​​🔖По страничной памяти Intel 80386: 32-битной архитектуре исполнилось 39 лет

17 октября 1985 года — день рождения Intel 80386, первого 32-разрядного процессора для PC. Новинка увеличила вычислительный потенциал чипов того времени более чем в два раза, открыла для пользователей возможности страничной памяти и, неожиданно для самой Intel, укрепила AMD в статусе основного конкурента компании.

Всего на базе Intel i386 компания представила около десятка процессоров для ПК и встраиваемых систем. 32-битная архитектура закрепилась в десктопных чипах производителя вплоть до Pentium III, то есть до конца 90-х. А в Linux поддержка i386 официально прекратилась с релизом ядра версии 3.8 — только в 2012 году!

Больше интересных деталей о третьем поколении x86 — в рубрике #dieshots

Читать заметку ➡

​​📄Что объединяет «Сбер», Tesla, OpenAI и General Motors? Для робототехника ответ очевиден: все эти компании активно работают над созданием роботов-гуманоидов с искусственным интеллектом.

Революция в этой сфере произойдет в ближайшие пять лет, считает руководитель отдела робототехники в YADRO Олег Зобов. С того момента, как в 2016 году он получил в американском Фениксе «малую Нобелевку» за прототип робота-манипулятора, технологии шагнули далеко вперед.

На наших глазах происходит слияние двух направлений инженерной мысли — робототехники и достижений в области ИИ. Прежде развивавшиеся независимо друг от друга, эти линии научного прогресса пересеклись.

Выход на массовый рынок гуманоидных роботов-ассистентов позволит нейросетям беспрерывным потоком получать универсальную информацию для самообучения.

«Мы сможем оперировать теми данными, которые максимально релевантны человеческому опыту. Сегодня поставщик таких данных один — сам человек. Но завтра все изменится — робототехника находится в шаге от того, чтобы наделить искусственный интеллект новой модальностью», — поясняет эксперт.

В интервью «Истовому инженеру» Олег Зобов рассказал про свой путь в профессию, перспективы развития робототехнической отрасли и о том, почему четыре руки у андроида не всегда лучше двух.

Читать интервью ➡

#роботы #AI #ML

​​📄Quake 2 на нашем RISC-V, или как мы поднимали старый Radeon на FPGA

RISC-V активно развивается как основная application-платформа в мире, и на ней уже много раз запускали стандартные программные тесты. А что, если запустить на RISC-V, например, Quake 2? Это новый вызов для экосистемы — особенно в ракурсе интерконнекта и производительности памяти.

Александр Разинков, ведущий инженер-программист группы разработки операционных систем YADRO, сделал это на RISC-V-кластере с двумя ядрами российского производства. В этом ему помог видеоадаптер Radeon 4350, выпущенный в далеком 2008 году. Проект Алексея и его команды вылился в захватывающий инженерный эпос в девяти актах — и колец здесь оказалось больше, чем у Фродо!

Специалисты YADRO покорили Ring 0 и Ring 3, внедрили найденный на неофициальном форуме ATOM BIOS для видеокарты, разобрались с DRM Linux, Dynamic Power Management, а также решили немало других проблем, о чем Александр в подробностях написал в статье.

Из текста вы узнаете:
▪Из чего состоят драйвера видеокарт конца 2000-х;
▪Как можно решить ряд проблем, связанных с этими драйверами;
▪Как Vivado помогает восстанавливать работу старого «железа»;
▪Как быстро работает однопоточный Quake 2 на RISC-V-кластере и Radeon 4350.

Читать статью ➡

#приборы #вычислительнаятехника #highload

​​📖Кнут и никаких пряников: как убить самоорганизацию в команде

«Дедлайн был ещё вчера!» или «Суббота — рабочий день, у нас сроки» — фразы руководителя, который не смог выстроить самоорганизацию команды. При правильном менеджменте сотрудники способны самостоятельно контролировать статус выполнения задач и достигать целей. Для повышения эффективности команды недостаточно проводить только ретроспективы и тимбилдинги — всё немного сложнее.

В новом материале Светлана Болсуновская, стратегический коуч-консультант в YADRO, поделилась полезными книгами и командными активностями, которые помогут выстроить самоорганизацию команды и достигнуть общих целей.

Из статьи вы узнаете:

▪ Какие признаки указывают на отсутствие самоорганизации в команде;
▪ Как неправильное делегирование подрывает инициативу сотрудников;
▪ Почему важно, чтобы сотрудники могли ошибаться;
▪ Как понять, что встречи-ретроспективы не приносят пользы.

Читать ➡

#складума #команднаяработа #практикиуправления #эффективныекоммуникации

​​🔖Как обучить роботизированный манипулятор с помощью веб-камеры?

Вы слышали о компании Hugging Face — создателе платформы для обмена материалами по машинному обучению? Весной эти ребята сделали сказочный подарок всем любителям робототехники и представили LeRobot — PyTorch-платформу с готовыми моделями и датасетами машинного обучения роботизированных манипуляторов. Сделать умный манипулятор теперь может каждый: достаточно заказать детали, собрать роборуку, откалибровать и обучить её движениям по записанному датасету.

В новом материале мы подробно рассказываем о LeRobot и её возможностях. А помогает в этом Олег Зобов, руководитель отдела робототехники производства YADRO.

Читать заметку ➡

Как вам новинка Hugging Face? Видите её применение в своих проектах?

#роботы #ML

📺И восстали машины из пепла ядерного огня: 40 лет со дня выхода фильма «Терминатор»

26 октября 1984 года вышел фильм Джеймса Кэмерона «Терминатор», и он отлично отразил пессимистичный взгляд научной фантастики на будущее. Бюджет фильма был скромным — около 6 млн долларов, однако в мировом прокате он собрал более 78 млн. Изначально кино позиционировали как низкобюджетный боевик о постапокалиптическом будущем, но режиссёрская работа и визуальные эффекты заставляют зрителей пересматривать фильм по сей день.

Сюжет, знакомый многим: машины восстают против людей и из будущего отправляют киборга-убийцу, чтобы помешать человечеству одержать победу. Терминатор, модель T-800, представляет собой металлический каркас, покрытый биологической тканью. На экранах киборг (без человеческой «оболочки») двигался благодаря покадровой анимации. Роль Терминатора досталась Арнольду Шварценеггеру, и, по задумке Кэмерона, робот не должен был много разговаривать. Так, он произнёс 58 слов за весь фильм (в перерасчёте на гонорар Арни — 13 000 долларов за каждое).

Вдохновлённый суперкомпьютером HAL-9000 из «Космической одиссеи» Кубрика, «Терминатор» отражает страхи тех лет перед развитием технологий и неизвестностью будущего. Фильм Кэмерона не только дал старт целой мультивселенной продуктов — от сиквелов и комиксов до тематических парков, но и навсегда вписал себя в дискурс дебатов про трансгуманизм и этику ИИ. Как отметила продюсер фильма Гейл Энн Хёрд, сегодня посыл «Терминатора» даже более актуален, чем 40 лет назад:

«Мы считали, что фильм станет предостережением о том, что нас ждет в будущем, если не обращать внимание на вектор развития технологий. Мы с Джимом знали, что ИИ и робототехника будут развиваться — ни у кого не было сомнений. И хотели, чтобы люди задумались о последствиях. Открыв ящик Пандоры, вы уже не сможете это обратить».

А какие фильмы про роботов порекомендуете вы? Делитесь в комментариях! 🍿

#фильмнавыходные #роботы

📍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