Автор: admin

«E pur si muove!»
Галилео Галилей.

1.      Предисловие

Настоящая статья является важным шагом на пути к созданию демонстратора системы движков, взаимодействующих в потоке данных на базе встроенного интерпретатора Forth в Elixir. Интерпретатор Forth движков описан в предшествующей статье [1]. В серия статей [2, 3, 4] рассказывалось о рабочих моментах разработки демонстратора.

Данная статья описывает ручную сборку распределенной системы узлов, выполняющих единую задачу вычисления корней квадратного уравнения по предписанию графа обработки данных в потоке. Далее для краткости будем называть такой граф графом обслуживания.

Такую же постановку демонстрационной задачи вычисления корней квадратного уравнения на графе обслуживания я сделал 5 лет тому назад в статье «Анти–Тьюринг», https://habr.com/ru/articles/593379/.

Тогда это был прообраз системы движков. Настоящей реализации демонстратора принципа обработки данных в потоке на Elixir предшествовала работа по написанию встроенного интерпретатора Forth и широкая систематизация движков, шлюзов, кнопок и тактовых генераторов в составе системы.

Перейдём сразу к делу.

2.      Задача демонстратора системы.

Для испытания системы движков взята всем известная задача решения квадратного уравнения, решение которой описывается следующим псевдокодом:

a ← <значение>
b ← <значение>
c ← <значение>
det ← b*b – 4*a*c
sqrt ← sqrt(det) wen det >= 0 do:
            x1 ← (-b – sqrt) / 2 a
            x2 ← (-b + sqrt) / 2 a

Задача нахождения корней квадратного уравнения очень подходит для демонстратора. В ней есть

Читать далее
Опыт мышления в образах формулы «Структура алгоритмов + данные = программа»
Source: geektimes

«E pur si muove!»
Галилео Галилей.

1.      Предисловие

Настоящая статья является важным шагом на пути к созданию демонстратора системы движков, взаимодействующих в потоке данных на базе встроенного интерпретатора Forth в Elixir. Интерпретатор Forth движков описан в предшествующей статье [1]. В серия статей [2, 3, 4] рассказывалось о рабочих моментах разработки демонстратора.

Данная статья описывает ручную сборку распределенной системы узлов, выполняющих единую задачу вычисления корней квадратного уравнения по предписанию графа обработки данных в потоке. Далее для краткости будем называть такой граф графом обслуживания.

Такую же постановку демонстрационной задачи вычисления корней квадратного уравнения на графе обслуживания я сделал 5 лет тому назад в статье «Анти–Тьюринг», https://habr.com/ru/articles/593379/.

Тогда это был прообраз системы движков. Настоящей реализации демонстратора принципа обработки данных в потоке на Elixir предшествовала работа по написанию встроенного интерпретатора Forth и широкая систематизация движков, шлюзов, кнопок и тактовых генераторов в составе системы.

Перейдём сразу к делу.

2.      Задача демонстратора системы.

Для испытания системы движков взята всем известная задача решения квадратного уравнения, решение которой описывается следующим псевдокодом:

a ← <значение>
b ← <значение>
c ← <значение>
det ← b*b – 4*a*c
sqrt ← sqrt(det) wen det >= 0 do:
            x1 ← (-b – sqrt) / 2 a
            x2 ← (-b + sqrt) / 2 a

Задача нахождения корней квадратного уравнения очень подходит для демонстратора. В ней есть

Читать далее
Опыт мышления в образах формулы«Структура алгоритмов + данные = программа»
Source: geektimes

«E pur si muove!»
Галилео Галилей.

1.      Предисловие

Настоящая статья является важным шагом на пути к созданию демонстратора системы движков, взаимодействующих в потоке данных на базе встроенного интерпретатора Forth в Elixir. Интерпретатор Forth движков описан в предшествующей статье [1]. В серия статей [2, 3, 4] рассказывалось о рабочих моментах разработки демонстратора.

Данная статья описывает ручную сборку распределенной системы узлов, выполняющих единую задачу вычисления корней квадратного уравнения по предписанию графа обработки данных в потоке. Далее для краткости будем называть такой граф графом обслуживания.

Такую же постановку демонстрационной задачи вычисления корней квадратного уравнения на графе обслуживания я сделал 5 лет тому назад в статье «Анти–Тьюринг», https://habr.com/ru/articles/593379/.

Тогда это был прообраз системы движков. Настоящей реализации демонстратора принципа обработки данных в потоке на Elixir предшествовала работа по написанию встроенного интерпретатора Forth и широкая систематизация движков, шлюзов, кнопок и тактовых генераторов в составе системы.

Перейдём сразу к делу.

2.      Задача демонстратора системы.

Для испытания системы движков взята всем известная задача решения квадратного уравнения, решение которой описывается следующим псевдокодом:

a ← <значение>
b ← <значение>
c ← <значение>
det ← b*b – 4*a*c
sqrt ← sqrt(det) wen det >= 0 do:
            x1 ← (-b – sqrt) / 2 a
            x2 ← (-b + sqrt) / 2 a

Задача нахождения корней квадратного уравнения очень подходит для демонстратора. В ней есть

Читать далее
Опыт мышления в стереотипах формулы «Структура алгоритмов + данные = программа»
Source: geektimes

В условиях современного банковского надзора внезапный дефолт крупного банка — событие экстраординарное, особенно в США. Финансовые регуляторы выстроили глубоко эшелонированную систему защиты: Центральные банки непрерывно мониторят нормативы, проводят стресс-тесты и, как правило, действуют на упреждение.

В текущих реалиях довести банк до стихийного рыночного краха прежде чем регулятор превентивно вмешается и отзовет лицензию — задача со звездочкой, система спроектирована так, чтобы гасить пожары до их открытого возгорания.

В статье воссоздадим дефолт SVB в банковском ALM симуляторе: наберем тот самый портфель ценных бумаг, смоделируем изменение рыночной конъюнктуры и поведение вкладчиков.

Покажем, как невидимые банковские риски превращаются в реальную дыру в капитале, и убивают крупнейшие банки.

Читать далее
[ALM моделирование] На примере дефолта Silicon Valley Bank
Source: geektimes

Когда-то музей был складом древностей, а посетители почтительно переходили от одного экспоната к другому, и это совпадало с их ритмом жизни. Сейчас люди потребляют информацию быстрее и по другим принципам. Они хотят быть участниками событий и проживать новый опыт. Поэтому музеи создают не только художники, но и программисты, инженеры, математики и архитекторы. Многослойная иммерсивная среда становится интерфейсом, а посетитель — частью происходящего.

Привет, Хабр! Давайте посмотрим, как «внутри» работает музей цифрового искусства teamLab Borderless в Токио, который только за первый год посетили 2,3 миллиона человек. Как создаётся экспозиция площадью 10 000 м², которая возникает на глазах у посетителей. Как работают сенсоры, проекторы, симуляции и projection mapping и как всё это связано в одном из самых технологичных музеев мира.

Читать далее
Музей как программная система: что скрывается за магией TeamLab Borderless
Source: geektimes

1 мая 1960 года, 05:20 по московскому времени. С авиабазы в Пешаваре на северо-западе Пакистана поднимается в воздух странный самолет. Черный, длинный, с крыльями размахом 24 метра, как у планера, только с реактивным двигателем. На борту один человек, 30-летний американец Фрэнсис Гэри Пауэрс. Курс — на север, через Афганистан, через советскую границу, дальше над Байконуром, над ядерным комбинатом в Челябинске-65, над Свердловском, и на выходе через Мурманск в Норвегию. 6 000 км над страной, в которую его никто не приглашал.

Через три с половиной часа одна зенитная ракета С-75 собьет самолет, Пауэрса возьмут живым, а в обломках найдут камеру с фотографиями советских ядерных объектов, пистолет с глушителем и отравленную иглу, которой он не воспользуется.

Чтобы понять, почему все это случилось, нужно вернуться на шесть лет назад. В 1954, когда один инженер из Калифорнии предложил построить самолет и получил первый чек на $1,5 миллиона по почте на домашний адрес.

ding!
U-2: история легендарного самолета, который четыре года был недосягаем
Source: geektimes

Умная машина, которая объезжает переходящих дорогу уточек и умеет парковаться сама, появилась не так давно. Но для человечества это была целая эпопея, которая длилась почти 500 лет (!)

Сегодня мы взглянем на исторический таймлайн, который привел нас к самопилотриуемым машинам, от первой искры до умных AI-автопилотов. Спойлер: это было коллективное усилие целой плеяды блистательных умов из разных поколений и эпох.

Читать далее
Как ИИ научился водить машины (и не только)
Source: geektimes

Глаза дают человеку только 20% зрительной информации, остальное додумывает мозг. А может ли ИИ додумывать то, чего невидно?

Нейросеть «скелетон» — одна из первых систем видеонаблюдения с ИИ, которая демонстрирует способности такого скрытого зрения.

Текстом сложно объяснить то, что надо видеть:

Посмотреть видеоролик…
ИИ обладает воображением
Source: geektimes

Мощные ЦОДы и системы ИИ требуют тысячи гигаватт электроэнергии. Желательны стабильные источники, не подверженные причудам ветра и солнца, а также проблемам рынков нефти и газа. В настоящее время наиболее приемлемой представляется базовая генерации от атомных электростанций на медленных нейтронах. Такие АЭС хорошо освоены во множестве стран мира, они надёжны в работе (было только 2 аварии – в Чернобыле и на Фукусиме, их опыт был учтён и безопасность АЭС существенно повышена во всех странах мира).

Последнее время для нашего дела рассматриваются перспективы термоядерных энергетических реакторов на изотопах водорода. Ряд стран реализует соответствующие физические эксперименты, например США, Китай, Япония. Известен международный проект ITER (International Thermonuclear Experimental Reactor) на территории Франции.

Посмотрим, что происходит в этой сфере в мире с точки зрения патентов. 

Читать далее
Перспективы термоядерных энергетических реакторов: краткий патентный анализ
Source: geektimes