Одной из главных целей человечества в XXI веке является отправка людей на Марс. Эта планета примерно в два раза меньше Земли. Казалось бы, вариантов места для приземления не так уж и много — выбрал и садись. Несмотря на небольшой выбор, ученые все равно не могут решить, в какой из ее точек лучше всего остановиться участникам будущих миссий. Как минимум, место посадки должно соответствовать двум критериям. Во-первых, там должна быть хотя бы замерзшая вода, потому что людям нужно что-то пить. Во-вторых, место посадки должно быть хорошо освещено Солнцем, потому что проводить работу в темноте и холоде будет тяжело. Недавно американские ученые изучили данные от трех космических аппаратов и выяснили, какие точки на Марсе больше всего соответствуют требованиям. Наиболее вероятно, что высадка людей будет произведена на северном полушарии планеты. Но где именно? Интересный факт: компания SpaceX планирует отправить людей на Марс в 2024 году. Европейское космическое агентство и NASA не дают точных сроков, но тоже хотят сделать это до 2033 года. Результаты проведенной научной работы были опубликованы в научном журнале Nature Astronomy. Чтобы узнать, под какими точками планеты может быть спрятан лед, ученые использовали данные от аппаратов Mars Reconnaissance Orbiter, Mars Odyssey и Mars Global Surveyor. Важно отметить, что ни одно из этих устройств не ищет воду в чистом виде. Часть аппаратов летает вокруг Марса и просто составляет его карту со всеми неровностями. Другие оснащены приборами для поиска строго определенных химических элементов вроде водорода — составной части жидкой воды. Однако, этой информации вполне хватает, чтобы у ученых сложилось примерное представление о том, куда можно отправлять людей, а в какие части Марса лучше не лезть. Южное полушарие планеты, которое расположено ниже экватора, сразу отпадает — там мало мест, откуда можно добывать воду. А вот на северном полушарии пригодных для посадки астронавтов мест намного больше. На фотографии ниже показано, где именно на северном полушарии Марса можно найти источник воды. Обратите свое внимание на правое изображение — чем насыщеннее синий цвет, тем больше шанс, что под грунтом есть замерзшая вода. Исследователи считают, что для посадки нужно выбрать место ближе к экватору, линии посередине планеты. Там больше солнечного света, то есть теплее. Если найти там точку с большим количеством воды — это идеальная точка для приземления. На данный момент ученые считают, что будущие посетители Марса будут лучше себя чувствовать в равнинах Arcadia Planitia и Deuteronilus Mensae. Именно в этих местах люди смогут добыть необходимое количество воды и при этом не замерзнуть благодаря солнечным лучам. Но для обеспечения комфортной жизни придется неплохо поработать, ведь залежи льда располагаются на глубине от нескольких сантиметров до 1100 метров. Точнее сказать пока невозможно, потому что аппарата для поиска воды на Марсе пока нет. Но он может быть запущен в 2026 году. Созданием так называемого International Mars Ice Mapper занимаются ученые из Японии, Канады и Италии. Место посадки должно быть ближе к экватору еще и потому, что там наиболее толстая атмосфера. На южном и северном полюсах окружающая Марс газовая оболочка очень тонкая, чего не хватит для торможения корабля с людьми. А вот относительно толстая атмосфера на экваторе подходит для торможения гораздо лучше, что увеличивает шансы на успешную посадку. Корабль, на котором люди будут отправлены на Марс, будет большим и тяжелым. Ведь внутри него нужно поместить несколько людей, необходимое для проведения исследований оборудование и еду. А вот воду никто брать с собой не хочет, потому что груза и так много. Лучше всего ее добывать прямо на Марсе. Не исключено, что благодаря жидкости можно будет и выращивать съедобные растения. Перед отправкой людей на Марс ученым нужно решить еще много других проблем. Например, важно определиться с тем, какой корабль будет для этого использоваться. У компании SpaceX уже есть решение — она разрабатывает космический корабль Starship. А вот у других организаций пока не все так однозначно. Недавно стало известно, что NASA может использовать для этого ракету с ядерным двигателем. Он позволит доставить людей в самые короткие сроки.

Математики уменьшили размер нейросети в 6 раз без ее переобучения. Команда математиков нашла способ уменьшить размер обученной нейронной сети в шесть раз, не затрачивая дополнительных ресурсов на ее переобучение. Подход основан на нахождении корреляции между весами нейронных связей в исходной системе и ее упрощенной версии. Результаты работы опубликованы в журнале Optical Memory and Neural Networks. Структуры искусственных нейронных сетей и нейронов в живом организме основаны на тех же принципах. Узлы в сети связаны между собой, но некоторые из них получают сигнал, а некоторые — передают его, активируя или подавляя следующий элемент в цепочке. Для обработки любого сигнала — такого, как изображение или звук — требуется множество сетевых элементов и исходящих от них соединений. Однако модели компьютеров имеют ограниченные емкость и объем памяти. Для работы с большими объемами данных специалистам приходится изобретать различные способы снижения требований к емкости, включая так называемое квантование. Это помогает снизить потребление ресурсов, но требует переобучения системы. «Несколько лет назад мы провели эффективное и экономичное квантование весов в сети Хопфилда. Это сеть с ассоциативной памятью с симметричными связями между элементами, которые формируются в соответствии с правилом Хебба. В ходе ее работы активность сети сводится к определенному состоянию равновесия, и когда оно достигается, задача считается решенной. Выводы, полученные в этом исследовании, позже были применены к сетям прямого обучения с глубоким обучением, которые сегодня очень популярны в распознавании изображений. Как правило, эти сети требуют повторное обучение после квантования, но мы нашли способ избежать этого». Яков Карандашев, кандидат наук, доцент РУДН. Основная идея упрощения искусственных нейронных сетей — это так называемое квантование весов, то есть уменьшение количества битов на каждый вес. Квантование предусматривает усреднение сигнала: например, если оно применяется к изображению, все пиксели, представляющие разные оттенки одного цвета, станут идентичными. Математически это означает, что нейронные связи, похожие по определенным параметрам, должны иметь одинаковый вес (или важность), выраженный числом. Команда математиков из РУДН провела расчеты и создала формулы, которые эффективно устанавливают корреляции между весами в нейронной сети до и после квантования. На их основе ученые разработали алгоритмы, с помощью которых обученная нейронная сеть могла классифицировать изображения. В своем эксперименте, математики использовали текстовый пакет из 50 тысяч фотографий, которые можно было разделить на 1 000 групп. После обучения сеть была квантована с использованием нового метода и не подвергалась повторному обучению. Затем результаты сравнивали с другими алгоритмами квантования. После квантования точность классификации снизилась всего на 1%, но требуемый объем хранилища был уменьшен в шесть раз. Эксперименты показывают, что эта сеть не требует повторного обучения из-за сильной корреляции между исходным и квантованным весами. Такой подход может снизить расход ресурсов при выполнении срочных задач или работе на мобильных устройствах.