(Бес)предел вычислительных возможностей
После того как Алан Тьюринг в 1936 г. предложил теоретическую модель компьютерных вычислений, известную как машина Тьюринга, быстро встал вопрос: есть ли пределы вычислительных возможностей у компьютеров будущего?
В результате, в начале 1960-х гг. вычислительные задачи были классифицированы по сложности. Такое разделение достаточно условно, но, тем не менее, позволяет оценить «проблемность» того или иного вопроса. Оказалось, что большинство практических задач комбинаторной оптимизации относятся к классу «NP». Это означает, что поиск точного решения скорее всего потребует многолетних вычислений, в отличие от задач класса Р, которые можно решить за время, полиномиально зависящее от объема входных данных. На практике это означает возможность уложиться в какое-то разумное время.
Как же относятся к задачам класса «NP» сейчас?
Во-первых, ищут формальное, теоретическое доказательство равенства классов P и NP, чтобы свести задачи из класса «проблемного» к классу «посильному». Однако пока кажется, что равенство доказано не будет. Во-вторых, разработка квантового компьютера потенциально решает некоторые NP-задачи. Самый известный пример – алгоритм Шора, с помощью которого можно доказать, что квантовый компьютер быстро разложит на простые множители такие большие числа, на которые обычному компьютеру понадобится не один миллион лет. Но пока что, как вы помните, до такого компьютера далеко. Поэтому придумали последнее, третье, современное решение — это quantum-inspired алгоритмы, которые позволяют находить приближенные решения NP-задач за время, имеющее практический смысл. При этом, лучшие современные алгоритмы позволяют находить решения, на 95-99% приближенные к оптимальным.
За последние годы в третьем направлении сделано достаточно много, и об этих кейсах мы рассказываем вам в этом канале. Однако нет предела совершенству, и остается еще большое поле для исследований. А пока считается, что quantum-inspired алгоритмы дают максимальный экономический эффект. Поэтому наша компания и идёт этим путем.
После того как Алан Тьюринг в 1936 г. предложил теоретическую модель компьютерных вычислений, известную как машина Тьюринга, быстро встал вопрос: есть ли пределы вычислительных возможностей у компьютеров будущего?
В результате, в начале 1960-х гг. вычислительные задачи были классифицированы по сложности. Такое разделение достаточно условно, но, тем не менее, позволяет оценить «проблемность» того или иного вопроса. Оказалось, что большинство практических задач комбинаторной оптимизации относятся к классу «NP». Это означает, что поиск точного решения скорее всего потребует многолетних вычислений, в отличие от задач класса Р, которые можно решить за время, полиномиально зависящее от объема входных данных. На практике это означает возможность уложиться в какое-то разумное время.
Как же относятся к задачам класса «NP» сейчас?
Во-первых, ищут формальное, теоретическое доказательство равенства классов P и NP, чтобы свести задачи из класса «проблемного» к классу «посильному». Однако пока кажется, что равенство доказано не будет. Во-вторых, разработка квантового компьютера потенциально решает некоторые NP-задачи. Самый известный пример – алгоритм Шора, с помощью которого можно доказать, что квантовый компьютер быстро разложит на простые множители такие большие числа, на которые обычному компьютеру понадобится не один миллион лет. Но пока что, как вы помните, до такого компьютера далеко. Поэтому придумали последнее, третье, современное решение — это quantum-inspired алгоритмы, которые позволяют находить приближенные решения NP-задач за время, имеющее практический смысл. При этом, лучшие современные алгоритмы позволяют находить решения, на 95-99% приближенные к оптимальным.
За последние годы в третьем направлении сделано достаточно много, и об этих кейсах мы рассказываем вам в этом канале. Однако нет предела совершенству, и остается еще большое поле для исследований. А пока считается, что quantum-inspired алгоритмы дают максимальный экономический эффект. Поэтому наша компания и идёт этим путем.
Российский проект развития квантовой спутниковой связи получил в этом году 72 млн рублей
Резидент Фонда «Сколково» QSpace Technologies разрабатывает спутниковые системы в области квантовой криптографии. Недавно компания объявила о закрытии раунда посевных инвестиций на сумму $1 млн. Инвестором стал Газпромбанк — один из крупнейших коммерческих инвесторов в квантовые технологии в России. Вклад позволит компании приступить к созданию малого спутника с квантовым передатчиком на борту. Запустить спутник весом 1,33 кг QSpace планирует уже в следующем году. Квантовые коммуникации уже используют в России в обеспечении конфиденциальности данных, однако пока что передача ключа осуществляется через оптоволоконный кабель, что ограничивает их распространение и использование. К концу 2024 года QSpace Technologies намерена продемонстрировать решение проблемы ограниченной дальности, используя спутник в качестве «доверенного узла». Компания посчитала, что на реализацию проекта потребуется около 220 млн рублей. Следим за развитием событий.
Напомним, что разработка систем спутниковой связи входит в дорожную карту развития квантовых коммуникаций в России, которая была утверждена в сентябре 2020 года в рамках федерального проекта «Цифровые технологии». Ее реализацию курирует РЖД
Резидент Фонда «Сколково» QSpace Technologies разрабатывает спутниковые системы в области квантовой криптографии. Недавно компания объявила о закрытии раунда посевных инвестиций на сумму $1 млн. Инвестором стал Газпромбанк — один из крупнейших коммерческих инвесторов в квантовые технологии в России. Вклад позволит компании приступить к созданию малого спутника с квантовым передатчиком на борту. Запустить спутник весом 1,33 кг QSpace планирует уже в следующем году. Квантовые коммуникации уже используют в России в обеспечении конфиденциальности данных, однако пока что передача ключа осуществляется через оптоволоконный кабель, что ограничивает их распространение и использование. К концу 2024 года QSpace Technologies намерена продемонстрировать решение проблемы ограниченной дальности, используя спутник в качестве «доверенного узла». Компания посчитала, что на реализацию проекта потребуется около 220 млн рублей. Следим за развитием событий.
Напомним, что разработка систем спутниковой связи входит в дорожную карту развития квантовых коммуникаций в России, которая была утверждена в сентябре 2020 года в рамках федерального проекта «Цифровые технологии». Ее реализацию курирует РЖД
BMW Group представляет режим цифрового искусства «Quantum Garden»
Цифровым искусством уже сложно удивить, но мы попробуем. Концерн BMW добавит щепотку цифрового искусства «Quantum Garden» в свои автомобили в 2022 году. Новый режим Art Mode влияет на рулевое управление, декоративную подсветку и звук в салоне, а также меняет освещение и графику на изогнутом дисплее. По словам BMW, все эти функции точно скоординированы для создания целостной картины и удобного взаимодействия водителя с автомобилем.
Сейчас мир стремительно переходит в цифровую реальность, и внимание к NFT и метавселенным можно сравнить с интересом к биткойну в 2019 году. BMW решил не отставать от трендов и расширить своё взаимодействие со сферой Art&Science. В этом конкретном проекте художница Фей хотела сосредоточить внимание на непрерывных изменениях глобализированного мира. Поэтому она назвала это произведение «Квантовым садом», где представила галактики визуальных пространств, заполненных точками, световыми лучами и туманностями. Когда режим Art Mode в автомобиле активирован, эти элементы движутся навстречу друг другу и удаляются друг от друга с разной скоростью, увеличиваясь и уменьшаясь. Этот режим будет доступен на автомобилях новых серий BMW в этом году. А на некоторых моделях его можно будет дооснастить с помощью обновления программного обеспечения.
Конечно, от «квантового мира» тут только еле уловимая природа волн и частиц. Однако если это вызывает интерес и отображается уже в искусстве, значит, до популяризации квантовых технологий тоже осталось не так долго.
Цифровым искусством уже сложно удивить, но мы попробуем. Концерн BMW добавит щепотку цифрового искусства «Quantum Garden» в свои автомобили в 2022 году. Новый режим Art Mode влияет на рулевое управление, декоративную подсветку и звук в салоне, а также меняет освещение и графику на изогнутом дисплее. По словам BMW, все эти функции точно скоординированы для создания целостной картины и удобного взаимодействия водителя с автомобилем.
Сейчас мир стремительно переходит в цифровую реальность, и внимание к NFT и метавселенным можно сравнить с интересом к биткойну в 2019 году. BMW решил не отставать от трендов и расширить своё взаимодействие со сферой Art&Science. В этом конкретном проекте художница Фей хотела сосредоточить внимание на непрерывных изменениях глобализированного мира. Поэтому она назвала это произведение «Квантовым садом», где представила галактики визуальных пространств, заполненных точками, световыми лучами и туманностями. Когда режим Art Mode в автомобиле активирован, эти элементы движутся навстречу друг другу и удаляются друг от друга с разной скоростью, увеличиваясь и уменьшаясь. Этот режим будет доступен на автомобилях новых серий BMW в этом году. А на некоторых моделях его можно будет дооснастить с помощью обновления программного обеспечения.
Конечно, от «квантового мира» тут только еле уловимая природа волн и частиц. Однако если это вызывает интерес и отображается уже в искусстве, значит, до популяризации квантовых технологий тоже осталось не так долго.
Showa Denko ищет новые материалы при помощи quantum-inspired алгоритмов
Showa Denko, японская химическая компания, показывает, как можно сократить время поиска оптимальных составов полупроводниковых материалов с нескольких десятилетий до нескольких десятков секунд. Для этого Denko использует quantum-inspired алгоритмы на солвере уже известной нам компании Fujitsu 😉.
Полупроводниковые материалы содержат множество компонентов, таких как смолы, наполнители и добавки в различных соотношениях смешивания. Теоретическое количество их комбинаций для нахождения оптимального результата получается равным 10^ в 50-й степени. За решением такого количества комбинаций стоят десятилетия исследований ингредиентов и соотношения их пропорций с помощью обычного компьютера. Поэтому для поиска оптимального и быстрого решения компания сосредоточилась на технологии имитации отжига от Fujitsu Ltd. О ней мы уже рассказывали в предыдущих постах. Представив задачу в форме модели Изинга, что является необходимым для применения алгоритма имитации отжига, Showa Denko не только уменьшила время поиска с нескольких дней до десятков секунд, но и улучшила на 30% характеристики материала.
Как видите, quantum-inspired алгоритмы применяются везде: от задачек по доставке пиццы до вопросов, связанных с космосом или созданием новых материалов.
Showa Denko, японская химическая компания, показывает, как можно сократить время поиска оптимальных составов полупроводниковых материалов с нескольких десятилетий до нескольких десятков секунд. Для этого Denko использует quantum-inspired алгоритмы на солвере уже известной нам компании Fujitsu 😉.
Полупроводниковые материалы содержат множество компонентов, таких как смолы, наполнители и добавки в различных соотношениях смешивания. Теоретическое количество их комбинаций для нахождения оптимального результата получается равным 10^ в 50-й степени. За решением такого количества комбинаций стоят десятилетия исследований ингредиентов и соотношения их пропорций с помощью обычного компьютера. Поэтому для поиска оптимального и быстрого решения компания сосредоточилась на технологии имитации отжига от Fujitsu Ltd. О ней мы уже рассказывали в предыдущих постах. Представив задачу в форме модели Изинга, что является необходимым для применения алгоритма имитации отжига, Showa Denko не только уменьшила время поиска с нескольких дней до десятков секунд, но и улучшила на 30% характеристики материала.
Как видите, quantum-inspired алгоритмы применяются везде: от задачек по доставке пиццы до вопросов, связанных с космосом или созданием новых материалов.
Hyundai и IonQ применяют квантовый компьютер для улучшения характеристик аккумуляторов
Hyundai Motor и компания IonQ, разрабатывающая программное обеспечение и квантовые компьютеры на основе технологии захваченных ионов, заключили партнерство.
Компании займутся улучшением качества литиевых аккумуляторов за счет оптимизации циклов зарядки и разрядки подобных устройств. Более того, они совместно займутся совершенствованием алгоритма вариационного квантового вычислителя собственных значений (VQE), о котором мы писали ранее. VQE — это гибридный квантово-классический метод. Говоря простыми словами, его квантовая часть находит пространство всех возможных состояний частицы (или элемента системы), а классическая оптимизирует параметры этого пространства с помощью широко известного в узких кругах :) метода градиентного спуска.
Почему это важно? В случае успеха, это проект позволит создать крупнейшую модель химических реакций в аккумуляторных батареях. А в будущем, используя эту же методологию, появится возможность открыть новые виды материалов. Они, в свою очередь, позволят уменьшить время, трудозатраты и, в итоге, стоимость производства аккумуляторов. Учитывая, что самым дорогим компонентом электромобиля, как правило, являются аккумуляторные батареи, важность этого партнерства очевидна.
То, что разработкой новых материалов при помощи гибридных вычислительных алгоритмов сейчас занимается столько мировых компаний, очень вдохновляет!
Hyundai Motor и компания IonQ, разрабатывающая программное обеспечение и квантовые компьютеры на основе технологии захваченных ионов, заключили партнерство.
Компании займутся улучшением качества литиевых аккумуляторов за счет оптимизации циклов зарядки и разрядки подобных устройств. Более того, они совместно займутся совершенствованием алгоритма вариационного квантового вычислителя собственных значений (VQE), о котором мы писали ранее. VQE — это гибридный квантово-классический метод. Говоря простыми словами, его квантовая часть находит пространство всех возможных состояний частицы (или элемента системы), а классическая оптимизирует параметры этого пространства с помощью широко известного в узких кругах :) метода градиентного спуска.
Почему это важно? В случае успеха, это проект позволит создать крупнейшую модель химических реакций в аккумуляторных батареях. А в будущем, используя эту же методологию, появится возможность открыть новые виды материалов. Они, в свою очередь, позволят уменьшить время, трудозатраты и, в итоге, стоимость производства аккумуляторов. Учитывая, что самым дорогим компонентом электромобиля, как правило, являются аккумуляторные батареи, важность этого партнерства очевидна.
То, что разработкой новых материалов при помощи гибридных вычислительных алгоритмов сейчас занимается столько мировых компаний, очень вдохновляет!
Aqemia и Janssen применяют quantum-inspired алгоритмы для поиска новых лекарств
Технологию Aqemia для прогнозирования эффективности малых молекул на основе quantum-inspired алгоритма применят к датасету Janssen, одной из крупнейших компаний-разработчиков фармацевтических продуктов и вакцин.
Цель этого сотрудничества – повысить понимание потенциальной продуктивности алгоритма Aqemia: а именно, как лучше всего применять его в проектах по поиску и разработке лекарств. Человек ощущает болезнь через симптомы (температура, головная боль и т.п.), которые являются следствием изменений в организме на клеточном уровне. Чаще всего эти изменения заключаются в том, что определенные, специфичные для этого заболевания белки меняют свой функционал. Принимая лекарство, мы вводим в организм химическое вещество, воздействующее на эти белки и возвращающее их к нормальному функционированию. Подбор химической формулы вещества, которое будет вступать в нужную реакцию и именно с нужным белком-мишенью - задача, требующая огромного объема вычислений.
Отличие алгоритмов Aqemia заключается, по их словам, в точности и скорости (в 10 тысяч раз быстрее, чем их конкуренты). Такое техническое преимущество позволяет компании находить и совершенствовать новые лекарства, лидируя на рынке.
Интересно, что представители компании не дают имени этому потрясающему quantum-inspired алгоритму. Они лишь уклончиво называют его в текстах на сайте, в пресс-релизах и публикациях в СМИ «unique quantum-inspired statistical mechanics algorithm» 🤔.
Технологию Aqemia для прогнозирования эффективности малых молекул на основе quantum-inspired алгоритма применят к датасету Janssen, одной из крупнейших компаний-разработчиков фармацевтических продуктов и вакцин.
Цель этого сотрудничества – повысить понимание потенциальной продуктивности алгоритма Aqemia: а именно, как лучше всего применять его в проектах по поиску и разработке лекарств. Человек ощущает болезнь через симптомы (температура, головная боль и т.п.), которые являются следствием изменений в организме на клеточном уровне. Чаще всего эти изменения заключаются в том, что определенные, специфичные для этого заболевания белки меняют свой функционал. Принимая лекарство, мы вводим в организм химическое вещество, воздействующее на эти белки и возвращающее их к нормальному функционированию. Подбор химической формулы вещества, которое будет вступать в нужную реакцию и именно с нужным белком-мишенью - задача, требующая огромного объема вычислений.
Отличие алгоритмов Aqemia заключается, по их словам, в точности и скорости (в 10 тысяч раз быстрее, чем их конкуренты). Такое техническое преимущество позволяет компании находить и совершенствовать новые лекарства, лидируя на рынке.
Интересно, что представители компании не дают имени этому потрясающему quantum-inspired алгоритму. Они лишь уклончиво называют его в текстах на сайте, в пресс-релизах и публикациях в СМИ «unique quantum-inspired statistical mechanics algorithm» 🤔.
LG CNS присоединился к IBM для развития применения квантовых вычислений
IBM предоставила LG доступ к своим квантовым вычислительным мощностям. Используя технологию IBM Quantum, LG должна исследовать, как потенциальные прорывы в квантовых вычислениях могут быть применены в отраслях, которыми занимается компания. LG планирует применять квантовые вычисления везде, где требуется обработка большого объема данных, включая искусственный интеллект, беспилотные автомобили,, интернет вещей (IoT) и робототехнику.
До этого в середине 2021 года LG CNS, которая представляет услуги в области IT, системной и сетевой интеграции, договорилась об изучении алгоритмов оптимизации, основанных на технологии квантового отжига, вместе с Fujitsu. Это партнерство направлено на решение задач в финансовой сфере и различных областях промышленности, таких как транспорт, фармацевтика и химия.
Как видите, LG наращивает свои компетенции в области оптимизации процессов с двух сторон: со стороны возможностей квантовых компьютеров и со стороны quantum-inspired алгоритмов.
IBM предоставила LG доступ к своим квантовым вычислительным мощностям. Используя технологию IBM Quantum, LG должна исследовать, как потенциальные прорывы в квантовых вычислениях могут быть применены в отраслях, которыми занимается компания. LG планирует применять квантовые вычисления везде, где требуется обработка большого объема данных, включая искусственный интеллект, беспилотные автомобили,, интернет вещей (IoT) и робототехнику.
До этого в середине 2021 года LG CNS, которая представляет услуги в области IT, системной и сетевой интеграции, договорилась об изучении алгоритмов оптимизации, основанных на технологии квантового отжига, вместе с Fujitsu. Это партнерство направлено на решение задач в финансовой сфере и различных областях промышленности, таких как транспорт, фармацевтика и химия.
Как видите, LG наращивает свои компетенции в области оптимизации процессов с двух сторон: со стороны возможностей квантовых компьютеров и со стороны quantum-inspired алгоритмов.
Fujitsu использует quantum-inspired алгоритмы для уборки космического мусора
Британское космическое агентство и японский IT-гигант Fujitsu всерьез занялись вопросом загрязнения космоса. Комбинируя возможности искусственного интеллекта и квантового компьютинга, они теперь рассчитывают для космических аппаратов оптимальный маршрут удаления мусора с орбиты.
На орбите Земли сейчас находится около 160 миллионов объектов, в основном обломков, которые представляют угрозу действующим спутникам и космическим кораблям. Мусор мешает технике работать, а иногда и ломает её. Безопасный маршрут, информация о весе и объеме обломков, данные о вместимости очистительного космического аппарата составляют огромное количество переменных, с которыми классический компьютер просто не справится. Поэтому Британское агентство и обратилось к компании Fujitsu и их технологии имитации отжига.
Работает их система так: данные о космическом мусоре передаются в нейронную сеть, которая работает на базе облачного сервиса Amazon (AWS). Она рассчитывает оптимальный маршрут, минимизируя затраты времени и топлива, и передает информацию в Fujitsu Digital Annealer. Он в свою очередь находит оптимальный маршрут для космического аппарата исходя из таких приоритетов, как продолжительность, стоимость или результативность миссии. Сотрудничество уже продемонстрировало, что новая система оптимизации снижает затраты на топливо на 18%, а время работы миссии на 25%.
Этот проект — один из первых примеров взаимодействия квантовых вычислений с искусственным интеллектом, который решает проблемы экологии космоса. И, надеемся, не последний.
Британское космическое агентство и японский IT-гигант Fujitsu всерьез занялись вопросом загрязнения космоса. Комбинируя возможности искусственного интеллекта и квантового компьютинга, они теперь рассчитывают для космических аппаратов оптимальный маршрут удаления мусора с орбиты.
На орбите Земли сейчас находится около 160 миллионов объектов, в основном обломков, которые представляют угрозу действующим спутникам и космическим кораблям. Мусор мешает технике работать, а иногда и ломает её. Безопасный маршрут, информация о весе и объеме обломков, данные о вместимости очистительного космического аппарата составляют огромное количество переменных, с которыми классический компьютер просто не справится. Поэтому Британское агентство и обратилось к компании Fujitsu и их технологии имитации отжига.
Работает их система так: данные о космическом мусоре передаются в нейронную сеть, которая работает на базе облачного сервиса Amazon (AWS). Она рассчитывает оптимальный маршрут, минимизируя затраты времени и топлива, и передает информацию в Fujitsu Digital Annealer. Он в свою очередь находит оптимальный маршрут для космического аппарата исходя из таких приоритетов, как продолжительность, стоимость или результативность миссии. Сотрудничество уже продемонстрировало, что новая система оптимизации снижает затраты на топливо на 18%, а время работы миссии на 25%.
Этот проект — один из первых примеров взаимодействия квантовых вычислений с искусственным интеллектом, который решает проблемы экологии космоса. И, надеемся, не последний.
Гонка оптимизаций
Помните, мы рассказывали, как Hyundai ищет способы улучшить характеристики аккумуляторов? Видимо, борьба за первенство в этой сфере разыгралась между производителями автомобилей не на шутку.
Toyota тоже собирается использовать квантовые вычисления для поиска новых материалов и разработки более надежных аккумуляторов для электромобилей. Для этого производитель обратится к первому в Японии коммерческому 27-кубитовому квантовому компьютеру от IBM и Токийского университета. Также Toyota объединилась с компанией QunaSys, разработчиком ПО для квантовых вычислений. Партнеры применят метод DFT или, иными словами, теорию функционала плотности, которая моделирует электронную структуру материала. С помощью этого метода также оценивают устойчивость органических молекул и описывают их строение. Посмотрим, что из этого получится. Ведь 27-кубитный компьютер, конечно, маловат для таких задач, да и с момента появления новости не появлялось никаких апдейтов о результатах или процессе работы. Так что пока это выглядит больше как пиар-ход.
Интереснее всего, на наш взгляд, поступила BMW Group. Совместно с облачным сервисом от Amazon они провели в конце 2021 года конкурс «Quantum Computing Challenge» на лучшее решение задач оптимизации, поставленных перед компанией. Задач нашлось целых 50 на различных этапах производства, но конкурс проводился только по тем четырём направлениям, где квантовые вычисления могут принести выгоду уже в ближайшем будущем. Всего в конкурсе участвовало почти 70 команд со всего мира. Из них 20 команд продолжат сотрудничество с BMW. Таким образом компания не только решает поставленные перед ней задачи, не отставая от конкурентов, но и увеличивает социальный капитал.
Кажется, это наиболее выигрышная стратегия, потому что за любыми открытиями и идеями стоят в первую очередь люди.
Помните, мы рассказывали, как Hyundai ищет способы улучшить характеристики аккумуляторов? Видимо, борьба за первенство в этой сфере разыгралась между производителями автомобилей не на шутку.
Toyota тоже собирается использовать квантовые вычисления для поиска новых материалов и разработки более надежных аккумуляторов для электромобилей. Для этого производитель обратится к первому в Японии коммерческому 27-кубитовому квантовому компьютеру от IBM и Токийского университета. Также Toyota объединилась с компанией QunaSys, разработчиком ПО для квантовых вычислений. Партнеры применят метод DFT или, иными словами, теорию функционала плотности, которая моделирует электронную структуру материала. С помощью этого метода также оценивают устойчивость органических молекул и описывают их строение. Посмотрим, что из этого получится. Ведь 27-кубитный компьютер, конечно, маловат для таких задач, да и с момента появления новости не появлялось никаких апдейтов о результатах или процессе работы. Так что пока это выглядит больше как пиар-ход.
Интереснее всего, на наш взгляд, поступила BMW Group. Совместно с облачным сервисом от Amazon они провели в конце 2021 года конкурс «Quantum Computing Challenge» на лучшее решение задач оптимизации, поставленных перед компанией. Задач нашлось целых 50 на различных этапах производства, но конкурс проводился только по тем четырём направлениям, где квантовые вычисления могут принести выгоду уже в ближайшем будущем. Всего в конкурсе участвовало почти 70 команд со всего мира. Из них 20 команд продолжат сотрудничество с BMW. Таким образом компания не только решает поставленные перед ней задачи, не отставая от конкурентов, но и увеличивает социальный капитал.
Кажется, это наиболее выигрышная стратегия, потому что за любыми открытиями и идеями стоят в первую очередь люди.
Математическая модель может объяснить рисунок ящерицы
Исследователи из Швейцарии продемонстрировали, что формирование цвета чешуи глазчатой ящерицы объясняется при помощи модели Изинга, о которой мы говорили ранее. Окончательный узор ящерицы возникает в результате переключения чешуек при взрослении между двумя состояниями: чёрным и зелёным. Какой цвет будет идти дальше — зависит от соседних чешуек. Это и напомнило физикам распределение вероятностей в системе спинов через их взаимодействия друг с другом и с внешним полем.
Но если модель Изинга использует кристаллическую решетку, в узлах которой находятся атомы, то в данном исследовании узлы заменили на чешуйки в виде гексагона (шестигранника), а две возможные проекции спина превратились в два упомянутых цвета. Физики увидели, что прогноз модели Изинга точно воссоздает развитие рисунка на чешуе в течении жизни этих ящериц, лабиринтный характер их окончательных узоров и даже преобладающий баланс черной чешуи над зелёной.
Интересно, что гипотеза формирования паттернов (например, полос у тигра) была предложена ещё в 1952 году тоже не биологом или зоологом, а известным английским математиком Аланом Тьюрингом, который внес существенный вклад в компьютерные науки (об этом выше) и теорию ИИ. Эти примеры демонстрируют важность междисциплинарных работ и взаимодействий.
Исследователи из Швейцарии продемонстрировали, что формирование цвета чешуи глазчатой ящерицы объясняется при помощи модели Изинга, о которой мы говорили ранее. Окончательный узор ящерицы возникает в результате переключения чешуек при взрослении между двумя состояниями: чёрным и зелёным. Какой цвет будет идти дальше — зависит от соседних чешуек. Это и напомнило физикам распределение вероятностей в системе спинов через их взаимодействия друг с другом и с внешним полем.
Но если модель Изинга использует кристаллическую решетку, в узлах которой находятся атомы, то в данном исследовании узлы заменили на чешуйки в виде гексагона (шестигранника), а две возможные проекции спина превратились в два упомянутых цвета. Физики увидели, что прогноз модели Изинга точно воссоздает развитие рисунка на чешуе в течении жизни этих ящериц, лабиринтный характер их окончательных узоров и даже преобладающий баланс черной чешуи над зелёной.
Интересно, что гипотеза формирования паттернов (например, полос у тигра) была предложена ещё в 1952 году тоже не биологом или зоологом, а известным английским математиком Аланом Тьюрингом, который внес существенный вклад в компьютерные науки (об этом выше) и теорию ИИ. Эти примеры демонстрируют важность междисциплинарных работ и взаимодействий.