Современные микроэлектронные технологии — как «Десять негритят». Стоимость разработки и оборудования так велика, что с каждым новым шагом вперёд кто-то отваливается. После новости об отказе GlobalFoundries от разработки 7 нм их осталось трое: TSMC, Intel и Samsung. А что такое, собственно “проектные нормы” и где там тот самый заветный размер 7 нм? И есть ли он там вообще?


Рисунок 1. Транзистор Fairchild FI-100, 1964 год.

Самые первые серийные МОП-транзисторы вышли на рынок в 1964 году и, как могут увидеть из рисунка искушенные читатели, они почти ничем не отличались от более-менее современных — кроме размера (посмотрите на проволоку для масштаба).

Десятого июля 1962 года с космодрома на мысе Канаверал стартовала ракета “Тор” с первым коммерческим телекоммуникационным спутником на борту. Telstar-1 стал зарей новой эры космонавтики, показавшей, что космос может приносить людям реальную пользу. Этот аппарат ждало большое будущее, но днем раньше в небе над атоллом Джонсон, расположенном в пустынной части Тихого океана, взорвалась атомная бомба Starfish Prime. Взрыв уничтожил три сотни уличных фонарей на расположенных в полутора тысячах километров Гавайях, а также создал огромное количество свободных электронов, подхваченных магнитным полем Земли в рукотворный радиационный пояс. Каждый раз, когда Telsat-1 проходил через этот пояс, продвинутая транзисторная начинка набирала дозу радиации, и уже к ноябрю 1962 года он перестал работать. С изучения последствий этого инцидента началась история защиты космической электроники от радиации.

С высотными ядерными взрывами, к счастью, довольно быстро завязали, но и без них работы достаточно, и требования по надежности и долговечности, предъявляемые к современным спутникам, становятся все амбициознее. Рассказать обо всем невозможно, но я постараюсь кратко осветить прошлое и настоящее космических микропроцессоров из разных стран. Почему именно микропроцессоров? Про них больше всего информации и они лучше понятны неспециалистам. Статья получилась длинной, поэтому я разбил ее на две части: ранняя история на примере США и Европы (под катом) и современная – на примере России (вот тут). Поехали!

Несмотря на желтый заголовок, дальше будет не желтая статья. Всех нас (я надеюсь именно здесь я наконец-таки смогу сказать от всего сообщества) уже достали действия Роскомнадзора. А также его постоянное появление в рекомендованном на хабре. Поэтому эта новость вам понравится. Хоть что-то важное. Новость кстати еще от декабря 2018.

В ста километрах от Москвы, рядом с наукоградом Протвино, в лесах Подмосковья закопан клад в десятки миллиардов рублей. Выкопать и украсть его нельзя — навечно упрятанный в землю, он несет ценность только для истории науки. Речь идет об ускорительно-накопительном комплексе (УНК) Института физики высоких энергий Протвино — законсервированном подземном объекте размером почти с Большой адронный коллайдер.

Длина подземного кольца ускорителя — 21 км. Основной тоннель диаметром 5 метров проложен на глубине от 20 до 60 метров (в зависимости от рельефа местности). Кроме того, было построено множество вспомогательных помещений, связанных с поверхностью вертикальными шахтами. Если бы протонный коллайдер в Протвино удалось сдать в срок раньше БАК, в мире фундаментальной физики появилась бы новая точка притяжения. Далее — об истории главного советского коллайдера, на котором могла бы коваться физика будущего.

В первой части этого текста мы рассмотрели камеры глубины на основе структурного света и измерения round-trip задержки света, в которых в основном применяется инфракрасная подсветка. Они отлично работают в помещениях на расстояниях от 10 сантиметров до 10 метров, а главное — весьма дешевы. Отсюда массовая волна их текущего применения в смартфонах. Но… Как только мы выходим на улицу, солнце даже сквозь облака засвечивает инфракрасную подсветку и их работа резко ухудшается. 

Как говорит Стив Бланк (по другому поводу, впрочем): «Хотите успеха — выходите из здания». Ниже речь пойдет про камеры глубины, работающие вне помещений. Сегодня эту тему сильно двигают автономные автомобили, но, как мы увидим, не только.


Источник: Innoviz Envisions Mass Produced Self-Driving Cars With Solid State LiDAR

Итак, камеры глубины, т.е. устройства снимающие видео, в каждом пикселе которого расстояние до объекта сцены, работающие при солнечном свете!

Кому интересно — добро пожаловать под кат!

В прошлой главе мы видели, как нейросети могут самостоятельно обучаться весам и смещениям с использованием алгоритма градиентного спуска. Однако в нашем объяснении имелся пробел: мы не обсуждали подсчёт градиента функции стоимости. А это приличный пробел! В этой главе я расскажу быстрый алгоритм для вычисления подобных градиентов, известный, как обратное распространение.

Впервые алгоритм обратного распространения придумали в 1970-х, но его важность не была до конца осознана вплоть до знаменитой работы 1986 года, которую написали Дэвид Румельхарт, Джоффри Хинтон и Рональд Уильямс. В работе описано несколько нейросетей, в которых обратное распространение работает гораздо быстрее, чем в более ранних подходах к обучению, из-за чего с тех пор можно было использовать нейросеть для решения ранее неразрешимых проблем. Сегодня алгоритм обратного распространения – рабочая лошадка обучения нейросети.

Примечание

Перед вами – перевод свободной онлайн-книги Майкла Нильсена «Neural Networks and Deep Learning», распространяемой под лицензией Creative Commons Attribution-NonCommercial 3.0 Unported License. Мотивацией к его созданию послужил успешный опыт перевода учебника по программированию, "Выразительный JavaScript". Книга по нейросетям тоже достаточно популярна, на неё активно ссылаются авторы англоязычных статей. Её переводов я не нашёл, за исключением перевода начала первой главы с сокращениями.

Желающие отблагодарить автора книги могут сделать это на её официальной странице, переводом через PayPal или биткоин. Для поддержки переводчика на Хабре есть форма «поддержать автора».

Введение

Этот учебник подробно расскажет вам о таких понятиях, как:

• Нейросети — прекрасная программная парадигма, созданная под влиянием биологии, и позволяющая компьютеру учиться на основе наблюдений.
• Глубокое обучение – мощный набор техник обучения нейросетей.

Нейросети (НС) и глубокое обучение (ГО) на сегодня дают наилучшее решение многих задач из областей распознавания изображений, голоса и обработки естественного языка. Этот учебник научит вас многим ключевым концепциям, лежащим в основе НС и ГО.

Лидар совершенно необходим для робомобилей – и вот, как работают некоторые из ведущих датчиков

Лидар, или световой радар, это технология, критически важная для создания робомобилей. Датчики предоставляют компьютеру трёхмерное облако точек, обозначающее окружающее автомобиль пространство, а его концепт помог командам выиграть конкурс DARPA Urban Challenge в 2007 году. С тех пор системы лидаров стали стандартом для робомобилей.

В последние годы были созданы десятки стартапов, работающих с лидарами, и соревнующимися с лидером индустрии Velodyne. Все они наобещали более приемлемые цены и улучшенную эффективность работы. В 2018 году журнал Ars уже делал подборку основных тенденций в индустрии лидаров, и описал, почему эксперты ожидали появления улучшенных и менее дорогих систем в ближайшие несколько лет. В той статье не было подробностей по поводу самих компаний – в основном потому, что они держали информацию о работе своей технологии в тайне.

В подборке речь пойдет про разрешенные носимые (маломощные) радиостанции разрешенного диапазона (LPD433/PMR446).

Это недорогие китайские рации типа Baofeng и Xiaomi, а также аксессуары к ним.

Знакомство с машинным обучением и библиотекой TensorFlow похоже на первые уроки в автошколе, когда вы мучаетесь с параллельной парковкой, пытаетесь переключить передачу в нужный момент и не перепутать зеркала, лихорадочно вспоминая последовательность действий, в то время как ваша нога нервно подрагивает на педали газа. Это сложное, но необходимое упражнение. Так и в машинном обучении: прежде чем использовать современные системы распознавания лиц или алгоритмы прогнозирования на фондовом рынке, вам придется разобраться с соответствующим инструментарием и набором инструкций, чтобы затем без проблем создавать собственные системы.

Новички в машинном обучении оценят прикладную направленность этой книги, ведь ее цель — познакомить с основами, чтобы затем быстро приступить к решению реальных задач. От обзора концепций машинного обучения и принципов работы с TensorFlow, вы перейдете к базовым алгоритмам, изучите нейронные сети и сможете самостоятельно решать задачи классификации, кластеризации, регрессии и прогнозирования.

Монин Илья Алексеевич, к.т.н., МГТУ им.Баумана., imoninpgd@gmail.com

Критика существующего Теоретического объяснения Подъёмной Силы на крыле самолёта

Прослушав курс лекций МФТИ Факультет аэромеханики и летательной техники (ФАЛТ) «Введение в Аэродинамику» и прочитав несколько разных ВУЗовских учеников по «Аэродинамике» [1-3], я был озадачен рядом явных противоречий в объяснениях физики процесса обтекания потоком воздуха (газа или идеальной жидкости) различных твёрдых предметов и формирования подъёмной силы на крыле.

1. Основной тиражируемой Версией образования подъёмной силы на крыле заявляется разность скоростей течения воздуха (жидкости) над крылом и под крылом, и вследствие этого возникает перепад давления согласно Закону Бернулли. При этом однозначно связывают через закон Бернулли расчётную скорость потока на поверхности крыла с инструментально регистрируемым давлением на крыло, игнорируя другие возможные объяснения на основе не менее базовых законов физики.
2. При анализе обтекания идеальной невязкой жидкостью профилей в плоских течениях удивительным образом получали кратное повышение скоростей потока в сравнение с базовой скоростью V0. То есть опровергается закон сохранения энергии, так как энергия на разгон потока берётся ниоткуда, кратно превышая энергию набегающего на крыло потока. При этом игнорируется постулат гидродинамики, что по тому же закону Бернулли при истечении струи из-под уровня скоростной напор однозначно ограничивается сверху статическим напором в сосуде, то есть скоростной напор струи после разгона на крыле не может превысить статического давление сжатой при торможении среды.

В современном мире многие люди интересуются наукой и техникой и пытаются хотя бы в общих чертах понять, как работают вещи, которые их окружают. Благодаря этому стремлению к просвещению существует научно-просветительская литература и сайты, подобные Гиктаймсу. А поскольку читать и воспринимать ряды формул большинству людей затруднительно, то излагаемые в подобных изданиях теории неизбежно подвергаются значительному упрощению в попытке донести до читателя «суть» идеи с помощью простого и понятного объяснения которое легко воспринять и запомнить. К сожалению, некоторые из подобных «простых объяснений» являются в корне неверными, но при этом оказываются настолько «очевидными», что не подвергаясь особому сомнению начинают кочевать из одного издания в другое и нередко становятся доминирующей точкой зрения, несмотря на свою ошибочность.

В качестве одного из примеров попробуйте ответить на простой вопрос: «откуда возникает подъемная сила в крыле самолета»?



Если в Вашем объяснении фигурируют «разная длина верхней и нижней поверхности крыла», «разная скорость потока воздуха на верхней и нижней кромках крыла» и «закон Бернулли», то я вынужден Вам сообщить, что Вы скорее всего стали жертвой популярнейшего мифа, который преподают порою даже в школьной программе.

Ещё в 2013 году я публиковал статью Старая реклама сотовых телефонов и смартфонов (с 1980-х годов по конец 2000-ых), там можно понаблюдать за самыми яркими телефонами с 1980-х годов.

Но в этот раз я хочу проследить именно за смартфонами — коммуникаторами, умными телефонами, фаблетами, плафонами и другими устройствами того же типа, одно только определение названия которых вызывало баталии среди гиков. И поэтому начать нужно именно с IBM Simon, выпущенного более 20 лет назад. Затем мы перейдём к устройствам на Symbian, появлению первого iPhone и первого Android-смартфона от HTC, вспомним устройства от Nokia и завершим путешествие новейшими гаджетами, представленными в 2016 году.

В комментариях прошу делиться воспоминаниями и давать ссылки на собственные обзоры.

Если в статье не хватает конкретной модели — пожалуйста, напишите о ней в комментариях с изображением. Так мы сделаем «Эволюцию» более полной.

IBM Simon

IBM Simon имел большой монохромный дисплей 4,7 дюйма с разрешением 160х293 пикселя, а весил полкило без учёта док-станции. Эта футуристическая для того времени смесь компьютера и телефона без клавиатуры, но с сенсорным экраном, совместила в себе мобильник, пейджер, органайзер, почту, будильник. Работал гаджет на 16-битном процессоре Vadem VG-230 16 МГц. Кстати, оперативной памяти тут был целый мегабайт. Хотите посмотреть, что внутри? Читайте разбор на Хабре, а в посте на Geektimes читайте, как на этот гаджет можно загрузить картинки.

Передача электроэнергии без проводов, это способ передачи электрической энергии без использования токопроводящих элементов в электрической цепи.

В конце XIX века открытие того, что при помощи электричества можно заставить светиться лампочку, вызвало взрыв исследований, целью которых было найти наилучший способ передачи электроэнергии.

Статья на перевод предложена alessandro893. Материал взят с обширного справочного сайта, описывающего, в частности, принципы работы и устройство радаров.

Антенна – это электрическое устройство, преобразующее электроэнергию в радиоволны и наоборот. Антенна используется не только в радарах, но и в глушилках, системах предупреждения об облучении и в системах коммуникаций. При передаче антенна концентрирует энергию передатчика радара и формирует луч, направляемый в нужную сторону. При приёме антенна собирает возвращающуюся энергию радара, содержащуюся в отражённых сигналах, и передаёт их на приёмник. Антенны часто различаются по форме луча и эффективности.


Слева – изотропная антенна, справа – направленная

Дипольная антенна

На Хабре периодически появляются обзоры курсов по машинному обучению. Но такие статьи чаще добавляют в закладки, чем проходят сами курсы. Причины для этого разные: курсы на английском языке, требуют уверенного знания матана или специфичных фреймворков (либо наоборот не описаны начальные знания, необходимые для прохождения курса), находятся на других сайтах и требуют регистрации, имеют расписание, домашнюю работу и тяжело сочетаются с трудовыми буднями. Всё это мешает уже сейчас с нуля начать погружаться в мир машинного обучения со своей собственной скоростью, ровно до того уровня, который интересен и пропускать при этом неинтересные разделы.

В этом обзоре в основном присутствуют только ссылки на статьи на хабре, а ссылки на другие ресурсы в качестве дополнения (информация на них на русском языке и не нужно регистрироваться). Все рекомендованные мною статьи и материалы я прочитал лично. Я попробовал каждый видеокурс, чтобы выбрать что понравится мне и помочь с выбором остальным. Большинство статей мною были прочитаны ранее, но есть и те на которые я наткнулся во время написания этого обзора.

Обзор состоит из нескольких разделов, чтобы каждый мог выбрать уровень с которого можно начать.
Для крупных разделов и видео-курсов указаны приблизительные временные затраты, необходимые знания, ожидаемые результаты и задания для самопроверки.

Адиабатический компьютер компании D-Wave

Статья завершает цикл публикаций, посвященных критическому анализу квантовой магии: geektimes.ru/post/285378 и geektimes.ru/post/285490. Этот термин почему-то сильно раздражает некоторых адептов новой религии. Но я его не выдумал, а позаимствовал у одного из ее жрецов или, по-меньшей мере, посвященных, пытавшегося издавать журнал и написавшего книгу с таким названием royallib.com/book/doronin_sergey/kvantovaya_magiya.html. Кроме того, название американской компании MagicQ, занимающейся квантовыми системами кодирования, содержит в себе часть заголовка этой статьи до дефиса. Здесь я пытался порассуждать о существующих в реальном мире технологиях, которые принято связывать с квантовой запутанностью в смысле парадокса ЭПР.

Не удивлюсь, если многие думают, что первую частную ракету в космос запустил Илон Маск со своей компанией SpaceX. Это не так — Falcon 1 стал первой жидкостной ракетой, разработанной на частные средства и достигшей орбиты. Первой ракетой, разработанной на частные средства и вышедшей на орбиту стал твердотопливный Pegasus еще в 1990 году. А первой ракетой, разработанной на частные средства и достигшей космоса стала Conestoga I еще в 1982 году. На обочине дороги частного космоса лежат обломки компаний, которые когда-то проиграли и были забыты. Иногда у них интересная судьба — например, тестовые стенды для двигателей закрытой Beal Aerospace в МакГрегоре купила SpaceX и использует по тому же назначению. История неудач прекративших свое существование частных космических компаний поучительна и достойна сохранения в памяти.

Хитроумная конфигурация промышленных лазеров сделает наконец лазерное оружие практичным

Самое продвинутое лазерное оружие морфлота США выглядит как дорогой телескоп для новичков. Оно возвышается на шасси десантного транспорта USS Ponce и глядит в небо над Персидским заливом, в то время как его оператор сидит в тёмной комнате где-то на корабле, и держит в руках нечто вроде игрового контроллера. Перед ним на экране видно небольшую лодку, расположенную недалеко от Ponce, везущую некий тёмный объект. Инфракрасный луч, направленный прямо на этот объект, не видно, но одна из точек вдруг становится ярче, а потом объект внезапно взрывается, и металлические осколки разлетаются от него, падая в воду.

Это оружие, на скорую руку собранное из нескольких промышленных лазеров, предназначенных для резки и сварки, должно выдавать всего около 30 кВт – и это далеко не тот мегаваттный монстр, о котором много десятилетий мечтают военные учёные, способный сбивать МБР. Но это, как говорят его сторонники, серьёзная веха на пути к будущему, в котором оружие с направленной энергией будет развёртываться в реальных боевых условиях. Они добавляют, что это будущее появится в результате изменений миссии и технологии. Изменения в миссии идут уже годами – от глобальной защиты от «ненадёжных государств», обладающих ядерным оружием, к локальной защите от повстанцев. Изменения в технологии происходят резче, и ведут к новым твердотельным оптоволоконным лазерам. Они составляют основу быстрорастущей индустрии в США объёмом в $2 млрд, заново создавшей имевшиеся в наличии технологии для резки и сварки металлов, и масштабирующей их до ещё большей мощности, имеющей разрушительный эффект.

Сегодня существует большое количество программных инструментов для создания моделей Machine Learning. Первые такие инструменты формировались в среде ученых и статистиков, где популярны языки R и Python, исторически сложились экосистемы для обработки, анализа и визуализации данных именно на этих языках, хотя определенные библиотеки машинного обучения есть и для Java, Lua, С++. При этом интерпретируемые языки программирования существенно медленнее компилируемых, поэтому на интерпретируемом языке описывают подготовку данных и структуру моделей, а основные вычисления проводят на компилируемом языке.

В данном посте мы расскажем преимущественно о библиотеках, имеющих реализацию на Python, поскольку этот язык обладает большим количеством пакетов для интеграции в разного рода сервисы и системы, а также для написания различных информационных систем. Материал содержит общее описание известных библиотек и будет полезен прежде всего тем, кто начинает изучать область ML и хочет примерно понимать, где искать реализации тех или иных методов.