Замечательный преподаватель Тимофей Хирьянов продвигает в массы программирование. По его инициативе и спонсировании МФТИ мы имеем прекрасные лекции по практике программирования на Python 3.*.
Иногда доставляют комментарии х)
Учёные Г. К. «Нейроботикс» («Нейроассистивные технологии») и Лаборатории нейроробототехники Московского физико-технического института (МФТИ) научились использовать электрическую активность мозга для воссоздания изображений, которые видит человек.
«Энцефалограмма — следовой сигнал от работы нервных клеток, снимаемый с поверхности головы. Раньше считалось, что исследовать процессы в мозге по ЭЭГ — это все равно, что пытаться узнать устройство двигателя паровоза по его дыму. Мы не предполагали, что в ней содержится достаточно информации, чтобы хотя бы частично реконструировать изображение, которое видит человек. Однако оказалось, что такая реконструкция возможна и демонстрирует хорошие результаты. Более того, на ее основе даже можно создать работающий в реальном времени интерфейс «мозг — компьютер». Это очень обнадеживает. Сейчас создание инвазивных нейроинтерфейсов, о которых говорит Илон Маск, упирается в сложность хирургической операции и то, что через несколько месяцев из-за окисления и естественных процессов они выходят из строя. Мы надеемся, что в будущем сможем сделать более доступные нейроинтерфейсы, не требующие имплантации», — подчеркнул один из авторов работы, младший научный сотрудник МФТИ и программист-математик компании «Нейроботикс» Григорий Рашков.
Существующие решения по распознаванию изображений с помощью сигналов мозга используют функциональную магнитно-резонансную томографию (фМРТ) или анализ получаемого непосредственно с нейронов сигнала. А разработка учёных из МФТИ и «Нейроботикс» использует электроэнцефалограмму (ЭЭГ), снимаемую с поверхности головы, и нейросети, которые в реальном времени реконструируют просматриваемое человеком видео.
В рамках первой части эксперимента испытуемым показали 10-секундные видеоролики с YouTube («абстракции», «водопады», «лица людей», «скорость» — видеосъемку от первого лица гонок на снегоходах, водных мотоциклах, ралли — и «движущиеся механизмы»), снимая при этом показатели ЭЭГ общей продолжительностью 20 минут. Собранные данные позволили доказать, что частотные характеристики волновой активности (спектры) ЭЭГ для разных категорий видеороликов достоверно различаются и позволяют в реальном времени анализировать реакцию мозга на видео.
Во второй части эксперимента на основе трёх произвольно выбранных роликов были созданы две нейросети: первая генерировала произвольные изображения этих же категорий из «шума», вторая — создавала похожий «шум» из ЭЭГ. После того учёным удалось работать нейросети совместно, что позволило по записанному сигналу ЭЭГ воспроизводить кадры, похожие на те, которые видели люди в момент записи. В итоге в 90% случаев удалось получить кадры, которые совпадали с изначальным видеороликом.
Школа глубокого обучения (Deep Learning School) - учебная организация на базе ФПМИ МФТИ.
Занятия ведут студенты и выпускиники Физтех-школы прикладной математики и информатики МФТИ.
Цель курсов - познакомить слушателей с теорией и практикой глубокого обучения (нейронных сетей) в интерактивном формате.
Подать заявку можно до 22 сентября на сайте.
Источник: https://tlg.name/backtoschool/118
Физики из МФТИ сконструировали мемристор второго порядка и тем самым еще на шаг приблизились к созданию аналогового нейрокомпьютера. Легендарного, хотя пока и гипотетического устройства, которое копирует работу человеческого мозга при помощи иных механизмов. Ранее российские физики доказали несостоятельность мемристоров первого порядка, но на второй тип возлагают большие надежды.
Мемристором называется устройство для моделирования работы синапса, который хранит часть информации в виде связи с прочими синапсами. Но если им не пользоваться, не пропускать сигнал, связь ослабевает вплоть до полного исчезновения. Кроме того, работа синапса может быть разрушена под влиянием иных факторов, что открывает дорогу к моделированию и изучению такого явления, как забывание воспоминаний. В будущем нейрокомпьютере мемристоры выполняют функцию базовых «кирпичиков», из которых и выстроена его архитектура.
Мемристоры первого порядка строилось на базе проводящих мостов наноразмера, которые оказались недолговечны – они самопроизвольно разрушались в процессе эксплуатации. Для второго поколения взяли сегнетоэлектрический оксид гафния, который под влиянием электрических импульсов переходит в состояния низкого, либо высокого сопротивления. Сложнее всего было подобрать правильную толщину пластины – экспериментально ученые установили, что нужно 4 нанометра и ни одним нанометром больше.
Мемристор второго порядка успешно прошел 100 млрд тестов на выносливость и продолжать испытания не стали. Но помимо долговечности он обладает еще одним интересным свойством – из-за несовершенства технологий на границе между оксидом гафния и кремниевой подложкой сохраняются дефекты. Пока импульсы проходят часто, они пробивают этот барьер, но при бездействии проводимость начинает ослабевать, что и позволяет имитировать свойство синапса «забывать» информацию через разрушение связи.
Практической пользы от мемристоров второго порядка пока немного. Например, ученые спорят о том, каким должен быть механизм переключения мемристоров. Затем нужно научиться создавать на их основе ячейки памяти, с которыми будет удобно работать. И, наконец, разработать архитектуру нейрокомпьютера и проработать вопросы его интеграции с существующей электроникой.
«Закончив физтех, он обладает необходимыми криминальными навыками».
Вчера пронеслось по сети эта мысль, а фамилия автора не известна, хотел узнать - кто оно?
Группа ученых из Института космических исследований РАН, Института водных и экологических проблем СО РАН и Московского физико-технического института предложила способ определения глубины промерзания почвы по данным спутниковой микроволновой радиометрии.
Вечная мерзлота, морские льды, снежные и ледяные покровы, континентальные ледниковые щиты, горные ледники и системы ледяных облаков являются ключевыми компонентами криосферы Земли. Научное исследование криосферы имеет большое значение для решения задач, связанных с изменением климата, региональными водными ресурсами, деградацией вечной мерзлоты и изменением уровня моря. Однако регионы с компонентами криосферы, как правило, характеризуются суровыми климатическими условиями, большой протяженностью и труднодоступностью.
Спутниковая микроволновая радиометрия является наиболее оптимальным методом дистанционного зондирования, который позволяет исследовать недоступные или даже ранее неизвестные места нашей планеты.
«Этот метод имеет ряд преимуществ. Среди них получение данных с обширных площадей, большая частота наблюдений в высоких широтах, независимость сбора данных от солнечной освещенности и атмосферных условий, чувствительность к подповерхностным процессам, а также относительная дешевизна. Мы проверили точность метода на примере Кулундинской равнины — обширной степи южной части Западной Сибири. Для этого потребовалось провести сравнительный анализ данных спутниковой микроволновой радиометрии, реальных параметров почвы и климатических характеристик, полученных на метеостанциях», — рассказал Василий Тихонов, доцент кафедры космической физики МФТИ и старший научный сотрудник ИКИ РАН.
Оказалось, что одинаковые значения данных со спутника могут соответствовать разной глубине промерзания почвы. На это влияет способность почвы к микроволновому излучению, которая может меняться в зависимости от влажности, засоленности, состава и других характеристик. Также ученые выяснили, что однократные измерения с помощью радиометрии не могут дать точных результатов, так как радиоволны отражаются от границ между мерзлым слоем и незамерзшей почвой.
Исследователи включили это в расчет и предложили метод, с помощью которого можно определить глубину промерзания почвы по данным спутника SMOS (Soil Moisture and Ocean Salinity) с высокой точностью. Дистанционное определение глубины промерзания основано на совместном использовании разработанной авторами модели излучения в зависимости от характеристик почвы и ежедневных рядов дистанционных измерений тепловых излучений. Период исследования начинался с даты замерзания, которая определяется по спутнику как резкое возрастание теплового излучения, и завершался началом оттаивания — резкого уменьшения теплового излучения.
Значения толщин мерзлого слоя почвы, измеренные и рассчитанные по модели для четырех исследуемых участков Кулундинской равнины (Алтайский край). Номер участка указан рядом с зависимостью, черные значки соответствуют измеренным значениям, красные треугольники — рассчитанным
Модельные расчеты сверили с реальными измерениями на тестовых участках (рисунок 1). Полученная зависимость достаточно высока, чтобы использовать метод для восстановления значений глубины промерзания почвы по спутниковым данным.
Источник: zanauku.mipt.ru/2019/07/18/uchenye-rasschitali-glubin...
Результаты опубликованы в журнале «Исследование земли из космоса» РАН: https://journals.eco-vector.com/0205-9614/article/view/12723
