#rakesearch
Эдуард Ватутин:
Эдуард Ватутин:
В результате вычислительных экспериментов со спектрами числа интеркалятов в ЛК порядка 25 найден квадрат
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1 2 24 20 5 3 16 8 7 11 9 14 6 10 15 13 17 18 12 21 19 4 0 22 23
3 5 4 0 2 1 8 9 11 7 6 12 10 16 18 17 13 15 14 23 22 24 20 19 21
9 10 13 18 7 12 21 4 5 0 1 8 22 2 23 24 19 20 3 16 17 6 11 14 15
14 11 9 7 16 6 5 3 20 2 8 1 24 23 0 22 4 21 19 18 12 17 15 13 10
6 16 17 15 11 14 23 24 2 8 3 19 20 5 21 4 22 0 1 10 13 9 7 12 18
2 24 8 19 3 20 17 16 6 14 11 15 23 9 13 10 18 12 7 4 21 5 1 0 22
20 8 5 1 24 2 9 11 14 6 16 7 3 17 12 18 10 13 15 22 0 23 19 21 4
8 20 3 2 23 24 11 14 15 16 17 6 19 18 7 12 9 10 13 0 1 22 21 4 5
11 9 10 12 6 8 4 5 3 1 2 0 7 24 22 23 21 19 20 17 18 16 14 15 13
7 6 16 14 8 11 24 2 1 3 5 20 9 4 19 21 23 22 0 13 15 10 12 18 17
16 17 18 8 14 15 22 23 24 19 20 21 13 3 4 5 0 1 2 9 10 11 6 7 12
19 3 23 13 9 7 10 6 12 20 24 22 8 21 5 1 15 11 17 14 16 18 4 2 0
15 14 11 6 17 16 3 20 19 24 23 2 18 22 1 0 5 4 21 12 7 8 13 10 9
10 13 15 17 12 18 19 21 4 22 0 23 16 1 24 2 20 3 5 6 8 7 9 11 14
18 12 7 9 13 10 1 0 22 4 21 5 14 19 3 20 2 24 23 8 11 15 17 16 6
24 23 22 21 20 19 18 17 16 15 14 13 0 11 10 9 12 7 6 5 4 3 2 1 8
23 22 0 4 19 21 12 18 17 13 15 10 2 14 9 11 7 6 16 3 5 20 24 8 1
21 19 20 24 22 23 14 15 13 17 18 16 4 12 6 7 11 9 10 1 2 0 8 5 3
13 15 14 16 18 17 20 19 21 23 22 24 1 0 2 8 3 5 4 7 6 12 10 9 11
17 18 12 10 15 13 0 22 23 21 19 4 5 20 8 3 1 2 24 11 9 14 16 6 7
12 7 6 11 10 9 2 1 0 5 4 3 21 8 20 19 24 23 22 15 14 13 18 17 16
22 0 1 5 21 4 7 12 18 10 13 9 17 15 11 14 6 16 8 20 3 19 23 24 2
4 21 19 23 0 22 15 13 10 18 12 17 11 7 16 6 14 8 9 2 24 1 5 3 20
5 4 21 22 1 0 13 10 9 12 7 18 15 6 17 16 8 14 11 24 23 2 3 20 19
У которого 1888 интеркалятов, что позволяет усилить установленное ранее нижнее ограничение с a(25)>=1700 до a(25)>=1888 в числовом ряду oeis.org/A092237. Мощность соответствующего спектра (числовой ряд oeis.org/A368182) увеличена с 1679 до 1869 элементов.
VK
Эдуард Ватутин. Пост со стены.
Напомню, что несколькими месяцами ранее была опробована стратегия построения спектров ДЛК через спек... Смотрите полностью ВКонтакте.
#rakesearch действительно хорош тем, что регулярно публикует результаты и контрибьютит их в мировые базы данных.
С удовольствием кранчу на этот проект.
С удовольствием кранчу на этот проект.
👍2❤1🔥1🙏1
Поздравляем с обновлением и возвратом а активному кранчингу.
Источник: https://vk.com/wall-11963359_6166
#shmyacluster
«Сегодня появились несколько хороших новостей про перезапуск одного из вычислительных кластеров, подключения на нём RakeSearch и новость о возможной новой задаче в SiDock
По этой ссылке boinc.ru/forum/topi...
На заре проекта RakeSearch, наш ShmyaCluster внёс немалую лепту в его становление.
Потом в RakeSearch пришли поиски с только Windows-приложением, но, зато появился SiDock@home, где он также работал под полной нагрузкой. Но несколько месяцев назад очередная мишень в SiDock@home была посчитана.
Какое-то время его узлы (№ 4 и 5) переключались между другими проектами, затем они перестали откликаться... и вот, в конце августа и первой половине сентября удалось добраться до них и:
Переустановить OS, сменив Ubuntu 18.04 LTS на 22.04 LTS;
Установить VirtualBox и создать на каждом по виртуальной машине с числом CPU, равным числу ядер (для Ryzen 3600X - 6 штук, для Ryzen 3900X - 12 штук) и Windows;
Подключить их к RakeSearch.
Спустя несколько лет ShmyaCluster возвращается в него! Как вы сами понимаете часть потоков ещё останется незадействованной... но это ненадолго. На 3900X они будут нагружены пряма сейчас - задачами, необходимыми для запуска обработки новой мишени в SiDock@home. :)
После недельного простоя, - сегодня днём обещают добавить новые задания в отечественный проект USPEX по материаловедению. Там тоже намечается новая и долгая работа»
Источник: https://vk.com/wall-11963359_6166
#shmyacluster
👍8
А вот это очень хорошо:
Eventually we hope to include Docker in the BOINC installer. For now, you need to install it yourself. It's easy, and we strongly encourage you to do it.
🔥4
проекте LHC@Home недавно появилось новое приложение XTrack (beta test)
И, несмотря на 2025 год, - выпущены версии этого приложения не только для 64 разрядных систем, но ещё и для 32 разрядных Windows и 32 разрядного Linux! Но не это самое удивительное, а то, что собралось достаточно много пользователей старых 32 разрядных систем.
Источник: https://vk.com/wall-11963359_6168
🔥3👍1
#folding
Folding@home статус проекта
Живой, обновляется, развивается.
— Вышел новый клиент 8.4.9 (23 января 2025) — удобнее, стабильнее: foldingathome.org/2025/01/23/new-client-v8-4-9
— Под капотом — полностью переписанная архитектура v8: foldingathome.org/guides/v8-4-client-guide
— GPU дают прирост 20–30× к скорости против CPU, так что этот проект рекомендуется считать на видеокартах
— Проект по-прежнему входит в число самых мощных распределённых систем мира: en.wikipedia.org/wiki/Folding@home
Короче — живой софт, активное сообщество, задания есть всегда. Если хочется реально помочь науке, Folding — оптимальный вариант.
Folding@home статус проекта
Живой, обновляется, развивается.
— Вышел новый клиент 8.4.9 (23 января 2025) — удобнее, стабильнее: foldingathome.org/2025/01/23/new-client-v8-4-9
— Под капотом — полностью переписанная архитектура v8: foldingathome.org/guides/v8-4-client-guide
— GPU дают прирост 20–30× к скорости против CPU, так что этот проект рекомендуется считать на видеокартах
— Проект по-прежнему входит в число самых мощных распределённых систем мира: en.wikipedia.org/wiki/Folding@home
Короче — живой софт, активное сообщество, задания есть всегда. Если хочется реально помочь науке, Folding — оптимальный вариант.
Имхо за счёт ИИ в подобных биологических задачах ожидается заметный прирост результативности.
❤3🔥3🏆1
#folding
3 октября 2025 года суммарная вычислительная мощность проекта Folding@home составляла около 9,8 петафлопс
Это своего рода маркер состояния проекта: в 2020 году Folding@home достигал 470 петафлопс, а сейчас мощность снизилась примерно в 50 раз — что говорит о смене интереса волонтёров и завершении эффекта COVID.
3 октября 2025 года суммарная вычислительная мощность проекта Folding@home составляла около 9,8 петафлопс
Это своего рода маркер состояния проекта: в 2020 году Folding@home достигал 470 петафлопс, а сейчас мощность снизилась примерно в 50 раз — что говорит о смене интереса волонтёров и завершении эффекта COVID.
#rosetta
Rosetta@home статус проекта
Работает через BOINC, использует только процессор. GPU пока не задействованы, хотя для подобного класса задач GPU был бы очень полезен.
По состоянию на 4 марта 2025 года обсуждается запуск GPU-вариантов для задач виртуального скрининга и моделирования пептидов.
Иногда нет заданий («No tasks available») — это нормально, зависит от активности серверов.
Иногда случаются ошибки загрузки заданий («feeder error»), что связано с ограниченным администрированием проекта.
Память: от 200 МБ до 3–4 ГБ на задачу.
Rosetta@home статус проекта
Работает через BOINC, использует только процессор. GPU пока не задействованы, хотя для подобного класса задач GPU был бы очень полезен.
По состоянию на 4 марта 2025 года обсуждается запуск GPU-вариантов для задач виртуального скрининга и моделирования пептидов.
Иногда нет заданий («No tasks available») — это нормально, зависит от активности серверов.
Иногда случаются ошибки загрузки заданий («feeder error»), что связано с ограниченным администрированием проекта.
Память: от 200 МБ до 3–4 ГБ на задачу.
Я бы сейчас не рекомендовал участвовать в проекте
❤1🔥1🎉1
🏁 Formula BOINC: кто лидирует сейчас
Срез на 10 октября 2025 – коротко и по делу, без лишнего пафоса.
Общий зачёт (Overall):
Planet 3DNow! – 817
Ukraine – 645
L’Alliance Francophone – 555(https://www.formula-boinc.org/)
Марафон (Marathon):
Planet 3DNow! – 404
L’Alliance Francophone – 366
Ukraine – 324(https://www.formula-boinc.org/marathons.py?division=1&race=0&standing=team)
Спринт (Sprint):
Planet 3DNow! – 413
Ukraine – 321
SETI.USA – 262
NoTEAM – 217
L’Alliance Francophone – 189(https://www.formula-boinc.org/sprints.py?division=1&race=0&standing=team)
🔜 Ближайший спринт: 16–19 октября (UTC). Проект объявят в момент старта
(https://www.formula-boinc.org/sprints.py?division=1&race=0&standing=team)
🙋 Хочется в гонку? Регистрация команд и участников тут:
(https://www.formula-boinc.org/howtoregister.py)
#LHC
LHC@home запустил в бету новый проект Xtrack (https://lhcathome.cern.ch/lhcathome/forum_thread.php?id=6387), но поддержка BOINC неполная.
Добровольцы могут поучаствовать в вычислениях CERN с новым приложением Xtrack – частью современного набора инструментов Xsuite для моделирования пучков частиц (https://github.com/xsuite/xtrack).
Что нового:
– 🚀 Современная архитектура: Python + C, рассчитана на многопоточность и GPU.
– Физика следующего уровня: коллимация, взаимодействие пучков с материалом, уточнённое моделирование потерь частиц.
– Работает как на Linux, так и на Windows – теперь не только для серверов CERN, но и для домашних ПК.
– Интеграция с BOINC: можно запускать симуляции прямо через LHC@home (https://lhcathome.cern.ch/lhcathome/).
– В LHC@home доступны CPU‑сборки для Windows и Linux (XTrack (beta test)). GPU и macOS пока нет.
Поддержка неполная: текущая BOINC‑версия Xtrack — однопоточная CPU; GPU/мультикор заложены в Xtrack, но требуют другой схемы сборки для BOINC и пока не включены.
Больше деталей — в докладе на Indico CERN (https://indico.cern.ch/event/1211085/contributions/5093595/attachments/2540891/4404886/016_xsuite_status.pdf) и на InspireHEP (https://inspirehep.net/literature/2776105).
Бета запущена 16 сентября 2025, задачи уже появляются.
Если комп мощный – включайся в распределённые вычисления CERN ⚡
LHC@home запустил в бету новый проект Xtrack (https://lhcathome.cern.ch/lhcathome/forum_thread.php?id=6387), но поддержка BOINC неполная.
Добровольцы могут поучаствовать в вычислениях CERN с новым приложением Xtrack – частью современного набора инструментов Xsuite для моделирования пучков частиц (https://github.com/xsuite/xtrack).
Что нового:
– 🚀 Современная архитектура: Python + C, рассчитана на многопоточность и GPU.
– Физика следующего уровня: коллимация, взаимодействие пучков с материалом, уточнённое моделирование потерь частиц.
– Работает как на Linux, так и на Windows – теперь не только для серверов CERN, но и для домашних ПК.
– Интеграция с BOINC: можно запускать симуляции прямо через LHC@home (https://lhcathome.cern.ch/lhcathome/).
– В LHC@home доступны CPU‑сборки для Windows и Linux (XTrack (beta test)). GPU и macOS пока нет.
Поддержка неполная: текущая BOINC‑версия Xtrack — однопоточная CPU; GPU/мультикор заложены в Xtrack, но требуют другой схемы сборки для BOINC и пока не включены.
Больше деталей — в докладе на Indico CERN (https://indico.cern.ch/event/1211085/contributions/5093595/attachments/2540891/4404886/016_xsuite_status.pdf) и на InspireHEP (https://inspirehep.net/literature/2776105).
Бета запущена 16 сентября 2025, задачи уже появляются.
Если комп мощный – включайся в распределённые вычисления CERN ⚡
🔥7❤1
#домашнаялаборатория
Бесплатный апгрейд эффективности через undervolt на GPU
Самая понятная оптимизация для кранчинга – снизить напряжение на видеокарте. Многие GPU держат те же частоты на меньшем вольтаже – меньше ватт, ниже температура и шум, PPD (points per day) почти не падает.
Обьяснение
Та же частота при меньшем вольтаже → та же скорость расчётов, но меньше потребление. В кранчинге это особенно заметно на тяжёлых WU.
Как сделать (Windows, NVIDIA, MSI Afterburner)
1. Запустить Afterburner → Ctrl+F (Voltage/Frequency Curve).
2. Выбрать рабочую частоту под нагрузкой и зафиксировать её на ~0.90–0.95 V.
3. Выровнять участок кривой вокруг выбранной точки, нажать Apply.
4. Прогнать несколько часов реальных WU: следить за стабильностью, что все задачи подходят без ошибок.
Ожидаемый эффект
– Уменьшение потребления при сохранении частоты.
– Тише и холоднее;
– Рост PPD/Вт заметный, особенно на долгих задачах.
Альтернатива
Понижение напряжения снижает температуру, на хороших видеокартах это позволяет поднять чистоту, иногда на ~200MHz. То есть и еще и быстрее будет считать.
P.S. Кранчинг – марафон, не спринт. Тише едет тот, кто эффективнее считает.
Тот же эффект есть и на CPU, там надо андервольтить через BIOS, если позволяет материнская плата.
#gpu
Бесплатный апгрейд эффективности через undervolt на GPU
Самая понятная оптимизация для кранчинга – снизить напряжение на видеокарте. Многие GPU держат те же частоты на меньшем вольтаже – меньше ватт, ниже температура и шум, PPD (points per day) почти не падает.
Обьяснение
Та же частота при меньшем вольтаже → та же скорость расчётов, но меньше потребление. В кранчинге это особенно заметно на тяжёлых WU.
Как сделать (Windows, NVIDIA, MSI Afterburner)
1. Запустить Afterburner → Ctrl+F (Voltage/Frequency Curve).
2. Выбрать рабочую частоту под нагрузкой и зафиксировать её на ~0.90–0.95 V.
3. Выровнять участок кривой вокруг выбранной точки, нажать Apply.
4. Прогнать несколько часов реальных WU: следить за стабильностью, что все задачи подходят без ошибок.
Ожидаемый эффект
– Уменьшение потребления при сохранении частоты.
– Тише и холоднее;
– Рост PPD/Вт заметный, особенно на долгих задачах.
Альтернатива
Понижение напряжения снижает температуру, на хороших видеокартах это позволяет поднять чистоту, иногда на ~200MHz. То есть и еще и быстрее будет считать.
P.S. Кранчинг – марафон, не спринт. Тише едет тот, кто эффективнее считает.
Тот же эффект есть и на CPU, там надо андервольтить через BIOS, если позволяет материнская плата.
#gpu
❤4👍2
#домашнаялаборатория
Использовать Spark для BOINC нет смысла, несмотря на наличие CUDA ядер. Он определяется во многих проектах как generic GPU for Linux и не получает задания. А где получает (Asteroids, например), то работает отнсительно медленно, потому что GPU проекты в BOINC как правило зависимы от скорости памяти. То есть основное преимущество Spark (объём видеопамяти) не используется, а основной недостаток (скорость видеопамяти) понижает эффективность.
Может в PrimeGrid или Amicable (где скорость памяти не критича) он будет полезен, но в целом вряд ли будет лучше обычной домашней системы с GPU:
Использовать Spark для BOINC нет смысла, несмотря на наличие CUDA ядер. Он определяется во многих проектах как generic GPU for Linux и не получает задания. А где получает (Asteroids, например), то работает отнсительно медленно, потому что GPU проекты в BOINC как правило зависимы от скорости памяти. То есть основное преимущество Spark (объём видеопамяти) не используется, а основной недостаток (скорость видеопамяти) понижает эффективность.
Может в PrimeGrid или Amicable (где скорость памяти не критича) он будет полезен, но в целом вряд ли будет лучше обычной домашней системы с GPU:
Forwarded from Закиев Василь. (AI)ron manager (Vasil Zakiev)
Собираем домашний LLM‑сервер
Неделя вышла плотной, писал мало. Исправляюсь: поизучал «настольный» DGX Spark от Nvidia. Мини-компьютер как базу для домашнего LLM‑сервера .
Короткий вывод: Spark — это про объёмные модели, а не про скорость генерации. Для повседневного офлайнового инференса компактнее и быстрее обычный ПК или мини‑ПК + внешний док под десктоп‑GPU. Выйдет быстрее и дешевле.
Почему так
– У Spark 128 ГБ унифицированной памяти, поэтому влезут большие модели. Их ещё можно объединять в ферму по оптике (кабель 15000₽), а значит доступной памяти станет больше. Для сравнения у RTX 4090 будет 24GB, у 5090 будет 32 ГБ.
– Но память LPDDR5x ~273 ГБ/с — скорость памяти станет узким местом для быстрой работы ИИ. Для сравнени RTX 5090 используется GDDR7 с ~1.8 ТБ/с, почти на порядок быстрее.
– Цена: Spark — $3 999. За те же деньги можно укомплектовать мини‑ПК + док + 5080 (а если повезёт — и 5090), получив почти на порядок более высокую скорость работы ИИ.
– Spark логичен, когда нужна ёмкость: дообучение (LoRA/QLoRA) и работа с большими моделями 70b–200b
Альтренативы для дома:
🛠️ Beelink GTi‑линейка + EX Pro Dock (прямой PCIe 5.0 ×8, БП 600 Вт
🛠️ GPU:
– RTX 5090 — максимум по скоростям, но близко к лимиту по питанию дока и может не влезть по размерам, надо смотреть по производителю
– RTX 5080 — проще по теплу/ваттам, 16 ГБ достаточно для 8–14и моделей и аккуратно подобранных 30–33b моделей
Вывод
Для «домашнего/офисного» LLM‑сервера я бы не покупал Spark. Скорее — мини‑ПК + док + 5080/5090 или собирал бы обычный домашний компьютер. Spark нужен тем, кому важнее влезть в очень большие модели или обучать их. Пусть и медленно
##ИИ
Неделя вышла плотной, писал мало. Исправляюсь: поизучал «настольный» DGX Spark от Nvidia. Мини-компьютер как базу для домашнего LLM‑сервера .
Короткий вывод: Spark — это про объёмные модели, а не про скорость генерации. Для повседневного офлайнового инференса компактнее и быстрее обычный ПК или мини‑ПК + внешний док под десктоп‑GPU. Выйдет быстрее и дешевле.
Почему так
– У Spark 128 ГБ унифицированной памяти, поэтому влезут большие модели. Их ещё можно объединять в ферму по оптике (кабель 15000₽), а значит доступной памяти станет больше. Для сравнения у RTX 4090 будет 24GB, у 5090 будет 32 ГБ.
– Но память LPDDR5x ~273 ГБ/с — скорость памяти станет узким местом для быстрой работы ИИ. Для сравнени RTX 5090 используется GDDR7 с ~1.8 ТБ/с, почти на порядок быстрее.
– Цена: Spark — $3 999. За те же деньги можно укомплектовать мини‑ПК + док + 5080 (а если повезёт — и 5090), получив почти на порядок более высокую скорость работы ИИ.
– Spark логичен, когда нужна ёмкость: дообучение (LoRA/QLoRA) и работа с большими моделями 70b–200b
Альтренативы для дома:
🛠️ Beelink GTi‑линейка + EX Pro Dock (прямой PCIe 5.0 ×8, БП 600 Вт
🛠️ GPU:
– RTX 5090 — максимум по скоростям, но близко к лимиту по питанию дока и может не влезть по размерам, надо смотреть по производителю
– RTX 5080 — проще по теплу/ваттам, 16 ГБ достаточно для 8–14и моделей и аккуратно подобранных 30–33b моделей
Вывод
Для «домашнего/офисного» LLM‑сервера я бы не покупал Spark. Скорее — мини‑ПК + док + 5080/5090 или собирал бы обычный домашний компьютер. Spark нужен тем, кому важнее влезть в очень большие модели или обучать их. Пусть и медленно
##ИИ
🔥4👍1
#PrimeGrid
Иногда в ленте PrimeGrid всплывают странные статусы новых простых чисел: PRP и Proven.
🔹 PRP (Probable Prime) — быстрый тест «похоже на простое».
Алгоритмы вроде Genefer для GFN-чисел или LLR для Proth-форм гоняют GPU и CPU, чтобы отсеять составные. Это ещё не доказательство, но вероятность ошибки меньше, чем шанс выиграть в лотерею.
🔹 Proven — уже настоящее доказательство:
через ECPP (эллиптические кривые), LLR-протоколы с верификацией или старый добрый сертификат Пратта. Тут результат можно проверить независимо — значит, простота доказана.
Разница во времени между PRP и proven — это не баг, а нормальный цикл: сначала находят кандидата, потом долго и нудно доказывают.
🔗 PrimeGrid project page: https://www.primegrid.com/
🔗 PrimeWiki (объяснение статусов): https://www.primegrid.com/wiki/
🔗 ECPP алгоритм на MathWorld: https://mathworld.wolfram.com/EllipticCurvePrimalityProving.html
Иногда в ленте PrimeGrid всплывают странные статусы новых простых чисел: PRP и Proven.
🔹 PRP (Probable Prime) — быстрый тест «похоже на простое».
Алгоритмы вроде Genefer для GFN-чисел или LLR для Proth-форм гоняют GPU и CPU, чтобы отсеять составные. Это ещё не доказательство, но вероятность ошибки меньше, чем шанс выиграть в лотерею.
🔹 Proven — уже настоящее доказательство:
через ECPP (эллиптические кривые), LLR-протоколы с верификацией или старый добрый сертификат Пратта. Тут результат можно проверить независимо — значит, простота доказана.
Разница во времени между PRP и proven — это не баг, а нормальный цикл: сначала находят кандидата, потом долго и нудно доказывают.
🔗 PrimeGrid project page: https://www.primegrid.com/
🔗 PrimeWiki (объяснение статусов): https://www.primegrid.com/wiki/
🔗 ECPP алгоритм на MathWorld: https://mathworld.wolfram.com/EllipticCurvePrimalityProving.html
👍2🔥2
Помочь Карибам после урагана
Zooniverse запустил срочный проект по анализу спутниковых снимков после урагана Melissa (категория 5).
Нужно быстро определить, где дороги, мосты, аэропорты и порты разрушены или заблокированы — чтобы гуманитарные службы могли планировать маршруты доставки помощи.
🛰️ Данные — от Planet Labs, разрешение 3 м.
🎯 Задача — отметить на фото, где есть обломки, затопления или разрушения.
📍 Даже если сомневаетесь — всё равно классифицируйте: каждый снимок проверяют несколько участников.
Проект здесь: zooniverse.org/projects/alicemead/planetary-response-network-hurricane-melissa-2025/classify
Ураган прошёл через Ямайку, Кубу, Гаити и Доминикану – и сейчас помощь зависит от того, как быстро волонтёры помогут разметить снимки.
Zooniverse запустил срочный проект по анализу спутниковых снимков после урагана Melissa (категория 5).
Нужно быстро определить, где дороги, мосты, аэропорты и порты разрушены или заблокированы — чтобы гуманитарные службы могли планировать маршруты доставки помощи.
🛰️ Данные — от Planet Labs, разрешение 3 м.
🎯 Задача — отметить на фото, где есть обломки, затопления или разрушения.
📍 Даже если сомневаетесь — всё равно классифицируйте: каждый снимок проверяют несколько участников.
Проект здесь: zooniverse.org/projects/alicemead/planetary-response-network-hurricane-melissa-2025/classify
Ураган прошёл через Ямайку, Кубу, Гаити и Доминикану – и сейчас помощь зависит от того, как быстро волонтёры помогут разметить снимки.
🔥3👍1
#folding
В логе каждой рабочей единицы (WU) есть идентификатор PRCG — это четыре числа:
Project – номер проекта,
Run,
Clone,
Generation.
Он выглядит так: PRCG: 13422 (R 24, C 7, G 156) или в коротком виде 13422,24,7,156.
Зачем сохранять PRCG
По номеру проекта (P) легко найти описание на сайте FAH и в трекерах задач (какой белок/модель, какие параметры симуляции).
Зная P, можно искать публикации авторской группы в разделах «Papers/Publications» и собирать именно те статьи, куда ушли ваши расчёты.
Вариант реализации
Включить подробные логи в FAHClient (в BOINC не получится насколько я понимаю) и парсить строки с PRCG.
Автоматически писать каждую завершённую WU в CSV: timestamp, slot, gpu/cpu, PRCG, ETA, PPD, core, result.
На каждое новое P (project) — добавлять ссылку на страницу проекта и список статей группы (поле “notes/links”).
Или вручную через LOG Viewer прямо в клиенте FAH, как на фото.
В логе каждой рабочей единицы (WU) есть идентификатор PRCG — это четыре числа:
Project – номер проекта,
Run,
Clone,
Generation.
Он выглядит так: PRCG: 13422 (R 24, C 7, G 156) или в коротком виде 13422,24,7,156.
Зачем сохранять PRCG
По номеру проекта (P) легко найти описание на сайте FAH и в трекерах задач (какой белок/модель, какие параметры симуляции).
Зная P, можно искать публикации авторской группы в разделах «Papers/Publications» и собирать именно те статьи, куда ушли ваши расчёты.
Вариант реализации
Включить подробные логи в FAHClient (в BOINC не получится насколько я понимаю) и парсить строки с PRCG.
Автоматически писать каждую завершённую WU в CSV: timestamp, slot, gpu/cpu, PRCG, ETA, PPD, core, result.
На каждое новое P (project) — добавлять ссылку на страницу проекта и список статей группы (поле “notes/links”).
Или вручную через LOG Viewer прямо в клиенте FAH, как на фото.
🔥2👍1
#LODA
LODA: что кранчат добровольцы в этом проекте и зачем это нужно
LODA — это одновременно:
– минималистичный язык наподобие ассемблера для целочисленных последовательностей,
– инструментарий для их исполнения и оптимизации,
– и BOINC-проект для распределённого поиска (майнинга) коротких программ, воспроизводящих последовательности из OEIS (https://oeis.org/).
Цель проекта — найти новые формулы и более эффективные алгоритмы для широкого спектра нетривиальных целочисленных последовательностей.
3 октября 2025 LODA объявил о важной вехе — найдено свыше 140 000 программ (https://boinc.loda-lang.org/loda/).
Параллельно сообщено о запуске публичного API (https://boinc.loda-lang.org/loda/api)
и интеграции через Model Context Protocol (MCP) (https://loda-lang.org/connect/#model-context-protocol-mcp). Теперь к базе можно обращаться и из чат-агентов
Как работает LODA по шагам:
1. Перебор коротких программ. Программа LODA на компьютерых добровольцев автоматически и систематически порождает компактные программы на языке LODA (описание языка: https://loda-lang.org/).
2. Сравнение с OEIS. Результаты проверяются с каталогом OEIS (https://oeis.org/). Совпадения сохраняются в репозиторий — расширяя покрытие последовательностей.
3. Отбор и оптимизация. Инструмент loda-cpp (https://github.com/loda-lang/loda-cpp) умеет майнить, проверять и экспортировать найденные решения, включая генерацию формул и кода для PARI/GP (https://pari.math.u-bordeaux.fr/).
4. Композиция решений. Программы могут вызывать другие последовательности (seq), комбинируя найденные блоки (пример: https://github.com/loda-lang/loda-programs).
5. Открытая база. Репозиторий всех найденных программ доступен здесь: https://github.com/loda-lang/loda-programs
Кому это полезно?
Математикам и редакторам OEIS.
LODA предоставляет исполняемые описания последовательностей, упрощающие проверку, генерацию длинных b-файлов и поиск новых формул. Авторы проекта подчёркивают: найденная программа — это гипотеза, требующая проверки человеком, потому что совпадение с OEIS не является доказательством корректности «для всех n».
Исследователям ИИ и синтеза программ.
LODA — площадка для авто-синтеза и тестирования алгоритмов. Благодаря MCP-интеграции теперь можно использовать базу прямо из ИИ-агентов.
Добровольцам BOINC.
Участники могут подключить CPU-ресурсы через BOINC (https://boinc.berkeley.edu/). Приложение LODA поддерживает Windows, macOS и Linux (включая ARM).
Преподавателям и популяризаторам.
Проект делает наглядной связь между комбинаторикой и программированием: от таблицы OEIS → кода → формулы.
Почему важна отметка 140 000+ программ
– Существенно увеличено покрытие OEIS программами, где раньше решений не было.
– Ускорена проверка гипотез и генерация новых термов.
– Через API и MCP база становится машинно-ориентированной: можно интегрировать её в собственные инструменты анализа.
Как присоединиться
1. Установить BOINC (https://boinc.berkeley.edu/download.php).
2. Добавить проект LODA через менеджер или напрямую: https://boinc.loda-lang.org/loda/.
Проект активно развивается: документация языка (https://loda-lang.org/docs/) и инструменты регулярно обновляются.
LODA: что кранчат добровольцы в этом проекте и зачем это нужно
LODA — это одновременно:
– минималистичный язык наподобие ассемблера для целочисленных последовательностей,
– инструментарий для их исполнения и оптимизации,
– и BOINC-проект для распределённого поиска (майнинга) коротких программ, воспроизводящих последовательности из OEIS (https://oeis.org/).
Цель проекта — найти новые формулы и более эффективные алгоритмы для широкого спектра нетривиальных целочисленных последовательностей.
3 октября 2025 LODA объявил о важной вехе — найдено свыше 140 000 программ (https://boinc.loda-lang.org/loda/).
Параллельно сообщено о запуске публичного API (https://boinc.loda-lang.org/loda/api)
и интеграции через Model Context Protocol (MCP) (https://loda-lang.org/connect/#model-context-protocol-mcp). Теперь к базе можно обращаться и из чат-агентов
Как работает LODA по шагам:
1. Перебор коротких программ. Программа LODA на компьютерых добровольцев автоматически и систематически порождает компактные программы на языке LODA (описание языка: https://loda-lang.org/).
2. Сравнение с OEIS. Результаты проверяются с каталогом OEIS (https://oeis.org/). Совпадения сохраняются в репозиторий — расширяя покрытие последовательностей.
3. Отбор и оптимизация. Инструмент loda-cpp (https://github.com/loda-lang/loda-cpp) умеет майнить, проверять и экспортировать найденные решения, включая генерацию формул и кода для PARI/GP (https://pari.math.u-bordeaux.fr/).
4. Композиция решений. Программы могут вызывать другие последовательности (seq), комбинируя найденные блоки (пример: https://github.com/loda-lang/loda-programs).
5. Открытая база. Репозиторий всех найденных программ доступен здесь: https://github.com/loda-lang/loda-programs
Кому это полезно?
Математикам и редакторам OEIS.
LODA предоставляет исполняемые описания последовательностей, упрощающие проверку, генерацию длинных b-файлов и поиск новых формул. Авторы проекта подчёркивают: найденная программа — это гипотеза, требующая проверки человеком, потому что совпадение с OEIS не является доказательством корректности «для всех n».
Исследователям ИИ и синтеза программ.
LODA — площадка для авто-синтеза и тестирования алгоритмов. Благодаря MCP-интеграции теперь можно использовать базу прямо из ИИ-агентов.
Добровольцам BOINC.
Участники могут подключить CPU-ресурсы через BOINC (https://boinc.berkeley.edu/). Приложение LODA поддерживает Windows, macOS и Linux (включая ARM).
Преподавателям и популяризаторам.
Проект делает наглядной связь между комбинаторикой и программированием: от таблицы OEIS → кода → формулы.
Почему важна отметка 140 000+ программ
– Существенно увеличено покрытие OEIS программами, где раньше решений не было.
– Ускорена проверка гипотез и генерация новых термов.
– Через API и MCP база становится машинно-ориентированной: можно интегрировать её в собственные инструменты анализа.
Как присоединиться
1. Установить BOINC (https://boinc.berkeley.edu/download.php).
2. Добавить проект LODA через менеджер или напрямую: https://boinc.loda-lang.org/loda/.
Проект активно развивается: документация языка (https://loda-lang.org/docs/) и инструменты регулярно обновляются.
🔥6
#PrimeGrid
PrimeGrid сообщил о новом крупном результате в поиске больших простых чисел
14 октября проект объявил о нахождении первого известного простого числа семейства GFN-21 длиной около 13 млн цифр. Этот результат сразу выводит число в шестерку крупнейших обнаруженных простых и закрывает давний «пробел» в линейке GFN-семейств.
GFN-числа (обобщённые числа Ферма) строятся по фиксированному уровню
𝑛
n при переборе основания
𝑏
b. Для уровня 21 до сих пор не было ни одного подтверждённого простого — теперь ситуация изменилась.
Одновременно PrimeGrid возобновил поиск на уровне GFN-22. Это уже следующий порядок масштабов — кандидаты около 23 млн цифр и выше, стартовая точка поиска обозначена как b=400000. Все вычисления традиционно выполняются распределённой сетью участников BOINC.
Для тех, кто использует PrimeGrid, это означает появление нового объёма задач и реальный шанс поучаствовать в открытии следующего крупного простого числа.
Источники:
https://www.primegrid.com/forum_thread.php?id=12993
https://www.primegrid.com/gfn_history.php#n21
PrimeGrid сообщил о новом крупном результате в поиске больших простых чисел
14 октября проект объявил о нахождении первого известного простого числа семейства GFN-21 длиной около 13 млн цифр. Этот результат сразу выводит число в шестерку крупнейших обнаруженных простых и закрывает давний «пробел» в линейке GFN-семейств.
GFN-числа (обобщённые числа Ферма) строятся по фиксированному уровню
𝑛
n при переборе основания
𝑏
b. Для уровня 21 до сих пор не было ни одного подтверждённого простого — теперь ситуация изменилась.
Одновременно PrimeGrid возобновил поиск на уровне GFN-22. Это уже следующий порядок масштабов — кандидаты около 23 млн цифр и выше, стартовая точка поиска обозначена как b=400000. Все вычисления традиционно выполняются распределённой сетью участников BOINC.
Для тех, кто использует PrimeGrid, это означает появление нового объёма задач и реальный шанс поучаствовать в открытии следующего крупного простого числа.
Источники:
https://www.primegrid.com/forum_thread.php?id=12993
https://www.primegrid.com/gfn_history.php#n21
🔥2
#PrimeGrid
🔢 Новый рекорд PrimeGrid: крупнейшие обобщённое простое число Каллена
16 апреля 2025 года проект PrimeGrid объявил о находке нового рекордного простого числа вида
n · b^n + 1:
4052186 · 69⁴⁰⁵²¹⁸⁶ + 1
(https://www.primegrid.com/forum_thread.php?id=11337)
Это число состоит из 7 451 366 цифр и стало крупнейшим известным обобщённым числом Каллена (generalized Cullen prime).
В общем рейтинге простых чисел оно заняло 16-е место
(страница на The Prime Pages: https://t5k.org/primes/page.php?id=140607).
🧠 Что такое обобщённое число Каллена
Классические числа Каллена имеют вид
n · 2^n + 1.
Если заменить 2 на любое другое основание b, получаем обобщённые числа Каллена —
n · b^n + 1.
Такие числа крайне редко оказываются простыми. Проверка каждого кандидата требует огромных вычислительных мощностей, поэтому подобные открытия происходят почти исключительно в рамках распределённых проектов вроде PrimeGrid.
Как проходило открытие
Найдено: 16 апреля 2025, 11:37:45 UTC
Проверено: 17 апреля 2025
Автор: Mark Williams (TeAm AnandTech)
Метод: PRST (Prime Reciprocal Square Test)
Оборудование:
AMD EPYC 9554, 8 ядер — ~10 ч 15 мин
Ryzen 9 7950X3D, 8 ядер — ~12 ч 32 мин
Подробности: официальный отчёт PrimeGrid
https://www.primegrid.com/download/GC69-4052186.pdf
До этого база 69 считалась «пустой» — не существовало ни одного известного простого числа формы
n · 69^n + 1.
Теперь она закрыта — найден первый представитель.
Контекст и значение
Этот результат получен в рамках проекта Generalized Cullen/Woodall Prime Search
(описание: https://www.rieselprime.de/ziki/PrimeGrid_Generalized_Cullen_Prime_Search).
Проект объединяет тысячи добровольцев, предоставляющих свои процессоры для вычислений. Так, обычные пользователи помогают искать редчайшие простые числа, которые невозможно было бы найти даже на мощных суперкомпьютерах в одиночку.
Как поучаствовать
PrimeGrid работает через платформу BOINC.
Достаточно установить клиент и выбрать проект PrimeGrid — программа сама загрузит задания для CPU или GPU.
BOINC: https://boinc.berkeley.edu
PrimeGrid: https://www.primegrid.com
🔢 Новый рекорд PrimeGrid: крупнейшие обобщённое простое число Каллена
16 апреля 2025 года проект PrimeGrid объявил о находке нового рекордного простого числа вида
n · b^n + 1:
4052186 · 69⁴⁰⁵²¹⁸⁶ + 1
(https://www.primegrid.com/forum_thread.php?id=11337)
Это число состоит из 7 451 366 цифр и стало крупнейшим известным обобщённым числом Каллена (generalized Cullen prime).
В общем рейтинге простых чисел оно заняло 16-е место
(страница на The Prime Pages: https://t5k.org/primes/page.php?id=140607).
🧠 Что такое обобщённое число Каллена
Классические числа Каллена имеют вид
n · 2^n + 1.
Если заменить 2 на любое другое основание b, получаем обобщённые числа Каллена —
n · b^n + 1.
Такие числа крайне редко оказываются простыми. Проверка каждого кандидата требует огромных вычислительных мощностей, поэтому подобные открытия происходят почти исключительно в рамках распределённых проектов вроде PrimeGrid.
Как проходило открытие
Найдено: 16 апреля 2025, 11:37:45 UTC
Проверено: 17 апреля 2025
Автор: Mark Williams (TeAm AnandTech)
Метод: PRST (Prime Reciprocal Square Test)
Оборудование:
AMD EPYC 9554, 8 ядер — ~10 ч 15 мин
Ryzen 9 7950X3D, 8 ядер — ~12 ч 32 мин
Подробности: официальный отчёт PrimeGrid
https://www.primegrid.com/download/GC69-4052186.pdf
До этого база 69 считалась «пустой» — не существовало ни одного известного простого числа формы
n · 69^n + 1.
Теперь она закрыта — найден первый представитель.
Контекст и значение
Этот результат получен в рамках проекта Generalized Cullen/Woodall Prime Search
(описание: https://www.rieselprime.de/ziki/PrimeGrid_Generalized_Cullen_Prime_Search).
Проект объединяет тысячи добровольцев, предоставляющих свои процессоры для вычислений. Так, обычные пользователи помогают искать редчайшие простые числа, которые невозможно было бы найти даже на мощных суперкомпьютерах в одиночку.
Как поучаствовать
PrimeGrid работает через платформу BOINC.
Достаточно установить клиент и выбрать проект PrimeGrid — программа сама загрузит задания для CPU или GPU.
BOINC: https://boinc.berkeley.edu
PrimeGrid: https://www.primegrid.com
🔥3