«Магнитная гидродинамика» А. Г. Куликовский, Г. А. Любимов Изложены основы магнитной гидродинамики как науки о взаимодействии движущейся электропроводящей сплошной среды с электромагнитным полем. Основное внимание уделено исследованию качественных эффектов, возникающих при этом взаимодействии. Дается вывод уравнений магнитной гидродинамики, оценка пределов их применимости, анализ условий на разрывах решений, а также анализ решений классических задач о волновых движениях идеально проводящих сред. Эффекты, связанные с конечной электропроводимостью среды, демонстрируются на простейших задачах (прямолинейные течения, структура ударных волн, течения в трубках тока и обтекание намагниченных тел), которые, однако, являются отправными задачами для приложений магнитной гидродинамики. Для студентов высших учебных заведений, обучающихся по специальностям: "Гидроаэродинамика", "Гидрология", "Гидравлические машины и гидропневмомашины", "Гидрофизика", "Гидромеханика". Может быть полезно ученым и специалистам. Это и многое другое вы найдете в книге Магнитная гидродинамика (А. Г. Куликовский, Г. А. Любимов). Напишите свою рецензию о книге А. Г. Куликовский, Г. А. Любимов «Магнитная гидродинамика» http://izbe.ru/book/46947-magnitnaya-gidrodinamika-a-g-kulikovskiy-g-a-lyubimov/

🏆 Нобелевскую премию по физике дали за исследования в области AI Шведская королевская академия наук присудила премию Джону Хопфилду из Принстонского университета (США) и Джеффри Хинтону из Университета Джеффри Хинтона (Канада) за разработку методов современного машинного обучения с помощью инструментов из области физики. Вот что они создали: 🕸 Хопфилд создал ассоциативную память Она может сохранять и реконструировать изображения и другие типы паттернов в данных по принципу работы мозга. Например, человек пытается вспомнить необычное слово, которое слышал ранее. Он начинает перебирать похожие слова в поисках нужного и включает ассоциативную память. Если подобной компьютерной памяти дать неполный образец, она найдет наиболее похожий на него К разработке привела идея о том, что взаимодействие нейронов в мозге порождает новые характеристики нейронной сети. В основе этой мысли — исследования Хопфилда в области физики: взаимодействие атомов формирует большие однонаправленные группы атомов и порождает магнитные свойства. Хопфилд сделал открытие об ассоциативной памяти в 1982 году ☁️ Хинтон создал нейросеть на идеях Хопфилда Хинтон использовал инструменты статистической физики, науки о системах, построенных из множества схожих компонентов (например, молекулы в газе). За основу он взял уравнение физика 19-го века Людвига Больцмана для расчета энергии систем молекул газа, а также теорию об ассоциативной памяти Хопфилда Его нейросеть — машина Больцмана — получает информацию, которая постепенно меняет один за другим информационные связи нейросети. При этом общие свойства всей сети не меняются. В определенный момент постепенные изменения связей останавливаются, создавая новый паттерн для всей сети. Следующая порция информации может повторить этот паттерн или в разной степени изменить связи Машина Больцмана, созданная в 1985 году, стала ранним прообразом genAI-модели. С ее помощью можно находить характерные свойства или элементы в данных и идентифицировать так определенные элементы на изображениях 💾 В 1980-х годах ученым не хватило мощности компьютеров Нейросеть Хопфилда имела 30 узлов (искусственный аналог нейрона). Они образовывали 435 связей (аналог связи между нейронами). Узлы и связи имеют свои значения и свойства — всего нужно было отслеживать до 500 параметров. Он попробовал создать сеть со 100 узлами, но компьютер не справился с расчетами. В отличие от нейросетей того времени, современные нейросети насчитывают 1 трлн параметров В Нобелевском комитете отмечают вклад современных нейросетей в исследования в области физики: прогнозировании свойств молекул и материалов, разработке солнечных батарей, измерении гравитационных волн от столкновения черных дыр, поиске экзопланет и т. п. 🤖 Почему работы Хопфилда и Хинтона важны для современных нейросетей Разработки нейросетей начались в 1940-х годах, когда ученые пытались понять работу мозга. На помощь математическим методам пришла нейробиология с идеей об укреплении связей нейронов при их взаимодействии. Затем ученые имитировали работу мозга компьютерными симуляторами с подобием нейронов мозга В 1960-х годах ученые начали приходить к выводу, что эти разработки не смогут принести практической пользы. Интерес к изучению нейросетей возродился в 1980-х годах — главным образом благодаря работам Хинтона и Хопфилда. В Нобелевском комитете отметили, что Хинтон и Хопфилд стоят у истоков нынешнего взрывного роста AI-технологий 🦿 Как их разработки применяют AI-компании Джеффри Хинтон и его аспиранты Илья Суцкевер и Алекс Крижевский в 2012 году разработали нейросеть, которая способна анализировать тысячи фотографий и с высокой точностью распознавать объекты на них. В том же году они основали стартап DNNresearch, специализирующийся на распознавании речи, компьютерном зрении и понимании языка. Google практически сразу после запуска стартапа купил его. Хинтон продолжал работать в Google до 2023 года, а Илья Суцкевер с 2015 года стал главным научным сотрудником OpenAI Дзен https://zen.yandex.ru/Shvedov