`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Как изменилось финансирование ИТ-направления в вашей организации?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Обнаружено наибольшее из известных простое число

В совместном компьютерном проекте Great Internet Mersenne Prime Search (GIMPS) было обнаружено самое большое известное простое число в специальном классе чрезвычайно редких простых чисел – чисел Мерсенна. Простые числа Мерсенна имеют вид 2p – 1, где р – простое число (необходимое условие).

Найденное число имеет вид 2 77 232 917-1 и насчитывает 23 249 425 цифр. Открытие сделал Джонатан Пейс (Jonathan Pace) на своем компьютере 26 декабря 2017 года. Джонатан является одним из тысяч добровольцев, использующих бесплатное программное обеспечение GIMPS.

Это число почти на миллион цифр больше, чем предыдущее рекордное число. Это только 50-е известное простое число Мерсенна из когда-либо обнаруженных. Нахождение каждого следующего становится все более трудоемкой задачей. Эти числа были названы в честь французского монаха Марина Мерсенна, который изучал их более 350 лет назад. Проект GIMPS, основанный в 1996 году, обнаружил последние 16 простых чисел Мерсенна.

Подтверждение простоты заняло шесть дней непрерывных вычислений на ПК с процессором Intel i5-6600. Чтобы доказать отсутствие ошибок в процессе первичного обнаружения, новое простое число было независимо проверено с использованием четырех разных программ на четырех различных аппаратных конфигурациях.

Джонатан Пейс - 51-летний инженер-электрик, живущий в Джермантауне, штат Теннесси. Настойчивость, наконец, окупилась для Джона - он уже более 14 лет охотится за большими простыми числами в рамках проекта GIMPS.

Клиентское программное обеспечение GIMPS Prime95 было разработано основателем Джорджем Вольтманом (George Woltman). Скотт Куровски (Scott Kurowski) написал системное программное обеспечение PrimeNet, которое координирует компьютеры GIMPS. У волонтеров есть шанс получить награды за исследования в размере 3000 долларов или 50 000 долларов, если их компьютер обнаружит новое простое число Мерсенна. Следующей главной целью GIMPS является получение награды в размере 150 000 долларов США от Electronic Frontier Foundation, предлагаемой за нахождение простого числа с количеством цифр 100 млн.

GIMPS был организован в феврале 1996 года Джорджем Уолтманом, чтобы открыть новые простые числа Мерсенна рекордные по размеру. В 1997 году Скотт Куровски позволил GIMPS автоматически использовать мощь тысяч обычных компьютеров для поиска этих «иголок в стоге сена». Большинство членов GIMPS присоединяются к поиску, чтобы испытать острые ощущения, открывая, возможно, рекордное редкое и новое простое число Мерсенна. Поиски бóльших простых чисел Мерсенна уже начались. Могут быть меньшие, пока еще не открытые простые числа Мерсенна, и почти наверняка есть более крупные числа, ожидающие своего нахождения. Любой, обладающий достаточно мощным ПК, может присоединиться к GIMPS и стать крупным охотником, и, возможно, получить награду за открытие. Все необходимое программное обеспечение можно бесплатно скачать по адресу www.mersenne.org/download/.

Обнаружено наибольшее из известных простое число

Новое простое число, также известное как M77232917, вычисляется путем возведения 2 в степень 77 232 917, а затем вычитания единицы

ИИ побеждает человека при чтении! Возможно, нет

Недавние новости сообщили о замечательном прорыве в ИИ. Microsoft и китайский розничный торговец Alibaba независимо объявили о том, что они создали ПО, которое соответствовало или превосходило людей в тесте на чтение, разработанном в Стэнфорде. Microsoft назвала это «важной вехой».

Однако более тщательное рассмотрение заявлений технических гигантов свидетельствует о том, что их ПО еще не достигло этого уровня, даже в пределах узких границ используемого теста.

Компании основывают свои заявления о производительности человека на оценке, предоставляемой Стэнфордом. Но исследователи, которые построили тест в Стэнфорде, и другие эксперты в этой области, говорят, что этот тест не является хорошей оценкой человека, для которого английский язык является родным. Он был построен таким образом, чтобы предоставить машине преимущество над людьми. Исследователь из Microsoft, участвующий в проекте, говорит, что «люди по-прежнему намного лучше, чем машины» понимают нюансы языка.

В 2015 году Google и Microsoft объявили, что их алгоритмы превзошли людей при классификации содержимого изображений. Используемый тест включал сортировку фотографий в 1000 категорий, из которых 120 - породы собак. Это хорошо подходит для компьютера, но сложно для людей. В более общем плане компьютеры все еще уступают взрослым и даже маленьким детям в интерпретации изображения, отчасти потому, что они не обладают здравым смыслом.

В 2016 году Microsoft объявила, что ее распознавание речи так же хорошо, как и людьми, назвав это «историческим достижением». Несколько месяцев спустя IBM сообщила, что люди были лучше на таком же тесте, чем Microsoft изначально оценила. В 2017 году Microsoft сделала новое объявление о паритете с людьми. Но оно основано на тестах с использованием сотен часов телефонных звонков между незнакомцами, записанными в 1990-х годах, относительно контролируемой средой. Лучшее ПО по-прежнему не может сравниться с людьми при понимании случайной речи в шумных условиях или когда люди говорят нечетко или с разными акцентами.

В недавних анонсах Microsoft и Alibaba заявили, что их ПО сравнимо или превосходило людей при чтении и ответах на вопросы о тексте. Заявления были основано на задаче, известной как SQuAD (Stanford Question Answering Dataset). Один из ее создателей, профессор Перси Лян (Percy Liang), называет ее «довольно узким» тестом для надежного сравнения.

В начале января Microsoft и Alibaba представили свои модели в Стэнфорд, которые соответственно получили 82,65 и 82,44 процента правильных ответов. Они были первыми, кто превысил 82,304 процента правильных ответов, которые исследователи Стэнфорда назвали «человеческой производительностью».

Но Лян и Пранав Раджпуркар (Pranav Rajpurkar), студент-дипломант, который помог создать SQuAD, говорят, что оценка, присвоенная людям, не предназначалась для использования для тонко гранулированных или окончательных сравнений между людьми и машинами. И тест ориентирован на программное обеспечение, потому что люди и программное обеспечение оцениваются по-разному.

Вопросы и ответы теста были получены путем предоставления отрывков из Википедии работникам службы краудсорсинга Mechanical Turk в Amazon. Ответ ПО считается правильным, если он соответствует одному из трех ответов на каждый вопрос от работников Mechanical Turk.

Оценка производительности человека, применяемая в качестве эталона Microsoft и Alibaba, была создана путем использования некоторых ответов от Mechanical Turk для создания своего рода композитного человека. Один из трех ответов для каждого вопроса был выбран в качестве тестового; два других были использованы как «правильные» ответы, на которых делалась проверка. Оценка производительности человека по сравнению с двумя, а не тремя опорными ответами, снижает вероятность совпадения, эффективно понижая возможности людей по сравнению с ПО.

Лян и Раджпуркар говорят, что одна из причин, по которой они спроектировали SQuAD таким образом в 2016 году, заключалась в том, что в то время они не собирались создавать систему для окончательного решения результатов сражения между людьми и машинами.

Йоав Голдберг (Yoav Goldberg), старший преподаватель в Университете Бар-Илан в Израиле, говорит, что человеческие показатели существенно недооцениваются SQuAD. По его словам, проценты лучше всего воспринимаются как мера согласованности вопросов и ответов Mechanical Turk. «Это измеряет качество набора данных, а не людей», - говорит Голдберг.

Раджпуркар из Стэнфорда отмечает, что исследовательским группам Microsoft и Alibaba следует по-прежнему приписывать впечатляющие результаты в этой сложной области. Он также работает над созданием более справедливой версии оценки производительности человека SQuAD.

Программное обеспечение, которое побеждает людей в таких играх, как шахматы или Go, также может считаться как впечатляющим, так и ограниченным. Число действительных позиций на доске Go превосходит количество атомов во Вселенной. Лучшее программное обеспечение AI не может победить людей во многих популярных видеоиграх.

Орен Эциони (Oren Etzioni), генеральный директор Алленского института ИИ, советует как восхищаться, так и быть трезвым в отношении перспектив и возможностей ИИ. «Хорошей новостью является то, что по этим узким задачам мы впервые видим, что обучающиеся системы приближаются к людям», - говорит он. Узкоспециализированные системы могут по-прежнему быть очень полезными и прибыльными в таких областях, как рекламное таргетирование или домашние спикеры. В то же время люди безнадежны в решении многих задач, простых для компьютеров, таких как поиск в больших наборах текста или числовых вычислениях.

При всем этом AI предстоит пройти еще долгий путь. «Мы также видим результаты, которые показывают, насколько ограниченные и хрупкие эти системы, - говорит Эциони. - То, что мы естественно понимаем, читая, слушая, или видя, действительно намного богаче или шире».

Успех в технологии обработки информации на основе спиновых волн

Недавно ученые достигли значительного прорыва в технологии обработки информации с помощью спиновых волн. Команда успешно разработала новый метод одновременного распространения сигналов спиновых волн в нескольких направлениях на одной и той же частоте без необходимости какого-либо внешнего магнитного поля.

Обычные электронные устройства используют полупроводниковые схемы и передают информацию с помощью электрических зарядов. Однако такие устройства приближаются к своему физическому пределу, и технология сталкивается с огромными проблемами для удовлетворения растущего спроса на скорость и дальнейшую миниатюризацию. Устройства на основе спиновой волны, которые используют коллективные возбуждения электронных спинов в магнитных материалах в качестве носителя информации, обладают огромным потенциалом в качестве устройств памяти, которые более энергоэффективны, быстрее и более емкие.

В то время как устройства, основанные на спиновых волнах, являются одной из наиболее перспективных альтернатив современной полупроводниковой технологии, распространение спиновых волн является анизотропным по своей природе - его свойства меняются в разных направлениях, что создает проблемы для практического промышленного применения таких устройств.

Исследовательская группа, возглавляемая профессором Адекунлом Адейей (Adekunle Adeyeye) из Департамента электротехники и вычислительной техники на инженерном факультете Национального университета Сингапура (NUS), недавно добилась значительного прорыва в технологии обработки информации с использованием спиновых волн. Его команда успешно разработала новый метод одновременного распространения сигналов спиновых волн в нескольких направлениях на одной и той же частоте без необходимости какого-либо внешнего магнитного поля.

Используя новую структуру, содержащую различные слои магнитных материалов для генерации сигналов спиновых волн, подход позволяет осуществлять операции сверхнизкой мощности, что делает его пригодным для интеграции устройства, а также энергоэффективной работы при комнатной температуре.

«Способность распространять сигнал спиновых волн в произвольных направлениях является ключевым требованием для построения реальной схемы. Следовательно, значение нашего изобретения является далеко идущим и решает ключевую задачу для промышленного применения технологии спиновых волн. Это проложит путь для обработки информации без использования зарядов и для реализации таких устройств», - сказала д-р Арабинда Халдар (Arabinda Haldar), которая является первым автором исследования и ранее была научным сотрудником кафедры в NUS. Д-р Халдар в настоящее время является доцентом в Индийском технологическом институте в Хайдарабаде.

Это открытие основано на более раннем исследовании, опубликованном в Nature Nanotechnology в 2016 году, в котором было разработано новое устройство, которое могло передавать и манипулировать сигналами на основе спиновых волн без необходимости какого-либо внешнего магнитного поля или тока.

«В совокупности оба открытия дают возможность управлять спиновыми волнами по требованию, а также локальное манипулирование информацией и перепрограммирование магнитных цепей, что позволяет реализовать вычисления, базированные на спиновой волне, и когерентную обработку данных», - сказал профессор Адейе.

Двигаясь вперед, команда исследует использование новых магнитных материалов, чтобы обеспечить когерентную передачу сигналов на длинные расстояния для дальнейшего применения технологии спиновых волн.

Спинтронные осцилляторы для нейроморфных вычислений

Исследователи из Франции, Японии и США разработали «нанонейрон», способный распознавать звуковые сигналы. Устройство, основанное на нанометровом магнитном устройстве, известном как спинтронный осциллятор, имитирует поведение биологических нейронов. Его можно использовать для создания миниатюрных микросхем с низким энергопотреблением, способных выполнять сложную обработку информации.

Компьютеры, которые функционируют скорее как человеческий мозг, а не как обычные (фон Неймана) цифровые системы, будут основываться на нейронных сетях, а не на рядах двоичных 1 и 0. Они смогут более легко справляться с огромными наборами данных, которые в настоящее время создаются во всем мире, благодаря тому, что они являются массово параллельными, будучи более эффективными и менее энергоемкими. Чтобы сделать это новое поколение машин, исследователи сосредоточились на разработке электронных устройств, имитирующих строительные блоки мозга - нейроны и синапсы.

Нанонейрон, сделанный Жюли Гроллье (Julie Grollier) из Unité Mixte de Physique CNRS-Thales и ее коллегами, основан на спинтронном осцилляторе, который представляет собой небольшой цилиндр, состоящий из уложенных магнитов, разделенных изолирующим, немагнитным барьером. Устройство имеет намагниченность, которая устанавливается в определенном направлении и может управляться путем подачи электрического тока. Когда устройство стимулируется вторым электрическим током (входом), вектор намагничивания начинает циркулировать.

«Каждая циркуляция сопровождается электромагнитным излучением, которое имитирует электрические импульсы, испускаемые биологическими нейронами», - объясняет Гроллье. Исследователи измеряют это излучение, затем обрабатывают его с использованием методов машинного обучения (в которых данные классифицируются на основе результатов, полученных в ходе предыдущих тренировочных сессий).

За последние 10 лет или около того, приложения ИИ, такие как машинное и глубокое обучение, скачкообразно увеличились. «Хотя алгоритмы ИИ теперь могут эффективно распознавать визуальные или голосовые сигналы, запуск этих программ на обычных компьютерах (изготовленных из транзисторов) потребляет в 10 000 раз больше энергии, чем человеческий мозг, - говорит Гроллье. - Снижение потребления электроэнергии требует создания блоков, подобных мозгу, объединяющих огромное количество миниатюрных нейронов и синапсов. Тем не менее, искусственный нанонейрон достаточно стабильный, чтобы выполнять надежные вычисления, несмотря на его небольшие размеры, все еще отсутствовал - до сих пор. Что интересно в нашей новой работе, так это то, что в первый раз нам удалось создать нанонейрон, способный распознавать входной сигнал, который был в этом случае цифрой (0-9), произносимой разными динамиками, с коэффициентом успеха 99,6%». Этот результат сравним с другими современными технологиями.

Конечная цель исследования - реализовать интеллектуальные микросхемы с очень низким энергопотреблением, которые способны учиться и адаптироваться к постоянно меняющимся и неоднозначным условиям реального мира. Эти чипы могут быть полезны во многих приложениях, таких как классификация огромных объемов данных в режиме реального времени, управление автономными транспортными средствами или медицинская диагностика.

«Новый магнитный нанонейрон имеет структуру, которая идентична ячейкам магнитной памяти, которые уже производятся промышленностью в количествах сотни миллионов на кремнии»,- добавляет она. - В следующем году мы надеемся на плотное межсоединение этих нейронов и управление их связями для создания больших сетей, способных к сложной обработке информации».

Спинтронные осцилляторы для нейроморфных вычислений

Наноосциллятор спинового момента для нейроморфных вычислений

Видение сквозь стены из неизвестных материалов

Исследователи из Университета Дьюка разработали способ видеть через стены, используя микроволны с узкой полосой частот без какого-либо предварительного знания, из чего сделаны стены. Помимо наличия очевидных приложений в сфере безопасности, этот подход может привести к недорогим устройствам, которые помогут строителям легко находить кабели, трубы и провода.

«Большинство технологий, которые позволяют видеть сквозь стены, используют широкий диапазон частот, что делает их дорогими, - сказал Даниэль Маркс (Daniel Marks), доцент электротехники и вычислительной техники из Университета Дьюка. - У них также не очень хорошее разрешение. Поэтому, хотя с их помщью будет хорошо видно, как человек движется по другую сторону стены, они не подходят для поиска тонких кабелей или проводов».

Современные подходы также обычно основаны на знании того, из какого материала изготовлена стена, прежде чем пытаются что-то увидеть через нее. Это позволяет программному обеспечению предсказать, как стена повлияет на сканирующие волны, так чтобы можно было отделять эхо-сигналы и искажения от твердых объектов.

В новой статье Маркс и его коллеги вместо этого используют симметрию стены.
Поскольку стены, как правило, плоские и однородные во всех направлениях, они искажают волны симметричным образом. Новая технология использует эту симметрию для получения преимуществ.

«Мы написали алгоритм, который разделяет данные на части, - одну, которая показывает круговую симметрию, и другую, где ее нет, - пояснил Окан Юрдусевен (Okan Yurduseven), научный сотрудник в Университете Дьюка. - Данные, которые не имеют никакой симметрии, - это то, что мы пытаемся увидеть».

Этот метод использует только одну частоту для сканирования, поскольку это сокращает количество помех, создаваемых стеной, и одночастотные излучатели намного дешевле, чем широкополосные излучатели. Использование узкого диапазона также означает, что будущему устройству будет легче получить сертификат Федеральной комиссии по связи (FCC), поскольку это позволяет легко избежать интерференции с микроволновыми частотами, предназначенными для других технологий, таких как Wi-Fi, обслуживание сотовых телефонов и Bluetooth.

Исследователи создали прототип устройства, чтобы понять, как оно будет работать. В своей лаборатории они построили пару различных видов стен, а затем разместили объекты за ними, которые прибор мог бы найти, например, шпильки, электрические кабели, провода и распределительные коробки.

Глядя на необработанные данные после сканирования через гипсокартон, трудно разобрать что-либо, кроме металлической распределительной коробки шириной 4 дюйма и толщиной 2 дюйма. Но после анализа данных и удаления симметричных изображений, снимки заметно очистились, и каждый отдельный компонент легко распознается.

«Мы предполагаем объединить эту технику с системой машинного зрения, чтобы кто-то извне мог увидеть, что внутри, - сказал Маркс. - Мы считаем, что технология имеет ценовой уровень и чувствительность, чтобы оказать влияние на рынок».

Видение сквозь стены из неизвестных материалов

Вид микроволнового сканирования пространства за типичной стеной перед и после удаления искажений. Принимая во внимание типы искажений, обычно создаваемых плоскими однородными стенами, новый алгоритм позволяет лучше сканировать, не зная заранее, из чего сделаны стены

Спасет ли единоличная аренда от уязвимости Meltdown?

По мере того как продолжает нагнетаться напряженность, вызванная уязвимостями Meltdown и Spectre в процессорах Intel, а теперь и в некоторых процессорах ARM, вопрос о том, что с этим делать, выходит на передний план. Очевидно, что не существует заплатки для кремния. Intel придется исправить будущие чипы, чтобы справиться с этим.

Intel была проинформирована Google Zero Project о так называемых атаках Meltdown и Spectre летом 2017 года, но ничего не было опубликовано публично до тех пор, пока в январе 2018 года эта история не стала известной. Intel заявила, что в декабре 2017 года она начала распространять обновления прошивки для OEM-партнеров. «Для процессоров Intel, представленных за последние пять лет, мы ожидаем выпуск обновлений более чем для 90 процентов из них в течение недели, а остальная часть к концу января», - говорится в заявлении компании.

Intel заявила, что бизнес и домашние приложения не должны замечать значительных замедлений в общих задачах, таких как чтение электронной почты, создание документа или доступ к цифровым фотографиям.

Итак, на данный момент имеются только программные заплатки. Внесены исправления в дистрибутивы Linux, а Microsoft выпустила заплатки для Windows, хотя угроза для потребителей минимальна. Apple также выпустила исправление для macOS.

«Это было своеобразной первой помощью для ядра. Было мало оптимизаций. Это смягчило вред от эксплойта, но методом молотка и зубила. Вопрос в том, какую производительность мы можем получить с этими обновлениями», - сказал Зак Смит (Zac Smith), генеральный директор облачного провайдера Packet.

Падение производительности вследствие установки заплаток уже ощутили некоторые клиенты. Один из разработчиков продемонстрировал свои экземпляры Amazon EC2 с заметным снижением производительности. Это связано с тем, что по мере того как Amazon выполняет обновления ядра, виртуальные машины перезагружаются с исправлением, которое, по оценкам, влияет на производительность на целых 20-30 %.

Таким образом, пользователи очутились между двумя вариантами, оба из которых неудачны: работать без исправления и рисковать подвергнуться атаке эксплойта или устранить проблему и получить снижение производительности. Смит утверждает, что существует третье решение – одиночная аренда.

Сегодня большинство виртуальных сред, особенно облачных провайдеров, предусматривают многоарендность как неотъемлемую составляющую сервисов. Amazon, Microsoft и Google - все управляют виртуальными машинами - и вы разделяете пространство процессора с кто его знает кем. IBM является единственным крупным провайдером, который предлагает то, что известно как хостинг «голого железа». Это означает, что заказчик обеспечивает весь уровень программного обеспечения, начиная с ОС. Это сделано через дочернюю компанию SoftLayer, хотя Amazon недавно объявила о планах предложить такой же сервис.

Хотя этот совет исходит от облачного провайдера, он также работает и на собственных площадках компаний. Если ваша сеть закрыта, и вы ограничиваете доступ к высокопроизводительным приложениям, таким как хранилище данных, бизнес-аналитике, аналитической обработке онлайн (OLAP) или к приложениям для больших данных, тогда вы можете быть достаточно уверенными, что никто его не получит.

Зак Смит отметил, что многие клиенты работают по сценариям единственного арендатора с сильно контролируемой средой и не нуждаются в исправлениях для Meltdown: «Некоторые из наших клиентов очень заинтересованы в применении как заплаток для ядра, так и обновлений, в то время как другие хотят оставаться без них. Они не хотят, чтобы производительность падала, и понимают собственную безопасность при единоличной аренде».

Эти клиенты имеют общий профиль: им нужна очень большая производительность, и они работают с одной рабочей нагрузкой в больших масштабах. Они хорошо знают свой код, не разделяют его ни с кем и сильно изменяют операционную среду.

Обычно это относится для задач с высокой интенсивностью вычислений, таких как извлечение и преобразование нагрузки (ETL) или большие данные, а компании не хотят замедлять производительность до 20 %, они не запускают случайные рабочие нагрузки, и они не позволяют случайным пользователям получить доступ к пространству приложений.

Смит отметил, что индивидуальная аренда не панацея, но если заказчик использует виртуальную машину в общедоступном облаке, то он рискует. Если собственная рабочая нагрузка запускается в заблокированной однопользовательской среде с вашим собственным ядром, это хорошо. Никакие другие заказчики не могут использовать доступ к памяти… На данный момент.

Управление спином электронов для хранения данных

Исследователи научились манипулировать магнетизмом материала, создавая пространство для более быстрых устройств магнитной памяти. Исследователи Университета Тохоку разработали компьютерное моделирование, которое показывает, что использование сверхбыстрых лазерных импульсов для возбуждения электронов в магнитном материале переключает его в переходное немагнитное состояние. Это может сократить время, затрачиваемое на манипулирование магнетизмом материала, улучшение технологий хранения и обработки информации.

Хранение битов данных в устройствах с магнитной памятью требует возможности переключать магнетизм в материале между ферромагнитным и антиферромагнитным состояниями. В ферромагнитном состоянии электронные спины внутри материала выравниваются параллельно друг другу в одном направлении, делая его магнитным. В антиферромагнитном состоянии электронные спины выравниваются параллельно друг другу, но в противоположных направлениях у соседних электронов, делая материал, в котором они существуют, практически немагнитным.

Исследователи изучали способы управления спинами электронов, используя сверхбыстрые лазерные импульсы, чтобы получить более быструю память. Чем короче лазерный импульс, тем быстрее будет переворот спина.

Физики из Университета Тохоку Ацуши Оно (Atsushi Ono) и Сумио Ишихара (Sumio Ishihara) разработали компьютерную модель взаимодействия электронов и их спинов друг с другом и реагирования на лазерный свет.

Они обнаружили, что воздействие на электроны в ферромагнитных материалах непрерывным лазерным светом переводит их в возбужденное состояние, вызывая электронное взаимодействие, приводящее к антиферромагнитному эффекту. Применение сверхбыстрых световых импульсов также приводит к переключению от ферромагнетизма к переходному антиферромагнетизму с последующим восстановлением ферромагнетизма. Когда исследователи применяли сверхбыстрый лазерный импульс, сопровождаемый непрерывным лазерным светом, электроны переводились в антиферромагнитное состояние, которое затем поддерживалось непрерывным светом. Выключение непрерывного света вызвало постепенное исчезновение антиферромагнитного состояния.

Понимание этих взаимодействий, а также фундаментальные пределы переключения спина необходимы для будущей разработки устройств магнитной памяти. Следующий этап потребует физические эксперименты для проверки предсказаний модели.

«Экспериментальные подтверждения необходимы для создания практического предложения», - пишут ученые в своем исследовании, опубликованном в журнале Physical Review Letters. Оно и Ишихара предлагают перовскитные манганиты и слоистые манганиты как возможные материалы для тестирования своей модели. Они также предлагают различные методы, такие как магнитная рентгеновская дифракция и фотоэмиссионная спектроскопия, для наблюдения переходного антиферромагнитного состояния.

Управление спином электронов для хранения данных

При облучении лазером параллельные спины изменяются на антипараллельные

Погружение в неизвестность: что такое физика после бозона Хиггса?

Работа в исследовательском центре CERN в Швейцарии стала широко известна, когда в 2013 году Нобелевское открытие бозона Хиггса завершило Стандартную модель физики частиц. Как и тысячи других физиков в CERN, Юска Пекканен (Juska Pekkanen) изучает явления, которые выходят за рамки нынешнего понимания субатомного мира.

Например, только 15% массы всей Вселенной теперь можно отнести к нормальной видимой материи, остальное - темная материя, о которой мало известно. В равной мере окутана тайной темная энергия, которая заставляет Вселенную расширяться и отталкивать небесные тела друг от друга.

«Поскольку эти и многие другие вопросы все еще остаются без ответа, мы должны попытаться рассмотреть их и понять явления, которые не имеют объяснения в текущей физике», - говорит Пекканен.

Один из способов сделать это - заставить протоны сталкиваться на чрезвычайно высоких скоростях и энергиях и изучать, что происходит в результате этого. Пекканен и его коллеги сосредоточились на всплесках частиц, называемых «струями», которые рождаются при столкновении протонов. Эти события могут содержать слабые признаки присутствия совершенно новых частиц.

Изучение струй на уровне частиц стало зарождающейся областью физики, названной Пекканеном и его коллегами на эксперименте Compact Muon Solenoid (CMS) в CERN 'jet particology' (струйная частицелогия). Они фиксируют столкновения в Большом адронном коллайдере в CERN и анализируют их результаты. Практически каждое столкновение создает струи или всплески десятков частиц, которые состоят из кварков и глюонов. Исследователи подсчитывают полную энергию в струях и измеряют, как энергия переносится различными видами частиц.

«Мы пытаемся получить как можно более подробное представление о струях с помощью миллионов датчиков в нашем 20-метровом детекторе массой 15 тысяч тонн. Чем точнее мы будем проводить наши измерения, тем легче станет открывать новые частицы», - говорит Пекканен.

Тысячи сигналов, которые собирают некоторые из миллионов датчиков, должны быть отсортированы по сложным алгоритмам. Восстанавливая события с помощью компьютерного моделирования, датчики могут быть точно настроены.

Струи могут, по словам Пекканена, также быть ключом в поиске новых массивных частиц. Он сосредоточился на событиях, когда столкновение частиц создает две струи, которые выбрасываются в противоположные стороны.

«Эти события могут быть точкой, в которой сначала рождается неизвестная частица, а затем мгновенно распадается на другие частицы. Мы анализируем миллиарды этих столкновений и смотрим, заметны ли какие-либо аномалии, которые могли бы стать признаком революционной новой частицы», - объясняет Пекканен.

В исследовании используется самый высокий уровень энергии, когда-либо достигнутый в БАК: 13 ТэВ. Для одного протона это довольно много, примерно кинетическая энергия летающего комара. Сложите энергии всех протонов вместе: достаточно, чтобы летать на гигантском самолете.

Эксперименты продолжатся: к концу 2022 года физики ожидают получить в десять раз больше данных.

«До сих пор мы не нашли новую массивную частицу. Это означает, что существует потребность в создании следующего поколения адронных коллайдеров и детекторов для достижения еще более высоких энергий и, надеюсь, долгожданной новой физики».

Погружение в неизвестность что такое физика после бозона Хиггса?

Детектор CMS в Большом адронном коллайдере, с которым Пекканен и тысячи других физиков работают в CERN

Изучение явления сверхпроводимости

Используя ультрахолодные атомы, исследователи из Гейдельбергского университета обнаружили экзотическое состояние материи, когда составляющие частицы объединяются в пары, если они ограничены двумя измерениями. Выводы из области квантовой физики могут иметь важные признаки интригующих явлений сверхпроводимости. Результаты были опубликованы в Science.

Сверхпроводники - это материалы, через которые электричество может протекать без какого-либо сопротивления, когда они будут охлаждены ниже определенной критической температуры. Технологически наиболее подходящий класс материалов с исключительно высокими критическими температурами для сверхпроводимости до сих пор недостаточно изучен. Однако имеются данные о том, что для того, чтобы наступила сверхпроводимость, определенный тип частиц – фермионы - должны образовывать пары. Кроме того, исследования показали, что материалы, которые становятся сверхпроводящими при относительно высоких температурах, имеют слоистые структуры. «Это означает, что электроны в этих системах могут двигаться только в двумерных плоскостях, - объясняет проф. Селим Йохим (Selim Jochim) из Института физики Гейдельбергского университета, возглавляющий проект. - До сих пор мы не понимали, как взаимодействие пар и размерность может привести к более высоким критическим температурам».

Чтобы исследовать этот вопрос, ученые из Центра квантовой динамики провели эксперименты, в которых они ограничивали газ ультрахолодных атомов в двумерных ловушках, которые они создали с помощью фокусированных лазерных лучей. «В твердых материалах, таких как оксиды меди, существует множество различных эффектов и примесей, которые затрудняют изучение этих материалов. Именно поэтому мы используем ультрахолодные атомы для моделирования поведения электронов в твердых телах, что позволяет нам создавать очень чистые образцы и дает нам полный контроль над основными параметрами системы», - сказал Пунит Мурти (Puneet Murthy), аспирант в Центре квантовой динамики в Гейдельбергском университете и один из ведущих авторов этой публикации.

Используя метод, известный как радиочастотная спектроскопия, исследователи измерили реакцию атомов на радиоволновый импульс. Из их ответа они могли точно определить, спарены ли частицы и каким образом. Эти измерения были также выполнены для фермионов, взаимодействующих с различной силой. В ходе экспериментов исследователи обнаружили экзотическое состояние материи. Теория утверждает, что фермионы со слабым взаимодействием должны спариваться при температуре, при которой они становятся сверхпроводящими. Однако когда ученые увеличили взаимодействие между фермионами, они обнаружили, что спаривание происходит при температурах, в несколько раз превышающих критическую температуру.

«Для достижения нашей конечной цели лучшего понимания этих явлений мы начнем с небольших систем, в которых мы объединяем атомом с атомом», - говорит профессор Йохим. В исследовательский проект также входили ученые из Института теоретической физики Гейдельбергского университета и Университета Симона Фрейзера в Ванкувере (Канада).

Изучение явления сверхпроводимости

В известном и хорошо понятном сценарии объединения электронов в пары обусловлено исключительно притяжением между двумя фермионами (зеленые линии). Однако ученые из Гейдельберга обнаружили, что при сильных взаимодействиях между фермионами происходит различный тип спаривания, который сильно зависит от плотности окружающей среды (серые затененные области). Это говорит о том, что в этом состоянии каждая частица не только связана с одной другой частицей, но что есть дополнительные корреляции с другими частицами в ее окружении

Веллитроника ведет к обратимому компьютеру

Во многих двумерных (2D) материалах электроны не только обладают зарядом и спином, но и необычной квантовой характеристикой, известной как «долина» (valley). Проще говоря, электроны, находящиеся во многих 2D-материалах, могут жить в хорошо разделенных энергетических минимумах, а «адрес», описывающий, к каким минимумам относятся эти электроны, известен как «долина». Использование этого «адреса долины» для кодирования и обработки информации формирует ядро нового динамичного исследовательского поля, известного как веллитроника.

Несмотря на то, что долинная технология является кандидатом на технологию «после КМОП» и продолжает наследие закона Мура, ее прогресс сильно затрудняется из-за отсутствия практических проектов для обработки информации на основе долинных параметров. Одной из основных проблем в долинной системе является строительство «долинного фильтра». Долинный фильтр может производить электрический ток, состоящий преимущественно из электронов только из одной конкретной долины. Он служит фундаментальным строительным блоком в веллитронике.

Используя необычные электрические свойства 2D-материалов, таких как малослойный черный фосфор и топологические тонкие пленки Вейля-Дирака, исследователи из Сингапурского университета технологии и дизайна (SUTD) разработали универсальный полностью контролируемый фильтр долины и продемонстрировали в первый раз конкретный рабочий проект веллитронного логического затвора, способного выполнять полный набор двухвходовых булевских логик.

«Особенно примечательным является ранее не исследованный подход к достижению логически-обратимого вычисления путем хранения информации в состоянии долины электрона», - сказал первый автор доктор Еи Синь Ан (Yee Sin Ang) из SUTD.

Обычные цифровые компьютеры обрабатывают информацию логически необратимым образом. Это приводит к серьезной логической проблеме - при получении вычисленного результата конечный пользователь не может однозначно идентифицировать исходные входные данные, на основании которых получен этот результат.

Создание цифровых вычислений логически обратимым не только интересно с точки зрения фундаментальной информатики, но также имеет широкие применения в таких областях, как криптография, обработка сигналов и изображений, квантовые вычисления, и в конечном итоге требуется для повышения энергоэффективности цифровых компьютеров за пределами термодинамическим бутылочным горлышком, известным также как предел Ландауэра. Благодаря огромным потенциалам значительные исследовательские усилия были направлены на поиск практического обратимого компьютера, начиная с 1970-х годов.

Традиционный способ создания логически обратимого компьютера в значительной степени основывается на сложных схемах, которые неизбежно генерируют большое количество дополнительных бит. Эти сложные и расточительные методы не позволили обратимым вычислениям привлечь к себе широкие промышленные и коммерческие интересы.

Ключевой новинкой реверсивного логического затвора на основе веллитроники, предложенного исследователями из SUTD, является то, что устройство сохраняет дополнительные биты входной информации в состоянии долины для достижения логической обратимости. Этот веллитронный подход обходит необходимость сложных схем и значительно снижает генерацию дополнительных бит. Такая простая архитектура также более совместима с постоянно растущими промышленными и коммерческими требованиями к компактным интеллектуальным устройствам с постоянно уменьшающимися физическими размерами.

Веллитроника ведет к обратимому компьютеру

(a) Схематический чертеж веллитронного логического затвора. (b) Работа веллитронного логического затвора. (c-e) Электрические характеристики веллитронного логического затвора. (f) Традиционная обратимая логическая операция. (g) Реверсивная логическая операция на основе веллитроники

 
 
IDC
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT