Как иммунные клетки находят вирусы среди триллионов собственных клеток? И как учёные научились перепрограммировать их для убийства опухолей? CAR-T терапия — технология, которая ещё недавно казалась фантастикой, а сегодня спасает жизни. В лекции есть видео, где CAR-T клетки уничтожают опухоль в реальном времени.
Аполлинария Боголюбова-Кузнецова — кандидат биологических наук, руководитель управления биомедицинских технологий НМИЦ гематологии Минздрава России — объясняет иммунитет от Мечникова до персонализированных лекарств. Понятно для любого возраста.
Я научился качать архив с тг-канала, и отдавать текст на проверку орфографии нейросети. Дед учится! Теперь, вероятнее, посты будут выходить чаще, а текст в них будет грамотнее. Но это не точно! Штож, с меня интересная угадайка, с вам плюсик, комментик или донатик. Погнали!!!
1. Менеджер паролей NordPass выкатил свой ежегодный топ самых популярных простых паролей. И кто же на первой строчке? 21,6 млн использований.
Выберите правильный ответ
Ответ:правильный ответ № 3 Пояснение:пароль «123456» много лет подряд занимает первое место как самый распространённый из небезопасных паролей.
2. Всё Лабрадор, кроме:
Выберите правильный ответ
Ответ:правильный ответ № 2 Пояснение:Это вопрос другого автора моего тг-канала. 1 — полуостров Лабрадор; 2 — Венгерский кувас; 3 — минерал Лабрадор, из которого преимущественно состоит горная порода Лабрадорит; 4 — море Лабрадор.
3. На схеме выше вы видите эволюционное древо млекопитающих. Кто же из представленных животных может располагаться между тапиром и гималайским медведем, т. е. находится с ними в одной кладе?
Выберите правильный ответ
Ответ:правильный ответ № 3 Пояснение:рукокрылые (летучие мыши) входят в кладу Scrotifera вместе с хищными и всеми копытными (включая китов), к которым относятся медведи и тапиры соответственно.
4. Чей ареал вы видите на карте?
Выберите правильный ответ
Ответ:правильный ответ № 4 Пояснение:из перечисленных животных только ареал ягуара доходит до территории США.
5. Как назывался подмосковный город Королёв до 1996 года?
Выберите правильный ответ
Ответ:правильный ответ № 1 Пояснение:до 1996 года город Королёв назывался Калининградом, до 1938 — Калининский.
6. В каком предложении можно найти ошибку?
Выберите правильный ответ
Ответ:правильный ответ № 2 Пояснение: нормативное написание — «от-кутюр» через дефис. От-кутюр — это не существительное с предлогом, а французское Haute Couture, высшая мода. Пишется через дефис по аналогии с гран-при (фр. grand prix)
7. Сколько лет назад была построена пирамида Хеопса?
Выберите правильный ответ
Ответ:правильный ответ № 3 Пояснение: пирамида Хеопса была построена около 2600 года до н. э., то есть примерно 4600 лет назад. Такой вот небольшой байт.
8. Впервые рождественская ель была задокументирована в XVI веке. Причём записи указывают на то, что ёлка была установлена в 1539 году в соборе. В какой стране сегодня находится этот собор?
Выберите правильный ответ
Ответ:правильный ответ № 2 Пояснение:речь идёт о Страсбургском соборе, который сегодня находится на территории Франции. Вообще, впервые украшенную ель поставили немцы, возможно, лично Мартин Лютер. Но документальные свидетельства идут из Страсбургского собора.
9. На 1 декабря 2025 года у шахматиста из этой страны рейтинг ФИДЕ 2840 по классическим шахматам, что делает его сильнейшим шахматистом сегодня и одним из сильнейших в истории. Из какой он страны?
Выберите правильный ответ
Ответ:правильный ответ № 4 Пояснение:Магнус Карлсен — норвежский шахматист, многократный чемпион мира и обладатель рекордного рейтинга.
10. И ещё один бонусный вопрос от другого автора. Какая часть Мирового океана до начала XIX века называлась Эфиопское море?
Выберите правильный ответ
Ответ:правильный ответ № 1 Пояснение:Вплоть до XIX века южная Африка на многих картах называлась Эфиопией, а южная часть Атлантики — Эфиопским морем или океаном. Сама же современная Эфиопия называлась Абиссинией.
Надеюсь, вам было интересно!
Всё, спасибо всем за внимание. Отдельное спасибо донатерам с прошлых угадаек! Ставьте лукасы авторам, пишите, сколько вы отгадали и подписывайтесь на меня и мой тг-канал "Естественно знаем", где такие тесты выходят чаще. Надеюсь было интересно! Можете поддержать меня донатом:
Бонус для тех, кто дочитывает до конца: В котором из фильмов-сказок знаменитая баба-яга Советского союза Георгий Милляр НЕ играл роль бабки-колдуньи?
Выберите правильный ответ
Ответ:правильный ответ № 1 Пояснение:Старухой-ведьмой в фильме «Вий» был Кутузов Николай Николаевич, который в основном играл эпизодические роли.
Градиентный спуск изобрёл Коши в 1847 году. Метод тяжёлого шарика из 1964-го сейчас в PyTorch. Adam — это momentum + адаптивность. Искусственный интеллект — не магия, а красивые математические трюки. Разбираемся, какие именно.
Александр Безносиков — кандидат физ.-мат. наук, заведующий четырьмя лабораториями (МФТИ, МФТИ-Яндекс, ИСП РАН, Иннополис), лауреат премий «Лидеры ИИ» и Yandex ML Prize, автор 75+ статей — показывает математику под капотом ML: от оптимизации до дифференциальной приватности и обучения с подкреплением.
Вы отправляете сообщения, заходите в банк, передаёте личные данные — по открытым каналам. Почему это безопасно? Ответ не в программировании, а в математике. Модульная арифметика, RSA, протокол Диффи-Хеллмана, эллиптические кривые — всё это построено на идеях, которые можно объяснить на пальцах.
Роман Сизов — математик, криптограф, специалист по информационной безопасности, победитель олимпиад по высшей математике, участник CTF-соревнований — разбирает, как передать секрет по открытому каналу и почему криптосистемы всё равно ломаются.
Исследователи разработали систему автоматической оптимизации последовательности измерений синдромов, позволяющую значительно снизить вероятность логических ошибок в квантовых вычислениях.
Исследование демонстрирует, что различные схемы выполнения измерения синдрома ZZZZZ в поверхностном коде квантовой коррекции ошибок приводят к разным показателям логических ошибок, при этом временные шаги выполнения проверок Паули между кубитами данных и вспомогательными кубитами определяют эффективность каждой схемы.
В статье представлен фреймворк AlphaSyndrome, использующий метод Монте-Карло поиска по дереву (MCTS) для эффективного планирования измерений синдромов в кодах квантовой коррекции ошибок.
Несмотря на критическую важность квантовой коррекции ошибок (QEC) для масштабируемых квантовых вычислений, оптимизация последовательности измерений синдромов остается сложной задачей, определяющей эффективность и стоимость реализации. В статье 'AlphaSyndrome: Tackling the Syndrome Measurement Circuit Scheduling Problem for QEC Codes' представлена автоматизированная платформа AlphaSyndrome, использующая метод Монте-Карло поиска по дереву (MCTS) для оптимизации планирования измерений синдромов в кодах со взаимно коммутирующими стабилизаторами. Разработанный подход позволяет снизить логическую частоту ошибок на 80.6% в среднем, превосходя существующие методы и демонстрируя конкурентоспособность с ручными решениями для поверхностных кодов. Какие перспективы открывает автоматическая оптимизация схем измерений синдромов для реализации надежных и масштабируемых квантовых вычислений на различных архитектурах?
Хрупкость Квантовой Информации
Квантовые вычисления обещают революционные возможности, однако их фундаментальная природа делает их крайне уязвимыми к ошибкам, возникающим из-за явления декогеренции - потери квантовых свойств из-за взаимодействия с окружающей средой. Для защиты этих хрупких квантовых состояний необходима квантовая коррекция ошибок (ККО). Традиционные методы коррекции ошибок полагаются на измерение синдрома - процесса, позволяющего выявить и исправить ошибки, но сам этот процесс может быть осложнен распространением ошибок, когда попытка исправления одной ошибки приводит к появлению новых. Разработка эффективных и надежных методов ККО является ключевой задачей для реализации практических квантовых вычислений, способных решать задачи, непосильные для классических компьютеров.
Процесс коррекции ошибок в коде КЭКК включает измерение синдрома и последующую декодирование с коррекцией.
Коды Стабилизаторов: Основа Квантовой Коррекции Ошибок
Коды стабилизаторов представляют собой значимый класс кодов квантовой коррекции ошибок (ККО), определяющих процесс исправления ошибок посредством набора стабилизирующих операторов. В рамках этого семейства особое внимание уделяется кодам поверхностного типа и цветовым кодам, которые активно исследуются благодаря своим свойствам устойчивости к ошибкам. Эффективность этих кодов напрямую зависит от точного и быстрого выполнения измерений синдрома - процедуры, позволяющей выявить и локализовать ошибки в квантовой информации, не нарушая её состояние. По сути, измерение синдрома позволяет понять, где произошла ошибка, не "подглядывая" за самой квантовой информацией, что принципиально важно для сохранения её целостности.
На представленных кодах поверхности XX и гексагональных кодах цвета, каждый многоугольник представляет собой XX и ZZ стабилизатор, при этом два ZLZL на коде поверхности эквивалентны при умножении на помеченные стабилизаторы.
АльфаСиндром: Интеллектуальное Планирование для Улучшенной Коррекции Квантовых Ошибок
Разработанный подход АльфаСиндром представляет собой новую систему, использующую метод Монте-Карло с деревом поиска (MCTS) для оптимизации порядка измерений синдромов - ключевого этапа в процессе квантовой коррекции ошибок. В отличие от традиционных методов, основанных на поиске кратчайшего пути, АльфаСиндром учитывает специфические характеристики ошибок, динамически адаптируя последовательность измерений. Такой подход, основанный на анализе данных, позволяет добиться впечатляющего снижения вероятности логических ошибок - в среднем на 80.6% - при использовании различных квантовых кодов и декодеров. Более того, АльфаСиндром позволяет значительно сократить требуемый объем вычислительных ресурсов - на 20-90% - за счет уменьшения необходимой "расстояния кода", что делает процесс обнаружения и исправления ошибок значительно эффективнее и практичнее.
AlphaSyndrome демонстрирует стабильную производительность даже при низком уровне физических ошибок.
Расшифровка и Производительность в Реальных Условиях
Исследование демонстрирует, что методика AlphaSyndrome, используемая совместно с классическим декодером, существенно снижает частоту логических ошибок. Особенно заметен эффект в ситуациях, имитирующих несовершенство реального квантового оборудования, где вероятность ошибок неоднородна. Результаты показывают, что AlphaSyndrome достигает производительности, сопоставимой с эталонными показателями Google для ротированных поверхностных кодов. Применительно к коду Bivariate Bicycle, AlphaSyndrome обеспечивает снижение частоты логических ошибок на 44% при использовании декодирования BP-OSD и на 10% при использовании Unionfind декодирования. Максимальное снижение частоты логических ошибок, зафиксированное во всех протестированных конфигурациях, составило впечатляющие 96.2%, что свидетельствует о значительном прогрессе в области коррекции квантовых ошибок.
Сравнение AlphaSyndrome и Google показало, что при использовании неравномерной модели ошибок, AlphaSyndrome демонстрирует более низкие общие логические ошибки, особенно при повышенных ошибках на вспомогательных кубитах.
Исследование, представленное в данной работе, демонстрирует стремление к построению устойчивых алгоритмов для квантовой коррекции ошибок. Подход, основанный на Monte Carlo Tree Search (MCTS) для оптимизации планирования схем измерения синдрома, акцентирует внимание на минимизации скорости логических ошибок - ключевом показателе эффективности квантовых вычислений. Как однажды заметил Джон фон Нейманн: «В науке не существует абсолютной истины, только лучшие приближения.» Эта фраза перекликается с сутью представленного исследования, ведь даже самые передовые алгоритмы квантовой коррекции ошибок представляют собой не идеальное решение, а лишь наилучшее на текущий момент приближение к стабильности и надежности квантовых вычислений. Пусть N стремится к бесконечности - что останется устойчивым? В данном случае, это стремление к минимизации ошибок и повышению точности квантовых операций.
Куда же дальше?
Представленная работа, безусловно, демонстрирует эффективность подхода, основанного на Monte Carlo Tree Search, для оптимизации расписания измерений синдромов в квантовой коррекции ошибок. Однако, триумф алгоритма над существующими методами не должен затуманивать фундаментальные вопросы. Детерминированность результата, воспроизводимость - вот краеугольные камни любой научной работы. Успехи, достигнутые в симуляциях, должны быть подтверждены на реальном квантовом оборудовании, где шум и несовершенство аппаратуры вносят свои коррективы в математическую чистоту расчетов.
Особое внимание следует уделить масштабируемости предложенного подхода. С увеличением числа кубитов и сложности кода коррекции ошибок, вычислительная сложность MCTS возрастает экспоненциально. Необходимо исследовать возможности применения гибридных алгоритмов, сочетающих MCTS с другими методами оптимизации, или разработать новые эвристики, позволяющие эффективно сократить пространство поиска. В противном случае, элегантность решения окажется недостижимой в практических реализациях.
И, наконец, не стоит забывать о более глубоких вопросах. Оптимизация расписания измерений - лишь один из аспектов квантовой коррекции ошибок. Необходимо разрабатывать новые коды, устойчивые к различным типам шума, и исследовать возможности динамической адаптации стратегии коррекции ошибок в зависимости от характеристик аппаратуры. Истинная элегантность заключается не в оптимизации существующего, а в создании принципиально нового.
Ученым удалось обнаружить в межзвездном пространстве гигантские серосодержащие кольца — сложные структуры, само существование которых в открытом космосе долгое время ставилось под сомнение. Эти данные заставляют пересмотреть современные представления о химическом составе Вселенной. Открытие меняет и наше понимание того, как зародилась жизнь на Земле, демонстрируя, что строительные блоки для биологических систем могли сформироваться непосредственно в космических глубинах.
В сердце нашей Галактики ученые обнаружили первую серосодержащую молекулу с шестичленным кольцом, скрывающуюся в межзвездном облаке. Источник: MPE/ NASA/JPL-Caltech
Находка в центре Галактики
Группа исследователей из Института внеземной физики Макса Планка совместно с учеными из Центра астробиологии идентифицировала самую крупную серосодержащую молекулу из когда-либо найденных в космосе — 2,5-циклогексадиен-1-тион (C₆H₆S). Открытие было сделано при наблюдении за молекулярным облаком G+0.693–0.027, расположенным в центре Млечного Пути, на расстоянии около 27 000 световых лет от Земли.
До этого момента астрономам удавалось фиксировать в межзвездной среде лишь простые соединения серы. Обнаружение C₆H₆S меняет правила игры: это сложная структура из 13 атомов, организованных в устойчивое шестигранное кольцо.
«Это первое однозначное обнаружение сложной кольцеобразной молекулы, содержащей серу, в межзвездном пространстве. Это важнейший шаг к пониманию химической связи между космосом и строительными блоками жизни», — отмечает ведущий автор исследования Мицунори Араки (Mitsunori Araki).
По словам ученых, открытие устанавливает прямой «химический мост» между молекулярными облаками и материалами, которые мы находим в кометах и метеоритах Солнечной системы.
Роль серы и химия глубокого космоса
Почему астрофизики ищут именно серу? Этот элемент — не просто химическая добавка, а каркас биологической жизни. Сера входит в состав ключевых аминокислот (таких как метионин и цистеин), без которых невозможен синтез белков и работа ферментов.
Тот факт, что такие массивные молекулы, как 2,5-циклогексадиен-1-тион, способны формироваться и выживать в суровых условиях радиации и вакуума, доказывает: космос — это гигантская химическая лаборатория.
Этот тезис подкрепляется и параллельным исследованием ученых из Орхусского университета. Их эксперименты показали, что на поверхности частиц космической пыли, при экстремально низких температурах, аминокислоты могут самостоятельно собираться в пептиды. Таким образом, процесс усложнения материи — от атомов к кольцам и цепочкам — начинается задолго до формирования планет.
От доставки к катализу
Как эти космические «заготовки» стали жизнью? Основная теория предполагает массивную «доставку» ингредиентов на раннюю Землю посредством кометной и метеоритной бомбардировки.
Однако для возникновения жизни одной доставки мало. Попадая на планету, эти молекулы оказывались в уникальной среде. Земные условия способствовали превращению инертных газов атмосферы и простых элементов в химически активные соединения, необходимые для запуска биологических процессов.
Именно этот тандем — космическая доставка сложной «архитектуры» и земной катализ — объясняет, почему жизнь возникла так быстро. Древнейшие следы биологической активности (например, в графитовых породах Гренландии возрастом 3,7 млрд лет) указывают на то, что биосфера начала формироваться практически сразу, как только планета достаточно остыла. Жизни не нужно было тратить миллионы лет на «изобретение» базовых молекул — они были предоставлены космосом в изобилии.
Заключение
Открытие молекулы C₆H₆S закрывает важный пробел в нашем понимании абиогенеза. Теперь мы видим, что сложные химические структуры — это не уникальная особенность Земли, а, возможно, универсальное свойство Вселенной. Космос обеспечивает «детали конструктора», а планетарные условия собирают их в единое целое.
![🗓 25.01.1947 — Патент на первую видеоигру [вехи_истории]](https://cs16.pikabu.ru/s/2026/01/23/07/4ovsiltt.jpg)
