Наука

Память без мозга! Две группы кишечных палочек получают одинаковую порцию еды. Условия в моменте идентичные, но одни клетки перестраиваются под «пир» заметно быстрее других. Всё решает прошлое: быстрее реагируют бактерии, которые только что жили в режиме «то густо, то пусто». Их соседи из стабильной среды раскачиваются дольше. Раз разница не в текущих условиях, значит, клетка хранит внутреннюю запись о пережитом и сверяется с ней. По самому широкому определению это и есть обучение. И нейроны для него, как выяснилось, не нужны. Эксперимент поставила лаборатория вычислительного биофизика Шиладитьи Банерджи, результаты вышли в журнале PRX Life. Десятки тысяч отдельных клеток E. coli поместили в микрофлюидное устройство и то включали, то выключали им подачу питательных веществ (с разной частотой). Где же живёт память? Учёные построили математическую модель молекулярной сети, которая управляет ростом бактерии. Модель указала на рибосомы — «сборочные цеха», которые производят белки и задают скорость роста. Ни один другой компонент в модели такого поведения не дал. Одни рибосомы откликаются на перемены быстро и следят за настоящим (этакая оперативная память), другие перестраиваются медленно и хранят следы прошлого, как архив. Вместе они дают память на отрезке от минут до часов. А теперь самое любопытное. По логике вычислений эта система повторяет рекуррентную нейросеть с «вентилями» — тип ИИ, который обрабатывает последовательности вроде речи или данных с датчиков. Вентиль решает, сколько старой памяти оставить, а сколько переписать новой информацией. У бактерии он собран из химии клетки, никакого софта. И настраивать его приходится с умом: готовность к переменам отнимает ресурсы у роста. Кстати, так бактерии решают задачку, знакомую разработчикам ИИ, — как выучить новое и не стереть старое. Всё дело в том, что информация хранится сразу на нескольких временных масштабах. Авторы видят здесь биологический чертёж для ИИ, который учится непрерывно при жёстком лимите энергии. @vselennayaplus

Индийский стартап открыл новый метод нуклеосинтеза После двух лет анализа материалов в рамках исследований технологии термоядерного синтеза в кристаллической решетке индийский стартап Hylenr Technologies обнаружил сигнатуры 32 химических элементов, включая благородные газы, редкоземельные металлы и уран. Компания считает, что открыла новый подход к нуклеосинтезу — процессу создания новых атомных ядер из уже существующих нуклонов. Основатели компании уверены, что в будущем смогут синтезировать необходимые элементы в достаточном количестве, вместо добычи их из недр планеты. https://hightech.plus/2026/09/11/indiiskii-startap-otkril-novii-metod-nukleosinteza

Был в биологии большой проект, почти как БАК — Геном человека. 3 миллиарда долларов, 13 лет, тысячи учёных со всех стран. Ждали, что мы прочитаем исходник человека и сразу всё станет понятно. Например, найдём ген для каждой болезни. Но выяснилось, что ДНК всех людей совпадает на ≈99,9%. То есть вы в своей основе вот почти точно такой же, как Эйнштейн, Месси или там какой-нибудь австрийский художник. Генов, кодирующих белки, у нас всего около 20 тысяч — это меньше половины генома (у помидора, кстати, 31,7 тысяч — он не может убежать, ему нужна библиотека действий на все случаи жизни). А у пшеницы около 100 тысяч, но это уже мы накосорезили, соединив 3 разных злака. Но вернёмся к самому интересному. Если генетический код у всех почти идентичен, почему мы так по-разному выглядим, по-разному реагируем на среду и болеем разными болезнями? Ответом стала эпигенетика — среда включает и выключает наши гены, не меняя саму последовательность ДНК. То есть у нас там дофига системных настроек уже внутри кода. Условно и очень грубо говоря, ДНК — это наше железо, а эпигенетика — наш конфиг. Ну или перемычки, если вы их помните ) Тут обзор, чего же удалось добиться к 2026. Что знаем про переключатели: — Ген можно закомментировать (заметилировать), тогда он не будет читаться. — В ядре клетки ДНК не плавает просто так, она плотно намотана на белки-катушки — гистоны. Можно запретить чтение с некоторых гистонов. — РНК нужна не только для создания белков. Есть микроРНК (очень короткие обрывки, всего 22-23 нуклеотида), которые прилипают к рабочим РНК и уничтожают их, блокируя создание белка на финальном этапе. То есть такой белок не выпустит контроль качества — там говорят "Код говно, переделывай!". И переделывает, чё. Ещё не зная, что код всё равно говно, как ни старайся. Какие болезни можно лечить: — Рак — классика сломанных переключателей. Полезные гены (супрессоры опухолей, которые тормозят деление клеток) оказываются заблокированы. А вот опасные онкогены и участки нестабильной ДНК как раз теряют свои блокирующие метки и начинают работать на полную. — При атеросклерозе (закупорке сосудов бляшками) есть глобальная потеря метильных меток на участках генома LINE-1. В гладкомышечных клетках сосудов выключаются гены рецепторов эстрогена, из-за чего сосуды теряют эластичность. При гипертонии ломаются настройки генов, отвечающих за водно-солевой баланс и реакцию на гормон стресса кортизол. — Аутоиммунные (волчанка, ревматоидный артрит, рассеянный склероз, диабет 1 типа) — эпигенетика ломает систему свой-чужой. Например, при волчанке гены иммунных клеток Т-лимфоцитов теряют тормозные метки, из-за чего иммунитет становится гиперактивным и начинает атаковать собственные ткани. При диабете 1 типа блокируется важнейший ген FOXP3, который в норме должен успокаивать иммунную систему. Эти изменения обратимы. Не очень легко переписать ДНК, но легче снять с неё лишние химические метки. Сейчас есть два подхода: 1. Эпи-лекарства — блокируют ферменты, вешающие метки. Например, 5-азацитидин и вориностат уже одобрены FDA и для некоторых видов рака крови. Но они снимают вообще все метки, и это ведёт не к тому, что вы становитесь худой блондинкой, а к высокой токсичности. В смысле, биохимической. 2. CRISPR-dCas9. Взяли ножницы CRISPR/Cas9 и оставили только ту часть, которая ищет нужный участок. Эту сломанную торпеду обмазывают ферментом, который вешает или снимает метку. Хреновина находит конкретный ген, стукается об него и пачкает его своим солидолом, то есть выключает/включает только его. Собственно, всё. 23 года, наконец-то приближаемся к тому, чтобы начать править весь этот говнокод. -- Вступайте в ряды Фурье! | Лучшие посты Знаете, как микробиологи называют человека, побывавшего на всех континентах? Человек многих культур!

🚀 3/3 EMNLP 2026 🚀 Три из трех (!!!) наши статьи по исследованиям жестовых языков (РЖЯ в частности) прошли на EMNLP 2026. Это была последняя переподача, до этого было несколько реджектов на другие крупные конфы. Спасибо всем причастным, кто работал над созданием статей, особенно наших бывших коллег @karinakvanchiani @TOOFACK и @lizaforlizard ♥ О чем писали и какие ревью пришли? 🔤 Bukva: Russian Sign Language Alphabet https://arxiv.org/abs/2410.08675 Bukva — открытый датасет изолированного дактиля (алфавита) русского жестового языка (РЖЯ). Он содержит 3757 видео (33 буквы, включая 8 динамических), записанных 155 дикторами. В качестве бейзлайнов использованы модели с модулем временного сдвига (TSM) на базе MobileNet/ResNet. Также представлено демо-приложение для обучения алфавиту. ➕ 155 участников — это огромный шаг вперед по сравнению со старыми датасетами РЖЯ (где было от 4 до 20 человек). ➕ Прозрачный пайплайн: Подробно описан процесс сбора, фильтрации и оплаты труда краудворкеров. ➕ Строгий контроль: Дикторы и валидаторы сдавали экзамен на знание РЖЯ. ➕ Качественный сплит train и test по дикторам (модель тестируется на людях, которых не видела при обучении, в других работах разбивка была случайна). ➖ Игнорирование специфики: динамическое буквы (главная фишка датасета) не оцениваются отдельно от статических. ➖ Слабые бейзлайны: Нет сравнения с современными трансформерами (за этом нам часто напихивают, но любой трансформер переобучится под этот сет) 👌 HandReader: Advanced Techniques for Efficient Fingerspelling Recognition https://arxiv.org/abs/2505.10267 Эту статью приняли с очень высокими рейтингами: accept, clear accept, strong accept Работа посвящена распознаванию дактиля американского жестового языка (ASL). Мы предлагаем семейство из трех моделей (RGB, скелетные точки и мультимодальная) с новыми архитектурными блоками: TSAM (для обработки видео разной длины без паддинга) и TPE (кодировщик поз). Модель устанавливает новый SOTA на бенчмарке ChicagoFSWild+. ➕ Работа с естественными данными, независимыми от диктора. ➕ TSAM легко решает проблему видео переменной длины (без обрезки и паддинга), что экономит память. ➕ Превосходит все предыдущие методы, обученные даже на больших объемах данных. ➖ Заявляем об «экономии 50% VRAM» и «легковесности», но не приводим ни одной цифры (нет замеров FLOPs, параметров, скорости инференса или потребления памяти). ➖ Слабая мультимодальность: простое суммирование фичей RGB и скелета дает минимальный прирост, что ставит под сомнение реальную взаимодополняемость модальностей. 👩‍💻 Znaki: A Russian Fingerspelling Recognition Dataset Это первый непрерывный датасет дактиля РЖЯ. В отличие от Bukva (где буквы изолированы), здесь дактиль связан во фразы (в основном имена собственные). Датасет включает 37252 видео (35.4 часа) от 68 дикторов. Краудсорсинг с двухэтапной проверкой на знание РЖЯ. ➕ Уникальность: заполняет критический пробел, отсутствие датасетов именно непрерывного русского дактиля. ➕ Исключение утечек: жесткое разделение по дикторам и фразам между train/validation/test. ➕ Разнообразие: Записи сделаны в разных условиях (не только в студии) ➖ Отсутствие побуквенной разметки: Размечены только начало и конец всей фразы, что делает невозможным обучение точной временной сегментации букв. ➖ Синтетическая природа фраз: Фразы генерировались с помощью GPT-4o ➖ Узкий охват: Только имена собственные, нет чисел, аббревиатур или естественной разговорной речи. 🌟 Общее саммари по всем трем статьям Все работы посвящены актуальной и сложной проблеме распознавания дактильной речи (fingerspelling). Две работы (Bukva и Znaki) фокусируются на создании датасетов для русского жестового языка (РЖЯ), который исторически страдает от нехватки данных, в то время как третья (HandReader) предлагает архитектурные улучшения для американского жестового языка (ASL). Ну и главный плюс — работы в opensource! 🖥 #release #emnlp2026 #conference

Вычислительные ощущения Мы иногда думаем, что обрабатываем информацию абсолютно независимо и объективно. Однако это не так. Можно привести такую аналогию: оптическую и вычислительную фотографию. Оптическая фотография — все что попало в объектив, фиксируется на пленке или на цифровой матрице. Это большая точность и объективность. Однако, все кто работал с камерами знают — не так выставишь резкость или параметры камеры — и получишь совсем не то, что хочешь. Снимок может быть не резким, слишком темным или слишком светлым. Вычислительная фотография: то, как мы получаем снимки на современных телефонах. Телефон делает несколько снимков с разными параметрами, а потом соединяет их в один, преобразуя все изображения. Мы получаем прекрасный снимок, но вот только это не объективный снимок реальности — это некая обработка реального мира. Насколько она далека от реальности — уже вопрос к механизмам обработки фотографий. То что мы видим и ощущаем — это все вычислительные ощущения. Мозг получает информацию и начинает ее обрабатывать. Переворачивает картинку, объединяет изображения с левого и правого глаза, накладывает фильтры. Это, в том числе и экономия ресурсов. По одним данным, только 40 % информации, которую мы увидели, обрабатывается нашим мозгом. Мозг ищет привычные паттерны, и накладывает их на реальность. Так быстрее. Если в кустах есть что-то похожее на хищника — лучше убежать, чем тратить время на детальный анализ. Все же видели оптические иллюзии? На картинке изображено одно, а мозг нам подсовывает другие картинки. Движение, там где его нет, ложные цвета и так далее. Астрофизик Нил Тайсон говорил, что оптические иллюзии — это места, где мозг не работает. В зависимости от настроек наших фильтров, можем видеть, слышать, чувствовать то, чего нет, или наоборот — не видеть то, что у нас под носом. Если потихоньку уменьшать звук у любимой мелодии, то мы ее будем слышать даже при нулевой громкости — мозг нам будет подкидывать знакомые звуки. Были такие ролики — проигрывается одна и та же фразу, одна мозг распознает разный текст, в зависимости от того, что написано на экране. Запах масляной кислоты напоминает может нам казаться как запахом пармезана, так и запахом рвоты — в зависимости от того, о чем мы думаем, когда нюхаем. Именно поэтому пилоты истребителя вместо вертолетов Черный ястреб увидели вертолеты МИ-24. Это не то, что видим в реальности — это было то, что думали мы видим. Поэтому все истории когда человек может что-то не заметить, что-то не увидеть — это может объясняться настройками нашего восприятия.

Пятница 13-е оказалась безопаснее обычного дня Статистик Джеффри Розенталь из Университета Торонто и судмедэксперт Дженнифер Дметричук из службы судебной патологии Онтарио взяли данные коронерской службы провинции за пятнадцать лет — с 2009 по 2023 год — и посчитали, в какие дни люди на самом деле умирают чаще. Базовая цифра по Онтарио: 46,38 смерти в день. А дальше начинается интересное. За эти годы выпало 27 пятниц 13-го, на них пришлось 1235 смертей — 45,74 в день. То есть в «проклятый» день умирало чуть меньше людей, чем в обычный. Разница статистически незначима, но суеверие она не подтверждает совсем. Заодно проверили другие подозрительные даты. Полнолуния — 47,26 смерти в день. Хэллоуин, пятнадцать штук за период, — 46,05. Всё в пределах нормального разброса. А вот что действительно выделяется, так это конец декабря. С сочельника по канун Нового года смертность подскакивает до 53,14 в день. Авторы разобрали, за счёт чего: основной вклад дают инфаркты, вместе с ростом лёгочных состояний в холодные месяцы. Суициды и аварии, на которые в таких случаях думают первым делом, как причину исключили. Нашёлся и недельный узор: с пятницы по понедельник смертность слегка повышена. Календарь тут ни при чём — подъём объясняется передозировками. @vselennayaplus