Приветствую новых подписчиков, приход которых по счастливому стечению обстоятельств совпал с первой потоковой лекцией по атомной физике, которую мне дали вести в этом семестре! А раз так, то вот вам немного свежей физики.

Не можешь найти что-то — изобрази то, что ищешь. Применительно к физике этот подход называется исследованием эмерджентных феноменов. Например, специалисты по элементарным частцам не могут найти гипотетические майорановские фермионы. Вместо этого их коллеги-твердотельщики возбуждают квазичастицы в наноструктурах, которые ведут себя таким же образом. Этим путём, к примеру, в Microsoft пытаются строить квантовый компьютер.

Похожим образом ищут аксионы — это гипотетические частицы, которые могут помочь физикам разобраться с несколькими проблемами, включая поиск темной материи. Результатов пока нет ни у астрономов, ни у ученых с ускорителей, зато по-аксионному ведут себя квазичастицы в магнитооптических материалах.

Правда, отклик там слабоват. Чтобы его усилить, команда физиков из России и США предложила использовать оптические метаматериалы, состоящие из структурированных магнитооптических слоев — пока лишь численно. Замечательная особенность нового исследования в том, что спецы из ИТМО привлекли к себе в помощь не абы кого, а Франка Вильчека — Нобелевского лауреата и автора термин "аксион".

Мне все таки удалось посмотреть Оппенгеймера в кинотеатре в Осиново, то есть, формально, не покидая границ Казани. На это решился всего один прокатчик несмотря на штрафы, которые он уже получал за это ранее за марвеловские картины.

Фильм понравился и как ценителю творчества Нолана, и как физику. Последнее приятно еще и потому, что не часто удается встречать на большом экране фамилии, знакомые тебе по большей части по статьям или учебникам, да еще в таком количестве! Приятно осознавать, что, люди, которые их носили, — это не безликие авторы уравнений. Они улыбаются и грустят, ссорятся и смеются, предают и любят. Приятно наполнять привычную семантику новыми смыслами.

Впрочем, у Нолана так всегда: физика и физики — это лишь холст и краски, чтобы рисовать сюжеты сложных человеческих взаимоотношений. Другими словами, фильм совсем не про физику. И все же это великое полотно для нашей профессии, потому что оно, хоть и вкратце, но рассказывает про Великую эпоху — становление квантовой механики и следующих на нею теорий. Это то время, в которое я пытаюсь влюбить своих студентов на лекции. Коллективная попытка разгадать целый калейдоскоп загадок привела тогда к сложной сети новых идей и взаимоотношений между учеными, и фильм ведает нам одну из траекторий по этой сети.

Я всех, кто причастен к физике, призываю найти возможность посмотреть это кино, благо в этом бунтарском кинотеатре его прокатывают до конца октября

Фильм снят по большей части как экранизация биографии «Оппенгеймер. Триумф и трагедия Американского Прометея» за авторством Кая Бёрда и Мартина Шервина. Но авторы картины явно опирались и на другие источники. Ниже отрывок из несколько более известной книги «Вы, конечно, шутите, мистер Фейнман!», который был воспроизведен в фильме:

Нам раздали темные очки, через которые мы якобы могли бы все наблюдать. Темные очки! В двадцати милях в темные очки невозможно разглядеть, черт побери, вообще ничто. Я решил, что единственное, что может повредить глазам, – это ультрафиолет (яркий свет никогда не может повредить глазам). Я разместился за ветровым стеклом грузовика, рассчитав, что поскольку ультрафиолет не проходит через стекло, то это было безопасно, и можно было увидеть чертову штуку.

Время подошло, и внезапный чудовищный всплеск пламени там настолько ярок, что я мгновенно сгибаю голову и вижу на полу машины пурпурное пятно. Я сказал: “Это не то, это видение”. Я опять поднимаю голову и вижу, что белый свет сменяется желтым, а затем оранжевым. Образуются и исчезают облака – все это от сжатия и расширения ударной волны.

Наконец, огромный шар оранжевого цвета – центр его немыслимо ярок – начинает подниматься, понемногу становясь слегка волнистым, вблизи его краев появляется чернота, а потом вы видите, что это огромный дымовой шар, с языками пламени, вырывающимися изнутри наружу, жар так жар

На скриншоте, сделанном с экранки, Фейнман отказывается от затемненной оптики

Сталкивались ли вы с токсичностью в интернете? Готов спорить, что да. Похоже, что такое поведение — это часть человеческой природы, а всех людей на планете не изменить. Для борьбы с этим явлением на различных форумах и площадках, где есть комментарии, приходится нанимать модераторов и организовывать их работу, что не всегда получается.

Можно ли научить машину распознавать оскорбления? Судя по всему да — сейчас для этого пытаются использовать нейросети, которые классифицируют комментарии по степени токсичности. Однако, их производительность пока далека от идеала, поскольку нейросеть не всегда справляется с неоднозначными текстами.

Один из способов решить эту проблему — заранее знать, что комментарий или отрывок сложный, и направить его на оценку человеку. Алгоритмы, которые позволяют определять это автоматически, решают так называемую задачу выборочной классификации.

Сегодня на Хабре вышел текст от младшего научного сотрудника AIRI Артёма Важенцева, которому я помог написать рассказ о том, как их группа помогает развивать методы выборочной классификации

Роботов ждет Матрица!

Мои коллеги по Институту AIRI регулярно посещают научные конференции по искусственному интеллекту. Одна из них — IJCAI 2023 — состоялась этим августом в Макао. Там были представлены исследования по самому широкому спектру областей, а также выступали разные крутые приглашенные спикеры.

Среди них был Дитер Фокс, исследователь из Университета Вашингтона и NVIDIA. Он делился своим видением того, как будет развиваться робототехника, и высказал одну мысль, которая на первый взгляд совершенно не очевидна.

Сегодня совершенно ясно, что для создания хорошего робота нужно применять машинное обучение. Но этому методу нужны обучающие данные. Много данных. В связи с чем встает вопрос — где брать данные для будущих «мозгов» роботов, если их еще толком не умеют строить? Например, человек учится ориентироваться в пространстве в глубоком детстве, и у него для этого есть, путь маленькие, но ножки. Мы тоже можем изготовить прототип робота и заставить его ездить по комнатам, но сколько времени займет сбор данных?

Фокс убежден, что будущее робототехники — это симуляторы. Тысячи виртуальных агентов будут очень быстро стукаться об углы в своей цифровой матрице, набивая шишки для нейросетей. Обученные на этом нейронки, в свою очередь, будут загружены в реальное железо. Так, по его мнению, удастся преодолеть описанную выше проблему.

Видео с докладом ученого доступно на канале MIT Robotics. Обзор же самой конференции вы можете посмотреть в записи семинара Центра когнитивного моделирования

Астрономическую обсерваторию Казанского федерального университета в список объектов всемирного наследия ЮНЕСКО!
https://twitter.com/unesco/status/1703788661500760461?s=46&t=Z77Z98gzOs0TcTjQ5oGHAQ
Поздравляю коллег-астрономов!

Поговорим об экологии! Ведь повод для этого действительно есть.

Последние пару лет мы становимся свидетелями того, как машинное обучение перестает быть сугубо отраслевой вещью и начинает влиять на другие сферы деятельности человека. В данном случае я имею в виду энергопотребление.

Для справки: в 2020 году дата центры Facebook, обслуживающие языковые и рекомендательные модели, потратили 7 миллионов МВт*ч, что сопоставимо с месячным потреблением Швейцарии. Уже сейчас потребности обучения моделей от крупных игроков в области ИИ превращаются в дополнительную нагрузку на энергосистемы тех стран, где расположены серверы. Всё бы ничего, если бы не тот факт, что каждый киловатт-час сопровождается дополнительным выделением углекислого газа в атмосферу — увы, большинство электростанций мира пока работают на ископаемом топливе.

Оказалось, что этот эффект можно смягчить, если воспользоваться тем фактом, что углеродоемкость электроэнергии — это волатильный параметр, который зависит от кучи факторов: региона, времени суток, погодных условий и так далее. Это значит, что, если умным образом перераспределять вычислительные мощности между различными серверами (для обучения крупных моделей используют облачные сервисы), то негативный экологический эффект можно снизить.

Такую задачу себе поставили (и успешно решили) российские ученые из AIRI и Сбера под руководством Семёна Будённого. Они разработали пакет с открытым исходным кодом под названием eco4cast, который может использовать любой желающий. Этот пакет позволяет оптимизировать обучение с точки зрения выбросов CO₂ в атмосферу, распределяя вычисления по времени, погоде и регионе мира (всего до 13 зон). В отдельных случаях удается добиться 90-процентного уменьшения углеродного следа.

Репозиторий пакета доступен на гитхабе. Статьи с подробностями ещё пока нет — сейчас она проходит рецензирование в научном журнале. Почитать про исследование можно в свежем блоге на сайте Института AIRI (русский и английский варианты)

Сентябрь уже заканчивается, а я так и не подвел итоги розыгрыша. На самом деле это произошло не потому, что я забыл, а потому, что хотел дать шанс своим студентам, у которых была лекция на тему чёрнотельного излучения две недели назад. Мне до сих пор сыплются гипотезы от них вместе с просьбами дать еще немного времени, поэтому итоги я подведу в начале следующей недели!

В робототехнике существует такая вещь, как парадокс Моравека. Если кратко, он говорит о том, что самые высокоинтеллектуальные задачи для машины требуют сравнительно малых вычислений, в то время как рутинный, но сложный с точки зрения сенсорики и моторики труд — требует очень больших расчетных ресурсов. Не сложно догадаться, что именно по этой причине андроиды до сих пор не помогают нам на кухне.

Тем не менее, эту дорогу ученым и инженерам нужно пройти. Она формулируется, в том числе и через задание плана действий для робота. В последние месяцы исследователи стали приспосабливать для этого большие языковые модели, поскольку в них уже неявно содержится информация об окружающем для нас мире.

В этом направлении решила поработать небольшая команда молодых исследователей, приехавших на летнюю школу AIRI, которая проходила этим августом в Иннополисе — я немножечко освещал у себя в канале ее ход. Работая над, по сути, учебным проектом, парни не только реализовали полноценный фреймворк для планирования задач для робота, но и прикрутили туда голосовое управление с распознаванием русской речи.

О своих успехах, а также об общем положении дел в этой области они рассказали в большом посте на Хабре, который я помог им написать

Наконец-то пришла пора подвести итоги конкурса и дать правильный ответ!

Напомню: месяц назад я спрашивал, за счет какого процесса обеспечивается непрерывный спектр фотосферы в видимом и приграничных диапазонах. Сложность вопроса в том, что первое, что приходит на ум: тормозное излучение, рекомбинация, уширение спектральных линий — это неправильный ответ. Либо диапазон не тот, либо эффект континуумизации недостаточно сильный.

Правильный ответ: образование гидрид-ионов водорода (1 протон + 2 электрона) за счет сродства электронов из плазмы. Действительно, уровень электрона в основном состоянии у нейтрального атома водорода лежит достаточно низко, чтобы взаимное отталкивание двух электронов оставляло полную энергию системы отрицательной. Делу помогает эффект заполненности электронной оболочки — 1s2, в данном случае, как у атома гелия.

В результате, образование аниона сопровождается испусканием фотона, который уносит с собой энергию, равной энергии сродства электрона к водороду — 0,75 эв — плюс кинетическая энергия электрона до столкновения. Последняя — континуальна, поэтому спектр непрерывен. Наличие такой энергетической полосы также делает фотосферу непрозрачной в оптическом диапазоне. Впервые этот факт был обнаружен и объяснен в 30-е года прошлого века усилиями Вилдта и других физиков. Примечательно, что сам водород в фотосфере по большей части нейтрален — для его ионизации слишком холодно, — а источниками электронов в данном процессе выступают атомы щелочных и щелочноземельных металлов, чьи линии поглощения видны в солнечном спектре.

Правильный ответ я получил в ночь перед сегодняшним днём — днем завершения конкурса. Его мне прислали студенты астрономы и физики, которым я читаю атомку. Им достанется сразу несколько наборов стикеров от N + 1. Поздравляю победителей!

Месяц назад я выпустил короткий текст-новость про успехи в применении нейросетей для улучшения традиционных алгоритмов поиска пути. А недавно герой моего рассказа, научный сотрудник AIRI Константин Яковлев, нашёл время и написал большой разбор по этой теме для Хабра (а я, как водится, ему в этом помог).

Новый текст содержит обзор того, как устроены самые распространённые методы поиска пути на графе: алгоритм Дейкстры и алгоритм А*. Их используют для прокладки пути беспилотных авто, для маршрутизации сетевых пакетов и даже для перемещений юнитов в видеоиграх.

Однако, эти методы не идеальны в своей эффективности, что можно исправить с помощью машинного обучения. Константин не только рассказывает про современные подходы к решению этой задачи, но и раскрывает детали своего собственного исследования, а также обсуждает то, насколько вообще оправдано использование нейросетей в этом случае

Возможно, вы уже слышали, что свежую Нобелевку по физике дали за методы генерации аттосекундных импульсов, с помощью которых удается исследовать тончайшие эффекты в поведении электронов. Лично мне этот факт особенно приятен, потому что во время работы в N + 1 мне нравилось писать про исследования, использующие эти методы.

Их довольно просто объяснить. В одном из таких подходов ученые начинают эксперимент с испускания луча фемтосекундных лазерных импульсов, обычно в ИК диапазоне — это физики умеют делать уже несколько десятков лет. Далее луч делят на две части. Один (луч накачки) подается на камеру с каким-нибудь благородным газом, где за счет эффекта генерации высших гармоник он сильно сжимается во времени (до аттосекунд), после чего его вместе со вторым лучом (лучом зондирования) посылают на исследуемых образец: атом, молекулу или твердое тело, — а также тонко контролируют задержку между ними.

Важно при этом, что изначальное разделение лучей когерентно. Это означает, что складывание лучей зондирование и накачки приводит к эффектам биений. Эти биения, с одной стороны, чувствительны к аттосекундным масштабам, на которых происходят атомные или молекулярные процессы, с другой — достаточно низкочастотны, чтобы их можно было исследовать.

В заключении приведу небольшой список того, что я выкладывал здесь по этой теме:
Пара аттосекундных импульсов запутала молекулярный катион и фотоэлектрон
Ядерное движение оказалось важным для фотоионизации молекулы водорода
Фотоионизация молекулы через резонанс формы потребовала более точной теории
Беспорядок в больших водных кластерах ограничил время их ионизации

Сегодняшний вечер я провел в студии звукозаписи. Зачем спросите вы?

Дело в том, что меня позвали соведущим на целый сезон в подкаст "Это вам не сказки", где учёные отвечают на вопросы детей о том правдивы ли вещи, которые показывают в сказках и мультиках. Я буду отвечать там за физику.

Пилотный выпуск пока только записали, выйдет он скорее всего в конце осени

Поговорим про компьютерное зрение. А точнее, про 3D-реконструкцию объектов, которая нужна всем: от археологов до специалистов по спецэффектам.

Дешевле и безопаснее сделать это, просто сняв объект на камеру под разными углами. Но дальше нужно применить какой-нибудь умный алгоритм, который найдёт одни и те же точки сцены на разных кадрах и сопоставит им координату в трёхмерном пространстве, а заодно текстуру и цвет.

В последние годы для этого стали использовать нейросети, которые обучают с помощью техники обхода лучей — это когда луч как бы испускается, наоборот, из объектива камеры, и алгоритм считывает все, что он встречает на своем пути. В теории, точек в каждом луче бесконечное количество, как и самих лучей, и всех их учесть невозможно. Поэтому обычно точки отбирают в дуче с некоторым равномерным шагом.

Группа исследователей под руководством Евгения Бурнаева из AIRI решила сделать этот выбор умнее и предложила внедрить в рендеринг этап грубого представления поверхности некоторого объекта в виде сфер. Новый алгоритм выбирает не все точки луча, а лишь те, которые лежат внутри какой либо сферы (см гифку). О том, что у них вышло, читайте в новом тексте на сайте Института

В твиттере вирусится видео с черным пламенем. В нем пламя, в котором горит поваренная соль, освещается натриевой лампой, из-за чего оно кажется пугающе черным.

Это прекрасная иллюстрация к закону излучения Кирхгофа, которое связывает способность тела излучать со способностью поглощать. Все дело в атомах натрия, которые образуются после распада молекул NaCl в пламени. Будучи возбужденными нагревом, они высвечивают почти монохроматический свет на длине волны 589 нм (на самом деле, бихроматический — там спектральный дублет). Если говорить детальнее, за счет соударений с другими атомами некоторая часть атомов натрия (не самая бо́льшая, на минуточку) переходит в возбужденное состояние, откуда релаксирует в основное, излучая оранжевый цвет.

Ровно то же самое происходит и в натриевой лампе, ярким цветом которой освещено пламя. Частота этого света находится в резонансе с переходом электронов, соответствующим линии 589 нм. Поэтому остальная часть атомов охотно поглощает это излучение, из-за чего пламя кажется чёрным.

Многим кажется парадоксальным, что Солнце называют близким к абсолютно чёрному телу, ведь оно такое яркое. Но если бы мы могли осветить его светилом с тем же спектром, но многократно более ярким, чем оно само, мы бы увидели, что Солнце такое же чёрное, как пламя на видео

Не физика и не искусственный интеллект, но тоже наука!

Я не только ученый и журналист, но еще и татарин. И как многие татары, я обожаю пить чёрный чай с молоком и чувствую себя прекрасно. Но в Китае с этим, кажется, не всё так хорошо.

Если верить новому исследованию, опубликованному в журнале Journal of Affective Disorders, в молодёжь в Поднебесной только начинает знакомиться с этим напитком, что вызывает тревогу у тамошних медиков. Учёные провели крупномасштабное перекрестное исследование с участием 5281 студента, в ходе которого они пришли к выводу, что чай с молоком не только вызывает привыкание, но и также как-то связан с развитием депрессии, тревоги и суицидальных мыслей. По мнению авторов, правительство должно защитить китайскую молодёжь, установив новые пищевые стандарты в стране.

Не знаю, как вам, но мне выводы исследователей кажутся очень комичными. Самое смешное, что большинство (77%) участников исследования употребляли как минимум 6-11 чашек чая с молоком (барабанная дробь!) в год. Я не медик и не биолог, но что-то мне подсказывает, что это не очень значимые цифры. Впрочем, раз экспертизы нет, однозначно судить не могу, все-таки статья прошла рецензирование в журнал с IF 6.6

С этого года, если помните, я веду потоковые лекции по атомной физике у студентов казанского физфака — не так давно я закончил обзор экспериментальных основ и перешёл непосредственно к квантовой механике. Курс я собираю заново, используя самые разные источники. И здесь сказывается профдеформация от научной журналистики, которая запрещает мне утверждать что-то на большую аудиторию без веских на то оснований.

Но что это за основания? Конечно же, это достоверные источники. И тут я столкнулся с неожиданным и неприятным явлением, которое, как мне кажется, наиболее ярко выраженно именно в преподавании атомной физики.

Оказалось, что учебники, по которым учился я и которые до сих пор используют студенты, местами вводят нас в заблуждение. Например, Савельев в третьем томе своего курса под названием «Оптика, атомная физика, физика атомного ядра и элементарных частиц» называет Бальмера физиком, хотя к физике этот человек никакого отношения не имел, несмотря на оставленный в ней след. Иоганн Якоб Бальмер был чистым математиком, конкретнее, занимался изысканиями в области геометрии. Но популярным его сделала одноименная формула, которую, если верить одной из версий, он вывел на спор на основе чисел, соответствующих длинам волн спектральных линий водорода.

Но то безобидный пример. А вот Матвеев в учебнике «Атомная физика» допустил куда более грубую ошибку. Он сравнивает эффект Рамзауэра — Таунсенда, то есть парадоксальное прохождение электронов сквозь атомы газа без какого либо рассеяния, с пятном Пуассона, которое наблюдают при дифракции света на непроницаемом круглом экране. На самом же деле этот эффект имеет родство с эффектом просветленной оптики, в основе которого лежит другой механизм.

Таких примеров можно найти довольно много. Самое неприятное в том, что такие ошибки потом мигрируют в другие источники: статьи, книги, да и просто тексты в интернете. Впрочем, мне сложно обвинять авторов: это у меня есть интернет с мгновенным доступом к почти любой статье мира и огромная база оцифрованных книг под рукой. А в советские времена моим коллегам приходилось днями торчать в библиотеке, чтобы написать одну небольшую главу, поэтому ошибки или недоработки здесь неизбежны

Ну и в продолжении темы ошибок в учебниках.

Вот вам обложка 6-го издания легендарного задачника Иродова, выпущенного в 2000 году. Именно по этому изданию я учился сам и вёл пары.

Ошибка здесь прямо на обложке: обратите внимание на элементарный заряд. Он не только приведен в метрах в секунду, но и лишён минуса перед 19 в порядке.

В более современных переизданиях это чудовищное недоразумение, к счастью, исчезло

Ничего необычного. Просто один из слайдов к лекции по атомке, которую я готовлю к понедельнику🤓

Прошло ровно два месяца с тех пор, как я прошёл Quantum Break и анонсировал разбор физики из игры. Как и ожидалось, для этого потребовалась куча времени, и работа пока не закончена.

Но есть кое-что, о чём хотелось бы рассказать заранее. Это находка, связанная с одной из формул, которую можно встретить в игре. Я смог найти её в методическом пособии Хельсинкского университета, которое составил научный консультант игры. И в методичке он упоминает Quantum Break! Если меня когда-нибудь позовут что-то консультировать, я, пожалуй, сделаю так же :).

Примечательно также и то, что на эту формулу отреагировал издатель N + 1 Андрей Коняев, который, помимо прочего, преподает на мехмате МГУ. Он тут же дал по поводу неё развернутый комментарий в редакционном чате. Увидеть саму формулу и комментарии Коняева вы можете в свежем блоге на сайте энки
https://nplus1.ru/blog/2023/10/30/quantum-break

Вы знали, что молекулярная биология бывает «сухая»? В отличие от «мокрых» биологов, которые экспериментируют с растворами в лаборатории, чтобы определить их свойства, их «сухие» коллеги большую часть времени проводят за компьютерами, которые решают ту же самую задачу, но с помощью симуляции.

В последние годы для этого стали приспосабливать глубокое обучение на графовых нейронных сетях. Граф — это абстрактная совокупность точек и связей между ними, и для описания молекулы такая структура подходит как нельзя лучше: все, кто не прогуливал химию, помнят эти каркасы из шариков и стержней, что стояли почти в любом кабинете.

Чтобы машинное обучение здесь работало, модель нужно обучить на известных примерах: парах знаний о структуре и составе молекулы и знаний о каких-либо её свойствах (например, токсичности). И без «мокрой» биологии тут никуда, но собирать такие данные долго и дорого.

Вместе с тем, часть неявных закономерностей, определяющих химические свойства молекул, уже заложена в самих молекулах безо всяких вычислений. Другими словами, один только факт того, что та или иная комбинация атомов образует стабильную молекулу — сам по себе источник информации. На этом принципе основана техника самообучения, которая позволяет подготовить нейросеть к основной задаче на большом объеме неразмеченных данных — базе существующих молекул с непроверенными в лаборатории свойствами, — после чего применить ее к малому объему с размеченными данными. Так можно получить предсказательную модель, обойдясь малым числом «мокрых» экспериментов.

Работая в этом направлении, команда ученых из ВШЭ, AIRI и МИСиС под руководством Ильи Макарова добилась прироста точности расчётов, применив дескрипторный язык к представлению молекул. О том, в чём именно заключается их идея, читайте в свежем блоге на сайте AIRI