Область SETI, или поиск внеземного разума, ускоряется до новых высот благодаря разработкам в области машинного обучения. В работе, опубликованной на прошлой неделе в журнале Nature Astronomy, группа исследователей под руководством Питера Ма из Университета Торонто поделилась методом машинного обучения, позволяющим копаться в данных проекта Breakthrough Listen для выявления сигналов, которые могут быть потенциальными техносигнатурами - то есть технологическими признакам, указывающими на наличие разумной инопланетной цивилизации...
Ученые создали базу данных сотен твердотельных электролитов и применили к ней машинное обучение, чтобы ускорить разработку безопасных и эффективных аккумуляторов. Твердотельные электролиты рассматриваются как замена традиционным жидким электролитам, используемым в литий-ионных аккумуляторах. Твердые электролиты более безопасны, обладают большей емкостью и быстрее заряжаются. Однако поиск подходящих материалов для твердотельных электролитов затруднен из-за огромного количества вариантов и сложных взаимосвязей между их структурой и производительностью...