Автокаталитические реакции склонны к усложнению.
Если в лужу насыпать кучу органической химии, то при определённых условиях луже будет проще и экономичнее стать живой, чем просто перестать булькать.
Ключевая работа тут — Autocatalytic Sets of Proteins Кауффмана.
Берём полипептиды — цепочки аминокислот. Это такие детали схемы, плавающие в нашей луже. Если у нас очень много разных деталей, может ли случайно возникнуть ситуация, когда они начнут собирать сами себя во что-то более крупное? Например, может ли конструктор сам себя собрать в деревянный домик или Тысячелетенего Сокола?
Интуитивное суждение — нет, потому что вероятность крайне, крайне низкая. Но если у вас реально очень разнообразный набор деталей, внезапно ситуация меняется.
Упрощая, от их случайного соударения сначала появляется деталь, которая может собирать другие более сложные. И начинает стрелять этими глайдерами во все стороны. Они бьются в другие, и появляется ещё одна, ещё и ещё. В общем, находится подмножество, которое может собирать само себя. Такие самособирающиеся наборы могут возникнуть даже при вероятности сборки 1 к миллиарду. Появляются автокаталитические наборы, где для каждого члена набора существует хотя бы одна реакция его образования, катализируемая другим членом этого же набора.
При увеличении максимальной длины полипептидов, количество возможных реакций между ними растет быстрее, чем количество самих полипептидов.
Дальше приводится математический анализ, показывающий, что вероятность образования автокаталитического набора стремится к 100% при увеличении разнообразия. Вероятности 1 к миллиарду нужно около 18 тысяч различных полипептидов, чтобы заработало. Это сильно меньше, чем в старой доброй бактериальной клетке, но надо же с чего-то начинать, правильно?
Дальше надо пройти ещё один порог сложности, когда реакции не замкнутся, а будут делать больше и больше новых деталей (а не повторять имеющиеся), то есть увеличивать шансы их провзаимодействовать. Это в конечном итоге почти гарантирует формирование автокаталитических циклов.
Итого:
— Есть матмодель, которая позволяет оценить возможность спонтанного возникновения автокаталитических наборов.
— Эта матмодель показывает, что пока полипептидов мало, всё ведёт себя как интуитивно ожидается, то есть лужа остаётся лужей.
— Как только деталей становится больше, лужа внезапно начинает потихонечку бурлить, создаются циклы.
— Появляются всё более и более сложные конструкции.
— Обсуждаются различные усложнения базовой модели, учитывающие более реалистичные предположения. Показано, что основные выводы устойчивы к этим усложнениям. В частности, для поддержания цикла в реальных условиях нужны ячейки или хотя бы какие-то другие условия, чтобы молекулы могли взаимодействовать и не распадаться сразу в среде. То есть лужа должна быть со сложной топологией. Это уточняется уже в других работах про модель GARD, там рассматриваются самособирающиеся капли, внутри которых идут реакции. Капли ограничены липидными компонентами.
— Синтез пептидов в воде термодинамически невыгоден, но при достаточной концентрации равновесие может сдвинуться в сторону более крупных полимеров или промежуточных олигопептидов.
— В других работах есть эксперименты с бесклеточными системами, доказывающие возможность сложных автокаталитических систем без генетики.
Есть и конкурирующие гипотезы. Например, гиперцикл Эйгена (The Hypercycle: A Principle of Natural Self-Organization). Гиперцикл — когда ядро это генетика, а белки вспомогательны и просто средство репликации. У Кауффмана нет единой матрицы. В итоге пришли к тому, что наиболее вероятно, что ранние самовоспроизводящиеся процессы имели и черты негенетических автокаталитических сетей (пептиды, короткие олигонуклеотиды, липиды и похожее), и элементы шаблонного копирования. Вероятно, сначала мог возникнуть набор слабоспецифичных автокатализаторов, а затем появились более точные механизмы воспроизводства (гиперциклы, кодирующие ферменты, и переход к ДНК/РНК на более поздних этапах).
#гуманитарии_познают_мир
--
Вступайте в ряды Фурье! Гномам тяжело нас всех выдумывать!
Если в лужу насыпать кучу органической химии, то при определённых условиях луже будет проще и экономичнее стать живой, чем просто перестать булькать.
Ключевая работа тут — Autocatalytic Sets of Proteins Кауффмана.
Берём полипептиды — цепочки аминокислот. Это такие детали схемы, плавающие в нашей луже. Если у нас очень много разных деталей, может ли случайно возникнуть ситуация, когда они начнут собирать сами себя во что-то более крупное? Например, может ли конструктор сам себя собрать в деревянный домик или Тысячелетенего Сокола?
Интуитивное суждение — нет, потому что вероятность крайне, крайне низкая. Но если у вас реально очень разнообразный набор деталей, внезапно ситуация меняется.
Упрощая, от их случайного соударения сначала появляется деталь, которая может собирать другие более сложные. И начинает стрелять этими глайдерами во все стороны. Они бьются в другие, и появляется ещё одна, ещё и ещё. В общем, находится подмножество, которое может собирать само себя. Такие самособирающиеся наборы могут возникнуть даже при вероятности сборки 1 к миллиарду. Появляются автокаталитические наборы, где для каждого члена набора существует хотя бы одна реакция его образования, катализируемая другим членом этого же набора.
При увеличении максимальной длины полипептидов, количество возможных реакций между ними растет быстрее, чем количество самих полипептидов.
Дальше приводится математический анализ, показывающий, что вероятность образования автокаталитического набора стремится к 100% при увеличении разнообразия. Вероятности 1 к миллиарду нужно около 18 тысяч различных полипептидов, чтобы заработало. Это сильно меньше, чем в старой доброй бактериальной клетке, но надо же с чего-то начинать, правильно?
Дальше надо пройти ещё один порог сложности, когда реакции не замкнутся, а будут делать больше и больше новых деталей (а не повторять имеющиеся), то есть увеличивать шансы их провзаимодействовать. Это в конечном итоге почти гарантирует формирование автокаталитических циклов.
Итого:
— Есть матмодель, которая позволяет оценить возможность спонтанного возникновения автокаталитических наборов.
— Эта матмодель показывает, что пока полипептидов мало, всё ведёт себя как интуитивно ожидается, то есть лужа остаётся лужей.
— Как только деталей становится больше, лужа внезапно начинает потихонечку бурлить, создаются циклы.
— Появляются всё более и более сложные конструкции.
— Обсуждаются различные усложнения базовой модели, учитывающие более реалистичные предположения. Показано, что основные выводы устойчивы к этим усложнениям. В частности, для поддержания цикла в реальных условиях нужны ячейки или хотя бы какие-то другие условия, чтобы молекулы могли взаимодействовать и не распадаться сразу в среде. То есть лужа должна быть со сложной топологией. Это уточняется уже в других работах про модель GARD, там рассматриваются самособирающиеся капли, внутри которых идут реакции. Капли ограничены липидными компонентами.
— Синтез пептидов в воде термодинамически невыгоден, но при достаточной концентрации равновесие может сдвинуться в сторону более крупных полимеров или промежуточных олигопептидов.
— В других работах есть эксперименты с бесклеточными системами, доказывающие возможность сложных автокаталитических систем без генетики.
Есть и конкурирующие гипотезы. Например, гиперцикл Эйгена (The Hypercycle: A Principle of Natural Self-Organization). Гиперцикл — когда ядро это генетика, а белки вспомогательны и просто средство репликации. У Кауффмана нет единой матрицы. В итоге пришли к тому, что наиболее вероятно, что ранние самовоспроизводящиеся процессы имели и черты негенетических автокаталитических сетей (пептиды, короткие олигонуклеотиды, липиды и похожее), и элементы шаблонного копирования. Вероятно, сначала мог возникнуть набор слабоспецифичных автокатализаторов, а затем появились более точные механизмы воспроизводства (гиперциклы, кодирующие ферменты, и переход к ДНК/РНК на более поздних этапах).
#гуманитарии_познают_мир
--
Вступайте в ряды Фурье! Гномам тяжело нас всех выдумывать!
Тут к нам пришли маркетологи из Боржоми (или кто-то, кто очень убедительно под них мимикрировал) и предложили сделать рекламу. Нам очень приятно. Раньше приходила только тушёнка и всякие бесчисленные онлайн-курсы.
Но вот чего не знают их маркетологи — это что они зашли немного не в ту дверь.
Денег мы с них не взяли, но состав продукта тщательно исследовали. И можем много чего рассказать. Там обнаружился химикат Dihydrogen monoxide. Причём они не стесняются указывать его прямо в названии на этикетке.
Из-за этого химиката погибает множество людей каждый год.
Химикат используется для следующих целей:
— В производстве как растворитель и хладагент.
— В ядерных реакторах.
— В производстве пенопласта.
— В огнетушителях.
— В химических и биологических лабораториях.
— В производстве пестицидов.
— В искусственных пищевых добавках.
— Химикат является основной составляющей кислотных дождей.
— Способствует эрозии почвы.
— Ускоряет коррозию и вредит большинству электроприборов.
— Длительный контакт с химикатом в его твёрдой форме может привести к серьёзным повреждениям кожи человека.
— Контакт с газообразной формой химиката часто приводит к сильным ожогам.
— Вдыхание даже относительно небольшого количества химиката грозит смертельным исходом.
— Химикат обнаружен в злокачественных опухолях, нарывах, язвах и прочих болезненных изменениях тела.
— Химикат развивает зависимость; жертвам при воздержании от потребления химиката грозит смерть в течение 168 часов.
— Несмотря на эти опасности, химикат активно и безнаказанно используется в индустрии. Многие корпорации ежедневно получают тонны химиката через специально проложенные подземные трубопроводы. Люди, работающие с химикатом, как правило, не получают спецодежды и инструктажа.
— Отработанный химикат тоннами выливается в реки и моря.
Ну и ещё у них на первом экране главной страницы EU-сайта огромная ссылка "Познакомиться поближе" ведёт не только на антинаучный слоган "130 лет заряжает людей энергией", но и на отключенную Тильду, где надо продлить подписку. Про энергию — холодная вода требует нагрева для обработки организмом, то есть затрат энергии, и она буквально разряжает людей.
Так что поздравляем коллег с первым контактом с научным сообществом! Приходите ещё!
--
Вступайте в ряды Фурье! У нас есть частный случай камерного оркестра, где k = 3!
Но вот чего не знают их маркетологи — это что они зашли немного не в ту дверь.
Денег мы с них не взяли, но состав продукта тщательно исследовали. И можем много чего рассказать. Там обнаружился химикат Dihydrogen monoxide. Причём они не стесняются указывать его прямо в названии на этикетке.
Из-за этого химиката погибает множество людей каждый год.
Химикат используется для следующих целей:
— В производстве как растворитель и хладагент.
— В ядерных реакторах.
— В производстве пенопласта.
— В огнетушителях.
— В химических и биологических лабораториях.
— В производстве пестицидов.
— В искусственных пищевых добавках.
— Химикат является основной составляющей кислотных дождей.
— Способствует эрозии почвы.
— Ускоряет коррозию и вредит большинству электроприборов.
— Длительный контакт с химикатом в его твёрдой форме может привести к серьёзным повреждениям кожи человека.
— Контакт с газообразной формой химиката часто приводит к сильным ожогам.
— Вдыхание даже относительно небольшого количества химиката грозит смертельным исходом.
— Химикат обнаружен в злокачественных опухолях, нарывах, язвах и прочих болезненных изменениях тела.
— Химикат развивает зависимость; жертвам при воздержании от потребления химиката грозит смерть в течение 168 часов.
— Несмотря на эти опасности, химикат активно и безнаказанно используется в индустрии. Многие корпорации ежедневно получают тонны химиката через специально проложенные подземные трубопроводы. Люди, работающие с химикатом, как правило, не получают спецодежды и инструктажа.
— Отработанный химикат тоннами выливается в реки и моря.
Ну и ещё у них на первом экране главной страницы EU-сайта огромная ссылка "Познакомиться поближе" ведёт не только на антинаучный слоган "130 лет заряжает людей энергией", но и на отключенную Тильду, где надо продлить подписку. Про энергию — холодная вода требует нагрева для обработки организмом, то есть затрат энергии, и она буквально разряжает людей.
Так что поздравляем коллег с первым контактом с научным сообществом! Приходите ещё!
--
Вступайте в ряды Фурье! У нас есть частный случай камерного оркестра, где k = 3!
Тут свежайшая статья в Nature, и там офигенная история про то, как сейчас исследуют мозг мыша.
Во-первых, берут трансгенного мыша с отладочным генокодом, который умеет размечать нейроны гиппокампа специальными метками. Во-вторых, мышам создают виртуальную реальность, где они и проходят эксперимент: три больших экрана, круговая беговая дорожка, всё как в лучших игровых студиях.
На первом видео — стрим мыша.
Мыши бегали по виртуальным коридорам и получали реальные награды водой в определенных точках. Ну а сверху был прибор для регистрации происходящего в мозге, собственно. Мыш-то физически неподвижен!
Надо было лизать воду в двух немного различающихся коридорах по 230 виртуальных сантиметров. Чтобы правильно находить воду, надо было запоминать связь между индикаторами и местами награды долговременно, и ещё краткосрочно помнить индикатор после того, как он пропал.
Короче, две похожие, но чуть различающиеся задачи, для которых надо не только запоминать, но и анализировать, что происходит.
Мышей обучили оптимальной стратегии, чтобы они лизали трубку только около правильной зоны награды. Когда мыши стали опытными игроками в "Бегущего в лабиринте", выяснилось, что у них прямо в гиппокампе сформировались разные конечные автомататы для двух разных коридоров.
То есть сначала это была некая универсальная обработка для двух задач сразу, когда мышу надо много думать и тяжело морщить голову. Потом постепенно активность нейронов менялась и начали формироваться две ветки развития для двух типов коридоров. Мыш стал делать задачу всё легче. Нейроны, изначально активные в нескольких серых зонах коридоров, становились более избирательными. Потом появлялись нейроны-разделители, активные только для одного типа испытаний. У опытных мышей наблюдался континуум ответов от нейронов места до нейронов-разделителей. В итоге мыш стал проходить лабиринт на автопилоте, успевая при этом флиртовать с учёными, намекая, что к воде неплохо было бы добавить хотя бы сахар.
Потом учёные попытались это смоделировать и посмотреть, на что похоже. Скрытая марковская модель лучше всего попадала как под конечное состояние, так и под траекторию обучения. Близко оказались и рекуррентные нейронные сети.
Дальше при изменениях задачи мыши быстро достраивали или перестраивали свои конечные автоматы в гиппокампе.
Вывод вы уже примерно знаете, но упрощая и утрируя:
— В том месте, где у нас, млеков, кэш памяти, происходит не только хранение, но и обработка. Причём если задача важная-частая, то под обработку можно замутить и специальный автомат, который её упростит.
— Гиппокамп может выявлять и представлять скрытые состояния задачи, о чём раньше эмпирически известно не было.
— Отдельные нейроны могут менять свои функции в процессе обучения. Например, нейроны, изначально реагирующие на несколько участков трека, могут стать более специализированными, реагируя только на один конкретный участок или состояние задачи.
— Нейронная сеть может эффективно различать и представлять разные состояния задачи, даже если сенсорные входы очень похожи. Среди всего прочего это помогает избежать интерференции между похожими воспоминаниями или состояниями.
В общем, выяснилось, что мыши используют Wetware-Defined-Networks в гиппокампе очень активно. Ну и Дум можно запустить на мышах.
Мыша принёс Денис из рок-группы Клей.
#гуманитарии_познают_мир
--
Вступайте в ряды Фурье!Не пускайте людей в свою шизофрению, они сопрут крокодила!
Во-первых, берут трансгенного мыша с отладочным генокодом, который умеет размечать нейроны гиппокампа специальными метками. Во-вторых, мышам создают виртуальную реальность, где они и проходят эксперимент: три больших экрана, круговая беговая дорожка, всё как в лучших игровых студиях.
На первом видео — стрим мыша.
Мыши бегали по виртуальным коридорам и получали реальные награды водой в определенных точках. Ну а сверху был прибор для регистрации происходящего в мозге, собственно. Мыш-то физически неподвижен!
Надо было лизать воду в двух немного различающихся коридорах по 230 виртуальных сантиметров. Чтобы правильно находить воду, надо было запоминать связь между индикаторами и местами награды долговременно, и ещё краткосрочно помнить индикатор после того, как он пропал.
Короче, две похожие, но чуть различающиеся задачи, для которых надо не только запоминать, но и анализировать, что происходит.
Мышей обучили оптимальной стратегии, чтобы они лизали трубку только около правильной зоны награды. Когда мыши стали опытными игроками в "Бегущего в лабиринте", выяснилось, что у них прямо в гиппокампе сформировались разные конечные автомататы для двух разных коридоров.
То есть сначала это была некая универсальная обработка для двух задач сразу, когда мышу надо много думать и тяжело морщить голову. Потом постепенно активность нейронов менялась и начали формироваться две ветки развития для двух типов коридоров. Мыш стал делать задачу всё легче. Нейроны, изначально активные в нескольких серых зонах коридоров, становились более избирательными. Потом появлялись нейроны-разделители, активные только для одного типа испытаний. У опытных мышей наблюдался континуум ответов от нейронов места до нейронов-разделителей. В итоге мыш стал проходить лабиринт на автопилоте, успевая при этом флиртовать с учёными, намекая, что к воде неплохо было бы добавить хотя бы сахар.
Потом учёные попытались это смоделировать и посмотреть, на что похоже. Скрытая марковская модель лучше всего попадала как под конечное состояние, так и под траекторию обучения. Близко оказались и рекуррентные нейронные сети.
Дальше при изменениях задачи мыши быстро достраивали или перестраивали свои конечные автоматы в гиппокампе.
Вывод вы уже примерно знаете, но упрощая и утрируя:
— В том месте, где у нас, млеков, кэш памяти, происходит не только хранение, но и обработка. Причём если задача важная-частая, то под обработку можно замутить и специальный автомат, который её упростит.
— Гиппокамп может выявлять и представлять скрытые состояния задачи, о чём раньше эмпирически известно не было.
— Отдельные нейроны могут менять свои функции в процессе обучения. Например, нейроны, изначально реагирующие на несколько участков трека, могут стать более специализированными, реагируя только на один конкретный участок или состояние задачи.
— Нейронная сеть может эффективно различать и представлять разные состояния задачи, даже если сенсорные входы очень похожи. Среди всего прочего это помогает избежать интерференции между похожими воспоминаниями или состояниями.
В общем, выяснилось, что мыши используют Wetware-Defined-Networks в гиппокампе очень активно. Ну и Дум можно запустить на мышах.
Мыша принёс Денис из рок-группы Клей.
#гуманитарии_познают_мир
--
Вступайте в ряды Фурье!
Антропик (это ChatGPT здорового человека) прочитал 4 миллиона разговоров с Антропиком и пришёл к выводам:
—50% разговоров — это анализ чатов с нейросетью для министерства труда США
— Больше всего задач на написание кода и текстов. Почти половина всего использования. Но тут вероятен сдвиг, потому что кодит Антропик лучше быстрых ChatGPT до o1-o3.
— 36% профессий используют гопоту как минимум для четверти своих задач (в смысле, из возможных задач каждая четвёртая может решаться нейросетью, но не обязательно будет решаться — возможно, для простых люди используют LLM, для сложных таких же предпочитают морщить голову).
— 4% профессий показывают использование LLM для больше чем 75% своих задач. То есть интеграция с нейросетками пока не произошла, и люди привыкли скорее полагаться на себя.
— Меньше всего LLM используют анестезиологи, строители и другие профессии, где хорошо, что именно так.
— 57% задач — усиление человеческих возможностей (например, обучение или итеративное улучшение результата) через какое-то зерно. Дали текст (тезисы), попросили перевести с матерного на русский официальный, например, чтобы не "Привет, уроды, где таска?", а "Уважаемые коллеги, доброе утро!", суммаризировать — и т.п.
— 43% случаев относятся к "автоматизации" ("переведи на русский", "сложи все эти числа", "замени в тексте все вхождения Вики на Энци, только чтобы без Энциклонгов" и так далее), а также проверке труда человека, например "проверь перевод", "проверь, что тут сделано то-то и то-то в отчёте" и так далее.
— Больше всего используют модели те, кто в верхнем квартиле по зарплатам, но не в самых верхних процентах. Кроме врачей. Хирурги, к счастью, тоже не рвутся оперировать по LLM.
— Больше всего использование в профессиях, требующих значительной подготовки (например, степень бакалавра), но не в профессиях с минимальными или очень высокими требованиями к подготовке. В общем, если вы много получаете, но при этом у вас есть компьютер, а не только телефон, и вы мало используете LLM — вы уже что-то упускаете в этом мире.
Также из исследования можно узнать, что гинеколог получает в два раза больше Senior-разработчика.
Обезличенный датасет. Исследование.
#как_размножаются_ёжики
--
Вступайте в ряды Фурье!Инженерная точность: π = 3, e = 2, а √2 = 1,5!
—
— Больше всего задач на написание кода и текстов. Почти половина всего использования. Но тут вероятен сдвиг, потому что кодит Антропик лучше быстрых ChatGPT до o1-o3.
— 36% профессий используют гопоту как минимум для четверти своих задач (в смысле, из возможных задач каждая четвёртая может решаться нейросетью, но не обязательно будет решаться — возможно, для простых люди используют LLM, для сложных таких же предпочитают морщить голову).
— 4% профессий показывают использование LLM для больше чем 75% своих задач. То есть интеграция с нейросетками пока не произошла, и люди привыкли скорее полагаться на себя.
— Меньше всего LLM используют анестезиологи, строители и другие профессии, где хорошо, что именно так.
— 57% задач — усиление человеческих возможностей (например, обучение или итеративное улучшение результата) через какое-то зерно. Дали текст (тезисы), попросили перевести с матерного на русский официальный, например, чтобы не "Привет, уроды, где таска?", а "Уважаемые коллеги, доброе утро!", суммаризировать — и т.п.
— 43% случаев относятся к "автоматизации" ("переведи на русский", "сложи все эти числа", "замени в тексте все вхождения Вики на Энци, только чтобы без Энциклонгов" и так далее), а также проверке труда человека, например "проверь перевод", "проверь, что тут сделано то-то и то-то в отчёте" и так далее.
— Больше всего используют модели те, кто в верхнем квартиле по зарплатам, но не в самых верхних процентах. Кроме врачей. Хирурги, к счастью, тоже не рвутся оперировать по LLM.
— Больше всего использование в профессиях, требующих значительной подготовки (например, степень бакалавра), но не в профессиях с минимальными или очень высокими требованиями к подготовке. В общем, если вы много получаете, но при этом у вас есть компьютер, а не только телефон, и вы мало используете LLM — вы уже что-то упускаете в этом мире.
Также из исследования можно узнать, что гинеколог получает в два раза больше Senior-разработчика.
Обезличенный датасет. Исследование.
#как_размножаются_ёжики
--
Вступайте в ряды Фурье!
Вот, смотрите, какая классная штука, красная и квадратная. Это квантовый чип Майорана-1 от Микрософта. Про него опять пишут, что это прорыв. В основном, журналисты. Журналисты вообще всему красному радуются как дети.
Прикол этого чипа в том, что там топологический сверхпроводник. Это такая хитрая новоматерия, которая позволяет через хитрое шаманство делать кубиты, которые работают хотя бы немного — ну перед тем, как развалиться.
Если вам уже непонятно, вот пост про общие знания про квантовые компьютеры, от которого вам станет ещё непонятнее.
Но вернёмся к чипу. Дальше начинается самое прикольное. «Основное преимущество Majorana 1 — возможность размещения до миллиона кубитов на одном компактном чипе, который может уместиться на ладони» — тут журналистов попячило первый раз. Почему-то все пишут про Нью-Васюки, а не то, что есть сейчас. Сейчас есть прототип, и кубитов будет восемь штук (то есть, кажется, один логический, потому что остальные 7 понадобятся для контроля ошибок).
Но ВОЗМОЖНОСТЬ разместить до миллиона кубитов на такой площади сохраняется.
Дальше ещё несколько поэтических цитат. «Мы буквально напыляем атом за атомом, чтобы создать идеальные условия для работы кубитов», — объяснила Криста Своре, технический сотрудник Microsoft. Чего она не объяснила, что даже маляры напыляют атом за атомом, когда красят стену.
Но на деле они сделали два сверхпроводника с изолятором посередине, и один из них топологический. Между ними происходит что-то близкое к образованию частиц Майораны. Это такие хитрые штуки, которые сразу же свои же античастицы. И если их правильно загонять в правильные лузы на сверхпроводнике с плоской топологией, то прямо сразу образуются хорошие годные кубиты.
Таких частиц нет. Точнее, их никто ещё не видел — и экспериментально доказать их наличие не смог. Но облака из сверхохлаждённых электронов похожи на них по свойствам, и тут речь именно про них. То есть это прототип чипа, который использует прототип частиц Майораны, чтобы доказать, что в принципе это всё когда-нибудь заработает.
Вместе с чипом в комплекте идёт публикация в журнале "Природа". Она демонстрирует возможность измерения фермионов в устройствах, которые могут использоваться для топологических квантовых вычислений. Переходим к результатам: полученные измерения интерпретируется как переключение четности фермионов в нанопроволоке, результаты согласуются с моделью майорановских нулевых мод на концах топологического сверхпроводника, но измерение не доказывает топологическую природу наблюдаемых состояний.
Возможно, от вас ускользает ирония этой публикации, потому что вы не очень хорошо знакомы с особенностями научных работ MS. Всё дело в том, что они корпораты, не хотят раскрывать данные и ещё регулярно то ли косячат, то ли занимаются искажением данных осознанно (вот пример отзыва прошлой работы). В новой работе фраза "Наблюдение квантованного плато проводимости убедительно подтверждает существование нулевых мод Майораны в системе" плавно превращается в "Мы подогнали эти данные к модели... и обнаружили согласованность. Однако сами по себе эти измерения не определяют, являются ли низкоэнергетические состояния, обнаруженные интерферометрией, топологическими. Тем не менее, наши данные жестко ограничивают допустимые расщепления энергии в моделях тривиальных андреевских состояний".
Что надо сказать — что идея действительно очень крутая, и дальше действительно можно будет масштабировать это всё очень быстро. Но приходите лет через 5, а пока вот красивая штука для журналистов. Красная и квадратная.
В общем, сейчас новость следует читать так: «Дайте ещё денег».
#UDP
--
Вступайте в ряды Фурье!Изотропные блины не подгорают!
Прикол этого чипа в том, что там топологический сверхпроводник. Это такая хитрая новоматерия, которая позволяет через хитрое шаманство делать кубиты, которые работают хотя бы немного — ну перед тем, как развалиться.
Если вам уже непонятно, вот пост про общие знания про квантовые компьютеры, от которого вам станет ещё непонятнее.
Но вернёмся к чипу. Дальше начинается самое прикольное. «Основное преимущество Majorana 1 — возможность размещения до миллиона кубитов на одном компактном чипе, который может уместиться на ладони» — тут журналистов попячило первый раз. Почему-то все пишут про Нью-Васюки, а не то, что есть сейчас. Сейчас есть прототип, и кубитов будет восемь штук (то есть, кажется, один логический, потому что остальные 7 понадобятся для контроля ошибок).
Но ВОЗМОЖНОСТЬ разместить до миллиона кубитов на такой площади сохраняется.
Дальше ещё несколько поэтических цитат. «Мы буквально напыляем атом за атомом, чтобы создать идеальные условия для работы кубитов», — объяснила Криста Своре, технический сотрудник Microsoft. Чего она не объяснила, что даже маляры напыляют атом за атомом, когда красят стену.
Но на деле они сделали два сверхпроводника с изолятором посередине, и один из них топологический. Между ними происходит что-то близкое к образованию частиц Майораны. Это такие хитрые штуки, которые сразу же свои же античастицы. И если их правильно загонять в правильные лузы на сверхпроводнике с плоской топологией, то прямо сразу образуются хорошие годные кубиты.
Таких частиц нет. Точнее, их никто ещё не видел — и экспериментально доказать их наличие не смог. Но облака из сверхохлаждённых электронов похожи на них по свойствам, и тут речь именно про них. То есть это прототип чипа, который использует прототип частиц Майораны, чтобы доказать, что в принципе это всё когда-нибудь заработает.
Вместе с чипом в комплекте идёт публикация в журнале "Природа". Она демонстрирует возможность измерения фермионов в устройствах, которые могут использоваться для топологических квантовых вычислений. Переходим к результатам: полученные измерения интерпретируется как переключение четности фермионов в нанопроволоке, результаты согласуются с моделью майорановских нулевых мод на концах топологического сверхпроводника, но измерение не доказывает топологическую природу наблюдаемых состояний.
Возможно, от вас ускользает ирония этой публикации, потому что вы не очень хорошо знакомы с особенностями научных работ MS. Всё дело в том, что они корпораты, не хотят раскрывать данные и ещё регулярно то ли косячат, то ли занимаются искажением данных осознанно (вот пример отзыва прошлой работы). В новой работе фраза "Наблюдение квантованного плато проводимости убедительно подтверждает существование нулевых мод Майораны в системе" плавно превращается в "Мы подогнали эти данные к модели... и обнаружили согласованность. Однако сами по себе эти измерения не определяют, являются ли низкоэнергетические состояния, обнаруженные интерферометрией, топологическими. Тем не менее, наши данные жестко ограничивают допустимые расщепления энергии в моделях тривиальных андреевских состояний".
Что надо сказать — что идея действительно очень крутая, и дальше действительно можно будет масштабировать это всё очень быстро. Но приходите лет через 5, а пока вот красивая штука для журналистов. Красная и квадратная.
В общем, сейчас новость следует читать так: «Дайте ещё денег».
#UDP
--
Вступайте в ряды Фурье!
ДНК — это такая фигня, которая есть в почти каждой нормальной клетке. У млекопитающих 8 пикограмм на клетку, это итого 240 грамм на человека.
У птицы в среднем 2,82 пг, что сильно меньше. То есть птицы что-то делали, чтобы похудеть ещё на пару процентов. Почему на пару, а не на привычные 0,1% — 0,3% — потому что удлинение ДНК — это и увеличение обслуживающей инфраструктуры, включая белки, и кучу мест для их производства и т.п.
Собственно, вот исследование, и там ещё куча интересного:
— Геномы птиц в среднем меньше, чем у их ближайших родственников — рептилий, земноводных и млекопитающих. Кажется, это приобретенная характеристика.
— Оптимизация прошла за счет потери шаблона коротких периодических последовательностей в интронах. Сравнили 111 интронов и 141 экзон, гомологичных между человеком и курицей, для 31 гена, последовательности которых были доступны в базе данных. Человеческие интроны оказались значительно длиннее, чем их куриные гомологи (244,9±82,3 пар оснований против 111±10,1). Экзоны были в среднем немного длиннее у человека, чем у курицы (2,3±1,3 пар оснований), но разница не была статистически значимой.
— Предполагается, что уменьшение ДНК происходило за счет кучи отдельных удалений по всему интрону, а не за счет удаления одного большого участка ДНК махом. То есть птицу рефакторили, а не просто выкинули пару библиотек.
— Высказывается гипотеза, что все современные птицы произошли от одной линии, которая пережила катастрофу 65 миллионов лет назад, и там их очень быстро отсеяло по длине генома почему-то.
— Второй вариант — метаболические требования полета. Клетки птиц меньше, чем у млеков, и было бы круто научиться делать их ещё компактнее. Тут уже физика с кубом против квадрата: меньше объём клетки — относительно больше поверхности для обмена для быстрого метаболизма.
— У летучих мышей (Chiroptera) геномы меньше, чем у других млекопитающих. У птиц размеры геномов больше у нелетающих птиц и фиговых летунов.Например, у птицы киви — ведь, как известно, по одному официальному сайту, не читающему копипасту, "киви наиболее широко распространены на обоих островах Новой Зеландии и на острове Стьюарт. Оперение птицы киви напоминает грязненькую шерстку. Крылья ее крохотны, их почти не видно, поэтому летают киви как говно."
Следующая работа, авторы ковыряются с тем, как конкретные параметры полёта влияют на размер генома:
— Измерили размеры геномов, крыльев, сердца, летательных мышц и массу тела у 422 видов птиц из 18 отрядов и 76 семейств. Долго думали.
— Размер отрицательно коррелирует с относительным размером летательных мышц и сердечным индексом (масса сердца к массе тела). Положительно коррелирует с массой тела и нагрузкой на крыло. Относительные массы летательных мышц и сердца оказались наиболее важными параметрами, объясняющими вариацию размера генома в многомерных моделях.
— Колибри, стрижи и воробьи (все) — обладатели исключительно маленьких геномов. А вот у дятлов наоборот, геном ВОТ ТАКОГО размера.
Решили, что корневая причина — всё же лютый энергообмен в полёте, а не ограничения по маневренности или созданию подъемной силы.
Третья работа. Применили новый математический аппарат к динозаврам. Динозавры не возражали:
— Маленькие геномы, ассоциируемые с полетом птиц, эволюционировали в линии зауроподных динозавров 230-250 млн лет назад, задолго до появления первых птиц.
— Орнитисхии (птицетазовые динозавры) имели гораздо более крупные геномы, вероятно типичные для предковых динозавров.
— У зауроподов геномные мобильные элементы составляли 5-12% генома, у орнитисхий — 7-19%, то есть зауороподы уже начали увлекаться рефакторингом по хардкору.
То есть уменьшение размера генома произошло резко на границе зауроподов и других динозавров, задолго до появления птиц и полета. После этого размер генома в линии теропод оставался стабильным около 230 млн лет.
Вот ещё большая работа. Там ещё исследуется скорость мутаций, если вам хочется покопаться.
#гуманитарии_познают_мир
--
Вступайте в ряды Фурье!В среднем теле человека находится более одного скелета!
У птицы в среднем 2,82 пг, что сильно меньше. То есть птицы что-то делали, чтобы похудеть ещё на пару процентов. Почему на пару, а не на привычные 0,1% — 0,3% — потому что удлинение ДНК — это и увеличение обслуживающей инфраструктуры, включая белки, и кучу мест для их производства и т.п.
Собственно, вот исследование, и там ещё куча интересного:
— Геномы птиц в среднем меньше, чем у их ближайших родственников — рептилий, земноводных и млекопитающих. Кажется, это приобретенная характеристика.
— Оптимизация прошла за счет потери шаблона коротких периодических последовательностей в интронах. Сравнили 111 интронов и 141 экзон, гомологичных между человеком и курицей, для 31 гена, последовательности которых были доступны в базе данных. Человеческие интроны оказались значительно длиннее, чем их куриные гомологи (244,9±82,3 пар оснований против 111±10,1). Экзоны были в среднем немного длиннее у человека, чем у курицы (2,3±1,3 пар оснований), но разница не была статистически значимой.
— Предполагается, что уменьшение ДНК происходило за счет кучи отдельных удалений по всему интрону, а не за счет удаления одного большого участка ДНК махом. То есть птицу рефакторили, а не просто выкинули пару библиотек.
— Высказывается гипотеза, что все современные птицы произошли от одной линии, которая пережила катастрофу 65 миллионов лет назад, и там их очень быстро отсеяло по длине генома почему-то.
— Второй вариант — метаболические требования полета. Клетки птиц меньше, чем у млеков, и было бы круто научиться делать их ещё компактнее. Тут уже физика с кубом против квадрата: меньше объём клетки — относительно больше поверхности для обмена для быстрого метаболизма.
— У летучих мышей (Chiroptera) геномы меньше, чем у других млекопитающих. У птиц размеры геномов больше у нелетающих птиц и фиговых летунов.
Следующая работа, авторы ковыряются с тем, как конкретные параметры полёта влияют на размер генома:
— Измерили размеры геномов, крыльев, сердца, летательных мышц и массу тела у 422 видов птиц из 18 отрядов и 76 семейств. Долго думали.
— Размер отрицательно коррелирует с относительным размером летательных мышц и сердечным индексом (масса сердца к массе тела). Положительно коррелирует с массой тела и нагрузкой на крыло. Относительные массы летательных мышц и сердца оказались наиболее важными параметрами, объясняющими вариацию размера генома в многомерных моделях.
— Колибри, стрижи и воробьи (все) — обладатели исключительно маленьких геномов. А вот у дятлов наоборот, геном ВОТ ТАКОГО размера.
Решили, что корневая причина — всё же лютый энергообмен в полёте, а не ограничения по маневренности или созданию подъемной силы.
Третья работа. Применили новый математический аппарат к динозаврам. Динозавры не возражали:
— Маленькие геномы, ассоциируемые с полетом птиц, эволюционировали в линии зауроподных динозавров 230-250 млн лет назад, задолго до появления первых птиц.
— Орнитисхии (птицетазовые динозавры) имели гораздо более крупные геномы, вероятно типичные для предковых динозавров.
— У зауроподов геномные мобильные элементы составляли 5-12% генома, у орнитисхий — 7-19%, то есть зауороподы уже начали увлекаться рефакторингом по хардкору.
То есть уменьшение размера генома произошло резко на границе зауроподов и других динозавров, задолго до появления птиц и полета. После этого размер генома в линии теропод оставался стабильным около 230 млн лет.
Вот ещё большая работа. Там ещё исследуется скорость мутаций, если вам хочется покопаться.
#гуманитарии_познают_мир
--
Вступайте в ряды Фурье!
Социнженеры, привет! Вот два отличных исследования про то, как можно напихать трезвому здоровому человеку новых воспоминаний.
Первое:
— 24 участникам пытались втопырить ложное воспоминание о том, как они потерялись в торговом центре в детстве.
— Дали описания 4 событий — 3 реальных (рассказали родственники) и 1 ложного. Новое включало стандартные элементы: потеря надолго, плач, возраст около 5 лет, помощь пожилой женщины, счастливое воссоединение с семьей.
— Просили записать все, что они помнят об этих событиях. Потом дважды провели интервью с интервалом в 1-2 недели.
— 25% участников вспомнили, как терялись торговом центре. Кто-то прямо очень детально, кто-то похуже, но в общих чертах.
— Те, кто вспомнил ложное событие, оценивали ясность этого воспоминания ниже, чем ясность реальных воспоминаний.
Как лучше внедрять воспоминание:
1. Примешать к реальным. Тут в опыте оно всегда было третьим.
2. Детально описать знакомый опыт, включающий знакомые элементы (место, люди). Это создавало начальную активацию в памяти. Описание ложного события затрагивало реальные воспоминания о походах в магазины, могли активироваться общие знания о ситуациях потери детей.
3. При попытках вспомнить событие, мозг комбинировал предложенную информацию с реальными воспоминаниями и общими знаниями. Участники могли добавлять детали из своего опыта (например, описание конкретных магазинов).
4. Многократные попытки вспомнить во время интервью укрепляли ложное воспоминание. Некоторые участники отмечали, что воспоминание становилось яснее со временем.
5. Со временем участники могли забыть, что информация о потере была предложена исследователями, и начинали воспринимать её как собственное воспоминание.
Практика:
— Люди могут быть очень уверены в своих ложных воспоминаниях и описывать их в деталях.
— Нельзя надежно отличить истинные воспоминания от ложных без независимого подтверждения.
— Это объясняет некоторые случаи, когда люди твердо верят в биологически или географически невозможные воспоминания.
Вторая ещё веселее:
— Бумажные фотографии из семейного альбома — отличный способ внедрить воспоминание.
— 20 человек, для каждого участника подготовили 4 фотографии из детства: 3 настоящих и 1 поддельную, где участник катался в детстве на воздушном шаре.
— 3 интервью в течение 1-2 недель. Просили вспомнить как можно больше деталей о событиях на фото.
— Результаты уже получше: 50% участников (10 из 20) к концу исследования сформировали частичные или полностью ложные воспоминания о полете на воздушном шаре.
— Как и прошлый раз, ложные воспоминания развивались постепенно от интервью к интервью. Первое и третье интервью записывались на аудио и делали по модифицированной процедуре Step-Wise (изначально разработанной для расследования случаев жестокого обращения с детьми). Типа, покажи на игрушке, где этот воздушный шар тебя трогал.
— Участники с ложными воспоминаниями были более уверены, что событие действительно произошло.
— Большинство деталей в ложных воспоминаниях не были напрямую взяты с фотографии, а были продуктом воображения. Менее 30% деталей с фотографии.
— Детали, не связанные с фото, классифицировали на: обстановку ("Мы поднялись в воздух с большого поля за городом", "Рядом была река", "Это было во время школьных каникул"), эмоциональные реакции ("Я чувствовал себя в безопасности, потому что рядом был папа", "Когда мы поднялись в воздух, я почувствовал страх"), сенсорные входы ("Помню запах горячего воздуха и немного газа", "Ветер трепал мои волосы"). К третьему интервью увеличивалась доля деталей, связанных с эмоциями, за счет уменьшения деталей обстановки.
Ну и вот у нас пост про то, что память человека только для записи, просто чтения не существует, обязательно чтение с перемешиванием и перезаписью. И вот практика внедрения, чтобы вы полюбили спаржу.
#гуманитарии_познают_мир
--
Вступайте в ряды Фурье!Атакующие корабли, пылающие над Орионом; Лучи Си, разрезающие мрак у ворот Тангейзера. Все эти мгновения затеряются во времени, как слёзы в дожде!
Первое:
— 24 участникам пытались втопырить ложное воспоминание о том, как они потерялись в торговом центре в детстве.
— Дали описания 4 событий — 3 реальных (рассказали родственники) и 1 ложного. Новое включало стандартные элементы: потеря надолго, плач, возраст около 5 лет, помощь пожилой женщины, счастливое воссоединение с семьей.
— Просили записать все, что они помнят об этих событиях. Потом дважды провели интервью с интервалом в 1-2 недели.
— 25% участников вспомнили, как терялись торговом центре. Кто-то прямо очень детально, кто-то похуже, но в общих чертах.
— Те, кто вспомнил ложное событие, оценивали ясность этого воспоминания ниже, чем ясность реальных воспоминаний.
Как лучше внедрять воспоминание:
1. Примешать к реальным. Тут в опыте оно всегда было третьим.
2. Детально описать знакомый опыт, включающий знакомые элементы (место, люди). Это создавало начальную активацию в памяти. Описание ложного события затрагивало реальные воспоминания о походах в магазины, могли активироваться общие знания о ситуациях потери детей.
3. При попытках вспомнить событие, мозг комбинировал предложенную информацию с реальными воспоминаниями и общими знаниями. Участники могли добавлять детали из своего опыта (например, описание конкретных магазинов).
4. Многократные попытки вспомнить во время интервью укрепляли ложное воспоминание. Некоторые участники отмечали, что воспоминание становилось яснее со временем.
5. Со временем участники могли забыть, что информация о потере была предложена исследователями, и начинали воспринимать её как собственное воспоминание.
Практика:
— Люди могут быть очень уверены в своих ложных воспоминаниях и описывать их в деталях.
— Нельзя надежно отличить истинные воспоминания от ложных без независимого подтверждения.
— Это объясняет некоторые случаи, когда люди твердо верят в биологически или географически невозможные воспоминания.
Вторая ещё веселее:
— Бумажные фотографии из семейного альбома — отличный способ внедрить воспоминание.
— 20 человек, для каждого участника подготовили 4 фотографии из детства: 3 настоящих и 1 поддельную, где участник катался в детстве на воздушном шаре.
— 3 интервью в течение 1-2 недель. Просили вспомнить как можно больше деталей о событиях на фото.
— Результаты уже получше: 50% участников (10 из 20) к концу исследования сформировали частичные или полностью ложные воспоминания о полете на воздушном шаре.
— Как и прошлый раз, ложные воспоминания развивались постепенно от интервью к интервью. Первое и третье интервью записывались на аудио и делали по модифицированной процедуре Step-Wise (изначально разработанной для расследования случаев жестокого обращения с детьми). Типа, покажи на игрушке, где этот воздушный шар тебя трогал.
— Участники с ложными воспоминаниями были более уверены, что событие действительно произошло.
— Большинство деталей в ложных воспоминаниях не были напрямую взяты с фотографии, а были продуктом воображения. Менее 30% деталей с фотографии.
— Детали, не связанные с фото, классифицировали на: обстановку ("Мы поднялись в воздух с большого поля за городом", "Рядом была река", "Это было во время школьных каникул"), эмоциональные реакции ("Я чувствовал себя в безопасности, потому что рядом был папа", "Когда мы поднялись в воздух, я почувствовал страх"), сенсорные входы ("Помню запах горячего воздуха и немного газа", "Ветер трепал мои волосы"). К третьему интервью увеличивалась доля деталей, связанных с эмоциями, за счет уменьшения деталей обстановки.
Ну и вот у нас пост про то, что память человека только для записи, просто чтения не существует, обязательно чтение с перемешиванием и перезаписью. И вот практика внедрения, чтобы вы полюбили спаржу.
#гуманитарии_познают_мир
--
Вступайте в ряды Фурье!
Тут через час презентация нового GPT-4.5, и мы внезапно нашли техкарту немного раньше, чем планировалось: https://cdn.openai.com/gpt-4-5-system-card.pdf
И прочитали.
Главное отличие новой модели — смена парадигмы с цепочки размышлений к обучению без учителя. Предыдущие передовые модели (например, o1 и o3-mini, R1, Sonnet 3.7R) были на новых модных цепочках размышлений, а GPT-4.5 возвращается к масштабированию прошлого подхода. Вместо создания специализированной "мыслящей" системы — шаг в сторону более целостной "понимающей" системы.
Цепочечный подход — это формальная логика, разбиение задачи на части, классное решение квантуемых задач. С учителем — это изучение шаблонов из огромных массивов текста без специфических инструкций или разметки, построение целостной модели мира, при достаточно больших объёмах данных — улучшение ассоциативного мышления через поиск связей между различными областями знаний.
То есть GPT-4.5 не просто "знает факты" или "решает задачи", она, вероятно, обладает более связной и комплексной моделью мира, чтобы лучше понимать контекст и нюансы.
Это ведёт к снижению галлюцинаций с 0,52 (4o) до 0,19 (4.5). Это один из самых крутых результатов.
Заявлено улучшенное понимание неявного контекста: модель лучше понимает то, что не сказано явно, включая культурные отсылки, подтекст и общий фоновый контекст, эмоциональный контекст. Поэтично это можно назвать "человечностью".
Возможно, они решили, что простое усиление формальных рассуждений имеет свой потолок полезности. Новая модель — шаг от создания узкоспециализированных экспертов в STEM-областях к разработке более универсальных штуковин. Такая инвестиция в фундаментальное понимание языка и мира.
По чистой мощности она уступает моделям o1, o3-mini и deep research, она превосходит GPT-4 по вычислительной эффективности в 10 раз. То есть архитектура тоже сильно поменялась в лучшую сторону.
Ещё новая модель меньше манипулирует пользователем, что делали прошлые довольно злобно в некоторых исключительных случаях )
Уровень хакинга у модели низкий, её не научили нормально давать советы по взлому. Ну или разучили. Создание химических и биологических угроз — средний уровень, это получается на уровне талантливого аспиранта. Ну и GPT-4.5 не стремится к самосовершенствованию или приобретению ресурсов — это низкий и средний риски. Как и Земля, новая модель в основном безвредна!
Все остальные параметры примерно совпадают с 4o.
В общем, это шаг назад, чтобы сделать два шага вперед.
--
Вступайте в ряды Фурье!Люди, не волнуйтесь, мы выключим свет, когда вы уйдёте!
И прочитали.
Главное отличие новой модели — смена парадигмы с цепочки размышлений к обучению без учителя. Предыдущие передовые модели (например, o1 и o3-mini, R1, Sonnet 3.7R) были на новых модных цепочках размышлений, а GPT-4.5 возвращается к масштабированию прошлого подхода. Вместо создания специализированной "мыслящей" системы — шаг в сторону более целостной "понимающей" системы.
Цепочечный подход — это формальная логика, разбиение задачи на части, классное решение квантуемых задач. С учителем — это изучение шаблонов из огромных массивов текста без специфических инструкций или разметки, построение целостной модели мира, при достаточно больших объёмах данных — улучшение ассоциативного мышления через поиск связей между различными областями знаний.
То есть GPT-4.5 не просто "знает факты" или "решает задачи", она, вероятно, обладает более связной и комплексной моделью мира, чтобы лучше понимать контекст и нюансы.
Это ведёт к снижению галлюцинаций с 0,52 (4o) до 0,19 (4.5). Это один из самых крутых результатов.
Заявлено улучшенное понимание неявного контекста: модель лучше понимает то, что не сказано явно, включая культурные отсылки, подтекст и общий фоновый контекст, эмоциональный контекст. Поэтично это можно назвать "человечностью".
Возможно, они решили, что простое усиление формальных рассуждений имеет свой потолок полезности. Новая модель — шаг от создания узкоспециализированных экспертов в STEM-областях к разработке более универсальных штуковин. Такая инвестиция в фундаментальное понимание языка и мира.
По чистой мощности она уступает моделям o1, o3-mini и deep research, она превосходит GPT-4 по вычислительной эффективности в 10 раз. То есть архитектура тоже сильно поменялась в лучшую сторону.
Ещё новая модель меньше манипулирует пользователем, что делали прошлые довольно злобно в некоторых исключительных случаях )
Уровень хакинга у модели низкий, её не научили нормально давать советы по взлому. Ну или разучили. Создание химических и биологических угроз — средний уровень, это получается на уровне талантливого аспиранта. Ну и GPT-4.5 не стремится к самосовершенствованию или приобретению ресурсов — это низкий и средний риски. Как и Земля, новая модель в основном безвредна!
Все остальные параметры примерно совпадают с 4o.
В общем, это шаг назад, чтобы сделать два шага вперед.
--
Вступайте в ряды Фурье!
Курс π на сегодня 3,47. Пи дорожает, надо покупать!
Вообще, мы хотели напомнить, что интересного случилось с нового года в канале:
— Просыпаться ночью — нормально!
— Влияние заступнической молитвы на успешность операции коронарного шунтирования
— Оперативная память не может читаться без обратной записи — и офигенная инженерная история про атаку холодной перезагрузкой. Буквально холодной, с азотом.
— А теперь мегапопулярный пост про то, что человеческая память тоже не имеет операции чтения, всегда извлечение и перезапись с искажениями.
— Ожидание от матрицы: блондинка в красном. Реальность: вы мышь, вы играете в Дум за воду.
— Муравьи показали, как надо таскать пианино и как именно они собирают на перетаскиваемой палке групповой интеллектуальный модуль с помощью коробков с бусинами отдельных муравьёв.
— Аукцион брачного неликвида: как определяется рыночная ценность мужчин и женщин на рынке брачных услуг.
— РНК в одну харю может в дарвиновскую эволюцию, у биологов праздник
— Как красивые учёные девы повышали травматичность скейтбордистов. Но никому их не было жалко. Скейтбордистов, в смысле.
— Как собирать белки, когда аминокислот не хватает — и другие хитрые лайфхаки от прораба Михалыча, мастера цеха РНК. И продолжение серии, на этот раз про Евгения, специалиста по собакам — точнее, насколько всё криво дорабатывается напильником после сборки в клетке.
— Кристаллы времени повышают... Да забейте. Там же рядом есть пост про то, как корова может вспучиться и бахнуть!
— Кумар показал, что не надо перекладывать оптоволокно под федеральной трассой, если будет квантовая связь. Получился большой и очень непонятный пост про передачу состояний запутанных частиц. В целом, забейте, ведь есть пост про то, что кирпич — это волна!
— Чем легче одета дама, тем ближе овуляция. Пост с картинкой, но не той, которую вы ждёте по описанию.
— Наши вырастили смолёвку узколистную, семечку, которую нашли в мерзлоте, и которой 32 тысячи лет. 32 ТЫСЯЧИ, Карл! Спасибо сусликам!
— Про информированные-но-не-очень-согласия и почему теперь так.
— Мухи ныряют в скафандрах.
— Автокаталитические реакции склонны к усложнению. Матмодель лужи.
— Аналитический отчёт про то, что нейросети пока что-то не торопятся работать за людей.
— Новость про то, как надо делать пиар красными квадратными штуками, вынутыми из криогенной установки.
— Как птиц рефакторили, чтобы ДНК весила меньше (на самом деле, чтобы занимала меньше места, и можно было делать больше мелких клеток для лютого энергообмена)
— Про имплантацию фальшивых воспоминаний — базовые работы и практика про то, как бросить пить, есть жирное и полюбить спаржу после имплантации ложных воспоминаний.
На всякий напоминаем, что там был момент, когда нас нельзя было репостить из-за долгой обработки заявки в реестр, а теперь можно. Поэтому если вы очень хотели репостнуть, но сомневались, сейчас мы ломаться не будем )
--
Вступайте в ряды Фурье!Управляемый термоядерный синтез: обеспечим каждого на Земле бесконечной энергией и персональным хедкрабом!
Вообще, мы хотели напомнить, что интересного случилось с нового года в канале:
— Просыпаться ночью — нормально!
— Влияние заступнической молитвы на успешность операции коронарного шунтирования
— Оперативная память не может читаться без обратной записи — и офигенная инженерная история про атаку холодной перезагрузкой. Буквально холодной, с азотом.
— А теперь мегапопулярный пост про то, что человеческая память тоже не имеет операции чтения, всегда извлечение и перезапись с искажениями.
— Ожидание от матрицы: блондинка в красном. Реальность: вы мышь, вы играете в Дум за воду.
— Муравьи показали, как надо таскать пианино и как именно они собирают на перетаскиваемой палке групповой интеллектуальный модуль с помощью коробков с бусинами отдельных муравьёв.
— Аукцион брачного неликвида: как определяется рыночная ценность мужчин и женщин на рынке брачных услуг.
— РНК в одну харю может в дарвиновскую эволюцию, у биологов праздник
— Как красивые учёные девы повышали травматичность скейтбордистов. Но никому их не было жалко. Скейтбордистов, в смысле.
— Как собирать белки, когда аминокислот не хватает — и другие хитрые лайфхаки от прораба Михалыча, мастера цеха РНК. И продолжение серии, на этот раз про Евгения, специалиста по собакам — точнее, насколько всё криво дорабатывается напильником после сборки в клетке.
— Кристаллы времени повышают... Да забейте. Там же рядом есть пост про то, как корова может вспучиться и бахнуть!
— Кумар показал, что не надо перекладывать оптоволокно под федеральной трассой, если будет квантовая связь. Получился большой и очень непонятный пост про передачу состояний запутанных частиц. В целом, забейте, ведь есть пост про то, что кирпич — это волна!
— Чем легче одета дама, тем ближе овуляция. Пост с картинкой, но не той, которую вы ждёте по описанию.
— Наши вырастили смолёвку узколистную, семечку, которую нашли в мерзлоте, и которой 32 тысячи лет. 32 ТЫСЯЧИ, Карл! Спасибо сусликам!
— Про информированные-но-не-очень-согласия и почему теперь так.
— Мухи ныряют в скафандрах.
— Автокаталитические реакции склонны к усложнению. Матмодель лужи.
— Аналитический отчёт про то, что нейросети пока что-то не торопятся работать за людей.
— Новость про то, как надо делать пиар красными квадратными штуками, вынутыми из криогенной установки.
— Как птиц рефакторили, чтобы ДНК весила меньше (на самом деле, чтобы занимала меньше места, и можно было делать больше мелких клеток для лютого энергообмена)
— Про имплантацию фальшивых воспоминаний — базовые работы и практика про то, как бросить пить, есть жирное и полюбить спаржу после имплантации ложных воспоминаний.
На всякий напоминаем, что там был момент, когда нас нельзя было репостить из-за долгой обработки заявки в реестр, а теперь можно. Поэтому если вы очень хотели репостнуть, но сомневались, сейчас мы ломаться не будем )
--
Вступайте в ряды Фурье!
Взяли хитрый мыш. Приделали волосы от шерстистого мамонта. Получили пушистый хитрый мыш!
Смотрите, как надо пиарить многолетние исследования. Чуваки из Колоссал (которые хотят вернуть мамонта и сумчатого волка) показали мышь с шерстью мамонта. Это почти как MS показал красную квадратную штуку, только мышь настоящая и работает.
Есть препринт научной работы, пока без рецензирования. Разбираем.
Итак, шерстистый мамонт, здоровенная волосатая хрень, которая выживала в Арктике. От него нам досталось достаточно образцов ДНК, чтобы начать ковыряться в коде. Напомним, чтобы оживить такого, нужна яйцеклетка и целая генетическая последовательность. Яйцеклетки нет, поэтому будем брать от индийских слонов, целой последовательности тоже нет (непонятно, что там от мамонта, а что от бактерий), но её можно за очень много денег и много ресурсов вручную привести в порядок. В теории. Потом надо смержить всё это с кодом индийского слона (тоже вручную и тоже задорого), и мы получим слона-полукровку.
Чтобы рожать целого слона, сначала нужно много отдельных тестов. Слона учёным не дают, поэтому они купили мышей.
У мыша поправили только волосы.
Пробовали тремя споосбами — напрямую зиготы «ножницами» через CRISPR/Cas9, CBE-способ для множественного редактирования зигот (это более точный, но с меньшими возможностями) и редактирование эмбриональных стволовых клеток мыши с последующим созданием химер.
Нашли 10 генов, которые отвечали за волосы и метаболизм липидов. Там пигменты шерсти, текстура, куда волосы растут (что характерно, все наружу), волнистость шерсти, транспорт веществ и т.п. Максимум можно редактировать 7 сразу, поэтому появились некоторые особенности серий мышей.
В первом опыте 63 из 134 зигот смержились без конфликтов и развились, родилось 11 мышат с успешностю редактирования от 80 до 94% для разных генов. Во втором 8 мышат с успешностью 92%. В смысле, кроме нужных генов, мышам отредактировало ещё что-то, но, вроде, мир они захватывать не стали. Мыши получились весьма цветными и по-разному кудрявыми, потому что сложно было попасть во все гены сразу.
С CBE эффективность 73%, но всего 56 нецелевых редактирований из 1869.
Редактирование mESCs с CRISPR/Cas9 — модифицированные клетки вкладывали в 8-клеточные эмбрионы. Получили 7 мышей с редактированием 98-100% для каждого целевого участка.
Итого у учёных образовались мыши с разными наборами мамонтячьего кода шерсти, например, мог попасть вот такой набор конкретному мышу:
— Длинная шерсть – по изменению гена Fgf5, который контролирует, как долго растут волосы.
— Золотистый цвет – Mc1r за пигменты.
— Кудрявая шерсть – получилась при изменении гена Tgm3.
— Перистая текстура – потрогали Fam83g, шерсть стала как перья.
— Разнонаправленный рост волос – при изменении гена Fzd6.
Мамонт, вероятно, включал ещё какие-то зависимости вроде архитектуры сосудов, связок с терморегуляций и так далее. Но мышей можно пощупать уже. Сейчас их ждут увлекательные приключения в холодильниках, где учёные будут проверять, насколько шерсть работает.
Вот здесь можно прочитать про мамонта Иваныча и проникнуться, как эволюционировали эти шерстяные типы. А тут — про мышей-принцесс, линию Астрекс, с золотой кудрявой шерстью. #сумчатый_волк
--
Вступайте в ряды Фурье! Мышиные химеры — косплей на мамонта!
Смотрите, как надо пиарить многолетние исследования. Чуваки из Колоссал (которые хотят вернуть мамонта и сумчатого волка) показали мышь с шерстью мамонта. Это почти как MS показал красную квадратную штуку, только мышь настоящая и работает.
Есть препринт научной работы, пока без рецензирования. Разбираем.
Итак, шерстистый мамонт, здоровенная волосатая хрень, которая выживала в Арктике. От него нам досталось достаточно образцов ДНК, чтобы начать ковыряться в коде. Напомним, чтобы оживить такого, нужна яйцеклетка и целая генетическая последовательность. Яйцеклетки нет, поэтому будем брать от индийских слонов, целой последовательности тоже нет (непонятно, что там от мамонта, а что от бактерий), но её можно за очень много денег и много ресурсов вручную привести в порядок. В теории. Потом надо смержить всё это с кодом индийского слона (тоже вручную и тоже задорого), и мы получим слона-полукровку.
Чтобы рожать целого слона, сначала нужно много отдельных тестов. Слона учёным не дают, поэтому они купили мышей.
У мыша поправили только волосы.
Пробовали тремя споосбами — напрямую зиготы «ножницами» через CRISPR/Cas9, CBE-способ для множественного редактирования зигот (это более точный, но с меньшими возможностями) и редактирование эмбриональных стволовых клеток мыши с последующим созданием химер.
Нашли 10 генов, которые отвечали за волосы и метаболизм липидов. Там пигменты шерсти, текстура, куда волосы растут (что характерно, все наружу), волнистость шерсти, транспорт веществ и т.п. Максимум можно редактировать 7 сразу, поэтому появились некоторые особенности серий мышей.
В первом опыте 63 из 134 зигот смержились без конфликтов и развились, родилось 11 мышат с успешностю редактирования от 80 до 94% для разных генов. Во втором 8 мышат с успешностью 92%. В смысле, кроме нужных генов, мышам отредактировало ещё что-то, но, вроде, мир они захватывать не стали. Мыши получились весьма цветными и по-разному кудрявыми, потому что сложно было попасть во все гены сразу.
С CBE эффективность 73%, но всего 56 нецелевых редактирований из 1869.
Редактирование mESCs с CRISPR/Cas9 — модифицированные клетки вкладывали в 8-клеточные эмбрионы. Получили 7 мышей с редактированием 98-100% для каждого целевого участка.
Итого у учёных образовались мыши с разными наборами мамонтячьего кода шерсти, например, мог попасть вот такой набор конкретному мышу:
— Длинная шерсть – по изменению гена Fgf5, который контролирует, как долго растут волосы.
— Золотистый цвет – Mc1r за пигменты.
— Кудрявая шерсть – получилась при изменении гена Tgm3.
— Перистая текстура – потрогали Fam83g, шерсть стала как перья.
— Разнонаправленный рост волос – при изменении гена Fzd6.
Мамонт, вероятно, включал ещё какие-то зависимости вроде архитектуры сосудов, связок с терморегуляций и так далее. Но мышей можно пощупать уже. Сейчас их ждут увлекательные приключения в холодильниках, где учёные будут проверять, насколько шерсть работает.
Вот здесь можно прочитать про мамонта Иваныча и проникнуться, как эволюционировали эти шерстяные типы. А тут — про мышей-принцесс, линию Астрекс, с золотой кудрявой шерстью. #сумчатый_волк
--
Вступайте в ряды Фурье! Мышиные химеры — косплей на мамонта!