Галактики искривляются! И теперь мы знаем — это не случайность.

Всем привет, сегодня я к вам с обзором наисвежайшей статьи Warped Disk Galaxies. II. From the Cosmic Web to the Galactic Warp

Представьте, что вся Вселенная — это гигантская трёхмерная паутина.

Нити этой паутины называются филаментами. Они состоят не из обычного вещества, а в основном из тёмной материи и газа, по которым движутся галактики.

Тёмная материя — загадочная субстанция, которая не светится и не взаимодействует со светом, но её гравитация ощущается: она удерживает галактики вместе и формирует крупные структуры.

Галактики выстраиваются вдоль этих нитей, рождаются в них и растут, словно листья на ветвях огромного дерева Иггдрасиль.

🛞Что же с искривлением дисков галактик?

Дисковые галактики обычно плоские, как блин. Но у ~50 % из них края загнуты — такие искривления называются warps (варпы). Они делятся на два больших типа:

🔹 S-образный (симметричный) — края диска выгнуты в разные стороны, как волна.

🔹 U-образный (односторонний) — оба края загнуты в одну сторону, как лопасть пропеллера.

Ученые в статье проанализировали тысячи галактик и спутников вокруг них и оказалось:

🔸Галактики с искривлениями не распределены хаотично — они ориентированы по отношению к филаментам.

🔸S-образные warps чаще «тянутся» вдоль филамента — как если галактику растягивает поток вещества.

🔸U-образные warps чаще направлены поперёк — как будто галактику «толкают сбоку» разрозненные потоки тёмной материи.

Вывод: искривление — это не просто случайный эффект, а ответ на гравитационное поле и потоки вокруг галактики.

✨Что прорывного в работе?

Мы впервые видим прямые доказательства того, что космическая паутина управляет формой галактик, как ветер управляет парусом корабля.

Всем привет!

Хотел бы поделиться с вами совершенно новым форматом постов в виде "интервью".

Предыстория. В телеграм привлечение аудитории в канал - задача нетривиальная. Органический трафик отсутствует как вид, поэтому владельцы каналов прибегают ко всем возможным методам привлечения. Один из них это взаимо-пиар. Но когда твой канал маленький и уютный, пиарить всех кого попало не хочется от слова "совсем". Поэтому я очень долго искал кого-то с максимально близкой мне темой.

И "о чудо", я наткнулся на канал Роботы в кожаном & Оля Короткова

Мы совместно решили провести короткие интервью друг друга и вот что из этого получилось...

— Оля, расскажи о себе. Кто ты?

Я экспериментатор. В прямом смысле — физик-экспериментатор, изучала сверхпроводимость. Но это определение прилипло ко мне и в жизни.

Последние 8 лет я разрабатываю новые продукты в наукоёмких отраслях: микроэлектроника, электромобильность, робототехника, ядерная энергетика и ядерная медицина. Звучит как набор buzzwords, но это реально моя жизнь 😂

А ещё я — education geek. Не могу остановиться учиться. Этим летом закончила вторую вышку в Физтехе. А с ноября начинаю MBA в МГУ. Да, я в курсе, что это немного ненормально.

— И при этом у тебя ещё есть pet-проект?

Да. «Только между нами» — это про семейную психологию. Проект даже получил грант от Фонда содействия инновациям, что до сих пор мне кажется каким-то чудом.

— Раз уж заговорили про pet-проекты — какие самые частые ошибки в них совершают?

О, у меня целый список.

Ошибка №1: Плохой тайм-менеджмент с основной работой

Люди думают: "Я вечерами сделаю pet-проект". Не сделаешь. Вечером у тебя нет энергии. В итоге MVP тянется месяцами.

Ошибка №2: Халтурно проведённые проблемные интервью

"Я опросил 5 друзей, они сказали, что им нужно!" — это не интервью. Это самообман. Ты не понимаешь product-market fit, пока не поговоришь с незнакомцами, которые реально столкнулись с проблемой.

Ошибка №3: Юнит-экономика из розовых очков

Считают затраты, но забывают про маркетинг. "Мы привлечём пользователей органически!" — ага, конечно. Органика работает, если ты уже кто-то. А если нет — готовь бюджет.

Ошибка №4: Кофаундер на первый проект

Это controversial, но я считаю: первый pet-проект лучше делать в одного или с командой за опционы. Партнёрство требует уймы времени на согласование ролей, решений, распределение задач. По неопытности это может принести горечь разочарования — и в людях, и в проекте.

— Жёстко. А что бы ты посоветовала себе 10 лет назад?

✅Не бросай науку. Даже если твоя тема не востребована, всегда можно поменять вектор. Не бросай писать диссертацию. Я до сих пор об этом жалею.

✅Никогда не переставай учиться. Ты никогда не знаешь, когда и какие знания тебе пригодятся. Физика помогла мне понять продуктовую разработку. MBA помогает мне в pet-проекте. Всё складывается, но постфактум.

✅Заводи соцсети на зарождающемся хайпе. Ты всё равно это сделаешь потом, но будет поздно. Сейчас я веду свой канал — и кайфую. Но жалею, что не начала раньше.

✅Всегда покупай доллары и инвестируй. Серьёзно.

✅Больше пробуй и не унывай. Большинство вещей, которые казались страшными, оказались не такими уж сложными

.
— Последний вопрос: что дальше?

е?

Дальше продолжаю экспериментировать. В работе, в учёбе, в проектах. Посмотрим, куда меня занесёт 🤷‍♀

А ещё буду рада видеть новых людей на канале. Пишу про tech, продукты, нетворкинг и жизнь без фильтр

Проект Google Suncatcher: Искусственный интеллект выходит на орбиту

Всем привет, в очередной раз извиняюсь за долгий "режим тишины". В качестве извинений, хотел бы поделить весьма интригующим контентом на стыке Космоса и современных ИТ-технологий.

Google Research и партнеры представили амбициозную концепцию размещения ИИ-инфраструктуры в космосе.

Оригинал статьи

❗️ Проблематика

🔹ИИ‑модели становятся всё более энергоёмкими: гиганты вроде GPT‑4, Gemini и других требуют мощных дата-центров.

🔹Даже при самых эффективных решениях, охлаждение, электроснабжение и пространство на Земле ограничены.

🔹К 2030-м, по прогнозам, на обучение и инференс ИИ может уходить до 4% всей мировой энергии.

🛰 Что предлагает Project Suncatcher?

Идея: разместить модули с ИИ-ускорителями (например, TPU) на солнечной орбите и создать космическую распределённую вычислительную сеть, соединённую оптическими линками.

Что такое TPU?
TPU (Tensor Processing Unit) — это специализированный процессор, разработанный Google для ускорения операций машинного обучения, особенно глубоких нейросетей. TPU гораздо быстрее и энергоэффективнее, чем обычные CPU и даже GPU в задачах инференса и обучения моделей.

💡 Почему это может сработать

🔸На геосинхронной или солнечно-синхронной орбите можно получать солнечную энергию практически круглосуточно.

🔸Нет атмосферы — значит, повышается эффективность солнечных панелей, и не нужно дорогостоящее охлаждение.

🔸Связь между спутниками осуществляется по оптическим каналам — высокая пропускная способность (терабиты в секунду), низкая задержка.

👨‍🔬 Что уже проверили?

🔹Радиационная стойкость TPU:

Аппаратные тесты показали, что тензорные процессоры Google могут выдерживать до 15 krad(Si) — достаточно для орбитального функционирования с защитой.

Что значит 15 krad(Si)?

Это единица измерения дозы радиации, которую может выдержать (SI) кремниевая электроника krad = килорад = 1 000 рад.

15 krad(Si) — это уровень радиации, при котором типичная наземная электроника уже выходит из строя, но специализированные чипы могут работать. Для спутников и космических миссий — это пороговая зона, близкая к допустимой.

🔹Тепловое поведение:

В вакууме нет конвекции, только излучение. Моделирование показывает, что вакуумное охлаждение возможно за счёт правильного теплоотвода и радиаторов.

🔹Связь между спутниками:

Исследуются лазерные межспутниковые каналы с точной фазировкой и позиционированием.

Ожидается, что плотные группировки спутников смогут поддерживать связь с производительностью дата-центра.

🔹Орбитальная логистика:

Предлагается схема плотного группирования спутников (меньше километра между ними).

Управление — через автономные системы навигации и коррекции орбит.

💰 А экономика?

Ожидаемая стоимость доставки в космос к 2030 году — $200/кг.

Это делает доставку чипов, солнечных панелей и радиаторов вполне реализуемой.

По расчётам, орбитальный дата-центр может конкурировать по стоимости владения с наземными (особенно в регионах с дорогой энергией или ограниченным охлаждением).

🔮 Что это меняет?

▫️Возможность бесконечного масштабирования ИИ, вне ограничений Земли.

▫️Снижение углеродного следа обучения моделей 🤫.

▫️Появление нового архитектурного слоя: «облачный космос» (space-based cloud).

▫️Совмещение AI + энергетики + аэрокосмоса в единую инфраструктурную экосистему будущего.

📌 Google подчёркивает, что это исследование находится в ранней стадии. Но все ключевые компоненты уже существуют или быстро развиваются: запуск, чипы, радиационная защита, лазерная связь, миниатюризация и орбитальные платформы.

🎬 2024 YR4 - сиквел "Не смотрите наверх" или ложная тревога?

Наткнулся на интересный пост , который напомнил мне непревзойденный фильм "Не смотрите наверх"

Те кто не смотрел, просто обязаны оценить!

🛰 Что произошло?

В конце 2024 года обзорная система ATLAS обнаружила астероид 2024 YR4.

Первые расчёты дали вероятность столкновения с Землёй около 3% — значение, которое в научной среде означает:

интересно… давайте подключим ещё несколько телескопов и постараемся не паниковать

🔬 Научная сторона вопроса

🔸Размер астероида оценивается в 50–70 метров — достаточно, чтобы вызвать локальные разрушения.
🔸Вероятность 3% — не катастрофа, но достаточно, чтобы начать ускоренное уточнение орбиты.
🔸 Международная сеть обсерваторий оперативно включилась, измерила вращение, яркость, траекторию.
🔸 После новых наблюдений вероятность удара по Земле упала практически до нуля.

🌚 Мы в безопасности, но...

Хотя Земле ничего не грозит, у астероида остаётся около 4% вероятности встретиться с Луной в декабре 2032 года.

Луна переживала и похуже — а вот спутники на её орбите могут получить неожиданный повод для совещаний.

Но это уже проблема 2032 года 😂

🎬 Отсылка к фильму

В «Не смотрите наверх» угроза была очевидна, а вот реакция людей — нет.

Здесь всё иначе и вера в человечество, меня не подвела:

🔹учёные посмотрели наверх сразу
🔹никто не спорил с математикой,

Астероид как будто решил вознаградить человечество за бдительность и против заона Мёрфи - просто прошёл мимо.

🌍 Что нам показал 2024 YR4?

🔸 глобальная система обнаружения работает быстро;
🔸 данные уточняются оперативно;
🔸 решения принимаются не эмоциями, а расчётами;
🔸 у нас впервые появился реальный, безопасный тест всей архитектуры планетарной защиты.

🌀 Наблюдаемая Вселенная — глазами воображения

NASA сегодня показали потрясающее изображение — визуализацию всей наблюдаемой Вселенной.

Здесь можно мысленно пройти путь от Земли к самому древнему свету во Вселенной (реликтовому излучению), по дороге заскочив в самые известные звездные скопления.
Это не просто красиво, это мощное напоминание о масштабах того, где мы живём.

😱 Но есть и то, что лично меня будоражит куда больше:
Все эти невероятные объекты и структуры — только то, что мы можем видеть. Но что, если за пределами этой сферы?

Очень хочется как-то написать пост про мои соображения на тему теории мультивселенной.

Попробую об этом договориться с лучшей версия себя из параллельного пузыря 🙊

😈LLM Council: сладость или гадость?

Всем привет!
Сегодня не про Космос)

Вчера наткнулся на репозиторий культовой личности в ИИ - Andrej Karpathy (ex Tesla, ex OpenAI).

Андрей предлагает попробовать протестировать идею ИИ-совета (LLM Council).

❓ Как это работает?

Весь процесс можно разделить на 3 этапа:

🔸Отправляем наш запрос в n моделей, выбранные в совет, и получаем от каждой из них "изолированный" ответ.

🔸Берем ответ каждой из моделей и просим оставшиеся n-1 модели его критически оценить, формируя независимый рейтинг.

🔸Направляем "изолированные" ответы каждой из моделей, а также перекрестные оценки - модели "председателю", получая финальное заключение совета.

🖥 Что получилось?

Я конечно же сразу развернул данный сервис локально и протестировал эффективность.

Результат меня не впечатлил от слова совсем. Модель председатель тянула одеяло на себя. Финальный вывод оказался чрезвычайно "пристрастным" и очень сильно напомнил мне "человеческие пороки".

Выбранный мною председатель Gemini 3 Pro пренебрег независимым рейтингом моделей и посчитал его ответ "правильнее" всех остальных.

Кажется, что нам "кожаным мешкам" пока не стоит сильно волноваться конкуренции в эпистемологии.

Эпистемоло́гия (от др.-греч. ἐπιστήμη «научное знание, наука», «достоверное знание» + λόγος «слово», «речь») — философско-методологическая дисциплина, исследующая знание как таковое, его строение, структуру, функционирование и развитие.

Следом мне в голову пришел философский вопрос "А способен ли ИИ вообще к качественной критике друг друга"?

Есть ощущение, что в текущем состоянии - нет:

🔹Все модели учились на одном и том же "сухом" контексте, зачастую вырванном из контекста жизненных ситуаций.
🔹LLM не обладают никаким экзистенциальным опытом. Как ты вообще можешь кого-то нормально критиковать если жизни не видел?
🔹Некоторые модели обучены с использованием синтетических данных или других моделями (привет DeepSeek!) Родня получается?

👨‍🔬Какие будут предложения?

▫️Самое простое: не давать председателю оценивать себя.
▫️Попытаться сформировать у моделей "симуляцию" жизненного опыта.
▫️Тюнить модели в тандеме с оппонентами по "совету".

Кстати по цене получается совсем не дешево. Я использовал 4 флагманских модели: ChatGPT 5.1, Gemini 3 Pro, Claude 4.5 и Grok 4. Каждое из рассуждение обходилось мне в среднем в 0.25$

До сих пор не могу в это поверить🤔

Ставьте 👍 если поверили
Ставьте 👎 если считаете фейком