🖥 Как лучше собирать оперативную память, если вам необходим какой-то фиксированный объем RAM, например 32 Гб ?

Очевидно, что есть два способа, если исключаем одноканал: Способ 1 (4x8 ГБ) vs Способ 2 (2x16 ГБ). Однозначно лучше и эффективнее: Способ 2 — 2 планки по 16 ГБ. Вот почему это так, особенно для современных платформ (AMD AM5 и Intel LGA 1700/1851):

▪️ 1. Меньшая нагрузка на контроллер памяти (IMC). Контроллеру памяти внутри процессора значительно проще работать с двумя планками, чем с четырьмя. Это повышает стабильность системы, особенно при работе на высоких частотах с низкими таймингами.

▪️ 2. Более высокий шанс запуска на заявленной высокой частоте. Память DDR5 особенно чувствительна к количеству модулей. Сборка из 2 планок с большой вероятностью заработает на своей штатной частоте (например, 6000 МГц) с включенным EXPO/XMP. Сборка из 4 планок почти всегда потребует ручного понижения частоты (например, до 5200-5600 МГц) или увеличения таймингов для стабильной работы.
⚠️ Потеря в производительности от более низкой частоты часто перевешивает гипотетический выигрыш от четырёхканального доступа.

▪️ 3. Возможность будущего апгрейда. У вас останутся два свободных слота на материнской плате. Если вам вдруг позарез понадобится 64 ГБ (для монтажа, работы с AI и т.д.), вы просто докупите еще два модуля по 16 ГБ. В варианте с 4x8 ГБ апгрейд возможен только полной заменой всех планок на 4 новых.

▪️ 4. Совместимость и стабильность. Комплекты из двух планок протестированы производителем и гарантированно работают вместе. Сборка из четырёх планок — это всегда лотерея, даже если вы покупаете два одинаковых комплекта по 2x8 ГБ.

Краткий итог: Для 99% пользователей, особенно геймеров, конфигурация 2 модуля по 16 ГБ является золотым стандартом и оптимальным выбором.

Нужно ли 64 ГБ для игрового компьютера? На данный момент (2025 год) для чисто игрового компьютера 64 ГБ — это избыточно. И вот почему:

▪️ Подавляющее большинство игр комфортно себя чувствуют в рамках 16-32 ГБ оперативной памяти. Даже такие современные и требовательные тайтлы, как Cyberpunk 2077 с патчейми, Alan Wake 2, Star Citizen, могут потреблять до 20-24 ГБ ОЗУ, но это включает в себя и саму ОС, и фоновые приложения.

▪️ 32 ГБ — это идеальный и достаточный объем на ближайшие 2-3 года для любых игр с запасом. Вы полностью исключите любые подтормаживания, связанные с нехваткой ОЗУ, и сможете держать открытым браузер, дискорд и другие приложения во время игры.

🖥 Когда 64 ГБ оправдано или необходимо?

▫️1. Параллельная работа с "тяжелыми" приложениями: Если вы одновременно с игрой занимается стримингом (через OBS Studio), монтажом видео, рендерингом или работаете с виртуальными машинами.
▫️2. Очень специфичные игры и моды: Некоторые симуляторы (например, Microsoft Flight Simulator 2024 с огромным количеством модов на высоких настройках) или моды для игр вроде Cities: Skylines II могут "съедать" гигантские объемы памяти.
▫️3. Работа с ИИ (AI): Локальное использование нейросетей (генерация изображений, работа с LLM-моделями) требует огромных объемов ОЗУ.
▫️4. Профессиональные задачи: Видеомонтаж в 4K/8K, работа с большими базами данных, 3D-моделирование сложных сцен.

Останавливайтесь на объеме 32 ГБ. Этого более чем достаточно для игр и многозадачности. Вкладывайте сэкономленный бюджет (от не покупки 64 ГБ) в более важные компоненты: например, в более мощную видеокарту или более быстрый накопитель. Это даст гораздо более заметный прирост производительности в играх. Если в будущем вы поймете, что 64 ГБ вам реально нужны, вы всегда сможете докупить второй идентичный комплект из 2x16 ГБ и получить в сумме 64 ГБ. Но будьте готовы к тому, что для стабильной работы системе, возможно, придется сбросить частоту памяти. #hardware #железо #техника #программирование #разработка #development #computer_science

💡 Physics.Math.Code // @physics_lib

⚙️ Защита моделей компьютерного зрения без переобучения — инновационный метод, разработанный учеными из Центрального университета, положительно оценили на ключевой международной конференции по компьютерному зрению ICCV 2025.

Разработка позволяет блокировать нелегальное использование моделей. Уже обученную нейросеть, внедренную в продукт, постфактум защитить обычно невозможно из-за отсутствия механизмов и дорогого переобучения. Обычно разработчики интегрируют защиту прямо в обучение. Новое решение от ученых — встроенные нейроны-детекторы.

▪️Принцип прост: в модель добавляют нейрон, который никак не реагируют на обычные изображения, но активируется только при появлении секретного ключа — например, мини-узора 4х4
▪️Эффект: по этому срабатыванию и можно доказать авторство модели, даже если весы кто-то скопировал.
▪️Расширение метода: если добавить “нейроны-нарушители”, модель будет работать только при наличии ключа. Без него — сознательно вносит помехи.
▪️Финал: защита встраивается уже в обученную сеть без повторного обучения и затрат, а вероятность ложного срабатывания — менее 0,01%

Главный плюс подхода — он превращает любую готовую модель CV в защищенный от пиратства продукт без пересборки и долгих циклов.
#наука #AI #ИИ #искусственный_интеллект #computer_science

💡 Physics.Math.Code // @physics_lib

📚 Искусство программирования / The Art of Computer Programming

💾 Скачать книги

Поскольку Кнут всегда считал «Искусство программирования» основным проектом своей жизни, в 1993 году он вышел на пенсию с намерением полностью сконцентрироваться на написании недостающих частей и приведении в порядок существующих. Он полагал, что на завершение работы потребуется 20 лет.

«Искусство программирования» (англ. The Art of Computer Programming) — фундаментальная монография известного американского математика и специалиста в области компьютерных наук Дональда Кнута, посвященная рассмотрению и анализу важнейших алгоритмов, используемых в информатике. В 1999 году книга была признана одной из двенадцати лучших физико-математических монографий столетия.

Основной чертой монографии Кнута, выгодно отличающей её от других книг, посвящённых программированию, является исключительно высоко поднятая планка качества материала и академичности изложения, а также глубина анализа рассматриваемых вопросов. Благодаря этому она стала настоящим бестселлером и настольной книгой каждого профессионального программиста.

🖥 1. Нужен ли уровень Тьюринга?

Страх перед формулами — главный барьер. Да, математика там есть, и серьезная: комбинаторика, теория вероятностей, анализ алгоритмов. Кнут не бросает читателя в омут. Он постепенно вводит понятия, обильно сопровождая их примерами и упражнениями (с решениями!). Это не учебник для разгона с нуля, но для человека с базовой университетской подготовкой (или с высокой мотивацией и готовностью гуглить термины) — она доступна. Это математика компьютерной эры, а не абстрактная.

💻 2. А на работе-то пригодится?

Прямой ответ: в повседневной разработке CRUD-приложений вы вряд ли будете вручную выводить сложность сортировки слиянием.
Но косвенно — бесценно. Чтение Кнута — это:
▫️Качка для ума: перестраивает мышление на глубокое понимание почему одна операция быстрее другой.
▫️Фундамент: вы перестаете быть «пользователем» структур данных и алгоритмов, а становитесь тем, кто понимает их изнутри. Это уровень уверенности, который не купишь курсом по «паттернам».
▫️Культурный код: вы начинаете видеть элегантность и красоту в эффективных решениях. Это как разница между ремесленником и архитектором.

🕰 3. А в 2026-то это еще актуально?

Ядро книги — фундаментальные алгоритмы и принципы. Сортировки, поиски, хеширование, работа с деревьями — это «таблица умножения» нашей профессии. Меняются языки, фреймворки, парадигмы, но эти основы — нет.
Более того, в эпоху big data, AI и высоконагруженных систем понимание сложности алгоритмов важнее, чем когда-либо. Кнут учит мыслить эффективно в ресурсоограниченной среде — а это и есть суть программирования.

Это не книга, чтобы «подтянуть JS перед собеседованием». Это — инвестиция в интеллектуальный капитал. Для:
▪️Будущих и настоящих инженеров-алгоритмистов, разработчиков компиляторов, ученых.
▪️Программистов, которые хотят выйти за рамки шаблонной разработки и понять суть вещей.
▪️Любого, кто считает программирование не только ремеслом, но и искусством (судя по названию, сам Кнут так и считал).
А вы заглядывали в «Искусство программирования»? #программирование #алгоритмы #подборка_книг #computer_science #code #математика #math #physics #IT #лекции #видеоуроки

💡 Physics.Math.Code // @physics_lib

🖥 Как AMD совершила исторический разворот и где Intel проиграли

Это история о том, как атусайдер стал лидером. Рассмотрим противостояние 🖥 vs 🖥.

📉 Год абсолютного дна для AMD: 2015-2016

Вспомним мрачные времена. Пока Intel выпускала шустрые, но «топтавшиеся на месте» Core i-серии, AMD пыталась продавать свои многоядерные, но отсталые по архитектуре Bulldozer/Excavator.
▪️FX-8350 против Core i7-4770K — это был не бой, а избиение в одно ядро и на ватт.
▪️Доля рынка CPU у AMD упала ниже 15%. Компания была на грани.
▪️Покупатель на PC смотрел только на Intel. Это была фактически монопольная власть.

📈 Перелом: Архитектура Zen (2017)

С приходом Ryzen на микроархитектуре Zen игра изменилась навсегда. AMD сделала ставку на:
▪️Chiplet-подход («чиплеты»). Вместо одного кристалла — несколько маленьких, соединенных скоростной шиной Infinity Fabric. Это дешевле в производстве и позволяет быстро масштабировать ядра.
▪️Много ядер для масс. Intel держала 4-6 ядер для десктопа годами. Ryzen предложил 8, 12, 16 ядер обычным пользователям.
▪️Цена/производительность. За те же деньги — больше ядер и потоков. Это взломало рынок.

🔍 2026 год: насколько AMD преуспела?

К сегодняшнему дню ситуация кардинально изменилась:
▪️Рыночная доля на десктопе и серверах (EPYC) стабильно превышает 50%, а в некоторых сегментах доходит до 70%.
▪️Техпроцесс: Пока Intel билась с собственным 10nm/Intel 7, AMD, благодаря партнерству с TSMC, перешла на 3nm и 2nm техпроцессы раньше конкурента. Энергоэффективность — их конек.
▪️Архитектурный задел: Zen 5 и Zen 6 доказали, что chiplet-подход — это будущее. Intel лишь недавно начала массово внедрять нечто подобное (Tile-архитектура).
▪️Интеграция: Покупка Xilinx сделала AMD лидером в гибридных процессорах (CPU+FPGA), что критически важно для ИИ и дата-центров.

Интересные факты:

▫️Железо: Скорость шины Infinity Fabric в современных чипах AMD сопоставима с оперативной памятью DDR4 начального поколения. Фактически, это сеть на кристалле. Network-on-Chip, NoC — это архитектурный принцип, при котором отдельные блоки внутри процессора (ядра, кэш-память, контроллеры памяти и ввода-вывода) обмениваются данными не через одну общую шину, а через высокоскоростную коммуникационную сеть, встроенную в сам кристалл. Это то, что позволило AMD так эффектно обогнать Intel: они создали не просто процессор, а "многочиповый модуль" (MCM), части которого общаются между собой на скоростях, сопоставимых с оперативной памятью, как равноправные узлы в сети.
▫️Электроника: Битва пакетов (сокетов). Удержание сокета AM4 с 2017 по 2021 годы — гениальный ход маркетинга. Пользователи могли менять 4 поколения CPU без замены материнской платы. Intel меняла сокет чуть ли не каждые два поколения.
▫️Программирование: Революция AMD заставила разработчиков игр и софта наконец-то начать эффективно распараллеливать код. Игры на 8+ потоков стали нормой лишь после прихода многоядерных Ryzen.
▫️Материалы: В погоне за отводом тепла от крошечных 3нм чиплетов, в премиальных СЖО теперь можно найти наноструктурированные поверхности и жидкий металл вместо пасты по умолчанию.

🖥AMD совершила, возможно, лучший камбэк в истории технологий. От состояния, близкого к банкротству, до технологического лидерства за 10 лет. Они не просто догнали Intel, а переопределили правила игры: chiplet-дизайн, агрессивная дорожная карта, фокус на эффективность.

🖥 Intel сейчас — могучий конкурент, который очнулся и выдает крутые продукты (например, Core Ultra с NPU). Но золотой век монополии без инноваций закончился.

Практическая задача по электронике для наших подписчиков

Внутри центрального процессора. Полный демонтаж процессора IBM Power Processor

GPU и CPU в чем разница между процессорами? Наглядный опыт

🧐 А что если для работы не нужен особо дорогой компьютер?

Как лучше собирать оперативную память, если вам необходим какой-то фиксированный объем RAM, например 32 Гб ?

#hardware #железо #техника #программирование #разработка #development #computer_science

💡 Physics.Math.Code // @physics_lib

🖥 Задачка по программированию для разминки наших подписчиков

Каким кодом вы бы реализовали оптимальное решение данной задачи?

📝 Обсуждаем в комментариях здесь

#программирование #информатика #computer_science #задачи #алгоритмы

💡 Physics.Math.Code // @physics_lib

🖥 Найди ошибку за 30 секунд

Представьте: разработчики потратили 50 часов на поиск бага в этом куске кода на C++. Попробуйте найти проблему до того, как дочитаете пост до конца.

if (ch >= 0x0FF00)
{
   if (!((ch >= 0x0FF10) && (ch <= 0x0FF19)) ||
        ((ch >= 0x0FF21) && (ch <= 0x0FF3A)) ||
        ((ch >= 0x0FF41) && ((ch <= 0x0FF5A)))
   {
    if (j == 0)
       continue;
    ch = chx;
   }
}

👉 Что пошло не так? Автор хотел проверить, что символ ch не входит ни в один из трех диапазонов. Но оператор отрицания ! применяется только к первому условию, а не ко всей сумме. Из-за этого логика сломалась, и проверка работала совсем не так, как ожидалось. Ошибка в расстановке скобок, которая привела к 50-часовому детективу.

А у вас были подобные ошибки в коде? Расскажите об этом в комментариях. #программирование #C #cpp #задачи #computer_science #разбор_задач

💡 Physics.Math.Code // @physics_lib