0 просмотренных постов скрыто
Темная материя может превращать экзопланеты в черные дыры
Ученые из Калифорнийского университета в Риверсайде разработали теоретическую модель, согласно которой сверхтяжелая темная материя способна накапливаться внутри газовых гигантов, подобных Юпитеру, и вызывать их гравитационный коллапс в микроскопические черные дыры.
Это не подтвержденное наблюдение, а гипотетический сценарий, зависящий от конкретных параметров темной материи и условий в галактике.
Модель предполагает, что частицы темной материи с массой более миллиона гигаэлектронвольт захватываются гравитацией планеты, оседают в ее ядре и, не аннигилируя, накапливаются до критической массы. В результате может образоваться крошечная черная дыра, которая либо испарится из-за излучения Хокинга, выделяя тепло и частицы, либо поглотит планету изнутри, превратив ее в объект планетной массы. Такие процессы вероятнее в регионах с высокой плотностью темной материи, например, ближе к центру Млечного Пути.
Авторы подчеркивают условность сценария: он требует неаннигилирующей темной материи с определенным сечением взаимодействия. Время до коллапса варьируется от миллионов лет до месяцев в экстремальных случаях, но на сегодня нет наблюдательных подтверждений. Работа предлагает проверять гипотезу через мониторинг температур экзопланет и поиск аномальных сигналов в инфракрасном диапазоне.
Это исследование открывает перспективы для миссий вроде Roman и Habitable Worlds Observatory, которые смогут искать "перегретые" планеты или плането-массовые компактные объекты как косвенные признаки взаимодействия с темной материей. Ученые отмечают, что такие тесты помогут сузить параметры темной материи, остающейся одной из главных загадок физики.
Показать полностью
1
С началом осени!
Я очень люблю собирать различные образы, в каком образе вы хотели бы меня видеть? (скоро будет дроп в офисном стиле 🤭)
Показать полностью
1
Представлена иерархическая модель рассуждений (HRM)
Проблема заключается в том, что большие языковые модели (LLM) имеют ограниченную глубину рассуждений, а техника Chain-of-Thought (CoT) требует много данных, медленная и хрупкая.
Для решения этого предложена HRM (https://arxiv.org/abs/2506.21734) рекуррентная архитектура, вдохновленная иерархической организацией мозга.
Она состоит из двух модулей. Первый модуль это высокоуровневый (медленный, абстрактное планирование), а второй это низкоуровневый (быстрый, детальные вычисления). Между модулями есть иерархическая сходимость, благодаря которой модули работают на разных временных масштабах, предотвращая преждевременную сходимость. Эффективность здесь в двух вещах это экономное использование памяти (обучение с приближённым градиентом) и гибкость так как система сама решает, сколько вычислений ей нужно для конкретной задачи (адаптивное время вычислений, ACT).
В результате модель с всего 27 млн параметров, обученная на 1000 примерах без предобучения и CoT превосходит большие LLM (Claude, o3-mini) на сложных задачах:
ARC-AGI (индуктивные рассуждения): 40.3% vs 34.5% и 21.2%.
Судоку и лабиринты: Почти 100% точность, где CoT-модели показывают 0%.
Показать полностью
2
Прошлым летом
Прошлым летом я познакомился с потрясающей женщиной. Она написала мне в ВК в ответ на объявление о поиске модели в TFP-группе. Я посмотрел ее профиль и подумал: «а почему нет?». Возрастных моделей у меня еще не было, а тут такая возможность!
Фото здесь - это листы (tear-sheets) из журнала, где опубликовали нашу серию. Хоть прошел уже год, но поздравьте меня, - это моя первая публикация. Посылал в журнал фотки без особой надежды, но внезапно их приняли.
Ретушь здесь минимальная. Чуть-чуть сгладил кожу, просто чтобы угодить модели. А по мне и так все было хорошо.
Показать полностью
4
