Влияние А. Пуанкаре и Г. Вейля на науку XX в. было более глубоким
Для Пуанкаре, который создал современную математику, топологию и теорию динамических систем, будущее математики лежало в развитии математической физики, ориентированной на описание релятивистских и квантовых явлений
Между прочим, Пуанкаре объяснял, что только неинтересные задачи могут быть сформулированы четко и решены полностью
Согласно Пуанкаре надо постараться понять, что может быть изменено в формулировке проблемы
Прежде всего он имел в виду вариацию коэффициентов уравнений в бифуркационных задачах и все аргументы типа общего положения — предметы, которые теперь называются теорией особенностей, глобальным и функциональным анализом
Интересно, что факт, который сейчас называют теоремой о версальной деформации, был доказан еще в его диссертации (для случая голоморфных полных пересечений нулевой размерности) как лемма 4 и был основой для его теории бифуркаций
Математика в XX в. главным образом следует пути, указанному Пуанкаре (основная проблема — как однажды мне сказал А. Вейль — состоит в том, что появилось слишком много хороших математиков, тогда как во времена Пуанкаре все видные математика лично знали друг друга)
А.Н. Колмогоров утверждал, что Гильберт был серьезно обеспокоен тем, что может произойти с обложкой Mathematistiche Annalen через 500 лет: он полагал, что имена бывших редакторов могут заполнить слишком много места
Колмогоров же в ответ выражал Гильберту свои опасения насчет того, что наша культура вряд ли просуществует так долго: объединенная бюрократия всех стран сможет в скором времени уничтожить все виды творчества, сделав невозможным дальнейшие математические открытия, как сегодня уже невозможны географические
Уже сейчас можно представить, что некоторые из наиболее привлекательных областей математики трансформируются в заповедники, где богатые люди смогут по высокой цене приобрести удовольствие охоты за одной-двумя теоремами, руководствуясь научными егерями
из статьи В.И. Арнольда "Полиматематика"
Для Пуанкаре, который создал современную математику, топологию и теорию динамических систем, будущее математики лежало в развитии математической физики, ориентированной на описание релятивистских и квантовых явлений
Между прочим, Пуанкаре объяснял, что только неинтересные задачи могут быть сформулированы четко и решены полностью
Согласно Пуанкаре надо постараться понять, что может быть изменено в формулировке проблемы
Прежде всего он имел в виду вариацию коэффициентов уравнений в бифуркационных задачах и все аргументы типа общего положения — предметы, которые теперь называются теорией особенностей, глобальным и функциональным анализом
Интересно, что факт, который сейчас называют теоремой о версальной деформации, был доказан еще в его диссертации (для случая голоморфных полных пересечений нулевой размерности) как лемма 4 и был основой для его теории бифуркаций
Математика в XX в. главным образом следует пути, указанному Пуанкаре (основная проблема — как однажды мне сказал А. Вейль — состоит в том, что появилось слишком много хороших математиков, тогда как во времена Пуанкаре все видные математика лично знали друг друга)
А.Н. Колмогоров утверждал, что Гильберт был серьезно обеспокоен тем, что может произойти с обложкой Mathematistiche Annalen через 500 лет: он полагал, что имена бывших редакторов могут заполнить слишком много места
Колмогоров же в ответ выражал Гильберту свои опасения насчет того, что наша культура вряд ли просуществует так долго: объединенная бюрократия всех стран сможет в скором времени уничтожить все виды творчества, сделав невозможным дальнейшие математические открытия, как сегодня уже невозможны географические
Уже сейчас можно представить, что некоторые из наиболее привлекательных областей математики трансформируются в заповедники, где богатые люди смогут по высокой цене приобрести удовольствие охоты за одной-двумя теоремами, руководствуясь научными егерями
из статьи В.И. Арнольда "Полиматематика"
Иллюстрация к тезису о простоте всего гениального
Вот есть очевидная формула суммы первых n нечетных чисел:
1 + 3 + 5 + ... + (2*n - 1) = n^2
Но стоит на неё посмотреть немного пристальнее, как становится понятно, что с её помощью можно извлекать квадратные корни из целых чисел
Отнимаем единичку, потом тройку, и так далее, считая количество вычитаний, пока не дойдем до нуля — количество вычитаний и будет корнем
Для практических вычислений, конечно, методика нуждается в модификации и расширении области применения, но главное же — идея
Вот есть очевидная формула суммы первых n нечетных чисел:
1 + 3 + 5 + ... + (2*n - 1) = n^2
Но стоит на неё посмотреть немного пристальнее, как становится понятно, что с её помощью можно извлекать квадратные корни из целых чисел
Отнимаем единичку, потом тройку, и так далее, считая количество вычитаний, пока не дойдем до нуля — количество вычитаний и будет корнем
Для практических вычислений, конечно, методика нуждается в модификации и расширении области применения, но главное же — идея
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Алгоритмы и структуры данных
Урок 1 Введение
Урок 2 Динамический массив Stack_Queue и Set
Урок 3 Алгоритмы сортировки
Урок 4 Хеш таблицы Деверья
Урок 5 Бинарное дерево поиска. АВЛ-дерево
Урок 6 Графы. Часть 1
Урок 7 Графы. Часть 2
Урок 8 Графы. Часть 3
Урок 9 Динамическое программирование
Урок 10 Задачи Практикум
Урок 1 Введение
Урок 2 Динамический массив Stack_Queue и Set
Урок 3 Алгоритмы сортировки
Урок 4 Хеш таблицы Деверья
Урок 5 Бинарное дерево поиска. АВЛ-дерево
Урок 6 Графы. Часть 1
Урок 7 Графы. Часть 2
Урок 8 Графы. Часть 3
Урок 9 Динамическое программирование
Урок 10 Задачи Практикум
Forwarded from НИИ Антропогенеза (ARI) (Chagin Oleg A.)
Если к open-source моделям добавить самопроверку, то они обгонят Claude
Исследователи показали, как это работает на практике с помощью фреймворка LLM-as-a-Verifier
Так DeepSeek V4 Flash + самопроверка
на Terminal-Bench 2.1 смогла:
1. Сгенерировать всего 5 вариантов решения
2. Та же модель их оценила и выбрала лучший
3. Точность выросла с 79 % до 88 %
В итоге обогнали Claude Fable 5 и сделали это в 11 раз дешевле
Исследователи показали, как это работает на практике с помощью фреймворка LLM-as-a-Verifier
Так DeepSeek V4 Flash + самопроверка
на Terminal-Bench 2.1 смогла:
1. Сгенерировать всего 5 вариантов решения
2. Та же модель их оценила и выбрала лучший
3. Точность выросла с 79 % до 88 %
В итоге обогнали Claude Fable 5 и сделали это в 11 раз дешевле
Всё началось в 1994, когда Leonard Adleman опубликовал proof of concept - с помощью ДНК возможно решать вычислительные задачи
Решал он задачу поиска гамильтонова пути в графе (т.е. обходящего все вершины)
Она натурально ложится на этот hardware:
Берут молекулы, соответствующие вершинам, и молекулы, соответствующие рёбрам
Их выбирают специально так, чтобы рёбра могли подсоединяться к вершинам графа, которым они соответствуют
Всё это взбалтывают и смешивают
Создаётся куча цепочек молекул, каждая из которых - это валидный путь в графе
Получившиеся молекулы фильтруют с помощью дополнительных реакций, чтобы они соответствовали критериям валидности
Началось развитие данной области
По ходу дела было показано, что ДНК обладают Тьюринг-полнотой - то есть на них можно реализовать машину Тьюринга, а значит и любые другие вычисления
Было много забавных работ - к примеру, крестики-нолики на основе ДНК
А кто-то и нейросеть на основе ДНК
Большой прорыв произошёл в 2023 году, когда китайские учёные смогли реализовать на практике логические гейты, которые можно соединять произвольным образом в "ДНК-микросхемы", что предоставляет возможность реализовывать общие вычисления
В качестве примера авторы реализовали решатель квадратных уравнений
В чём вообще смысл этой области?
Зачем пытаться строить компьютеры в майнкрафте и прочих странных доменах?
На самом деле, ДНК-вычисления - это не игрушка, и у них есть жирное преимущество по сравнению с классическими вычислениями - энергоэффективность
Эволюция потратила миллиарды лет на дизайн энергоэффективных биологических механизмов, и классические компьютеры, кажется, далеко позади
Современные компьютеры выдают десятки миллиардов флопов на 1 джоуль. DNA проводят в 10000000000 больше реакций на 1 джоуль
Энергоэффективность компьютеров быстро растёт, и на эту тему есть даже аналог закона Мура - Koomey's law
С сохранением текущего тренда, нужны ещё несколько десятков лет, чтобы классические компьютеры догнали ДНК
Прямое сравнение всё же бессмысленно, пока мы не столкнём два подхода в лоб на одной и той же вычислительное задаче
DNA-вычисления побеждают классические компьютеры в одном очень важном аспекте, и в нём у классических компьютеров нет и не будет вообще никаких шансов
Но это обсудим в следующий раз
Решал он задачу поиска гамильтонова пути в графе (т.е. обходящего все вершины)
Она натурально ложится на этот hardware:
Берут молекулы, соответствующие вершинам, и молекулы, соответствующие рёбрам
Их выбирают специально так, чтобы рёбра могли подсоединяться к вершинам графа, которым они соответствуют
Всё это взбалтывают и смешивают
Создаётся куча цепочек молекул, каждая из которых - это валидный путь в графе
Получившиеся молекулы фильтруют с помощью дополнительных реакций, чтобы они соответствовали критериям валидности
Началось развитие данной области
По ходу дела было показано, что ДНК обладают Тьюринг-полнотой - то есть на них можно реализовать машину Тьюринга, а значит и любые другие вычисления
Было много забавных работ - к примеру, крестики-нолики на основе ДНК
А кто-то и нейросеть на основе ДНК
Большой прорыв произошёл в 2023 году, когда китайские учёные смогли реализовать на практике логические гейты, которые можно соединять произвольным образом в "ДНК-микросхемы", что предоставляет возможность реализовывать общие вычисления
В качестве примера авторы реализовали решатель квадратных уравнений
В чём вообще смысл этой области?
Зачем пытаться строить компьютеры в майнкрафте и прочих странных доменах?
На самом деле, ДНК-вычисления - это не игрушка, и у них есть жирное преимущество по сравнению с классическими вычислениями - энергоэффективность
Эволюция потратила миллиарды лет на дизайн энергоэффективных биологических механизмов, и классические компьютеры, кажется, далеко позади
Современные компьютеры выдают десятки миллиардов флопов на 1 джоуль. DNA проводят в 10000000000 больше реакций на 1 джоуль
Энергоэффективность компьютеров быстро растёт, и на эту тему есть даже аналог закона Мура - Koomey's law
С сохранением текущего тренда, нужны ещё несколько десятков лет, чтобы классические компьютеры догнали ДНК
Прямое сравнение всё же бессмысленно, пока мы не столкнём два подхода в лоб на одной и той же вычислительное задаче
DNA-вычисления побеждают классические компьютеры в одном очень важном аспекте, и в нём у классических компьютеров нет и не будет вообще никаких шансов
Но это обсудим в следующий раз
Wikipedia
Leonard Adleman
American computer scientist