Собака.ru
10.10.2024 13:35
В Мариинском театре пройдет Международный органный фестиваль. В программе 12-го сезона, который стартует 16 октября — Бах, Гендель, Моцарт, Вивальди и Дюпре, произведения которых исполнят органисты Леонид Карев, Андони Андрада, Марина Вяйзя, Евгений Авраменко, Ольга Котлярова, флейтистка Мария Федотова, а также солисты, хор и симфонический оркестр театра.
Собака.ru
09.10.2024 16:45
Эрмитаж представил планы на 2025 год. Всего планируется провести более 20 выставок, а еще более 10 — в регионах России и других странах. На что мы пойдем в следующем году? «К барьеру! Поединки и дуэли от Ахилла до Лифаря» — выставка об европейской истории поединков и зарождении традиций дуэлей в России. Конец июня 2025 года. «Мода Ар Деко. Из коллекции Назима Мустафаева» — выставка о женской моде 1920-х — начала 1930-х годов. С 30 апреля по 7 сентября 2025 года. «Драгоценность в лотосе: искусство тибетского буддизма. К 110-летию Санкт-Петербургского буддийского храма Дацан Гунзэчойнэй». Октябрь 2025 года. «Искусство портрета. Личность и эпоха» — «глубокая, полная философских смыслов», как описывают ее в Эрмитаже, выставка о всемирной истории портрета. С декабря 2025 года по март 2026-го. «Божественный Микеланьоло и его современники» — выставка-посвящение мастеру в честь 550 лет со дня его рождения. С 30 апреля по 24 августа 2025 года. Также Эрмитаж планирует выставки, приуроченные к 80-летию Победы в Великой Отечественной войне, 250-летию со дня рождения Карла Росси и 200-летию со дня восстания декабристов на Сенатской площади.
Собака.ru
09.10.2024 14:35
Нобелевскую премию по химии в этом году дали за работу, без которой теперь «нельзя представить ни одно медицинское исследование». Американский исследователь Дэвид Бейкер и двое британцев Демис Хассабис и Джон М. Джампер занимались веществами, которые определяют функционирование всех организмов на Земле — белками. Все трое лауреатов внесли вклад в то, чтобы изучать структуру белков с помощью сложнейших компьютерных алгоритмов, в написании которых они сами принимали участие. Что все это значит? И почему без результатов их работы невозможно представить современную разработку лекарств? Узнали у Екатерины Скорб — профессора и директора центра инфохимии Университета ИТМО: Внедрение этой технологии позволяет уже сегодня искать новые лекарства и сильно экономить время и ресурсы во многих биологических и фармакологических исследованиях. До 2000-х годов таких возможностей не было. Структуру белка выясняли экспериментальным образом, его выделяли, кристаллизовали, проводили анализ, что занимало очень большое время. Однако такие исследования позволили накопить огромный массив данных, который потом позволил обучить алгоритмы вроде Rosetta . Тот факт, что теперь мы можем узнать структуру белка позволяет нам быстро реагировать на вызовы новых эпидемий и пандемий. Фактически с помощью нейросети вы можете создать цифровую модель заболевания. Сейчас самый большая задача — сделать так, чтобы мы могли смотреть за тем, что происходит с белком, структуру которого мы определили, в динамике.
Собака.ru
09.10.2024 13:35
Цифра дня: 170 млрд рублей — столько Смольный планирует потратить на строительство метро в Петербурге. Эта сумма заложена в бюджете на 2025-2027-е года — и «объемы будут расти каждый год». Всего на транспортные проекты в 2025-м предусмотрено 42,7 млрд рублей. В частности, продолжат строить Широтную магистраль, а также продлят Ленинский проспект.
Собака.ru
08.10.2024 17:25
Тейлор Свифт стала самой богатой женщиной в музыкальной индустрии. Заработав состояние в 1,6 млрд долларов, она обогнала предыдущего лидера Рианну 1,4 млрд долларов , а также стала первым музыкантом, попавшим в рейтинг миллиардеров Forbes в основном благодаря своим песням и выступлениям. А если вы до сих пор не понимаете, почему все любят Тейлор Свифт даже журнал Time сделал певицу человеком 2023 года! , объясняем по ссылке.
Собака.ru
08.10.2024 15:40
В Петербурге строят Широтную магистраль скоростного движения — платную автодорогу от ЗСД в районе Благодатной улицы на юг до КАД в районе Кудрово. Трасса объединит Кировский, Фрунзенский, Московский, Красногвардейский и Невский районы и, как ожидают власти, перераспределит транспортные потоки и снизит нагрузку на улично-дорожную сеть города, а также разгрузит мосты Александра Невского и Володарский. Проект разделен на шесть этапов: 1 От развязки ЗСД с Благодатной улицы до развязки с Витебским проспектом. Его рассчитывают открыть до конца 2024 года. 2 От Витебского проспекта до Союзного проспекта с разводным мостом через Неву. 3 От Союзного проспекта до улицы Коммуны. И второй, и третий планируют запустить в июле 2029 года. 4 От улицы Коммуны от границ Петербурга до КАД — с открытием для движения транспорта в июле 2031 года. Способна ли новая магистраль действительно избавить город от пробок? Опрошенные нами эксперты единогласно сходятся во мнении, что нет: магистраль будет заводить непрерывный поток машин из области в центр — вместо разгрузки получится ровно обратный эффект. Не улучшится и транспортная ситуация в Кудрове. Кроме того, за деньги на строительство 2-4 этапов можно построить новую линию метро из 7 ! станций и депо, а на оставшиеся — вернуть трамвай на центральные проспекты. Есть ли более эффективные альтернативы? Разбираемся вместе с экспертами.
Собака.ru
08.10.2024 14:05
Уже на следующей неделе стартуют петербургские гастроли Большого театра. На сцене Мариинского исполнят Верди и Берлиоза: в программе свежее оперное прочтение мещанской трагедии о несчастной любви «Луиза Миллер» 15, 16 и 17 октября , а также репертуарная редкость «Беатриче и Бенедикт» по мотивам комедии Уильяма Шекспира «Много шума из ничего» 19 и 20 октября .
Собака.ru
08.10.2024 13:15
Тимоти Шаламе в роли Боба Дилана в свежем трейлере байопика о музыканте. Фильм Джеймса Мэнголда «Совершенный незнакомец» расскажет о первых годах Дилана в Нью-Йорке, невероятном взлете его популярности, превращении музыкната в культурный феномен и в конечном счете уходе из фолк-музыки. В касте также Эль Фэннинг, Эдвард Нортон, Моника Барбаро и другие. A «Совершенный незнакомец» выйдет в зарубежный прокат 25 декабря.
Собака.ru
08.10.2024 12:15
Нобелевскую премию по физике в этом году дали «прадедушкам ChatGPT» — ученым Джону Хопфилду и Джеффри Хитону. Они разработали и обосновали методическую базу машинного обучения, что позволило имитировать когнитивные функции человека при задачах распознавания и классификации различных объектов. Стоит отметить, что сами ученые изначально не планировали решать задачи машинного обучения, это применение выросло уже потом, по мере развития вычислительной техники. В чем заключается заслуга Нобелевских лауреатов перед человечеством? И правда ли, что без их работы не было бы ChatGPT? Спросили у Александра Бухановского — руководителя исследовательского центра «Сильный ИИ в промышленности» ИТМО: В искусственном интеллекте нейронная сеть имеет очень слабую сакральную связь с биологией. На самом деле — это удобный для компьютерной реализации, не для человека механизм обработки информации, который может перестраиваться под разные задачи. Нейроны — это отдельные «кирпичики», из которых опытный специалист может построить и «сарай», и «дворец». Ключевое достижение Хопфилда и Хинтона состоит в том, что они обосновали саму оптимальную конструкцию нейронной сети, которая может решать такие задачи обработки данных. И сделали это с позиций статистической физики, опираясь на теоретическую аналогию с явлениями магнетизма и теплового движения молекул. В основе ChatGPT лежит генеративная сеть, которая по набору слов, вопросу, может сгенерировать наиболее релевантный им ответ. Однако в основе этого механизма как раз и заложена идея обнаружения сходных объектов — чтобы правильный ответ соответствовал корректному вопросу. Потому, несомненно, сеть Хопфилда можно считать прадедушкой ChatGPT, хотя архитектуры самих нейросетей значимо различаются.
Собака.ru
08.10.2024 09:50
Нобелевскую премию по физике в 2024 году присудили за усовершенствование машинного обучения. Лауреатами премии стали Джон Дж. Хопфилд и Джеффри Э. Хитон: они совершили «основополагающие открытия и изобретения, которые позволяют осуществлять машинное обучение с использованием искусственных нейронных сетей».