Zaloguj się, aby obserwować tę zawartość
Obserwujący
0
Gnu mają superwydajne mięśnie
dodany przez
KopalniaWiedzy.pl, w Nauki przyrodnicze
-
Podobna zawartość
-
przez KopalniaWiedzy.pl
Komputery kwantowe, gdy w końcu staną się rzeczywistością, mają poradzić sobie z obliczeniami niemożliwymi do wykonania przez komputery klasyczne w rozsądnym czasie. Powstaje pytanie, czy istnieje granica wydajności obliczeniowej komputerów kwantowych, a jeśli tak, to czy można ją będzie w przyszłości przesuwać czy też trzeba będzie wymyślić zupełnie nową technologię. Odpowiedzi na nie postanowili poszukać Einar Gabbassov, doktorant z Instytutu Obliczeń Kwantowych University of Waterloo i Perimeter Institute oraz profesor Achim Kempf z Wydziału Fizyki Informacji i Sztucznej Inteligencji University of Waterloo i Perimeter Institute. Ich praca na ten temat ukazała się na łamach Quantum Science and Technology.
Okazuje się, że jeśli komputer kwantowy ma rozwiązać jakiś problem, to jego złożoność przekłada się na bardziej złożone splątanie kwantowe. To oznacza, że problem obliczeniowy staje się rzeczywistością fizyczną, w której kubity zachowują się różnie w zależności od stopnia splątania. To, co było matematyką, zamienia się w fizykę z głównym problemem w postaci splątania kwantowego.
Najtrudniejsze z zadań obliczeniowych są klasyfikowane jako problemy NP-trudne. Nie mamy dowodów, że komputery kwantowe będą w stanie szybko poradzić sobie z każdym tego typu problemem, ale mamy wielkiej nadzieję, że tak się stanie. Żeby stworzyć algorytm kwantowy, który umożliwi przyspieszenie prac nad problemami NP-trudnymi, używa się klasyfikacji opisującej złożoność takich procesów w odniesieniu do rzeczywistości fizycznej. Często używa się analogii do krajobrazu. Profesor Kempf mówi, by wyobrazić sobie, że wyskakujemy z samolotu ze spadochronem i mamy za zadanie wylądować w najniższym punkcie okolicy. Tam znajdziemy skarb. W problemie łatwym mamy pod sobą krajobraz, w którym znajduje się jedna wyraźnie widoczna dolina z łagodnie opadającymi stokami. W problemie trudnym pod nami znajduje się teren poprzecinany wieloma dolinami, szczelinami i klifami. Ocena, gdzie należy się kierować jest niezwykle trudna. Komputer kwantowy pozwoliły na przeszukanie całego terenu jednocześnie i od razu wskazałby właściwy punkt lądowania. Jednak, by tego dokonać, splątanie między kubitami musi być tak złożone, jak krajobraz. To właśnie w splątaniu tkwi potęga obliczeń kwantowych.
Odkryliśmy, że trudne problemy matematyczne są tak trudne dlatego, że wymagają od komputerów kwantowych, by manipulowały, tworzyły i rozprzestrzeniały wewnątrz systemu wysoce złożone układy splątań. W miarę ewolucji systemu, kubity zaczynają tworzyć złożoną sieć. Związki pomiędzy nimi zmieniają się, przemieszczają, tworzące kubity cząstki tracą splątanie i na nowo się splątują. Trudne problemy wymagają ciągłych zmian tego typu, a to właśnie determinuje, jak szybkie mogą być obliczenia, wyjaśnia Gabbassov.
Obaj uczeni proponują w swoim artykule nowy sposób pomiaru prędkości rozwiązania dowolnego problemu w oparciu o wymagany stopień złożoności splątania kwantowego. Zaproponowana metoda została opracowana na potrzeby adiabatycznych maszyn kwantowych, jednak powinna działać też na innych typach maszy, więc można ją będzie szeroko stosować. Gabbassov i Kempf mają nadzieję, ze ich praca zainspiruje innych specjalistów, którzy wykorzystają ją na swoich polach specjalizacji. Myślę, że badania te przyspieszą pracę nad ekonomicznie opłacalnymi obliczeniami kwantowymi, stwierdził Kempf.
« powrót do artykułu -
przez KopalniaWiedzy.pl
CERN pochwalił się osiągnięciem przez Wielki Zderzacz Hadronów (LHC) rekordowej świetlności. Obok energii wiązki, w przypadku LHC maksymalna energia każdej z wiązek ma wynieść 7 TeV (teraelektronowoltów), to właśnie świetlność jest najważniejszym parametrem akceleratora. Zintegrowana świetlność to najbardziej interesujący fizyka parametr urządzenia. Oznacza ona liczbę zderzeń zachodzących w urządzeniu. A im więcej zderzeń, tym więcej danych dostarcza akcelerator.
Jednostką świetlności jest odwrócony barn (b-1) lub jego jednostki pochodne, jak femtobarny (fb-1). W trakcie pierwszej kampanii naukowej (Run 1), która prowadzona była w latach 2010–2012 średnia zintegrowana świetlność LHC wyniosła 29,2 fb-1. Przez kolejne lata akcelerator był remontowany i rozbudowywany. Druga kampania naukowa miała miejsce w latach 2015–2018. Wówczas, w ciągu czterech lat pracy, akcelerator osiągnął średnią zintegrowaną świetlnośc 159,8 fb-1.
Obecnie trwająca kampania, zaplanowana na lata 2022–2025, rozpoczęła się zgodnie z planem. W roku 2022 efektywny czas prowadzenia zderzeń protonów wyniósł 70,5 doby, a średnia zintegrowana świetlność osiągnęła poziom 0,56 fb-1 na dzień. W roku 2023 rozpoczęły się problemy. Niezbędne naprawy urządzenia zajmowały więcej czasu niż planowano i przez cały rok zderzenia protonów prowadzono jedynie przez 47,5 dnia, jednak średnia zintegrowana świetlność wyniosła 0,71 fb-1 na dzień.
Bieżący rok jest zaś wyjątkowy. Wydajność LHC przewyższyła oczekiwania. Do 2 września 2024 roku akcelerator zderzał protony łącznie przez 107 dni, osiągając przy tym średnią zintegrowaną jasność rzędu 0,83 fb-1 na dzień. Dzięki temu na kilka miesięcy przed końcem trzeciego roku obecnej kampanii naukowej jego średnia zintegrowana świetlność wyniosła 160,4 fb-1, jest zatem większa niż przez cztery lata poprzedniej kampanii.
W bieżącym roku LHC ma też przeprowadzać zderzenia jonów ołowiu. Zanim jednak do tego dojdzie, będzie przez 40 dni pracował z protonami. Powinno to zwiększyć jego zintegrowaną świetlność o koleje 33 fb-1. To o 12 fb-1 więcej niż zaplanowano na bieżący rok.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Naukowcy z kilku brytyjskich uniwersytetów szczegółowo zbadali strongmana Eddiego Halla – człowieka, który w martwym ciągu podniósł 500 kg. – i ze zdumieniem stwierdzili, że w podnoszeniu tak wielkich ciężarów bardzo ważną rolę odgrywają mięśnie, którym dotychczas nie przypisywano tak dużego znaczenia. Eddie został poddany serii testów siłowych oraz skanowaniu za pomocą rezonansu magnetycznego, a jego strukturę mięśni i ścięgien porównano z danymi innych ludzi, zarówno trenujących sporty, jak i nietrenujących.
Badania wykazały, że masa mięśniowa dolnej części ciała Eddiego była o 96% większa, niż masa mięśniowa przeciętnego niewytrenowanego mężczyzny. Największe różnice – od 120 do 202 procent – zauważono w mięśniach stóp odpowiedzialnych m.in. za rozciąganie palców oraz stabilizację ścięgien pod obciążeniem oraz grupie mięśni stabilizujących miednicę i uda. Duża różnica masy, sięgająca 100%, występowała też w mięśniu czworogłowym uda. Wszystkie wymienione mięśnie były kluczowe dla zadań, jakie wykonują strongmani, takich jak podnoszenie, noszenie i ciągnięcie ciężarów.
Inne mięśnie okazały się znacznie mniej istotne. Na przykład mięśnie odpowiedzialne za zginanie stawu biodrowego były u Eddiego „zaledwie” o 23–65 procent większe niż u przeciętnego nietrenującego mężczyzny. A więzadło rzepki było o 30% grubsze, mimo że jest ono połączone z grubszym o 100% mięśniem czworogłowym uda.
Największą jednak niespodziankę sprawiły mięśnie stabilizujące miednicę i uda. Spodziewaliśmy się, że u Eddiego – strongmana i rekordzisty w martwym ciągu – najbardziej rozwinięte będą mięśnie odpowiedzialne za zginanie kolan i stawów biodrowych. Miał je dobrze rozwinięte, ale zaskoczyło nas, że najbardziej rozwinięte miał mięśnie stabilizujące miednicę i uda: mięsień krawiecki, mięsień smukły i mięsień półścięgnisty. To wskazuje, że mięśnie te odgrywają większą rolę w podnoszeniu i noszeniu ciężarów, niż dotychczas przypuszczaliśmy, mówi profesor Jonathan Folland. A doktor Tom Balshaw dodaje, że zrozumienie siły i budowy mięśni ważne jest zarówno dla sportowców, jak i dla zdrowego starzenia się. Wciąż jednak mamy ograniczoną wiedzę dotyczącą ludzi o ekstremalnej sile, stwierdza uczony.
Ze szczegółami badań można zapoznać się na łamach Journal of Applied Physiology.
« powrót do artykułu -
przez KopalniaWiedzy.pl
ChatGPT od kilku miesięcy jest używany w codziennej pracy przez wiele osób i wciąż budzi skrajne emocje. Jedni podchodzą do niego entuzjastycznie, mówiąc o olbrzymiej pomocy, jaką udziela podczas tworzenia różnego rodzaju treści, inni obawiają się, że ta i podobne technologie odbiorą pracę wielu ludziom. Dwoje doktorantów ekonomii z MIT poinformowało na łamach Science o wynikach eksperymentu, w ramach którego sprawdzali, jak ChatGPT wpływa na tempo i jakość wykonywanej pracy.
Shakked Noy i Whitney Zhang poprosili o pomoc 453 marketingowców, analityków danych oraz innych profesjonalistów, którzy ukończyli koledż. Ich zadaniem było napisanie dwóch tekstów, jakich tworzenie jest częścią ich pracy zawodowej – relacji prasowej, raportu czy analizy. Połowa z badanych mogła przy drugim z zadań skorzystać z ChataGPT. Teksty były następnie oceniane przez innych profesjonalistów pracujących w tych samych zawodach. Każdy tekst oceniały 3 osoby, nadając mu od 1 do 7 punktów.
Okazało się, że osoby, które używały ChataGPT kończyły postawione przed nimi zadanie o 40% szybciej, a ich prace były średnio o 18% lepiej oceniane, niż osób, które z Chata nie korzystały. Ci, którzy już potrafili tworzyć wysokiej jakości treści, dzięki ChatowiGPT tworzyli je szybciej. Z kolei główną korzyścią dla słabszych pracowników było poprawienie jakości ich pracy.
ChatGPT jest bardzo dobry w tworzeniu tego typu treści, więc użycie go do zautomatyzowania pracy zaoszczędza sporo czasu. Jasnym jest, że to bardzo użyteczne narzędzie w pracy biurowej, będzie ono miało olbrzymi wpływ na strukturę zatrudnienia, mówi Noy.
Oceniający teksty nie sprawdzali jednak, czy ich treść jest prawdziwa. A warto podkreślić, że odpowiedzi generowane przez ChatGPT i inne podobne modele często są mało wiarygodne. Modele te są bowiem bardzo dobre w przekonującym prezentowaniu fałszywych informacji jako prawdziwe. Przypomnijmy, że w ubiegłym miesiącu sąd w Nowym Jorku nałożył grzywnę na firmę prawniczą, która użyła ChataGPT do sporządzenia opinii prawnej pełnej fałszywych cytatów z rzekomych wyroków sądowych. Co więcej, prawnicy byli tak pewni, że algorytm dobrze wykonał zadanie, iż upierali się, że cytaty są prawdziwe. Postęp technologiczny jest powszechny i nie ma niczego niewłaściwego w używaniu narzędzi sztucznej inteligencji. Jednak istniejące zasady nakazują prawnikom upewnienie się, że treści składanych przez nich dokumentów są prawdziwe, stwierdził sędzia Kevin Castel.
O ile zatem narzędzia takie jak ChatGPT mogą usprawnić pisanie tekstów czy podnieść ich jakość, to człowiek musi sprawdzić, czy w tekście zawarte zostały prawdziwe informacje.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Cyfrowa rekonstrukcja mięśni słynnej Lucy, przedstawicielki gatunku Australopithecus afarensis, pokazuje, że potężna mięśnie nóg i miednicy były przystosowane do chodzenia pod drzewach, ale mięśnie kolan pozwalały na przyjęcie w pełni wyprostowanej postawy. Lucy żyła na terenie dzisiejszej Etiopii przed ponad 3 milionami lat. Jej skamieniałe szczątki odkryto w latach 70. ubiegłego wieku. Teraz doktor Ashleigh Wiseman z Wydziału Archeologii Cambridge University wykonała trójwymiarową rekonstrukcję jej mięśni.
Lucy to przykład jednego z najlepiej zachowanych szkieletów rodzaju Australopithecus. Doktor Wiseman wykorzystała opublikowane ostatnio dane i była w stanie odtworzyć po 36 mięśni w każdej z nóg Lucy. Symulacja wykazała, że australopitek był znacznie mocnej umięśniony niż człowiek współczesny. Na przykład główne mięśnie w łydkach i udach były dwukrotnie większe niż u H. sapiens. My mamy znacznie większy stosunek tłuszczu do mięśni. U człowieka współczesnego mięśnie stanowią 50% masy uda. U Lucy było to nawet 74%.
Paleoantropolodzy sprzeczają się, jak Lucy chodziła. Według jednych, jej sposób poruszania się przypominał kaczy chód, jaki widzimy u szympansów, gdy chodzą na dwóch nogach. Zdaniem innych, jej ruchy były bardziej podobne do naszego chodu w pozycji całkowicie wyprostowanej. W ciągu ostatnich 20 lat przewagę zaczęła zdobywać ta druga opinia. Badania Wiseman to kolejny argument za w pełni wyprostowaną Lucy. Wynika z nich bowiem, że mięśnie prostowniki stawu kolanowego, do których należą mięsień czworogłowy uda, naprężacz powięzi szerokiej uda, krawiecki i stawowy kolana, i dźwignia jaką zapewniały, pozwalały na wyprostowanie kolana w takim samym stopniu jak u zdrowego H. sapiens.
Możemy stwierdzić zdolność Lucy do poruszania się w pozycji wyprostowanej tylko wówczas, jeśli zrekonstruujemy mięśnie i sposób ich pracy. Obecnie jesteśmy jedynym zwierzęciem, które jest w stanie stać w pozycji wyprostowanej z wyprostowanymi kolanami. Budowa mięśni Lucy wskazuje, że poruszała się w pozycji wyprostowanej równie sprawnie jak my. Także wówczas, gdy przebywała na drzewie. Lucy prawdopodobnie poruszała się w sposób, jakiego obecnie nie obserwujemy u żadnego żyjącego gatunku, mówi Wiseman.
Australopithecus afarensis żył na rozległych sawannach oraz w gęstych lasach. Wykonana przez Wiseman rekonstrukcja pokazuje, że w obu tych środowiskach poruszał się równie sprawnie.
Rekonstrukcja mięśni była już wykorzystywana na przykład do oceny prędkości biegu gatunku Tyrannosaurus rex. Wykorzystując podobną technikę do badania naszych przodków możemy odkryć całe spektrum sposobów poruszania się, które napędzały naszą ewolucję. W tym i te zdolności, które utraciliśmy, mówi Wiseman.
« powrót do artykułu
-
-
Ostatnio przeglądający 0 użytkowników
Brak zarejestrowanych użytkowników przeglądających tę stronę.