃣ Лекции по численному Python: NumPy, SciPy, SymPy.
5️⃣ Немножко работы с telethon по этой ссылке.
6️⃣ О дата саенсе можно почитать, например, в заметках дата саентиста.
Кстати, если вы еще не в курсе, сейчас идет одна интересная игра для хакеров, о которой все только и говорят.
Hello World 💻
В эту подборку попали не только русскоязычные статьи, но и некоторые англоязычные, но не менее интересные. Старался сильно по темам не прыгать, собирая самое релевантное.
1️⃣ Интересная статья на тему сжатия с потерями – попробуйте реализовать свой собственный JPEG!
2️⃣ Пространство имен и local/global в Python, полезная штука для начинающих.
3️⃣ Разница между передачей по ссылке и по значению.
4️⃣ Лекции по численному Python: NumPy, SciPy, SymPy.
5️⃣ Немножко работы с telethon по этой ссылке.
6️⃣ О дата саенсе можно почитать, например, в заметках дата саентиста.
Кстати, если вы еще не в курсе, сейчас идет одна интересная игра для хакеров, о которой все только и говорят.
Hello World 💻
Forwarded from Russian Hackers | Хакатоны
Build For Belarus
• Описание: онлайн-хакатон в поддержку Беларуси. Прими участие в разработке технологических решений для коммуникации, безопасности, медицины и поддержки пострадавших.
• Ссылка: http://rhck.me/buildforbelarus
• Даты проведения: 14 - 16 августа
• Место проведения: online
#BuildforBelarus #hackathon @RussianHackers_Channel
• Описание: онлайн-хакатон в поддержку Беларуси. Прими участие в разработке технологических решений для коммуникации, безопасности, медицины и поддержки пострадавших.
• Ссылка: http://rhck.me/buildforbelarus
• Даты проведения: 14 - 16 августа
• Место проведения: online
#BuildforBelarus #hackathon @RussianHackers_Channel
Russian Hackers | Хакатоны
Build For Belarus • Описание: онлайн-хакатон в поддержку Беларуси. Прими участие в разработке технологических решений для коммуникации, безопасности, медицины и поддержки пострадавших. • Ссылка: http://rhck.me/buildforbelarus • Даты проведения: 14 - 16…
Это не реклама, выражаю слова поддержки всем протестующим. Жыве Беларусь!
Понедельничный лонгрид
Сегодня поговорим о такой вещи как криотроника.
Сразу после Второй мировой войны инженеры столкнулись с фундаментальным, но все еще открытым вопросом: как строить электронные цифровые компьютеры? Какой тип переключателей лучше всего подходит для логических схем? А что использовать для основной памяти?
К чему они все таки пришли, мы уже знаем: сначала использовали транзисторы, а уже затем – интегральные схемы, как для реализации логики, так и для памяти. Но в 1950-1960-х гг. различные группы инженеров искали принципиально новые пути для создания цифровых компьютеров.
Одним из самых оригинальных исследователей был Дадли Аллен Бак, который работал в Массачусетском технологическом институте с 1950 года до своей внезапной смерти в 1959 году в возрасте 32 лет. Он сделал важный вклад в области создания микросхем, а также он изобрел «криотрон», сверхпроводящий переключатель.
Бак надеялся что криотрон станет фундаментальным строительным блоком для цифровых компьютеров будущего. Вдохновленные видением Бака, GE, IBM, RCA и военные США в конце 1950-х - начале 1960-х годов развернули крупные исследовательские программы по криотронам, прежде чем переключиться на кремниевые микрочипы для компьютерной логики и памяти.
К 1954 году Бак обратил внимание на еще более интересное свойство электромагнетизма, обнаруженное при низких температурах: сверхпроводимость. Это явление, в принципе, уже было изучено ранее. С начала XX века физикам было известно, что при охлаждении до температур, близких к температуре кипения жидкого гелия, некоторые металлы полностью теряют свое электрическое сопротивление.
В явлении сверхпроводимости существует т.н. эффект Мейснера. Сверхпроводник, помещенный в магнитное поле, начинает это поле выталкивать (поэтому магнит и левитирует в видосиках на ютубе) – но лишь до определенного момента. Если приложить достаточно сильное магнитное поле, материал почти мгновенно переходит в резистивное состояние. А если магнитное поле убрать, материал возвращается обратно в сверхпроводящее состояние.
Бак увидел потенциал этого явления для электронных цифровых компьютеров: можно создать сверхпроводящий переключатель с магнитным управлением. Подобный сверхпроводящий переключатель может быть очень компактным, быстрым и энергоэффективным.
В духе футуризма 1950-х он и назвал свое изобретение криотроном — смесь слов cryo (ϰρύος, греч. «ледяной холод, мороз») и electronics.
Несмотря на все эти исследования, быстрое развитие кремниевых микрочипов — в частности, их удешевление — в 1960-х годах перекрыло прогресс в изучении криотронов. Новые компьютеры строились на кремниевых логических схемах с памятью на магнитных сердечниках. К середине 1960-х большинство исследователей криотронов окончательно переключили свое внимание на кремний.
Однако, изобретение Бака на самом деле пережило своего творца, и элементы криотрона используются например при создании сверхпроводящих кубитов в квантовых компьютерах.
А модифицированные криотроны, известные науке как «джозефсоновские переходы», до сих пор являются краеугольным камнем современных исследований IBM и других компаний в области квантовых вычислений.
Оригинальная статья
На фото для сравнения изображены вакуумная лампа, транзистор и прототип криотрона тех времен.
Hello World 💻
Сегодня поговорим о такой вещи как криотроника.
Сразу после Второй мировой войны инженеры столкнулись с фундаментальным, но все еще открытым вопросом: как строить электронные цифровые компьютеры? Какой тип переключателей лучше всего подходит для логических схем? А что использовать для основной памяти?
К чему они все таки пришли, мы уже знаем: сначала использовали транзисторы, а уже затем – интегральные схемы, как для реализации логики, так и для памяти. Но в 1950-1960-х гг. различные группы инженеров искали принципиально новые пути для создания цифровых компьютеров.
Одним из самых оригинальных исследователей был Дадли Аллен Бак, который работал в Массачусетском технологическом институте с 1950 года до своей внезапной смерти в 1959 году в возрасте 32 лет. Он сделал важный вклад в области создания микросхем, а также он изобрел «криотрон», сверхпроводящий переключатель.
Бак надеялся что криотрон станет фундаментальным строительным блоком для цифровых компьютеров будущего. Вдохновленные видением Бака, GE, IBM, RCA и военные США в конце 1950-х - начале 1960-х годов развернули крупные исследовательские программы по криотронам, прежде чем переключиться на кремниевые микрочипы для компьютерной логики и памяти.
К 1954 году Бак обратил внимание на еще более интересное свойство электромагнетизма, обнаруженное при низких температурах: сверхпроводимость. Это явление, в принципе, уже было изучено ранее. С начала XX века физикам было известно, что при охлаждении до температур, близких к температуре кипения жидкого гелия, некоторые металлы полностью теряют свое электрическое сопротивление.
В явлении сверхпроводимости существует т.н. эффект Мейснера. Сверхпроводник, помещенный в магнитное поле, начинает это поле выталкивать (поэтому магнит и левитирует в видосиках на ютубе) – но лишь до определенного момента. Если приложить достаточно сильное магнитное поле, материал почти мгновенно переходит в резистивное состояние. А если магнитное поле убрать, материал возвращается обратно в сверхпроводящее состояние.
Бак увидел потенциал этого явления для электронных цифровых компьютеров: можно создать сверхпроводящий переключатель с магнитным управлением. Подобный сверхпроводящий переключатель может быть очень компактным, быстрым и энергоэффективным.
В духе футуризма 1950-х он и назвал свое изобретение криотроном — смесь слов cryo (ϰρύος, греч. «ледяной холод, мороз») и electronics.
Несмотря на все эти исследования, быстрое развитие кремниевых микрочипов — в частности, их удешевление — в 1960-х годах перекрыло прогресс в изучении криотронов. Новые компьютеры строились на кремниевых логических схемах с памятью на магнитных сердечниках. К середине 1960-х большинство исследователей криотронов окончательно переключили свое внимание на кремний.
Однако, изобретение Бака на самом деле пережило своего творца, и элементы криотрона используются например при создании сверхпроводящих кубитов в квантовых компьютерах.
А модифицированные криотроны, известные науке как «джозефсоновские переходы», до сих пор являются краеугольным камнем современных исследований IBM и других компаний в области квантовых вычислений.
Оригинальная статья
На фото для сравнения изображены вакуумная лампа, транзистор и прототип криотрона тех времен.
Hello World 💻
Мы уже давно, всей админкой, угораем с мемов на профункторе, а у них так же относительно недавно появился канал, @profunctor_jobs, с самыми годными вакухами для разрабов!
Все вакансии проходят тщательный отбор а описание не сожержит ничего лишнего, только должность, стэк технологий и зп (всегда только 10к+$/с.).
Так что подписывайтесь на @profunctor_jobs, там действительно много годных вакансий, которых нет ни на одной другой площадке, а если хотите разместить свою, то это можно сделать бесплатно, но пройдя тщательную модерацию!
Все вакансии проходят тщательный отбор а описание не сожержит ничего лишнего, только должность, стэк технологий и зп (всегда только 10к+$/с.).
Так что подписывайтесь на @profunctor_jobs, там действительно много годных вакансий, которых нет ни на одной другой площадке, а если хотите разместить свою, то это можно сделать бесплатно, но пройдя тщательную модерацию!
SymPy
SymPy — это библиотека, которую следует использовать при работе с символьной математикой в Python. Она полностью написана на Python и имеет опциональные расширения для ускорения работы, а также построения графиков и интерактивных сессий.
Символьные функции SymPy работают с объектами SymPy, такими как символы, функции и выражения, для создания других символьных выражений, например так:
Их можно интегрировать как символьно, так и численно:
#sympy
SymPy — это библиотека, которую следует использовать при работе с символьной математикой в Python. Она полностью написана на Python и имеет опциональные расширения для ускорения работы, а также построения графиков и интерактивных сессий.
Символьные функции SymPy работают с объектами SymPy, такими как символы, функции и выражения, для создания других символьных выражений, например так:
>>> import sympy as sym>>> x = sym.Symbol('x')>>> f = sym.exp(-x**2/2) / sym.sqrt(2 * sym.pi)>>> fsqrt(2)*exp(-x**2/2)/(2*sqrt(pi))Их можно интегрировать как символьно, так и численно:
>>> sym.integrate(f, x)erf(sqrt(2)*x/2)/2>>> sym.integrate(f, (x, -1, 1))erf(sqrt(2)/2)>>> sym.N(_)0.682689492137086#sympy
Насколько хорошо нейросети могут "воспроизводить" физику?
Это действительно интересный вопрос. В честной симуляции физики жидкости вам бы потребовалось решать уравнения Навье-Стокса (вязкая, сжимаемая жидкость), которые в наиболее полном своем виде конечно довольно сложны.
Для их решения требуется бóльшая вычислительная мощность, нежели для вычисления предсказания в машинном обучении, с которым справится любой GPU с достаточным количеством ядер.
Возвращаясь к исходному вопросу, отвечу: достаточно хорошо. С помощью модели "Graph Network-based Simulators" (GNS) можно симулировать жидкость, песок, и даже вязкое тело. Более того, обучив модель на небольшом числе частиц, можно потом делать предсказания и для бóльшего числа частиц!
🌊 Ссылка на видео:
Смотреть видео
📝 Исходная статья "Learning to Simulate Complex Physics with Graph Networks" вместе с примерами работы алгоритма доступна по ссылкам:
Статья
Примеры работы алгоритма
@hw_code
Это действительно интересный вопрос. В честной симуляции физики жидкости вам бы потребовалось решать уравнения Навье-Стокса (вязкая, сжимаемая жидкость), которые в наиболее полном своем виде конечно довольно сложны.
Для их решения требуется бóльшая вычислительная мощность, нежели для вычисления предсказания в машинном обучении, с которым справится любой GPU с достаточным количеством ядер.
Возвращаясь к исходному вопросу, отвечу: достаточно хорошо. С помощью модели "Graph Network-based Simulators" (GNS) можно симулировать жидкость, песок, и даже вязкое тело. Более того, обучив модель на небольшом числе частиц, можно потом делать предсказания и для бóльшего числа частиц!
🌊 Ссылка на видео:
Смотреть видео
📝 Исходная статья "Learning to Simulate Complex Physics with Graph Networks" вместе с примерами работы алгоритма доступна по ссылкам:
Статья
Примеры работы алгоритма
@hw_code
Сегодня у нас на повестке дня один довольно таки интересный сниппет и одна полезная либа. Начнем по порядку.
📌 У многих людей, которые переходят с какого нибудь компилируемого языка на Python возникает этот вопрос: а как же все таки реализовать
📌 Недавно наткнулся на либу для преобразования формул в привычный для человека вид (работает в среде jupyter с помощью магического слова %%render). Теперь можно писать формулы на Python и сразу же выводить их в jupyter в человеческом виде. Либо даже оборачивать целые функции. Есть возможность вывода формул в latex, что может быть особенно полезно людям, занимающимся научными расчетами.
Теперь можно накатить SymPy, handcalcs и кайфовать от мысли что Mathematica больше не нужна. Ура.
📌 У многих людей, которые переходят с какого нибудь компилируемого языка на Python возникает этот вопрос: а как же все таки реализовать
switch case? Так вот, один мой знакомый любитель языка Rust недавно поделился в группе своей реализацией switch case для языка Python. Надеюсь будет полезно.📌 Недавно наткнулся на либу для преобразования формул в привычный для человека вид (работает в среде jupyter с помощью магического слова %%render). Теперь можно писать формулы на Python и сразу же выводить их в jupyter в человеческом виде. Либо даже оборачивать целые функции. Есть возможность вывода формул в latex, что может быть особенно полезно людям, занимающимся научными расчетами.
Теперь можно накатить SymPy, handcalcs и кайфовать от мысли что Mathematica больше не нужна. Ура.
master vs main
В Github решили отказаться от названия
Таким образом, с 1 октября 2020 года любые новые репозитории, которые создаются, будут использовать в качестве ветки по умолчанию
Непонятно правда, как вообще это поможет бороться с расизмом... Что думаете по поводу этих изменений?
В Github решили отказаться от названия
master в пользу "менее расистского" main. Говорят, что таким образом хотят избежать ненужных ассоциаций с рабством на волне black lives matter.Таким образом, с 1 октября 2020 года любые новые репозитории, которые создаются, будут использовать в качестве ветки по умолчанию
main вместо master.Непонятно правда, как вообще это поможет бороться с расизмом... Что думаете по поводу этих изменений?
📝 Подготовил для вас специальный ноутбук
Сделал все чисто по доброте душевной (никакой рекламы или курсов) заодно подтянув основы языка. Предлагаю теперь и вам. Для полноценного погружения рекомендую залогиниться в сам колаб через сервисы гугла, хотя это и не обязательно, по ссылке можно сразу изучать код и выполнять ячейки:
Смотреть ноутбук
Кстати, создать подобный ноутбук самостоятельно можно например с помощью ссылки:
Создать ноутбук
@hw_code
.ipynb по Swift. Будем изучать так сказать "платформонезависимую" часть языка. Да, может кого-то из вас это удивит, но google colab имеет свой Swift kernel. Даже есть tensorflow под него.Сделал все чисто по доброте душевной (никакой рекламы или курсов) заодно подтянув основы языка. Предлагаю теперь и вам. Для полноценного погружения рекомендую залогиниться в сам колаб через сервисы гугла, хотя это и не обязательно, по ссылке можно сразу изучать код и выполнять ячейки:
Смотреть ноутбук
Кстати, создать подобный ноутбук самостоятельно можно например с помощью ссылки:
Создать ноутбук
@hw_code
И тут эти ваши лазеры засветились...
Наткнулся тут на интересную статью о фотолитографии в глубоком ультрафиолете (EUV). Каждый такой аппарат – это технологическое чудо. Внутри него каждую секунду 50 000 капель расплавленного олова падают через камеру в её основании. Мощный лазер взрывает каждую каплю дважды. Первый импульс формирует необходимую форму капельки, а второй превращает его в плазму.
Плазма испускает глубокое ультрафиолетовое (EUV) излучение, которое фокусируется в пучок и отражается через серию зеркал. Зеркала отшлифованы настолько гладко, что, если их расширить до размера Германии, то на поверхности не будет выпуклостей больше миллиметра.
Наконец, EUV попадает на кремниевую подложку с точностью, эквивалентной выстрелу с Земли стрелой в яблоко, расположенное на Луне. Это позволяет создавать транзисторы размером всего пять нанометров.
Эта подложка с миллиардами или триллионами транзисторов в конечном итоге превращается в известные вам компьютерные чипы, например intel или amd.
@hw_code
Наткнулся тут на интересную статью о фотолитографии в глубоком ультрафиолете (EUV). Каждый такой аппарат – это технологическое чудо. Внутри него каждую секунду 50 000 капель расплавленного олова падают через камеру в её основании. Мощный лазер взрывает каждую каплю дважды. Первый импульс формирует необходимую форму капельки, а второй превращает его в плазму.
Плазма испускает глубокое ультрафиолетовое (EUV) излучение, которое фокусируется в пучок и отражается через серию зеркал. Зеркала отшлифованы настолько гладко, что, если их расширить до размера Германии, то на поверхности не будет выпуклостей больше миллиметра.
Наконец, EUV попадает на кремниевую подложку с точностью, эквивалентной выстрелу с Земли стрелой в яблоко, расположенное на Луне. Это позволяет создавать транзисторы размером всего пять нанометров.
Эта подложка с миллиардами или триллионами транзисторов в конечном итоге превращается в известные вам компьютерные чипы, например intel или amd.
@hw_code