physics_lib

Сборная России представит страну на Международной космической олимпиаде в Пекине Международная инженерно космическая олимпиада Global Future Space Scholars Meet GFSSM для школьников пройдет в Пекине 13 17 августа в девятый раз Это одна из крупнейших мировых олимпиад Наша сборная впервые представит страну и встретится с командами из более чем 15 стран включая США Китай и Великобританию За отбор и подготовку национальной сборной отвечает Центральный университет который стал единственной российской аккредитованной площадкой в партнерстве с Роскосмосом и Т Технологиями Т Банк Главной темой девятого сезона GFSSM станет Demeter 2095 космическая станция по добыче ресурсов в глубоком космосе Deep Space Resource Hub На финальном этапе школьникам предстоит объединиться в международные команды чтобы за 24 часа разработать проект крупного промышленного космического города в поясе астероидов Жюри олимпиады оценит инженерную и научную логику проекта реалистичность решений навыки командной работы а также защиту проекта и ответы на вопросы В этом году нам предстоит подготовить школьников для выполнения сложнейших заданий от ведущих космических организаций Национальная сборная должна продемонстрировать не только технические решения но и бизнес ориентированность и жизнеспособность своих проектов Мы уверены что совместная работа с экспертами Т Технологий и Роскосмоса позволит команде школьников с достоинством представить Россию в мировом космическом сообществе комментирует ректор Центрального университета Евгений Ивашкевич Отбор открыт до 26 февраля Принять участие могут школьники с 14 лет с опытом участия в олимпиадах соревнованиях и проектных программах в области технологий инженерии и космической тематики physics физика задачи наука образование science космос олимпиады Physics Math Code physics lib

Логическое мышление как большие языковые модели научились логическим рассуждениям без больших финансовых и временных затрат Исследователи из T Bank AI Research и лаборатории Центрального университета Omut AI представили метод который позволяет развивать сложные reasoning навыки без полного переобучения своего рода точной настройке логических цепочек в уже обученной сети В основе подхода лежит не переписывание мозга а steering vectors компактные векторы регуляторы которые усиливают корректные логические шаги модели На шести математических бенчмарках метод показал сохранение 100 эффективности полного дообучения при изменении всего 0 0016 параметров 14 миллиардной модели Требования к памяти сократились с гигабайтов до сотен килобайт Скорость одного из этапов обучения увеличилась с десятков минут до секунд Logit анализ показывает усиление ключевых маркеров логических рассуждений таких как потому что следовательно правильно В связи с этим поведение LLM становится легче интерпретировать исследователям которые получают прозрачный инструмент для изучения того как именно модель рассуждает Результаты исследования протестировали на моделях Qwen и LLaMA и представили на EMNLP 2025 Steering LLM Reasoning Through Bias Only Adaptation наука math science программирование разработка IT Physics Math Code physics lib

Хорошая новость для поступающих в вузы Минобрнауки опубликовало список олимпиад которые дадут преимущества при поступлении в вузы в 2025 26 учебном году Традиционно в перечень вошли ВсОШ Национальная технологическая олимпиада Вузовско академическая олимпиада по информатике и другие соревнования Но есть и изменения по сравнению с прошлым годом Например профиль по промышленному программированию от Яндекса и ВШЭ в олимпиаде Высшая проба получил второй уровень Это значит что победители и призёры соревнования могут получить 100 баллов на ЕГЭ по информатике или даже быть зачислены в вуз без экзаменов Участникам предстоит создавать программы и приложения как в реальном бизнесе Формат индивидуальный зачёт сначала онлайн отбор потом очный финал Physics Math Code physics lib

В древние времена среди металлов наибольшим спросом пользовалась медь Её добывали из россыпей и плавили из руды Зародилась медная металлургия в Анатолии а потом постепенно стала распространяться по Евразии Самым древним сплавом является мышьяковистая медь которую получали из золотистого мышьяковистого минерала аурипигмента и смеси медной руды еще в IV тыс до н э Во II тыс до н э на смену мышьяковистой меди пришла оловянная бронза которая на Кикладских островах Греция была известна уже в III тыс до н э В гончарных мастерских происходила плавка металлов в процессе которой удавалось обнаружить сплавы с разными температурами плавления и легкоплавкие из них использовались в качестве припоя Результаты археологических раскопок позволяют утверждать что пайка как средство соединения металлов известна человеку не мене пяти тысячелетий В 1927 1928 гг археолог Леонард Вуллей при раскопках города Ура на Евфрате обнаружил гробницу царицы Шуб ат с золотыми сосудами ручки которых были припаяны серебряно золотым сплавом Всё это относится к 3500 году до н э факты пайка металлы железо химия научные фильмы gif Physics Math Code physics lib

В России запустили образовательный трек, где учёных-естественников обучат применению ИИ в исследованиях. Программу реализует Школа анализа данных Яндекса, которая с 2007 года готовит востребованных специалистов в области машинного обучения и анализа данных. Для поступления нужно сдать экзамен, пройти собеседование и быть готовым внедрить ИИ в свой научный проект. Подать заявки можно до 10 сентября. Для тех, кому интересно, мы собрали книги и лекции, которые будут полезны для подготовки: Кострикин А.И. Введение в алгебру. МНЦНО, 2024. Сборник задач по алгебре под редакцией Кострикина А.И. МЦНМО, 2023 Демидович Б.П. Сборник задач и упражнений по математическому анализу. Лань, 2022 Гнеденко Б.В., Хинчин А.Я. Элементарное введение в теорию вероятностей. URSS, 2022. Ширяев А.Н. Вероятность. МЦНМО, 2021. Николенко С.И. Машинное обучение: основы. 2025. Рассел С., Норвиг П. Искусственный интеллект: современный подход. Вильямс, 2021. Видео-лекции И.И.Богданова по линейной алгебре и аналитической геометрии на Youtube Конспекты лекций Д.В.Трушина по линейной алгебре на Github Видео-лекции и семинары Д.В.Трушина по линейной алгебре и геометрии на Youtube Видео-лекции С.В. Шапошникова по Матем.анализу на Youtube Harvard probability theory Видео-лекции М.Николаева по Математической статистике в открытом доступе на Youtube

Ученые Яндекса разработали и выложили в опенсорс Yambda — один из крупнейших в мире датасетов для рекомендательных систем на 5 миллиардов данных. ‍ Датасет предназначен для развития рекомендательных систем и откроет новые возможности для научного сообщества и вузов. В основном, в них работают на упрощенных датасетах — в общий доступ редко попадают качественные и объемные данные. Поэтому ученые, исследователи и вузы часто оказываются на шаг позади, когда очередь доходит до исследований рекомендательных алгоритмов. Yambda позволит тестировать и улучшать их с помощью разнообразных обезличенных данных, собранных на основе Яндекс Музыки: Датасет представлен в разных размерах: 5 млрд / 500 млн / 50 млн событий — чтобы разработчики и исследователи могли выбрать тот, который больше подходит их задачам и доступным вычислительным ресурсам. Публикация актуальных агрегированных данных в открытом доступе даст возможность российской науке активнее развиваться в области рекомендательных систем и привлечет молодых специалистов, заинтересованных в машинном обучении. Physics.Math.Code //

Pushing the Limits of Large Language Model Quantization via the Linearity Theorem Прочитать о новом методе — ссылка Ученые из лаборатории исследований ИИ Yandex Research совместно с НИУ ВШЭ, MIT США , KAUST Саудовская Аравия и ISTA Австрия представили метод HIGGS. Он позволяет квантовать большие языковые модели без дополнительного обучения и без доступа к исходным данным. Статья о разработке уже принята на одну из главных конференций по компьютерной лингвистике — NAACL, которая пройдет этой весной в Нью-Мексико США . Помимо Яндекса и его партнеров по исследованию в ней примут участие Google, Microsoft Research, Гарвардский университет и другие. Новый способ сжатия даст больше возможностей для использования LLM в различных областях, особенно в тех, где ресурсы ограничены — например, в образовании или социальной сфере. Теперь стартапы и независимые разработчики могут использовать сжатые модели для создания инновационных продуктов и сервисов, не тратя деньги на дорогое оборудование. Physics.Math.Code //

Нейросеть ШАДа Яндекса поможет планировать уборку берегов водоёмов от мусора в труднодоступных регионах ML-разработчики Школы анализа данных Яндекса при поддержке Yandex B2B Tech и ДВФУ создали и выложили в открытый доступ нейросеть, которая умеет определять объём, массу и виды мусора на побережьях водоёмов. Решение успешно применили в экологической экспедиции в Южно-Камчатском федеральном заказнике – особо охраняемой природной территории на Дальнем Востоке, а также тестируют в Арктике и других регионах. Технологию смогут бесплатно использовать службы экологического контроля и волонтёры для более быстрого сбора мусора в труднодоступных местах. ‍ Для разработчиков: Нейросеть распознает на аэроснимках 6 видов мусора, включая рыболовные сети, с точностью до 80%. Код разработки выложен в опенсорс, его может использовать в своем проекте каждый желающий. Решение уже использовали во время экспедиции в Южно-Камчатском федеральном заказнике. Специалисты выяснили, что больше всего побережье загрязнено пластиковой тарой и упаковкой 33-39% , а также отходами промышленного рыболовства 27–29% . С помощью нейросети эксперты рассчитали, что для очистки берега потребуется группа в 20 волонтёров, два самосвала, два квадроцикла и фронтальный погрузчик. Далее добровольцы убрали с побережья пять тонн отходов. Таким образом, благодаря использованию дронов и нейросети организовать уборку удалось в 4 раза быстрее, чем без использования технологии. Искусственный интеллект поможет волонтерам быстрее убирать мусор на берегах водоёмов Нейросеть разработали специалисты Yandex B2B Tech и студенты ШАДа Решение уже работает в Кроноцком заповеднике, а еще его тестируют в Арктике, на Байкале и в других регионах. Это бесплатно и доступно в опенсорс

‍ Завершилась масштабная международная олимпиада по промышленной разработке PROD от Центрального университета, Т-Банка и НИУ ВШЭ Соревнования были посвящены разработке ПО, применяемого в реальных бизнес-процессах бигтех компаний. Участниками PROD стали свыше 4000 школьников из всех регионов России и 23 стран мира, в том числе из Великобритании, Франции, Германии и Китая. Они решали задачи по созданию систем, автоматизации процессов и разработке приложений для повышения эффективности и сокращению затрат компаний. Финальный этап длился 5 дней и проходил в Москве. Участники в командах создавали полноценные IT-продукты: платформу для проведения соревнований по анализу данных, сервис для обмена книгами, а также проект по созданию программ лояльности для партнеров Т-Банка. Победителями стали 17 школьников из России и Беларуси. Они получили грант в размере 100% на обучение в Центральном университет, скидку до 90% на совместный бакалавриат Факультета компьютерных наук НИУ ВШЭ и Центрального университета, а также возможность пройти упрощенный отбор на стажировку в Т-Банк. #science #наука #образование #разработка #физика Physics.Math.Code //

Linear Transformers with Learnable Kernel Functions are Better In-Context Models, ACL 2024 Скачать исследование Ученые из лаборатории исследований искусственного интеллекта T-Bank AI Research представили на 63-й Международной ежегодной конференции по компьютерной лингвистике ACL новую архитектуру быстрых языковых моделей ReBased. В модели Based, представленной учеными Стэнфорда в декабре 2023 года, которая значительно улучшила способности контекстного обучения, специалисты T-Bank AI Research обнаружили неэффективное использование ресурсов из-за неоптимальной структуры нейросети. Проведя анализ архитектуры Based, ученые из T-Bank AI Research оптимизировали механизм извлечения информации из текста, добавив новые обучаемые параметры, которые отвечают за оптимальный поиск взаимосвязей между частями текста. Ученые также упростили алгоритм выделения текстовой информации. В среднем понимание взаимосвязей в тексте в новой архитектуре стало лучше на 10%. Новая архитектура, предложенная учеными, позволяет приблизить качество линейных моделей к трансформерам. Модели, в основе которых лежит ReBased, могут генерировать тексты с более низкими требованиями к ресурсам практически без потери качества. Physics.Math.Code //