Blog

Artemis III, ключевая миссия в программе Artemis НАСА, отмечает историческое возвращение людей на Луну впервые с декабря 1972 года. Это следует за беспилотным испытательным полетом Artemis I (2022 год) и пилотируемым лунным пролетом с помощью Artemis II (2025 год).

В апреле 2021 года НАСА выбрала SpaceX в качестве подрядчика для Системы Посадки Человека (HLS) Artemis III. HLS будет перемещаться на мощной ракете Super Heavy компании SpaceX, являющейся частью более крупного космического аппарата Starship. Пилотируемый космический корабль “Орион”, доставленный на Луну с помощью ракеты Space Launch System (SLS), будет стыковаться на лунной орбите с HLS, астронавты пересаживаются с “Ориона” на HLS перед посадкой на поверхность.

НАСА намеревается отправить Artemis III для исследования южного полюса Луны; регион, представляющий большой научный интерес из-за наличия водяного льда в постоянно затененных областях вокруг него. В ходе миссии два астронавта приземляются на поверхность и остаются там примерно неделю. Хотя на борт “Ориона” может отправиться до четырех астронавтов, только двое будут на поверхности на борту HLS, а двое остаются в орбите на борту “Ориона”. Те, кто находится на поверхности, станут первой женщиной и первым человеком не белого цвета кожи, ступившим на Луну.

Перед их прибытием дополнительное оборудование устанавливается на поверхности, включая ровер для исследования областей в постоянной тени на расстоянии от 5 до 15 км, где можно обнаружить и изучить лед.

Artemis III станет последней миссией, использующей SLS Block 1, у которого грузоподъемность составляет 27 тонн. Затем ракета будет модернизирована до SLS Block 1B с более крупным и более мощной Верхней Ступенью для Исследований, способной перевозить грузы до 42 тонн. Это позволяет доставить модули для сборки новой космической станции на лунной орбите, известной как Лунный Шлюз, в рамках миссий Artemis IV–VI.

В 2030-е годы Artemis миссии VII–XI используют еще более крупную вариант SLS Block 2, позволяющий перевозить грузы весом 46 тонн. Эти последующие миссии доставляют модули для жилых помещений на поверхность Луны, что приведёт к созданию постоянной лунной базы.

Больше…

Тяньвэнь-4 является четвертым в серии роботизированных космических зондов, разработанных Китайским национальным космическим управлением (CNSA). Эта программа началась в июле 2020 года с запуска Тяньвэнь-1, включающей в себя орбитальный зонд, посадочный аппарат и ровер на Марс. Миссия приземлилась на Утопию Планитию в феврале 2021 года, сделав Китай третьей страной, достигшей мягкой посадки на Красной Планете, после Советского Союза в 1971 году и Соединенных Штатов в 1976 году.

Тяньвэнь-2 последовал в 2025 году. Он отправился к близкому к Земле астероиду, известному как Камоʻоалева, где получил образец реголита весом 100 г и доставил его на Землю. Затем он продолжил свой путь к комете главного пояса 311P/PANSTARRS, прибыв в 2034 году и изучал объект в течение года.

Тяньвэнь-3, запущенный в 2030 году, стал первой в Китае миссией по возврату образцов с Марса. Два космических аппарата (орбитальный зонд вернувшийся на Землю и посадочный аппарат/взлетающий аппарат) вместе получили образцы марсианских камней и почвы, доставив их для более подробного анализа в лабораториях Земли.

Тяньвэнь-4 проведет исследование Юпитеровой системы, а затем Урана, седьмой планеты от Солнца. Основной космический аппарат использовал гравитационную ассистенцию Земли и Венеры в начале 2030-х годов, прежде чем достичь орбитального введения на Юпитере в 2035 году, совершив пролеты мимо малых спутников и затем изучая большой спутник Каллисто вблизи в 2038 году, перед ударом о поверхность.

Помимо своей юпитеровой миссии, Тяньвэнь-4 включал отдельный зонд, который отделился от главного космического аппарата и направился к Урану. Он совершает пролет мимо ледяного гиганта в марте 2045 года, став всего лишь третьим объектом когда-либо посещающим планету. Он следует после недавней миссии NASA в 2042 году и “Вояджером 2” в 1986 году.

Больше…

Neptune Odyssey – одна из нескольких миссий к так называемым “ледяным гигантам” Солнечной системы, запланированных на середину XXI века. Запущенный в 2033 году, космический аппарат направляется прямо к Нептуну в 16-летнем путешествии без использования гравитационных помощников от других планет и выходит на орбиту в 2049 году.

Ранее космический аппарат Trident был одним из финалистов для выбора миссии класса NASA Discovery в 2020 году с предполагаемой датой запуска в 2025 году и 13-дневной встречей с Нептуном в 2038 году. Однако в конечном итоге Trident уступил место миссиям DAVINCI и VERITAS, предназначенным для исследования Венеры.

Neptune Odyssey стала более амбициозной и долгосрочной концепцией для NASA – логическим продолжением ранних флагманских орбитеров при Юпитере, Сатурне и Уране, разработанных учеными из Applied Physics Laboratory Johns Hopkins University.

В отличие от относительно короткой миссии Trident, Neptune Odyssey предполагает гораздо более длительное пребывание у Нептуна и его спутников, с выполнением научных операций космическим аппаратом в течение четырех лет с 2049 по 2053 год. В то время как Trident включал всего шесть инструментов, Neptune Odyssey оснащен 22 инструментами – 14 на главном космическом аппарате и еще восьмерыми на отдельном атмосферном зонде. Это позволяет получить наиболее полное и подробное представление о планете. Вес аппарата составляет 3200 кг, а его питание обеспечивается 1,1 киловаттами от радиоизотопных термоэлектрических генераторов. Odyssey будет измерять широкий спектр химических и физических процессов, происходящих вокруг Нептуна, а также возвращать изображения высокого разрешения.

Odyssey начинает свое приближение к Нептуну 4 мая 2049 года, входя в эллиптическую орбиту 3 июня 2049 года. Для достижения этой орбиты система управления выполняет маневр со скоростью 3400 км/ч (2100 миль/ч) с ближайшим подходом на расстояние 2000 км над поверхностью Нептуна, что приводит к орбите с периодом 214 дней. На самой низкой высоте орбитер выпускает небольшой атмосфернфй зонд, который спускается в верхнюю атмосферу Нептуна на протяжении примерно 37 минут, чтобы изучить его состав, динамику и процессы, передавая данные, по крайней мере, до достижения давления в 10 бар (приблизительно 10 атмосфер Земли).

В течение следующих четырех лет орбитер изучает Нептун и его спутники, включая Тритон – заметное место среди самых холодных в Солнечной системе, с оценочной поверхностной температурой -235 °C (38 K). В то время как миссия Voyager 2 1989 года обследовала только 40% Тритона, Odyssey проводит не менее 46 мимолетных встреч с Тритоном с гораздо более высоким разрешением изображений, обеспечивая практически полное покрытие спутника.

Подобно Урану и Нептуну, ледяные гиганты считаются распространенными по всей галактике Млечный Путь, поэтому данные от Odyssey могут быть использованы как аналог для лучшего понимания аналогичных экзопланет, обеспечивая расширенные знания о формировании планет и потенциальной пригодности других систем. Миссия также определяет причину странного магнитного поля Нептуна, раскрывая, как работают его магнитосфера и полярные сияния. Связи обнаруживаются между кольцами Нептуна, дугами, внешним видом поверхности и маленькими спутниками.

Другие загадки, раскрываемые зондом, включают в себя наличие океана под поверхностью Тритона, причины его гейзеров и характер атмосферы. Более подробное представление о геофизике и составе спутника помогает расширить знания о карликовых планетах, таких как Плутон.

14 февраля 2046 года астероид диаметром 50 метров приближается к системе Земля-Луна на большой скорости. Объект, впервые обнаруженный астрономами в 2023 году, имеет обозначение 2023 DW. Он принадлежит к группе Атона, состоящей из тел с большой полуосью примерно 1,0 астрономической единицы (а.е.) или меньше, т.е. среднего расстояния от Земли до Солнца.

При первом обнаружении ученые Европейского космического агентства поставили 2023 DW на первое место в своем «списке рисков» потенциально опасных объектов из-за того, что его орбита пересекает Землю. НАСА рассчитало вероятность столкновения как 1 из 560, или около 0,18%.

Хотя столкновение маловероятно, его масса и скорость означают, что такое событие может нанести значительный ущерб. Двигаясь со скоростью 24,6 км/с или около 88 700 км/ч, попадание будет производить энергию, эквивалентную 4 мегатоннам в тротиловом эквиваленте, чего достаточно, чтобы разрушить город размером с Нью-Йорк. Для сравнения, на месте древнего метеоритного кратера в Аризоне был объект такого же размера, в результате чего образовался кратер размером 1,2 км.

Основываясь на 55 наблюдениях, астрономы определили «коридор риска», протянувшийся в основном через Тихий океан, но включающий юг Гавайских островов, а также ещё одну зону потенциальной опасности на севере Мексики и юге США.

Вскоре после этих исследований 2023 DW стало труднее наблюдать из-за его положения по отношению к Луне. Однако последующие наблюдения уточнили его траекторию и дали больше уверенности в его пути в 2046 году.

Больше…

Во время пандемии COVID-19 вакцины на основе мРНК стали перспективным и инновационным подходом к борьбе с вирусом SARS-CoV-2. Две компании, участвовавшие в исследованиях и разработках, — Pfizer-BioNTech и Moderna — произвели препараты, показавшие себя очень успешными, с заявленной эффективностью около 95% в предотвращении инфекций. Эти вакцины, являющиеся частью крупнейшей кампании вакцинации в истории, помогли глобальным усилиям по контролю за распространением вируса и смягчению последствий пандемии.

мРНК означает информационную РНК, тип генетического материала, который несет инструкции для клеток по производству белков. В отличие от двухцепочечной спирали ДНК, она имеет только одноцепочечную цепочку нуклеотидов. В мРНК-вакцинах против COVID-19 используется небольшой фрагмент генетического материала вируса, в частности шиповидный белок, который находится на поверхности вируса. Матричная РНК в вакцине инструктирует клетки организма вырабатывать безвредный фрагмент шиповидного белка, который затем запускает иммунный ответ, обучая иммунную систему распознавать вирус и бороться с ним, если человек заразится в будущем.

После успеха вакцин против COVID-19 в начале 2020-х годов продолжались исследования мРНК для потенциального использования в других областях здравоохранения. Ученые сообщили об огромном ускорении в этой области: 15-летний прогресс был «развернут» в течение 12–18 месяцев программы вакцинации против COVID-19.

Например, компания BioNTech разработала новую терапию на основе мРНК, вводимую в опухоли толстой кишки и меланому у мышей. Это лечение остановило рост опухоли и вызвало полную регрессию рака у 85% животных.  Позже BioNTech подписала соглашение с правительством Великобритании об ускорении клинических испытаний иммунотерапии мРНК на людях, направленных на улучшение результатов лечения рака за счет предоставления новых персонализированных методов лечения к 2030 году.

Другие компании придерживались таких же быстрых графиков, в том числе Moderna, которая в 2023 году обнародовала свой план борьбы с различными видами рака, сердечными заболеваниями и рядом редких заболеваний. Moderna намеревалась сделать ряд методов лечения на основе мРНК доступным в течение пяти лет, ожидая, что генетические причины многих заболеваний можно будет выявить и устранить «относительно просто» в течение 10 лет.

В этот период был достигнут ошеломляющий прогресс в лечении на основе мРНК, предлагая частичное или даже полное излечение от определенных заболеваний, включая несколько ранее неизлечимых.

В случае рака у пациента берут биопсию опухоли и отправляют в лабораторию, где ее генетический материал секвенируется для выявления мутаций, которых нет в здоровых клетках. Алгоритм определяет, какие мутации вызывают рост рака и могут вызвать срабатывание иммунной системы. Затем создается мРНК, содержащая инструкции по созданию антигенов, вызывающих иммунный ответ. После инъекции мРНК транслируется в белковые фрагменты, идентичные тем, которые находятся в опухолевых клетках. Иммунные клетки сталкиваются с ними и уничтожают раковые клетки, несущие те же белки.

К 2033 году эти персонализированные вакцины спасут миллионы жизней. В то время как рак в целом по-прежнему далек от полного излечения, терапия на основе мРНК является основным переломным моментом с точки зрения прогресса, при этом ряд подтипов в настоящее время относительно легко поддается лечению. РНК-мессенджер также дает надежду пациентам с сердечно-сосудистыми и аутоиммунными заболеваниями, а также с редкими состояниями, для которых не существует вариантов лечения.

Больше…

В июне 2018 года исследователи компании OpenAI, базирующейся в Калифорнии, опубликовали исследование о “Генеративном предварительно обученном трансформере” (GPT). До этого лучшие языковые модели искусственного интеллекта (ИИ) в основном использовали обучение с учителем на основе большого количества вручную размеченных данных. Эта зависимость от обучения с учителем ограничивала их использование на неразмеченных наборах данных, а также делала обучение крайне дорогостоящим и затратным по времени для обучения очень больших моделей.

В отличие от этого подход GPT включал в себя этап ненадзорного генеративного “предварительного” обучения, используемый для установки начальных параметров, а затем этап “настройки” для адаптации этих параметров к целевой задаче. GPT имел 117 миллионов параметров, которые можно было рассматривать как примерно эквивалентные отдельным соединениям в мозгу. Новая архитектура GPT обеспечивала более структурированную память, что приводило к “устойчивой переносимой производительности на различных задачах”.

Исследования OpenAI привели к более продвинутой версии с размером набора данных и количеством параметров в 10 раз больше. Как и ее предшественник, GPT-2 использовал ненадзорную модель трансформатора, обученную создавать текст, предсказывая наиболее вероятное следующее слово в последовательности токенов. Продолжая предсказывать дополнительные слова, он мог соединять полные предложения и абзацы с полностью понятными (и семантически значимыми) утверждениями на естественном языке, несколько похожим на очень продвинутую форму автокоррекции на смартфонах. Большой набор данных позволил GPT-2 выполнять задачи за пределами простого создания текста: такие как ответы на вопросы или краткое изложение и даже перевод между языками в различных конкретных областях без предварительной инструкции.

GPT-3, выпущенный в июне 2020 года, поднял исследования на новый уровень. Он имел количество параметров 175 миллиардов, более чем в 100 раз больше, чем у GPT-2, и требовал 800 ГБ хранилища. Около 60% взвешенного набора данных для предварительного обучения GPT-3 было получено из отфильтрованной версии Common Crawl – открытого хранилища данных веб-сайтов, состоящего из 410 миллиардов байт-парных закодированных токенов. Другие источники текста включали WebText2 – корпус веб-сайтов, связанных с сообщениями Reddit с тремя или более положительными отзывами, а также Википедию и цифровые книги.

The New York Times описала способность GPT-3 генерировать естественно звучащий язык, включая компьютерный код, наряду с поэзией и прозой, не только как «удивительный», «жуткий» и «унизительный», но и как «более чем ужасающий». В обзоре Wired говорится, что от GPT-3 «бегут мурашки по всей Силиконовой долине».

Однако некоторые остались настроены скептически, в том числе сам генеральный директор OpenAI Сэм Альтман, который раскритиковал то, что он назвал «ажиотажем вокруг GPT-3», признав, что он имеет «серьезную слабость и иногда делает очень глупые ошибки… ИИ собирается изменить мир, но GPT-3 — это всего лишь очень ранний проблеск».

Растущее использование технологий автоматической генерации текста, основанных на GPT-3 и других языковых генераторах, привело к спорам об академической честности и о том, как школы и университеты должны оценивать, что представляет собой академические проступки, такие как плагиат. Опасения также возникли из-за возможности распространения дезинформации, в том числе предвзятого, сексистского, расистского и другого вредоносного контента, создаваемого ботами. В одном случае французский медицинский стартап протестировал GPT-3 в качестве медицинского чат-бота, который посоветовал вымышленному пациенту покончить жизнь самоубийством.

Тем не менее, GPT-3 оказалась чрезвычайно впечатляющей технологией во многих областях. Продолжались исследования алгоритмов, что привело к созданию нового прототипа, который пытался уменьшить количество негативных или ложных ответов. ChatGPT, версии 3.5, был запущен в ноябре 2022 года и продемонстрировал улучшенное понимание этики и морали. Он мог предложить более вдумчивые ответы о том, что делать — с учетом законности, чувств и эмоций людей и безопасности всех участников — с четко сформулированными ответами во многих областях знаний. ChatGPT также обладал феноменальными навыками компьютерного кодирования, способного сгенерировать весь макет веб-сайта или подробный сценарий за считанные секунды всего по нескольким запросам пользователя. Однако его фактическая точность оказалась в ряде случаев неравномерной.

GPT-4 появляется в 2023 году, и эксперты по технологиям начали размышлять о том, какими могут быть его возможности. Оценки количества параметров сильно различались — от тех, кто считал, что оно будет таким же или лишь немного больше, чем 175 миллиардов GPT-3, до тех, кто предсказывал еще один огромный скачок, возможно, на сотни триллионов.

В конце концов, GPT-4 оказывается в нижней части этих прогнозов. Однако эффективное масштабирование значительно улучшилось в последние годы, а это означает, что количество параметров само по себе больше не является лучшим показателем производительности языковой модели — схлже с так называемым «мифом о мегагерцах» 2000-х годов, который применялся к скоростям персональных компьютеров. Вместо этого обучение на больших наборах данных теперь более важно.

GPT-4 представляет собой самую впечатляющую языковую модель из когда-либо созданных — она прошла несколько модифицированных версий теста Тьюринга и вызвала широкие общественные дебаты по поводу потенциала искусственного интеллекта в ближайшем будущем. Он имеет большую скорость, более длинное контекстное окно, лучшую точность фактов и улучшенную способность «запоминать» и ссылаться на информацию из предыдущих разговоров. В нем также дополнительно рассматриваются этические проблемы, связанные с более ранними версиями.

Благодаря постоянному повышению эффективности и снижению стоимости оборудования GPT-4 и его производные начинают распространяться в таких приложениях, как обслуживание клиентов и техническая поддержка. Пятое и шестое поколения языковых моделей будут разработаны во второй половине 2020-х годов, что приведёт к созданию действительно человекоподобного ИИ, способного имитировать реального человека почти в 100% случаев.

Больше…

Первый традиционный штрих-код был изобретен в 1940-х годах Норманом Джозефом Вудлендом и Бернардом Сильвером, двумя аспирантами из Филадельфии, США. Их первоначальный дизайн состоял из серии концентрических кругов, которые могли быть прочитаны сканером с использованием ультрафиолетового света. В 1960-х годах Вудленд и Сильвер усовершенствовали свой дизайн и разработали современный штрих-код, состоящий из серии линий и промежутков различной ширины. Они также разработали сканер, который мог читать штрих-код с помощью видимого света, и систему для присвоения уникальных идентификационных номеров продуктам. Позже это получило название Универсальный код продукта (UPC).

В 1972 году британская супермаркетная сеть Sainsbury’s ввела систему штрих-кода для более эффективного управления запасами, используя UPC. В 1974 году пачка жевательной резинки Wrigley’s стала первым продуктом, проданным с помощью штрих-кода, когда он был отсканирован в супермаркете в штате Огайо, США. Штрих-коды вскоре стали неотъемлемой частью розничной торговли, используемой для идентификации и отслеживания продуктов в магазинах и складах по всему миру.

В 1994 году дочерняя компания Toyota Denso Wave изобрела первый 2D штрих-код, встраивая данные на горизонтальных и вертикальных осях, как способ отслеживания запчастей для автомобилей в процессе производства. Разработанный компанией Quick Response (QR) код получил широкое распространение в Японии, наряду с многими другими типами 2D штрих-кодов (также известных как матричные коды).

В отличие от линейных (1D) штрих-кодов, этот новый формат мог представлять гораздо больше данных на единицу площади. В то время как стандартный штрих-код обычно имел только 12-20 цифр, QR-код имел возможность вмещать более 4 000 алфавитно-цифровых или 7 000 числовых символов.

Однако наиболее значительным стало то, что количество возможных комбинаций стало астрономически выше. UPC-A, наиболее распространенный из 1D штрих-кодов, имел около триллиона (10¹²) возможных комбинаций. Первая версия QR-кодов, выпущенная в 1994 году, содержала 21 x 21 модуль (черно-белый квадрат), который увеличился до 177 x 177 в версии 40 в 2015 году. Это позволило использовать 10⁹⁴⁰³ возможных комбинаций – больше, чем общее число атомов в известной Вселенной, обеспечив человечество неисчерпаемым количеством кодов.

После того, как QR-коды и другие форматы 2D штрих-кодов стали популярными в Японии, они начали распространяться в страны по всему миру. В 2010-х годах они стали ещё более широко используемыми из-за распространения смартфонов с камерами и возможностями сканирования кодов. Пандемия COVID-19 в 2020 году ещё больше увеличила их привлекательность как “бесконтактной” системы для отображения информации.

Поскольку 2D штрих-коды уже широко используются в производстве, складах, логистике, здравоохранении и других отраслях, внимание сейчас сосредоточено на розничном секторе, чтобы сделать его старую систему штрих-кода подходящей для 21 века. Эти усилия включают Sunrise 2027, предложенный GS1 US, некоммерческой организацией стандартов, а также инициативы в других странах, направленные на то, чтобы все магазины и терминалы продажи были настроены и готовы принимать 2D штрих-коды.

К 2027 году это обновление в основном завершено. Использование 2D штрих-кодов в розничной торговле предлагает большую ёмкость данных, интерактивные возможности, улучшенное отслеживание и трассировку и экономическую эффективность.

Например, о продукте может быть сохранено больше информации, такой как пищевая ценность, список ингредиентов и информация об аллергенах. Это может быть важно для клиентов с диетическими ограничениями или аллергиями и помогает продвигать прозрачность и доверие между клиентами и производителями пищевых продуктов. Коды могут использоваться для создания интерактивных возможностей для клиентов, таких как предоставление рецептов, игр или скидок, вознаграждений программы лояльности.

Они также помогают магазинам и производителям продуктов питания собирать ценные данные и понимать предпочтения и поведение клиентов. Отдельные продукты питания могут быть прослежены на всем пути производства, от фермы до стола. Это помогает улучшить безопасность и контроль качества продуктов питания, а также может помочь сократить потери, выявляя и устраняя неэффективности в цепочке поставок.

Больше…

В 2022 году в Европе появляются первые автомобили с автономностью 3-го уровня. Это следует после одобрения немецких властей в предыдущем году. В то время как транспортные средства с автономностью 2-го уровня управляются только частично без помощи рук и требуют постоянного контроля со стороны человека, системы 3-го уровня могут управлять автомобилем автономно в определенных условиях (например, на автомагистралях) и могут принимать решения, не требуя от водителя брать управление на себя.

Mercedes-Benz переработал свой седан S-класса, включив в него функцию Drive Pilot, и в 2021 году получил техническое одобрение Федерального управления автомобильного транспорта Германии на основе действующих на международном уровне Правил ООН 157 для автоматизированных систем удержания полосы движения. Новая технология использует множество камер, радаров и датчиков для мониторинга ситуации с транспортным средством, контролирует его скорость и расстояния до других участников дорожного движения, а также независимого выполнения маневров уклонения или торможения без вмешательства водителя. Собранная в режиме реального времени информация о геометрии дорог, профилях маршрутов, дорожных событиях и дорожных знаках в сочетании с высокоточным GPS и цифровой 3D-картой позволяет системе самостоятельно управлять автомобилем в течение длительного времени. Mercedes-Benz также может осуществлять экстренный вызов и открывать двери и окна, чтобы предоставить доступ службам экстренного реагирования в случае чрезвычайной ситуации.

Drive Pilot – это гораздо более продвинутая версия более раннего “Пакета помощи водителю” для S-класса. Добавлен новый лидар с рабочим углом 120°, камера на заднем стекле, а также микрофоны для обнаружения огней и сирен приближающихся автомобилей скорой помощи.

Первоначально система ограничена максимальной скоростью 60 км /ч на 13 200 км автодорог в Германии. Однако, позже он станет доступен и в других странах, таких как США и Китай, скоростные ограничения будут снижаться.

Больше…