уменьшение размерности

Лист бумаги, оставленный на мокром столе, коробится и приподнимает края. Никто не управляет этим движением, но оно происходит по тем же законам, что и рост растения: одни области листа сжимаются сильнее других, и плоская форма превращается в объёмную. Инженеры давно мечтали приручить этот процесс, чтобы плоская заготовка сама складывалась в нужную скульптуру.

Колода карт, в которой каждая карта слегка повёрнута, не может лечь ровно: рубашки и рисунки никак не совпадут. Но если карты гибкие, они начнут подстраиваться, сдвигаясь на доли миллиметра, чтобы найти идеальное совпадение. Нечто похожее происходит внутри кристаллов, когда два толстых слоя MoS2 или MoS2 с WS2 складывают с поворотом на 1–2 градуса.

Белковый инженер похож на повара, который пытается сделать блюдо одновременно вкусным, полезным и дешёвым. Изменяя один ингредиент, он рискует испортить другой. Раньше компьютерные помощники умели оценивать свойства белков только по отдельности, не видя, как они связаны между собой.

Представьте: два фотографа снимают одну и ту же гору. Один делает сотню кадров с вершины и лишь пару у подножия, другой — наоборот. Если попытаться совместить их снимки, алгоритм может решить, что вершина на одном снимке соответствует вершине на другом просто потому, что там много похожих точек, а не потому, что это одно и то же место. Плотность съёмки сбивает с толку.

Представьте: два фотографа снимают одну и ту же гору. Один делает сотню кадров с вершины и лишь пару у подножия, другой — наоборот. Если попытаться совместить их снимки, алгоритм может решить, что вершина на одном снимке соответствует вершине на другом просто потому, что там много похожих точек, а не потому, что это одно и то же место. Плотность съёмки сбивает с толку.

Два снимка одного мозга, сделанные в разное время, похожи на фотографии одного дома до и после ремонта. Чтобы понять, что изменилось, их накладывают друг на друга и анализируют различия. Но томограф — не идеальная камера: он сам добавляет искажения, будто снимок сделан через слегка неровное стекло. Раньше программы не различали, какие изменения настоящие, а какие — от аппарата.

Удержать в голове точное положение ручки, пока её медленно двигают, — для мозга рядовая задача. Для искусственных нейросетей она почти невыполнима. Обычные рекуррентные сети, такие как GRU (Gated Recurrent Unit) и LSTM (Long Short-Term Memory), склонны разбивать непрерывное движение на жёсткие ступеньки: ручка не ползёт плавно, а перескакивает из точки в точку.

В шумном зале переводчик пытается уловить каждое слово, но шорохи и эхо путают смысл. Примерно так же обычные компьютерные методы считают сложные квантовые системы: чем больше частиц и сильнее их связи, тем быстрее расчёты тонут в помехах. Группа физиков предложила новый подход — «Генератор Шрёдингера».

Прогноз выхода химической реакции — это попытка предсказать урожай, зная лишь состав почвы. Долгое время химики опирались на длинные колонки чисел, так называемые квантовые дескрипторы, которые описывают энергию электронов, но умалчивают о форме молекулы.

Двести сорок две тысячи триста двадцать семь галактик — как песчинок на пляже. Но астрономы превратили этот хаос в карту: алгоритм UMAP (метод машинного обучения) взял у каждой из галактик одиннадцать параметров — семь цветов от оптики до среднего инфракрасного диапазона (это фотометрия), звёздную величину, радиус и фотометрическое…

Чтобы передать форму статуи в мельчайших деталях, можно разбить её на миллионы крошечных кубиков и описывать каждый — долго, тяжело, и память компьютера трещит по швам. Именно так обычно работают с трёхмерными медицинскими снимками: КТ или МРТ — это огромный массив таких кубиков (вокселей), и чтобы создать или улучшить изображение, машине приходится перелопачивать их все.

В трёхмерной сцене каждая точка подобна конфете с переливающейся обёрткой: её цвет меняется в зависимости от угла зрения. Чтобы описать эту игру оттенков, для каждой точки хранят десятки чисел — специальную математическую функцию, разложение в ряд, предложенное ещё Жозефом Фурье.

Обычные алгоритмы компьютерного зрения воспринимают медицинские изображения как набор несвязанных фрагментов — любые два несовпадающих снимка для них абсолютно различны. Это напоминает попытку отличить близнецов, не зная об их родстве. В медицине же пациенты с одним заболеванием часто выглядят на МРТ почти идентично, и алгоритм ошибается, путая «родственные» случаи.

Однопиксельная камера работает подобно художнику, создающему картину через трафарет с множеством отверстий. В каждом кадре на единственный датчик попадает лишь часть светового потока, модулированная маской — пространственным модулятором света, — а затем компьютер реконструирует целостное изображение, собирая эту мозаику с помощью вычислительных алгоритмов.

Обычная дорожная карта с данными о трафике — это колоссальный массив чисел. Передавать их в исходном виде слишком накладно. Но объём можно радикально сократить, не теряя значимой информации. Исследователи предложили изящный подход: сначала выполняется преобразование графа — улицы становятся вершинами (точками), а перекрёстки — рёбрами (перемычками) между ними.

Алгоритм улучшения фотографий можно представить как навигатор, который шаг за шагом ведёт размытое изображение к чёткости. Он удаляет шум — случайные искажения сигнала и дефекты, перемещаясь от пикселя к пикселю по своеобразной «карте», заложенной при обучении.

Обычный радар напоминает микрофон в гудящей толпе: отдельные звуки сливаются в кашу. PiVoT работает как дирижёр, который в хаосе настройки мгновенно распознаёт каждый инструмент. Вместо того чтобы перебирать гипотезы, алгоритм стягивает петлю вокруг самых вероятных целей — автомобилей, велосипедистов, пешеходов.

Объём данных одного КТ-сканирования сопоставим с несколькими полнометражными фильмами в высоком разрешении. TCAM-Diff — это алгоритмический метод, который обходит это узкое место: программа сжимает трёхмерную картину в три двумерные теневые проекции — словно скульптор восстанавливает объёмную статую по силуэтам, отбрасываемым на три перпендикулярные стены.

Данные о работе генов обычно выглядят как длинная строка чисел, напоминающая радужную полоску (спектр) без видимых связей. В модели scVision эти числа преобразуют в осмысленное изображение — не список ингредиентов, а фото готового блюда.

Стандартный КТ-сканер выполняет серию рентгеновских снимков под разными углами, на основе которых вычислительные методы восстанавливают трёхмерное изображение. Однако в клинической практике нередки ситуации, когда сканируется лишь ограниченная область — например, одно лёгкое — и проекционные данные обрываются. Возникает так называемая проблема ограниченного угла обзора.

Чтобы обнаружить эпилептический приступ в записи мозговой активности, учёные применили подход, напоминающий улавливание резких звуков в шумной комнате: вместо анализа всего хора сигналов мозговых волн (электроэнцефалограммы, ЭЭГ — метода регистрации электрической активности мозга), они сосредоточились только на самых сильных перепадах.

Трёхмерные миры состоят из миллионов полупрозрачных пятнышек — как гигантский гобелен, сотканный из светящихся капель. Чтобы передать такое полотно, обычно требуется много времени и мощный канал связи. SpeedyGS умещает его в крохотный файл, и оно разворачивается мгновенно, словно выдёргиваешь шнурок из мешка.

Представьте повара, который учится готовить исключительно по рисованным картинкам — он почти наверняка испортит каждое блюдо. Схожая ловушка подстерегает и компьютерное зрение: для обучения моделей требуются тысячи размеченных снимков, но собирать и аннотировать их вручную — дорого и муторно.

Медицинские снимки, по сути, представляют собой карты плотности тканей: яркость каждого пикселя кодирует локальные свойства среды, подобно тому как фотометрия — раздел оптики, измеряющий интенсивность света — регистрирует силу излучения.

Сырой цифровой снимок — это мозаика, где каждый пиксель хранит лишь один базовый спектральный компонент: красный, зелёный или синий. Для сжатия такого файла его разделяют на яркостную составляющую — детальное монохромное изображение, несущее информацию об интенсивности света, — и цветовую компоненту.

Представьте, что вы фотографируете статую в полумраке. Перед вами дилемма: сделать один яркий снимок или серию тусклых кадров с разных ракурсов. В первом случае качество ограничено фотонным шумом — зернистостью, возникающей из-за нехватки фотонов, во втором — детали накладываются друг на друга, и восстановить объёмную структуру становится сложнее.

Современные системы машинного зрения обретают автономность: инженерам удалось реализовать алгоритм распознавания образов непосредственно на миниатюрном чипе, избавив камеру от необходимости передавать данные на громоздкий компьютер.

Семейное древо превращается в клубок, если учесть приёмных детей и повторные браки. Эволюция часто похожа на такой клубок: хотя стандартная модель — традиционное представление о дивергентной эволюции, где виды ветвятся подобно дереву — рисует аккуратное древо видов, на деле гены кочуют не только по наследству, но и напрямую между неродственными организмами — этот…

Сборка светового чипа похожа на игру, где нужно провести луч через лабиринт из крошечных зеркал и светоделителей. Каждый такой элемент работает как стрелка на железной дороге: он либо пропускает свет прямо, либо направляет на соседний путь. Задача — получить на выходе строго определённый световой узор, потратив как можно меньше «стрелок». Обычно инженеры годами ищут самый короткий маршрут для каждой задачи.

Свет далёких галактик, прежде чем попасть в телескоп, проходит через искривлённое пространство. Массивные сгустки материи работают как неровное стекло: изображения галактик слегка растягиваются и поворачиваются. Это явление называют слабым гравитационным линзированием.

Вселенная — гигантский лабиринт кривых зеркал. Масса галактик и скоплений искажает свет далёких квазаров, словно забавляясь нашим восприятием космоса. В этой комнате смеха прячется разгадка самой большой тайны: тёмной энергии, расталкивающей пространство всё быстрее.

На топографической карте дождевые капли выбирают путь: упав на один склон, они стекают в реку А, на другой — в реку Б. Наблюдатель видит лишь извивы рек (переменные отклика Y) и знает, с какого склона пришла вода (инструмент Z), но не видит самих капель (ненаблюдаемых факторов ε).

На экране — результат сложнейшего моделирования: две планеты столкнулись, разлетается ударная волна. Пара кликов в редакторе — и резкие тени становятся мягче, шум сглаживается, фон темнеет. Такая цифровая ретушь (правка изображения для улучшения вида) давно вошла в арсенал учёных.

Вообразите: филармонический оркестр играет, но микрофон ловит лишь слитный гул — tutti, в котором смешались контрабасы, флейты и литавры. Похожую задачу десятилетиями решают физики, вглядываясь в поля плотности, температуры или магнитной индукции.

Космологическая карта похожа на снимок ряби на воде: по ней восстанавливают, какой камень был брошен. Камнем выступают свойства Вселенной — сколько в ней обычного вещества, сколько тёмной материи, как быстро она расширяется. Рябь — это узор из галактик, который измеряют телескопы.

Космос пронизан магнитными полями. Они есть у галактик, звёзд и даже в почти пустых войдах (огромных пустотах между скоплениями галактик). Обычно считается, что поля усиливаются из слабых «затравочных» полей благодаря турбулентности — как динамо-машина. Но природа самих затравочных полей оставалась загадкой. Новая работа предлагает неожиданный механизм.

Создание материала с заданными свойствами — искусство, которое долго полагалось на интуицию и везение. Природа не даёт подсказок: десятки элементов в менделеевской таблице, и число их сочетаний уходит в бесконечность. Прежде материаловеды напоминали алхимиков, пробующих всё подряд, или полагались на статистические модели, терявшие силу за границами известного.

Лабораторный робот отсчитывает молекулы — и сбивается. В одной пробирке 0, в другой 12, в третьей 3, хотя на самом деле везде примерно поровну. Такие «сырые» цифры — обычное дело в биологии: секвенирование ДНК, подсчёт видов в пробе воды, активность генов. Данных много, но они разрежены и разбросаны сильнее, чем допускает простая случайность.

Переводчик сидит в зале совещаний и переводит каждое слово. Но вот он замечает, что его перевод можно улучшить, если он будет учиться на своих ошибках. Он начинает записывать, какие фразы вызвали непонимание, и корректирует их. Через час его перевод становится точнее, а совещание проходит быстрее.

Шеф-повар не тратит продукты, готовя всё блюдо, чтобы оценить вкус, — он пробует каплю соуса. Та же логика лежит в основе метода «информационного сопоставления» (information matching) для предсказания прочности металлов.