Как стать автором
Обновить
109
0
Василий Баранов @Bas1l

Пользователь

Отправить сообщение

Извините, вот, вспомнил, что хотел ответить через полгода :-)


Это можно было бы представить следующим образом, в твердом теле атом быстро долетает до оболочки другого атома (стенке потенциальной ямы), разворачивается и летит обратно, т.е. как бы мечется в одном месте с очень большой скоростью. Но тогда атомы поверхности неизменно должны улетать, поскольку стенка потенциальной ямы есть только с одной стороны.

В общем, все так и есть. Атомы на поверхности удерживаются потенциальной энергией связи с другими атомами твердого тела или жидкости (см. потенциал Леннарда-Джонса--он и отталкивает вблизи, и притягивает вдали), но те атомы, которых толкнули очень быстро, улетают. Интенсивность улетания можно посчитать, взяв интеграл от распределения нормального компонента скорости (в жидкости--Максвелла-Больцмана), начиная от критического значения (которое определяется притягиванием), до бесконечности. Что для жидкости приведет к закону Аррениуса, интенсивность улетания ~ exp(-A / kT). И из этого же и наивной молекулярно-кинетической теории можно посчитать плотность насыщенного пара (сколько молекул улетает по закону Аррениуса = столько прилетает из пара в единицу времени; можно принять, что все молекулы, что попадают на поверхность из пара, втягиваются в жидкость). Просто у твердых тел будет очень большая энергия активации А.


Испарением с поверхности твердых тел непосредственно пользуются в промышленности, в сублимационной сушке

OpenCV как библиотека мне очень нравится и мы в команде ей много пользуемся, спасибо вам за нее. Мое недовольство было именно статьей, что это как-то непропорционально отражено в статье. А реализация алгоритмов по научным статьям/книгам--это, наверное, все равно единственный разумный подход, если писать библиотеку алгоритмов. Даже если не писать библиотеку, а решать какую-то задачу. И уже потом, если стандартных алгоритмов не хватает из коробки, пытаться комбинировать/допиливать/модифицировать. Ну и еще раз перепроверить state of the art :-) Потому что на создание своих алгоритмов с нуля в итоге уйдет столько же времени, как и у тех, кто их уже придумал, и, скорее всего, они будут намного хуже.

Мне статья не очень понравилась. OpenCV--отличная библиотека, но это всего лишь реализация алгоритмов. А статья читается так, как будто бы все алгоритмы и deep learning были придуманы командой OpenCV (даже заголовок намекает на это). Но алгоритмы придумывались в соответствующих научных группах, коих сотни, если не тысячи, представлялись на десятках конференций по компьютерному зрению, печатались в журналах, которых по компьютерному зрению тоже сотни. Кроме того, есть множество других библиотек компьютерного зрения и обработки изображений. ImageMagick, ImageJ, scikit-image (в питоне), в R, в MATLAB. Вот, например, Yann LeCun представляет сверточные нейронные сети в 1993 году: https://www.youtube.com/watch?v=FwFduRA_L6Q

А такая теория уже есть: https://en.wikipedia.org/wiki/Modern_Monetary_Theory


Они вроде говорят, что это не государство собирает налоги, чтобы обеспечить свою работу, а что государство собирает налоги, чтобы ограничить инфляцию. А если надо, то печатать денег государство может столько, сколько хочет. В идеале, конечно, чтоб экономика могла их переварить и не началась гиперинфляция. Как в статье пример с паровозом: пока он может справиться с дополнительным углем, можно его подбрасывать бесконечно, главное, чтоб паровоз не сломался от этого.

Мое скромное мнение таково, что сравнивать ML и эконометрику не совсем корректно потому, что ML несравнимо более обширная область. Куча проблем в эконометрике проистекает из-за того, как мне кажется, что люди, в ней работающие, не интересуются другими областями и переизобретают велосипеды.

Так получилось, что у меня есть несколько знакомых, которые занимаются иммунотерапией рака в Германии (оба защитились в Германии), и мы эту тему недавно обсуждали.


Они за послабление ограничений в вопросах ГМО, но именно в этом случае говорят, что наказание оправданно, потому что чувак исследовал то, что, в общем-то более-менее известно и насчет чего есть научный консенсус. Даже если он хотел что-то прояснить, то выращивать эмбриона для этой темы было совершенно необязательно, это можно было сделать на ГМО-мышах. К сожалению, больше деталей я не знаю, только передаю чужие слова :-)

Мне кажется, не все в вашем описании верно.


  • Температура не определяется через МКТ. В статистической физике температура определяется так, как начинает рассказывать Френкель в разделе 2.1. Потом вводят микроканонический, канонический, макроканонический ансамбли, и т.д.
  • Распределение Максвелла-Больцмана, действительно, справедливо в основном для идеальных газов, но
    • распределение Больцмана справедливо для любых канонических ансамблей
    • Для всех разумных систем (в каноническом ансамбле) температура все равно равна среднеквадратической скорости молекул: теорема о равнораспределении (если в Гамильтониане импульсы не участвуют в потенциальной энергии, что обычно не происходит)
    • Если потенциальная энергия системы точно равна нулю (например, модель летающих твердых шариков--например, коллоидная суспензия), то распределение Больцмана точно переходит в распределение Максвелла-Больцмана. Хотя летающие шарики--это не идеальный газ (а могут моделировать и стекло, и твердое тело)
    • Если потенциальная энергия системы почти постоянна (например, в жидкости или аморфном твердом теле, когда радиальная функция распределения постоянна), то распределение Больцмана тоже переходит в распределение Максвелла-Больцмана. Про радиальную функцию вот тут немного сразу есть: теорема о равнораспределении в неидеальном газе
    • да, у твердого тела молекулы двигаются "так же быстро" (среднеквадратическая скорость та же), как у газа при той же температуре. Но они сидят в глубоких потенциальных ямах
    • Оригинальная статья Андерсена говорит о том, что надо приводить частицы к распределению Больцмана, а не Максвелла-Больцмана, что справедливо для любых классических систем в каноническом ансамбле. Там во всех формулах присутствует потенциальная энергия взаимодействия. Вот: https://pdfs.semanticscholar.org/9b2c/7cfba54c9dc301e51d950ebe7b517b53a5a0.pdf
    • Френкель в разделе 6.1 (термостат Андерсена) явно использует распределение Максвелла-Больцмана, что, судя по всему, не совсем правильно, надо использовать распределение Больцмана. Но для его примера (жидкость) это подходит (см. выше про радиальную функцию распределения).
    • В разделе 6.1.2 у Френкеля (термостат Нозе-Гувера) формулы выглядят так, что должны быть справедливы для любых классических систем (там везде есть энергия потенциального взаимодействия в Гамильтониане и не используется распределение Максвелла-Больцмана)
  • Термостат Андерсена не детерминирован, скорости случайных частиц меняются случайно, и по направлению в том числе (это насчет того, что "Масштабирование скоростей изменяет их модуль, но не направление"). Правда, SklogWiki пишет что его все равно нельзя использовать для моделирования диффузии. Но почему и что нужно взамен--за пределами моих знаний :-) (вот Френкель меряет для него диффузию вроде. может, в SklogWiki ошибка и это справедливо для термостата Нозе-Гувера)
  • В термостате Нозе-Гувера вроде как нет случайности, но он выводится так, что все наблюдаемые величины должны совпадать с NVT ансамблем. Поэтому аргументы насчет того, что в нем нет случайности, не имеют значения
  • все это не отменяет того, что ваш термостат может тоже быть отличным термостатом :-)
  • но если вы демонстрируете новый термостат, то хорошо бы сравнить результаты со старыми термостатами. И еще в идеале--с аналитическими решениями. Френкель сравнивает термостаты с аналитическими решениями (картинка 6.2). Конечно, ваш новый термостат должен давать такие же результаты, как аналитические решения и старые термостаты.

Спасибо за внимание. Надеюсь, эта информация может быть полезной.


P.S. в тексте есть пара неточностей, кое-где надо добавить "в классической системе в каноническом ансамбле", но это оставлено для читателя :-)

Если вас интересует тема молекулярного моделирования, то две классические книжки--вот эти: Understanding Molecular Simulation: From Algorithms to Applications, Daan Frenkel и Computer Simulation of Liquids, Allen. Найти их труда не составит, возможно, даже на русском. Книжка Френкеля начинается с главы "Энтропия и температура", про термостаты там тоже есть отдельный раздел с подробным обсуждением.

Полупроводники были известны с конца 19 века, если я не ошибаюсь, но понимание того, как они работают, пришло только с развитием квантовой теории (уровни энергии, уровень Ферми, который в статистике Ферми-Дирака, вот это все). Потом из полупроводников сделали транзисторы и потом появилась микроэлектроника, микропроцессоры и все такое.

Спасибо за статью, очень интересно! Я хотел бы поделиться ссылкой на страницу, которую написал мой бывший коллега о микротипографике в латехе (кернинг, висячие символы и т.п.): http://www.khirevich.com/latex/microtype/. Возможно, вы все это используете. С микротипографикой верстка становится действительно почти неотличима от работы профессиональных издательств.

Тут надо заметить, что отношение к недвижимости сильно зависит от страны и даже от региона. Я писал кандидатскую в Марбурге (очень, очень красивый город--надеюсь, вы там побывали), а потом переехал на самый юг Германии, в Линдау (это Бавария). Так вот, здесь вроде бы довольно популярно думать о своем доме/квартире. Конечно, через ипотеку. Еще я слышал, что в Швеции тоже обычно любят покупать жилье, не снимать. Про другие страны не знаю.

Научное сообщество консервативно в вопросе выбора журналов, потому что это имеет смысл.


Первая предпосылка--хватает людей, которые ради славы или известности и/или денег или из-за честолюбия готовы публиковать ложные, ошибочные или непроверенные результаты. Вспомним Петрика, хотя бы (это случай наживы, когда на псевдонауке можно заработать).


Вторая предпосылка--люди не готовы перепроверять каждый результат. В идеале вы хотите доверять результатам. Проверка результатов, особенно в естественных науках--это долго, дорого, и не принесет вам новых грантов. Конечно, есть области, в которых сразу можно легко сказать, что результаты выглядят очень подозрительными, но далеко не везде.


Третья предпосылка: у новых журналов, наоборот, есть большой соблазн публиковать недобросовестные исследования, чтобы завоевать аудиторию и заработать денег. Почитайте про это швейцарское издательство, к примеру: MDPI


Поэтому люди настороженно относятся к новым журналам. С большой вероятностью, в них будет публиковаться мусор. И разоблачение мусора займет большое время. Поэтому сообщество консервативно и опирается на репутацию журналов и исследователей, и это, мне кажется, очень, очень правильно и хорошо.

В computer science конференции очень котируются, даже больше, чем статьи, так что тут ничего удивительного. Притом на крупных конференциях у статьи может быть и 10 рецензентов.

Мне кажется, вы забыли важный аспект журналов и исследователей-- это репутация. Основная ценность публикации в Nature для читателя--это то, что у них высокая репутация и обычно сильное рецензирование, и люди обычно внимательно относятся к статьям в Nature, потому что знают, что там обычно инновационные и качественные результаты.

Я думаю, вам неплохо бы почитать литературу по моделям эпидемий. Даже на популярных сайтах печатают более детальные и глубокие прогнозы. Вот, например: https://42.tut.by/679251 Это белорусский сайт, и прогноз для Беларуси. Сам прогноз сделал какой-то профессор из США (наверное, с белорусскими корнями), который как раз работал раньше в Центре по контролю и профилактике заболеваний США. Так или иначе, даже в этой статье можно найти много интересного.


Вот, например, какие там картинки:
image

Вряд ли вы добьетесь любви к Хаскелу у людей, которые его еще не любят (особенно пишущих на С и С++), используя фразы типа "Языки с небезопасным доступом к памяти, такие как C, приводят к самым серьезным ошибкам и уязвимостям (например, переполнение буфера, утечки памяти). Иногда такие языки нужны, но чаще всего их применение – идея так себе."


Я, например, считаю, что эта фраза просто ошибочна. В некоторых областях разработки (где очень много людей работает) вас просто засмеют.

То есть без использования преобразования Фурье на пальцах это можно объяснить так: мы заменяем сигнал значениями "0 и 1" так, что в том районе x, где сигнал равен, скажем, 0.2 (f(x)=0.2), будет 20% значений "1". И тогда, если мы применим moving average/bin filter (низкочастотную фильтрацию для бедных :-) ), то мы как раз и получим f(x)~0.2.

unique_ptr — вовсе не подсчет ссылок. shared_ptr — это подсчет ссылок. Но в хорошей кодовой базе его почти не должно быть. Он в идеале нужен только для shared ownership (внезапно), а оно нужно очень редко.

Ну для расчета гидродинамики это не суперкомпьютер. Для расчета гидродинамики каждый вычислительный узел каждую итерацию должен обмениваться информацией с соседями (как изменилось состояние границы той области, которая рассчитывается на узле). При обмене через http о скорости расчета можно забыть. И петафлопсы, если их нормально считать, должны сильно упасть, потому что все узлы большую часть времени не занимаются расчетом, а ждут ответа от соседей.

Информация

В рейтинге
Не участвует
Откуда
Минск, Минская обл., Беларусь
Дата рождения
Зарегистрирован
Активность