Опрос
|
реклама
Быстрый переход
Anthropic выяснила, насколько ИИ ускорит научные исследования: в перспективе — до 15 раз
06.11.2026 [15:20],
Павел Котов
Anthropic изучила более 207 тысяч сеансов работы пользователей с сервисами Claude и Claude Code, чтобы выяснить, как учёные применяют в работе искусственный интеллект, и в какой мере эти сервисы способны ускорить исследования. При нынешних возможностях ИИ в некоторых областях может почти удвоить объём научных результатов; при полной автоматизации теоретический прирост может оказаться 15-кратным, установили в компании. За человеком пока остаются этапы, требующие его физического присутствия — например, экспериментальная работа. 
Источник изображений: anthropic.com Исследование Anthropic охватывает 207 049 сеансов работы в период со 2 августа по 30 сентября 2026 года. Это были 128 914 обращений к чат-боту Claude и 78 135 — к Claude Code; специализированное приложение Claude Science рассматривалось отдельно. Для защиты конфиденциальности в проект вносились только научная область и задача, без содержания исследований — в классификацию попали 34 научные области и 7262 задачи. Самые частые сценарии применения Claude — вычисления и обработка информации. ИИ наиболее популярен в информатике, математике и статистике; реже он используется в медицине и лабораторных дисциплинах. На информатику в Claude Code пришлись 32,7 % сеансов научной работы при том, что лишь 4,3 % исследователей заняты в этой области. Главные задачи, которые исследователи ставят перед Claude — анализ данных и подготовка текстов. Анализ составил 33,7 % сеансов работы с чат-ботом Claude и 48,1 % — с Claude Code; подготовка текстов и переписка — около 16 %. Сбор данных занял 28,6 % времени, но он был связан лишь с 11,5 % сеансов Claude. В работе исследователей 7,1 % времени занимают выработка идей и гипотез; у Claude на эти задачи пришлись 4,2 % сеансов, у Claude Code — 2,1 %. Эту картину подтвердил опрос 528 учёных: для получения значимых результатов самой важной задачей они назвали выработку идей и гипотез; сбор данных оказался лишь вторым по важности. ИИ чаще привлекают на этапах, где проще обеспечить автоматизацию — не обязательно на самых важных для фактического открытия. Приложение Claude Science, в котором объединяются научные базы и исследовательские средства, оказалось наиболее востребованным у специалистов в области биологии и биомедицины. Здесь в 5,6 раза чаще по сравнению с базовым чат-ботом Claude встречается построение моделей взаимодействия белков и небольших молекул. На выработку гипотез пришлись около 8 % сеансов. Более 80 % задач требовали подготовки на уровне доктора наук; более 70 % сеансов проходили при высоком уровне самостоятельности ИИ.  На основе исследования Anthropic описала три сценария влияния ИИ на объём научных материалов. Первый предполагает делегирование ИИ от 27 % до 52 % времени на исследования — 38 % в среднем по областям. В информатике и статистике выпуск материалов может удвоиться; в химии — вырасти примерно в 1,4 раза. Второй сценарий предполагает передачу ИИ 75 % исследовательских действий, не предполагающих физической работы. В этом случае рост в информатике достигает восьмикратного, в статистике — семикратного, в экономике — шестикратного, по лабораторным и медицинским направлениям — от двух- до трёхкратного. В третьем сценарии ИИ полностью принимает на себя все не связанные с физической деятельностью этапы. В результате выпуск результатов по информатике, статистике, экономике, математике, психологии и многих других общественных и гуманитарных наук в теории повышает результативность в 15–16 раз. По направлениям биологии, химии, материаловедения и биомедицины рост будет от трёх- до четырёхкратного, потому что физические действия в этих науках требуют около 40 % рабочего времени. К 2030 году 94 % учёных ожидают, что ИИ достигнет уровня лучших специалистов по анализу данных, 89 % — в подготовке текстов, по 72 % — в выработке гипотез и сборе данных. Около 40 % считают, что к 2030 году ИИ сможет самостоятельно проводить целые исследования, к 2035 году — примерно 64 %. Около половины допускают, что самостоятельные научные открытия ИИ на уровне крупного прорыва станут возможными лишь после 2035 года или позже. Быстрое развитие ИИ автоматически не означает, что так же быстро будет развиваться и наука: учреждениям потребуется время, чтобы перестроить работу; препятствием останутся дорогие эксперименты; рост числа публикаций затруднит проверку результатов. Системы станут более самостоятельными, что поднимет вопросы безопасности: ускорение исследований в области биологии поможет медицине, но облегчит получение опасных знаний или материалов. ИИ уже ускоряет отдельные этапы исследований, и сильнее всего меняет области, где преобладает чистая умственная и цифровая работа. Лабораторная работа потребует и автоматизации физического труда. OpenAI заявила о научных прорывах: ИИ доказал гипотезу Согге и опроверг гипотезу экспоненциального времени
27.10.2026 [11:02],
Павел Котов
Спустя менее чем месяц после публикации нескольких сотен работ, в которых, по утверждениям OpenAI, содержатся решения давних математических задач, компания представила ещё три крупных открытия: в области математики, физики и информатики. В области физики и информатики OpenAI привлекла внешних экспертов, которые будут сопровождать процесс представления результатов; эксперты в области математики рекомендовали напрямую опубликовать полученные ИИ результаты, чтобы исследователи могли самостоятельно их проанализировать и предложить свои пояснения. 
Источник изображений: Brecht Corbeel / unsplash.com Совершённое ИИ открытие в области математики связано с локальным сглаживанием волнового уравнения в евклидовом пространстве. С помощью вспомогательного уравнения в частных производных ИИ доказал гипотезу Согге для волн в пространствах размерностью не менее двух. Это доказательство также подтвердило несколько гипотез Какеи и оценки Штейна. Результаты работы модели компания решила опубликовать напрямую, как это было сделано 6 октября. Эксперты рекомендовали и в будущем публиковать результаты работы ИИ в научных репозиториях и сопровождать их формализованными в Lean доказательствами, информацией о критериях выбора задач и механизмами финансирования для исследователей, которые будут заниматься анализом полученных результатов. В области информатики ИИ опроверг гипотезу экспоненциального времени. В работе представлен алгоритм, позволяющий точно подсчитывать число решений в определённом классе логических задач за время меньше экспоненциального при ограниченном объёме памяти. Изучением и разъяснением доказательства займётся независимая группа учёных — по их просьбе компания открыла доступ к материалам немедленно, чтобы ознакомиться с ними могли и другие специалисты.  Подробная информация о работе в области физики пока не опубликована, известно лишь, что речь идёт о «строгом математическом доказательстве существования определённых взаимодействующих квантовых теорий поля, включающих калибровочные поля и фермионы в четырёхмерном пространстве, включая квантовую хромодинамику и единое дополнение к Стандартной модели физики элементарных частиц». OpenAI также опубликовала открытое письмо к научному сообществу, в котором призвала обсудить подходы к проверке подобных заявлений и выработать нормы работы с научными прорывами ИИ. На обсуждение выносятся три вопроса.
ИИ обеспечит ряд научных прорывов в ближайшие три года, как считает глава TikTok
12.10.2026 [08:19],
Алексей Разин
По мнению генерального директора TikTok Шоу Цзы Чу (Show Zi Chew), в ближайшие два или три года развитие искусственного интеллекта позволит добиться ряда серьёзных открытий в сфере фундаментальной науки. Весьма вероятно, что физика, биотехнологии, материаловедение получат резкий толчок благодаря ИИ, считает Чу. 
Источник изображения: Unsplash, Collabstr По крайней мере, таким прогнозом глава китайской TikTok поделился на конференции DBS Asia Future Forward, которая начала свою работу в понедельник в Сингапуре. Непосредственно материнская компания ByteDance прилагает усилия к тому, чтобы подобные научные прорывы с помощью ИИ случились. В апреле штатная лаборатория Seed представила ИИ-модель Protenix-v2, которая специализируется на биомолекулярных структурах. Её можно будет применять для поиска новых видов лекарственных препаратов, например. По мнению руководителя TikTok, если текущая степень влияния ИИ сильно переоценивается, то будущая явно недооценивается. «Тренд очень, очень понятен. Он заключается в том, что мы находимся в самом начале того, чего позволит добиться ИИ. Если вы посмотрите на тренд и текущее состояние прогресса, особенно в отраслях науки, он действительно сейчас находится в очень крутой части кривой», — заявил Шоу Цзы Чу. Он объясняет, что ByteDance изучает возможности сотрудничества с учёными и уже проделала определённую работу в этом направлении. В работе TikTok искусственный интеллект уже позволяет добиться серьёзного прогресса, упрощая создание контента, его модерацию и формирование рекомендаций для каждого конкретного пользователя. При этом глава TikTok предупреждает, что риски в сфере кибербезопасности, возникающие из-за ИИ, очень высоки. Пользователи готовы давать ИИ-агентам разрешения на действия, последствия которых они не в полной мере понимают. В частности, если доверять агентам процесс онлайн-покупок, то они в итоге могут потратить больше денег и приобрести больше товаров, чем было поручено. Одновременно снижается стоимость зловредного инструментария, который злоумышленники могут использовать для причинения вреда инфраструктуре компаний и хищения данных пользователей, которые могут быть использованы для обогащения. Защиту в этой сфере важно прорабатывать своевременно и ответственно, по мнению главы TikTok. Новая статья: Шпионское наследство и триумф баллистики: как телескоп „Нэнси Грейс Роман“ отправился переписывать космологию
23.09.2026 [00:10],
3DNews Team
Данные берутся из публикации Шпионское наследство и триумф баллистики: как телескоп „Нэнси Грейс Роман“ отправился переписывать космологию Новая статья: Крах доктрины: авария тяжелой ракеты New Glenn оставила NASA в полной зависимости от SpaceX
09.06.2026 [00:03],
3DNews Team
Данные берутся из публикации Крах доктрины: авария тяжелой ракеты New Glenn оставила NASA в полной зависимости от SpaceX Классические компьютеры отняли у квантовых машин монополию на симуляцию сотен кубитов — помогли тензорные сети
24.05.2026 [12:42],
Дмитрий Федоров
Учёные решили на обычном компьютере задачу квантовой физики, которая считалась доступной только квантовым компьютерам. Первичные расчёты удалось провести на персональном ноутбуке. Результаты опубликованы 21 мая в журнале Science. 
Источник изображений: Lucy Reading-Ikkanda / Simons Foundation Физики из Центра вычислительной квантовой физики (CCQ) при Институте Флэтайрон (Flatiron Institute) Фонда Саймонса (Simons Foundation) и их коллеги из Бостонского университета (Boston University) смоделировали квантовую систему из сотен взаимодействующих кубитов — квантовых аналогов битов классического компьютера, расположенных в квадратных, кубических или алмазных решётках. В отличие от обычных битов, принимающих значения 0 или 1, кубиты могут находиться в суперпозиции — одновременно в нескольких состояниях. Из-за этого моделировать их поведение на классических компьютерах крайне трудно. В марте 2025 года другая группа учёных опубликовала в том же журнале статью, в которой сообщила о расчёте динамики особенно сложной кубитной системы на квантовом компьютере, и заявила, что повторить результат на классических машинах невозможно. «Когда мы в CCQ видим подобные заявления, мы всегда относимся к ним немного скептически, — говорит Джозеф Тиндалл (Joseph Tindall), научный сотрудник CCQ и первый автор новой статьи в Science. — Мол, а вы пробовали вот это? А вот то?» По словам соавтора исследования Майлза Стаудинмайра (Miles Stoudenmire), задача стала поводом проверить собственные разработки. Особую трудность создавала квантовая запутанность — явление, при котором состояния кубитов остаются взаимосвязаны даже на больших расстояниях, и рассматривать их по отдельности нельзя. По словам Тиндалла, волновая функция, описывающая состояние такой системы, стремительно растёт с увеличением числа частиц, и её объём быстро превышает возможности прямого хранения на компьютере. Работа с подобными объектами — типичная проблема квантовой физики, без решения которой невозможно предсказывать свойства квантовых материалов, например сверхпроводников. 
Схема показывает, как тензорные сети сжимают описание запутанных кубитов и позволяют классическим компьютерам моделировать сложную квантовую динамику Команда CCQ нашла выход с помощью тензорных сетей — математических структур данных, которые сжимают информацию о волновой функции в компактную форму из небольших связанных между собой таблиц чисел. Тиндалл сравнивает их с «ZIP-файлом для волновой функции». Первичные расчёты он выполнил на ноутбуке, используя код библиотеки ITensor, разработанной в CCQ. Опубликованные результаты воспроизводят трёхмерную динамику с помощью трёхмерной тензорной сети. По словам Тиндалла, работа с такими объектами, особенно в трёх измерениях, почти не исследована: для этого нужны сложные алгоритмы и специализированный код. Для начальных вычислений он использовал алгоритм распространения доверия (англ. belief propagation), предложенный в 1980-х годах и недавно адаптированный для квантовых систем. Стаудинмайр отмечает, что этот метод менее точен, но значительно дешевле, и его проще запускать на сложных задачах, тогда как более изощрённые подходы прошлых лет не смогли бы даже начать работать с некоторыми из трёхмерных задач из-за их размера. 
Схема объясняет, как тензоры хранят данные о запутанных кубитах в числовых таблицах и связываются индексами для передачи информации между соседними элементами сети Несмотря на скромные вычислительные ресурсы, моделирование достигло точности на уровне лучших мировых результатов. Расчёты сходились к решениям, совпадающим с теоретическими предсказаниями. Полученные данные совпали с результатами исследователей квантовых вычислений, но были получены без квантового компьютера. Тиндалл и Стаудинмайр подчёркивают, что классический и квантовый подходы не только конкурируют, но и дополняют друг друга. По словам Тиндалла, между классическими моделированиями и тем, что можно реализовать на квантовых компьютерах, существует большая синергия, а порог входа для классического подхода значительно ниже: достаточно написать код и запустить его на персональном компьютере. Команда уже работает над следующим этапом — моделированием систем с электронами, способными перемещаться между узлами решётки. Эта задача ещё сложнее и напрямую связана с моделированием квантовых материалов. Google представила трио ИИ-функций Gemini for Science для учёных
20.05.2026 [11:29],
Павел Котов
Google представила новые инструменты на основе искусственного интеллекта, призванные помочь в научной работе. Пакет Gemini for Science оказывает помощь в формулировании гипотез, их проверке и анализе научной литературы. 
Источник изображения: blog.google Функция Hypothesis Generation, как можно догадаться по названию, подключается на начальных этапах работы — она анализирует научные статьи и выдвигает теории или предлагает решения задач. Этот инструмент помогает исследователю сформулировать гипотезу — предлагаемые этим инструментов утверждения, заверили в Google, «тщательно проверяются и подкрепляются ссылками на источники», обеспечивая «абсолютную строгость». Когда гипотеза сформулирована, исследователь может перейти к инструменту Computational Discovery, призванному проверить её. Это, по словам Google, «агентная поисковая система», способная генерировать тысячи тестов и экспериментов значительно быстрее, чем это делалось бы вручную. Наконец, пакет Gemini for Science включает чат-бот с ИИ Literature Insights, который просматривает научную литературу для исследователей и генерирует адаптированные версии этих материалов в виде сводок, инфографики, а также аудио- и видеообзоров. Дополнительно представлен инструмент Science Skills для извлечения информации из более чем 30 баз данных в области биологических наук — это помогает сократить время на реализацию промежуточных задач с нескольких часов до нескольких минут. Все новые функции Gemini for Science уже доступны. Чтобы воспользоваться ими, необходимо заполнить форму на сайте Google Labs; они также будут доступны корпоративным клиентам Google Cloud. Физики 10 лет измеряли гравитационную постоянную — и снова не сошлись в значении «большой G»
11.05.2026 [13:04],
Дмитрий Федоров
Физики из Национального института стандартов и технологий (NIST) в США завершили десятилетний эксперимент по измерению гравитационной постоянной G. Результат разошёлся с предыдущим французским измерением и с международным справочным значением, но указал на прежде не учтённый источник ошибки. 
Источник изображения: nist.gov, ioppublishing.org Гравитационная постоянная, известная как «большая G», описывает силу притяжения между массами. Это одна из фундаментальных констант физики, однако её точное значение наука не может установить уже более 200 лет. Гравитация — самое слабое из четырёх фундаментальных взаимодействий природы, и потому в лаборатории её сложнее всего измерить точно. На сегодня известны 16 экспериментальных значений G, полученных разными группами. «Эти точки данных сильно разбросаны, а погрешность составляет около 10 миллионных долей», — рассказал физик NIST Стефан Шламмингер (Stephan Schlamminger) изданию Refractor. Команда Шламмингера не стала проводить новый эксперимент. Вместо этого учёные воспроизвели опыт 2014 года, проведённый в Международном бюро мер и весов (BIPM) во Франции. Для этого ту самую установку перевезли через Атлантику в лабораторию NIST в Гейтерсберге, штат Мэриленд. Выбор был не случаен: именно эксперимент BIPM дал одно из самых отклоняющихся значений «большой G», и его воспроизведение могло помочь обнаружить скрытые систематические погрешности. Работа началась в 2016 году и заняла десять лет. Учёные определили G равной 6,67387 ± 0,00038 × 10⁻¹¹ м³·кг⁻¹·с⁻² — на 0,0235 % ниже результата исходного французского эксперимента. В физике, где другие фундаментальные константы измерены с высокой точностью — до многих знаков после запятой, такое расхождение остаётся существенным. Главная находка — прежде не описанный эффект остаточного воздуха. Для работы установки из камеры откачивают воздух, создавая вакуум, но полностью удалить его невозможно. «Всегда остаётся немного воздуха — так называемое остаточное давление», — поясняет Шламмингер. Этот воздух действует на установку с небольшой силой, которую предыдущие эксперименты не учитывали. Это может приблизить нас к объяснению того, почему результаты разных измерений G до сих пор не сходятся. Впрочем, распространять эту находку на другие эксперименты Шламмингер пока не готов. «Нам нужно рассмотреть каждый эксперимент по отдельности и разобраться, что именно в нём делалось», — заявил он. Новое значение несколько ниже значения, рекомендованного CODATA в 2018 году, но причину расхождения определить пока не удаётся. «Пока что мы считаем, что дело может быть в целом ряде эффектов, но определить, в чём именно состоят расхождения, мы ещё не можем», — подытожил учёный. ИИ всё чаще пишет научные статьи — отличить от человеческих становится невозможно, и это пугает
09.05.2026 [14:43],
Павел Котов
Искусственный интеллект всё чаще используется в написании научных статей, но достоверно определить степень его присутствия непросто, указывают исследователи. Пока ясно одно: объём такого контента будет расти и далее, говорится в материале Nature. 
Источник изображения: Markus Winkler / unsplash.com Обеспокоенность сообщества исследователей по поводу масштабов созданного ИИ научного контента отражает общие тенденции в интернете. К концу марта число статей, написанных с участием ИИ, оказалось больше, чем количество созданных человеком материалов — к такому выводу пришли специалисты компании Graphite, изучившие 55 000 новых веб-страниц. ИИ вполне может использоваться в создании научной литературы, он способен ускорить процесс исследований — но с его помощью генерируются и статьи низкого качества. Чтобы оценить масштаб проблемы, учёные обращаются к средствам обнаружения ИИ-контента, хотя те не дают полной гарантии: некоторые из доступных инструментов не различают текст, который просто редактировался с помощью ИИ, и текст, который был полностью им сгенерирован. Бывают и ложноположительные срабатывания — когда написанный человеком текст помечается как созданный ИИ. Показательны результаты исследования, проведённого с использованием инструмента, который разработала компания Pangram Labs. В рамках проекта были изучены 7000 научных статей и 8000 рецензий, присланных в журнал Organization Science с января 2021 по февраль 2026 года. Выяснилось, что с ноября 2022 года, когда появился ChatGPT, общее количество работ подскочило на 42 %; было также установлено, что этот рост был обусловлен главным образом участием ИИ. С начала 2024 до февраля 2026 года количество статей, содержащих более 70 % сгенерированного ИИ текста, увеличилось более чем вдвое; созданный ИИ текст содержат и 30 % рецензий. В рамках ещё одной работы были изучены около 5000 статей по биомедицинским наукам, опубликованных в научных журналах Science, Nature и Cell — их проанализировали с помощью инструмента обнаружения ИИ-контента Pangram. Шесть статей, показал он, были написаны ИИ полностью, и каждая восьмая из общего числа в той или иной мере содержала созданный ИИ текст. 
Источник изображения: Igor Omilaev / unsplash.com В ходе третьего исследования учёные при помощи двух детекторов ИИ проанализировали более 124 тыс. рукописей, размещённых на платформе arXiv в период с 2020 по 2025 годы В области компьютерных наук число обзорных материалов, написанных с помощью ИИ выросло с 7 % в 2023 до 43 % в 2025 году. Число содержащих сгенерированный ИИ текст уникальных исследовательских материалов в этой области за тот же период выросло с 3 % до 23 %. Авторы этой работы не проводили различия между частичным применением ИИ в научной работе и полностью написанными ИИ материалами; качество самих работ тоже не оценивалось. Важный аспект проблемы — отсутствие точных и надёжных средств, способных точно установить, какая доля научной литературы в целом создаётся ИИ. ИИ-модели совершенствуются, и вместе с ними должны совершенствоваться детекторы участия ИИ в тексте — со временем будет расти и число механизмов, с помощью которых люди будут пытаться «очеловечить» эти материалы и обойти детекторы. Ещё один способ — внедрение «водяных знаков», которые явно укажут на участие ИИ при создании текста. Недавно эта технология способствовала отклонению 497 присланных на научную конференцию работ. Китайские учёные сжали сотню наноалмазов в вакууме и выяснили, почему крошечные кристаллы теряют жёсткость
08.05.2026 [12:28],
Дмитрий Федоров
Китайские физики выяснили, почему алмазы при уменьшении до размеров в единицы нанометров — миллионных долей миллиметра — утрачивают привычную жёсткость и легче поддаются сжатию. Эксперимент с наноалмазами диаметром от 4 до 12 нм, то есть в сотни раз мельче некоторых вирусов, показал, что сопротивление кристаллов сжатию падает примерно на 30 % по мере уменьшения размера, а причина кроется в атомном строении их поверхности. 
Источник изображения: ChatGPT «Алмазы привычного размера хорошо известны своей экстремальной жёсткостью и твёрдостью. В наномасштабе всё может быть иначе», — говорит руководитель исследования Чунсинь Шань (Chongxin Shan) из Чжэнчжоуского университета. Его группа зажимала каждый кристалл между двумя цилиндрами с алмазными наконечниками, подключёнными к датчику силы и специальному микроскопу. Поскольку любое воздействие окружающей среды вносит помехи в данные, эксперимент повторили примерно со 100 различными алмазами в условиях вакуума. Объединив экспериментальные данные с компьютерным моделированием, учёные нашли объяснение. Чем меньше кристалл, тем большая доля его атомов приходится на наружную оболочку, а не на сердцевину. Связи между оболочкой и сердцевиной у наноалмазов оказались слабыми, поэтому маленький кристалл легче поддаётся сжатию. В крупных алмазах почти все атомы сосредоточены в сердцевине, где связи прочны, и именно они определяют поведение всего камня. Лу Ян (Yang Lu) из Городского университета Гонконга, чья группа провела одни из первых работ по механике наноалмазов, отмечает, что в новом эксперименте удалось изучить алмазы в десять раз мельче тех, что исследовались прежде. Крошечные алмазы становятся всё более востребованным материалом для новой электроники и квантовых устройств — приборов для сверхбыстрых вычислений и защищённой связи. По словам учёного искусственные алмазы сегодня стали чрезвычайно дешёвыми, так что пора находить им всё новые применения. Учёные обнаружили квантовый эффект, который потенциально сможет питать микросхемы прямо из воздуха
01.05.2026 [12:52],
Дмитрий Федоров
Международная группа учёных обнаружила процесс, который может позволить преобразовывать электрические сигналы в пригодный для питания электроники ток без громоздких компонентов. Авторы предупреждают, что заменить батареи или электросеть эффект пока не способен, но со временем сможет питать автономные чипы и датчики. 
Источник изображения: israel palacio / unsplash.com Результаты исследования нелинейного эффекта Холла (NLHE) на полупроводнике теллуриде висмута (англ. — bismuth telluride) были опубликованы в феврале 2026 года в журнале Newton. Классический эффект Холла порождает напряжение поперёк проводника, перпендикулярно направлению тока. NLHE — его относительно новая разновидность, которая возникает, когда два перпендикулярных тока создают напряжение, и в отличие от классического ведёт себя одинаково при движении вперёд и назад по времени. Это свойство физики называют «симметрией обращения времени». Исследователи предполагают, что NLHE обеспечивает эффективный сверхбыстрый метод преобразования токов и может оставаться устойчивым при комнатной температуре, если применять механизмы управления рассеянием, пояснила в электронном письме одна из авторов исследования Сюэянь Ван (Xueyan Wang). По её словам, эффект мог бы со временем питать маломощную электронику — например, детекторы напряжения и высокочастотные выпрямители — и наиболее применим к материалам толщиной в один атом, для нерегулярного зондирования, хранения данных или несложных вычислений. Питать электросеть NLHE не сможет, ведь для этого нужны высокая мощность, низкая стоимость и стабильность. «Более реалистичный сценарий таков: NLHE может стать полезной вспомогательной технологией для распределённой самопитающейся электроники и автономных микросистем, а не заменой батарей или традиционной сетевой инфраструктуры», — сказала Ван. Потенциал эффекта она просит не преувеличивать: зафиксированные значения «по-прежнему остаются относительно слабыми во многих материальных системах», а перепады температуры подавляют сигнал. Чтобы продвинуться дальше демонстрационных прототипов, исследователям предстоит снизить рассеяние эффекта и создать более совершенные материалы, которые позволят приборам стабильно работать при комнатной температуре. Физиков, впрочем, открытие воодушевляет: наука всё лучше понимает, как вещество ведёт себя на квантовом уровне. Если повезёт, это понимание поможет человечеству сэкономить энергию. Новая статья: Квантовая коррекция: гонка за экспонентой
06.02.2026 [00:10],
3DNews Team
Данные берутся из публикации Квантовая коррекция: гонка за экспонентой OpenAI представила Prism — бесплатный ИИ-сервис для серьёзных научных исследований на базе GPT-5.2
28.01.2026 [12:35],
Павел Котов
OpenAI запустила программу Prism для научных исследований — она доступна бесплатно для всех обладателей учётной записи ChatGPT. Приложение представляет собой текстовый процессор, средство поиска информации в научных статьях и предлагает интеграцию с моделью искусственного интеллекта GPT-5.2, которую можно использовать для оценки гипотез, редактирования текста и поиска предыдущих исследований. 
Источник изображения: Dima Solomin / unsplash.com Prism не предназначается для проведения исследований без участия человека; разработчики сравнивают проект с интерфейсами ИИ-программирования Cursor и Windsurf. OpenAI выпустила приложение с веб-интерфейсом для научной работы, отметив, что число подобных запросов к ChatGPT растёт. Каждую неделю потребительский чат-бот получает 8,4 млн сообщений по сложным темам в области точных наук, хотя в компании не установили, сколько этих запросов пришлось на профессиональных исследователей. ИИ становится всё более важным инструментом в академической среде. В декабре модель GPT-5.2 Pro использовалась в поиске новых доказательств статистической теории — исследователям оставалось лишь задавать вопросы и проверять ответы модели. Значительная часть Prism заключается в корректной работе с существующими стандартами. Сервис предлагает интеграцию с открытой системой форматирования и вёрстки научных статей LaTeX; визуальные инструменты GPT 5.2 позволяют создавать диаграммы. Наиболее мощная функция — сочетание обычных возможностей ИИ со строгим управлением контекстом. Открыв окно ChatGPT через Prism, модель предоставляет доступ к полному контексту исследовательского проекта, обеспечивая релевантность ответов. Многие из этих возможностей реализуемы в базовом варианте GPT-5.2, но в OpenAI надеются привлечь профессиональных исследователей при помощи специального инструмента. |
© 1997—2026 3DNews
При цитировании документа ссылка на сайт с указанием автора обязательна. Полное заимствование документа является
нарушением
российского и международного законодательства и возможно только с согласия редакции 3DNews.
MWC 2018
2018
Computex
IFA 2018
