ИИ неожиданно хорошо справился с управлением симулятором космического корабля

Чтобы стимулировать инновации, в последние годы исследователи в области аэронавтики создали Kerbal Space Program Differential Game Challenge — своего рода игровую площадку на основе популярной видеоигры Kerbal Space Program, позволяющую сообществу разрабатывать, экспериментировать и тестировать автономные системы в достаточно реалистичной среде. Задача состоит из нескольких сценариев, таких как миссия по преследованию и перехвату спутника и миссия по уклонению от обнаружения.

В статье, которая будет опубликована в Journal of Advances in Space Research, международная группа исследователей описывает своего кандидата: коммерчески доступные LLM, такие как ChatGPT и Llama.

Исследователи решили использовать LLM, потому что традиционные подходы к разработке автономных систем требуют многих циклов обучения, обратной связи и доработки. Но Kerbal challenge задумывалось как реалистичное испытание – в его рамках миссии длятся всего несколько часов. Это означает, что постоянное совершенствование модели недоступно.

Исследователи разработали метод перевода заданного состояния космического корабля и его цели в текст. Затем они передали его LLM и попросили его дать рекомендации по ориентации и маневрированию космического аппарата. Затем исследователи разработали слой трансляции, который преобразовывал текстовый вывод LLM в функциональный код, позволяющий управлять симулируемым аппаратом.

С помощью небольшой серии подсказок и некоторой тонкой настройки исследователи заставили ChatGPT выполнить многие тесты в задаче, и в итоге он занял второе место на недавнем конкурсе (первое место заняла модель, основанная на других уравнениях).

Астрономы получили первое в истории изображение звезды, которая взорвалась дважды

В течение многих лет учёные подозревали, что звёзды могут погибнуть в результате серии взрывов, но до сих пор не получали видимых доказательств этого.

Теперь ситуация изменилась. Астрономы с помощью «Очень большого телескопа» в Чили получили первое в истории изображение звезды, которая погибла в результате «двойной детонации», оставив после себя впечатляющий остаток сверхновой.

Результаты исследования, опубликованные в журнале Nature Astronomy, углубляют наше понимание звёздной эволюции сгоревших звёзд, называемых белыми карликами.

«Взрывы белых карликов играют важнейшую роль в астрономии», — сказал ведущий автор работы Приям Дас, исследователь из Университета Нового Южного Уэльса в Канберре (Австралия). «Однако, несмотря на их важность, давняя загадка точного механизма, запускающего их взрыв, остаётся нерешённой».

Когда исключительно массивная звезда — по крайней мере, в несколько раз тяжелее Солнца — сжигает всё своё топливо, она разрушается под действием собственной гравитации в результате мощного взрыва, известного как сверхновая.

Однако это лишь один из вариантов развития событий, и не все сверхновые заканчиваются одинаково. Одни приводят к полному уничтожению звезды, а другие, если звезда достаточно тяжёлая, могут привести к образованию сверхплотного ядра, называемого нейтронной звездой, или даже чёрной дыры.

Изображение, полученное VLT, — результат так называемой сверхновой типа Ia, созданной маломассивной звездой, которая исчерпала всё своё топливо и оставила после себя остаток, называемый белым карликом. Эти объекты более компактны и гораздо плотнее, чем их исходные звёзды, что наделяет их сильным гравитационным притяжением.

В бинарных системах эта мощная гравитация может привести к тому, что белый карлик будет забирать вещество у своего звёздного компаньона, если их орбиты достаточно близки. Когда на поверхности белого карлика накапливается критическая масса этого материала, происходит невероятно разрушительный термоядерный взрыв, который уничтожает обе звезды.

Более поздние исследования обнаружили доказательства того, что некоторые белые карлики перед тем, как погаснуть, переживают не один, а два взрыва. Астрономы считают, что в этом случае белый карлик плавает в облаке притянутого им гелия. Это нестабильное гелиевое облако взрывается первым, вызывая второй взрыв в ядре звезды.

Машинное обучение удивительно хорошо справляется с моделированием Вселенной

В японском Центре междисциплинарных теоретических и математических наук RIKEN (iTHEMS) исследователи использовали машинное обучение для улучшения моделирования эволюции галактик. Результаты сравнили с прямым численным моделированием, которое обычно выполняется на суперкомпьютерах, и искусственный интеллект показал удивительно хорошие результаты, обогнав обычные симуляции.

В ходе моделирования был решён ключевой вопрос формирования галактик — роль, которую играют сверхновые. Поскольку возможностей для изучения этих событий мало, учёные вынуждены полагаться на численное моделирование, основанное на данных, собранных телескопами и другими методами наблюдения. Эти симуляции очень сложны, поскольку они должны учитывать космологические силы и обладать высоким временным разрешением, чтобы не пропустить важные события. К таким событиям относятся сверхновые, которые проходят путь от коллапса ядра до остатка за период от нескольких месяцев до нескольких тысяч лет, что на порядки меньше, чем позволяют достичь типичные программы моделирования.

В результате было получено то, что команда называет моделью ASURA-FBPS-ML, которая позволила им сравниться с результатами ранее смоделированной карликовой галактики, но получить результат гораздо быстрее. Как сказал Хирашима в пресс-релизе RIKEN:

Когда мы используем нашу модель искусственного интеллекта, моделирование происходит примерно в четыре раза быстрее, чем при стандартном численном моделировании. Это соответствует сокращению времени вычислений от нескольких месяцев до полугода. Очень важно, что наше моделирование с помощью искусственного интеллекта смогло воспроизвести динамику, важную для отображения эволюции галактик и циклов материи, включая звёздообразование и отток галактик".

Учёные утверждаютнашли убедительные доказательства того, что мозг взрослого человека способен создавать новые нейроны

Исследователи утверждают, что нашли чёткие доказательства того, что человеческий мозг может продолжать производить новые нейроны вплоть до зрелого возраста – об этой возможности мозга нейробиологи спорят уже несколько десятилетий.

Рост новых нейронов, или «нейрогенез», происходит в гиппокампе — важнейшей части мозга, участвующей в обучении, памяти и эмоциях.

«В общем, наша работа ставит точку в давних спорах о том, может ли мозг взрослого человека выращивать новые нейроны», — сообщила соавтор исследования Марта Патерлини, научный сотрудник Каролинского института в Стокгольме.

Исследователи объединили передовые методы, включая секвенирование одноядерной РНК и машинное обучение, для сортировки и изучения образцов тканей мозга из международных биобанков.

С 1960-х годов исследователи знают, что у мышей, крыс и некоторых нечеловеческих приматов новые клетки мозга в зубчатой извилине, части гиппокампа, образуются на протяжении всей жизни. Но получить качественные образцы тканей мозга взрослого человека крайне сложно.

«Человеческие ткани получают в результате вскрытий или операций, поэтому то, как с ними обращаются — как долго их фиксируют в консерванте, какие химикаты используют, насколько тонкие срезы — может не дать исследователям обнаружить эти новорождённые клетки», — говорит Патерлини. Использование новых технологий позволило команде преодолеть эту проблему.

Они проанализировали более 400 000 отдельных ядер клеток гиппокампа 24 человек и, кроме того, изучили 10 других мозгов с помощью других методов. Мозг принадлежал людям в возрасте от 0 до 78 лет, в том числе шести детям и четырём подросткам.

Используя два новейших метода визуализации, команда составила карту расположения новых клеток в тканях. Они увидели группы делящихся клеток-предшественников, сидящих прямо рядом с полностью сформированными нейронами, в тех же местах, где, как показали исследования на животных, обитают взрослые стволовые клетки.

«Мы увидели эти делящиеся клетки-предшественники не только у младенцев и маленьких детей — мы также обнаружили их у подростков и взрослых», — говорит Патерлини. «Среди них есть стволовые клетки, которые могут обновляться и давать начало другим клеткам мозга».

ИИ помогает найти формулу краски для охлаждения зданий

Краска, созданная с помощью искусственного интеллекта, может уменьшить эффект «теплового острова» в городах и сократить счета за кондиционирование, утверждают учёные.

Специалисты по материалам использовали искусственный интеллект для создания новых покрытий, которые могут уменьшить температуру в зданиях на величину от 5 до 20°C, по сравнению с обычной краской после воздействия полуденного солнца. Их также можно применять для автомобилей, поездов, электрооборудования и других объектов, которые требуют большего охлаждения в условиях нагревающегося мира.

Используя машинное обучение, исследователи из университетов США, Китая, Сингапура и Швеции разработали новые формулы красок, которые наилучшим образом отражают солнечные лучи и излучают тепло, говорится в рецензируемом исследовании, опубликованном в научном журнале Nature.

Исследование красок проводилось учёными из Техасского университета в Остине, Шанхайского университета Цзяо Тонг, Национального университета Сингапура и Университета Умео в Швеции. Оно показало, что нанесение одной из нескольких новых красок с искусственным интеллектом на крышу четырёхэтажного жилого дома может сэкономить электроэнергию, эквивалентную 15 800 киловатт-часам в год в жарком климате, как в Рио-де-Жанейро или Бангкоке. Если бы такую краску нанесли на 1000 жилых домов, это позволило бы сэкономить электроэнергию, достаточную для работы более 10 000 кондиционеров в течение года.

Юэбин Чжэн, профессор Техасского университета и один из руководителей исследования, сказал: "Наша система машинного обучения представляет собой значительный скачок вперёд в разработке тепловых мета-излучателей. Автоматизировав процесс и расширив пространство проектирования, мы можем создавать материалы с превосходными характеристиками, которые ранее были немыслимы".