#вычисления — Public Fediverse posts

Память, которая сама обрабатывает данные: как устроена LPDDR5X-PIM

В ряде задач производительность упирается не в скорость вычислений, а в обмен данными с памятью. Решить эту проблему можно, если выполнять часть операций прямо там, где хранятся данные. Например, в своей LPDDR5X-PIM Samsung разместила вычислительные блоки внутри банков DRAM. Разберем, как это работает, какие операции можно перенести в память и что технология показала в Llama 3.1 8B.

https://habr.com/ru/companies/mclouds/articles/1085140/

#память #samsung #lpddr5x #pim #серверы #оперативная_память #вычисления #нейросети #llama #инференс

Российский нейрочип от НТЦ «Модуль»

Разбираю единственный серийный российский нейрочип — НТЦ «Модуль», 27 лет в серии. Что он умеет по даташиту и в реальных внедрениях — от больниц и РЖД до шахт и спутников, как он выглядит против Jetson и Ascend 310, кто ещё в России пытается делать нейрочипы — и почему его зовут «нишевым». Погрузиться в обзор

https://habr.com/ru/articles/1086828/

#нейропроцессор #импортозамещение #микроэлектроника #инференс #инференсчип #llm #нейросеть #вычисления #вычисления_в_gpu #gpu

AI забыл про энергетику? Парадокс исследования рынка ИИ в РФ

Увидел цифры из исследования AIANA — новая аналитика российского рынка AI. Объём оценивается в 316,1 млрд рублей (по итогам 2025 года). Главный заказчик, что логично, — бизнес: 71,9% выручки приходится на B2B. 98,4 млрд рублей приходится на AI-оборудование и физическую инфраструктуру. Это 31,1% рынка — крупнейший сегмент по выручке. Для меня это главное: цифровое подтверждение, что AI-рынок держится не только на моделях, приложениях и промптах, а на «железе». Но дальше начинаются интересности. Самый большой сегмент оборудования — вычислительное «железо». Первый вопрос, который возник у меня как у человека из энергетики: а электричество забыли посчитать в этом сегменте? Как выяснилось через пару скроллов, не забыли. Просто в бизнес-логике энергетику пока сознательно оставляют за границей рынка AI. Давайте разбираться, почему и какие здесь риски. Насколько точно картина без энергетики передаёт реальные возможности запуска новых AI-проектов?

https://habr.com/ru/companies/psm_unlim/articles/1083150/

#энергетика #аналитика #исследование #сегментация_рынка #ии #ai #вычисления #итинфраструктура #экономика #инвестиции_в_ии

Почему LLM не могут овладеть человеческим языком в совершенстве

Даже идеальная модель с бесконечным объемом текста не восстановит ту часть смысла, которая никогда не была закодирована в языковой форме. Представьте фразу в рабочем чате: «он снова упал». «Он» может означать сервер, сервис, тестовый стенд или процесс сборки. Люди восстанавливают смысл по предыдущим сообщениям и общей ситуации. В самой фразе объекта нет, и без контекста она вообще ничего не сообщает. Можно ли восстановить смысл, вложенный человеком в фразу, если у нас есть только сама фраза? И изменится ли ответ, если вместо человека будет языковая модель, обученная на триллионах токенов?

https://habr.com/ru/companies/ru_mts/articles/1082524/

#исследования #llm #llmмодели #llmагент #вычисления #искусственный_интеллект #нейросети #лингвистика #языковые_модели #контекст

Число π: история вычислений от Гиппаса до наших дней

Привет, Хабр! Меня зовут Андрей Кундус. Я работаю в отделе розничных продаж и клиентского обслуживания ПСБ в Кемерово. С ИТ и программированием моя жизнь пересекается ровно настолько, насколько у любого современного человека: компьютер, смартфон, несколько программ для работы. Я — не математик, не data-scientist и уж точно не разработчик. Но есть одна вещь, которая меня занимает очень давно, — число π. Не как «3,14» из школьного учебника, а как загадка. Как вообще можно вычислить бесконечную дробь? Кто придумал способ добраться до триллионов знаков? И почему до сих пор этим занимаются? И я решил разобраться. Сегодня я расскажу историю про фанатиков-пифагорейцев, про гения-самоучку Рамануджана, про суперкомпьютеры и даже про день рождения Эйнштейна.

https://habr.com/ru/companies/psb/articles/1071070/

#математика #история_математики #число_пи #вычисления #математика_на_пальцах

Греческий, древнегреческий язык
грецька, давньогрецька мова
Ελληνικά, Αρχαία Ελληνικά
Greek, Ancient Greek
#греческий, #древнегреческийязык
#грецька, #давньогрецькамова
#Ελληνικά, #Αρχαία Ελληνικά
#Greek, #Ancient Greek
t.me/scilib_yura15cbx/664

Аюрведа
#Аюрведа
t.me/scilib_yura15cbx/663

t.me/Avraam_Edelberg_archive
Канал где большинство книг и статей слиты в корневую директорию, терабайты книг, поэтому их можно найти по поиску названия. В поиске надо учитывать, что многие файлы названы латиницей, подчёркиваниями, сокращениями, поэтому можно использовать умный поиск, по автору, ключевым словам названия.

Алексиевич, Анни Эрно Annie Ernaux, Ольга Токарчук
t.me/scilib_yura15cbx/659

Sbírka knih v češtině a slovenštině (1868-2021)
Собрание книг на чешском и словацком языках (1868-2021)
Collection of books in Czech and Slovak (1868-2021)
Збірка книг чеською та словацькою мовами (1868-2021)
#чешский, #словацкий, #книги, иностранные языки, литература на иностранных языках #Čeština, #slovenština, #knihy, cizí jazyky, literatura v cizích jazycích чеська, #словацька, книги, іноземні мови, література іноземними мовами #Czech, #Slovak, books, foreign languages, literature in foreign languages
t.me/scilib_yura15cbx/657

Владимир Высоцкий
t.me/scilib_yura15cbx/656

t.me/media_yura15cbx

диафильмы
filmstrips діафільми
#диафильмы
#filmstrips #діафільми
t.me/scilib_yura15cbx/653

ajedrez, libros en español
шахматы, книги на испанском
chess, books in spanish
#ajedrez, #libros en #español
#шахматы, #книги на испанском
#chess, #books in #spanish
t.me/scilib_yura15cbx/651

ветеринария
#ветеринария
t.me/scilib_yura15cbx/650

Судебная медицина
t.me/scilib_yura15cbx/649

Math Collection 5
Books in english
#Математика, #точныенауки, #алгебра, #анализ, #геометрия, #фрактальнаягеометрия, #вычисления, #статистика, #вероятность, #алгоритмы и пр.
#Mathematics, #algebra, #analysis, #geometry, #fractal geometry, #calculations, #statistics, #probability, #algorithms, etc.
#Математика, #точнінауки, #алгебра, #аналіз, #геометрія, #фрактальнагеометрія, #обчислення, #статистика, #ймовірність, #алгоритми та ін.
t.me/scilib_yura15cbx/644

Mythology myth
in English
t.me/scilib_yura15cbx/643

Собрания сочинений
Collected works, Зібрання творів
t.me/scilib_yura15cbx/641

Тибет.
Тибетский язык, литература, культура, религия
Tibet. Tibetan language, literature, culture, religion
Тибет. Тибетська мова, література, культура, релігія
西藏。 藏語、文學、文化、宗教
#Тибет.
#Тибетскийязык, #литература, культура, #религия
#Tibet. #Tibetan language, #literature, #culture, #religion
#Тибет. #Тибетськамова, #література, #культура, #релігія
#西藏。 #藏語、#文學、#文化、#宗教
t.me/scilib_yura15cbx/636

Китайский язык, литература
на китайском языке
Chinese language, literature in Chinese
Китайська мова, література китайською мовою
漢語、漢語文學
t.me/scilib_yura15cbx/635

Майя. Древняя история, язык
Майя. Давня історія, мова
Mayan. ancient history, language древние языки
#Майя. #Древняяистория, #язык
#Майя. #Давняісторія, #мова
#Mayan. #ancient history, #language #древние языки
t.me/scilib_yura15cbx/634

Новые подкасты

А нас не спрашивали
t.me/yura15cbx_podcast
Подкаст 42, о науке, Вселенной и вообще
t.me/podcast_42
Тишина мира
t.me/silence_podcast
Журнал "Америка"
t.me/America_magazine

Каналы

Новости Открытого общества. Без цензуры, без пропаганды
https://t.me/open_society_news
Media. Видео, музыка
t.me/media_yura15cbx

t.me/scilib_yura15cbx/630

AI ready: почему дата-центр для ИИ сложнее обычного модульного ЦОДа

В первой статье я рассказал, как мы пришли к идее AI ready — локального контура, который собирает инженерную базу, вычисления и прикладной ИИ в одну систему. Теперь подробнее про первый «железный» уровень ИИ-контура — AI Base. Идеи есть у многих, до пилота добираются единицы. Мы думали: возьмём концепцию модульного ЦОДа, немного подобьём её под стойки с GPU, и наш пилот полетит. В МЦОДе уже решены базовые задачи по компоновке, комплектации и автоматике — так зачем изобретать велосипед? Но первая гипотеза провалилась, как только мы начали считать нагрузку. AI-нагрузка меняет подход к проектированию МЦОДа. Как именно? Полгода назад рабочей группе инженеров только предстояло это понять. Скажу сразу: пилот AI ready сейчас находится на этапе разработки. Итоговую конфигурацию мы пока не утвердили, но базовые инженерные решения уже приняты. Про них рассказываю в статье.

https://habr.com/ru/companies/psm_unlim/articles/1055408/

#искусственный_интеллект #ai #энергетика #вычисления #жидкостное_охлаждение #directtochip #gpu #датацентр #нагрузка_на_стойку #цод

Вместо свалки — дата-центр: как старые смартфоны превращают в серверы

Каждый год в мире выпускают больше миллиарда смартфонов. Люди меняют устройства каждые два-три года, потому что хотят новые функции, лучшую камеру или просто более быстрый отклик. В итоге тонны вполне работоспособной техники оказываются на свалках, хотя их процессоры, память и накопители ещё способны выполнять серьёзные задачи. Как-то это не очень здорово, согласитесь. Авторы одного интересного проекта решили попробовать создать из телефонов вычислительный кластер. В ходе реализации этого плана выяснилось, что отдельные ядра современных мобильных процессоров по скорости в однопоточном режиме не уступают серверным решениям, а иногда и превосходят их. Как это работает и что может получиться? Давайте посмотрим.

https://habr.com/ru/companies/ru_mts/articles/1048286/

#смартфоны #гаджеты #вычисления

Домик для ИИ: как завод пришёл к идее AI ready для бизнеса

Бизнес нацелился делать свой собственный AI. Все задают вопрос: «Какая модель мне нужна?» Но никто не задумывается, на каких мощностях модель будет работать. Мы тоже сначала не задумывались. Разработали корпоративного AI-агента, прокачали ИТ-команду, чтобы двигаться дальше — и споткнулись о «железный порог». Так родилась идея AI ready модуля. В статье рассказали, что это такое и почему AI начинается не с модели, а с инфраструктуры.

https://habr.com/ru/companies/psm_unlim/articles/1046576/

#искусственный_интеллект #ai #aiагенты #rag #энергетика #вычисления #информационная_безопасность #видеоаналитика #инвестиции #инфраструктура

Почему на самом деле нельзя делить на ноль? Физический и аксиоматический подходы

«На ноль делить нельзя». Все мы заучили это правило в школе, но мало кто реально понимает, как этот запрет работает под капотом. Предлагаю закрыть этот гештальт раз и навсегда. В статье разбираем деление на ноль с двух сторон: сначала наглядно (на примере сисадмина и серверных квот), а затем строго математически (через алгебру и аксиомы). Спойлер: делить 0 на 0 тоже нельзя, но причина там совершенно другая. Заходите под кат, будем ломать систему!

https://habr.com/ru/articles/1040676/

#деление_на_ноль #математика #бесконечность #пределы #аксиомы #ликбез #алгебра #вычисления #математика_для_программистов

[Перевод] Узкое место современного ИИ — не вычислительные мощности, а электроэнергия

На протяжении большей части XX века развитие искусственного интеллекта (ИИ) тормозилось не из-за недостатка амбиций у исследователей, а потому, что доступное оборудование для его работы просто не было достаточно мощным. Ранние системы ИИ сталкивались с жёсткими ограничениями по скорости обработки и объёму памяти, что приводило к циклическим «зимам ИИ», когда прогресс останавливался, а финансирование иссякало. Сейчас эта проблема в основном решена. Сегодня модели ИИ обучаются на специализированных чипах в огромных центрах обработки данных, и их масштабирование занимает не годы, а считанные недели. Вычислительные мощности, которые раньше были главным узким местом, теперь можно приобрести — были бы деньги. Такие компании, как Nvidia или AMD, с каждым годом всё более массово производят мощные графические процессоры (GPU) — компоненты, традиционно используемые для игр или визуализации, но также хорошо подходящие для вычислений ИИ.

https://habr.com/ru/articles/1021072/

#ии #датацентры #вычисления

«Мозг в пробирке» и новая вычислительная парадигма: почему нейроморфные системы и биокомпьютеры уже не фантастика

Когда в медиа появилась новость, что выращенный в лаборатории мозговой органоид научили решать задачу управления, многие увидели в этом очередную научную сенсацию из серии «человечество создало живой компьютер». Другие, наоборот, отмахнулись: мол, это красивый эксперимент, который не имеет отношения к реальной индустрии и никогда не выйдет за пределы научной статьи. Обе реакции понятны, но обе упускают главное. Ценность подобных работ в другом: они показывают, что на стыке вычислительной техники, нейронауки и биоинженерии постепенно формируется новое поле, в котором вычисление перестает быть исключительно задачей кремниевой электроники в ее привычном виде. Еще недавно разговор о нейроморфных системах воспринимался как смесь академической романтики и идеологического футуризма. Но теперь у этого разговора появляются собственные артефакты — метрики, архитектуры, платформы, ранние продукты и, что особенно важно, инженерные ограничения, которые уже можно обсуждать всерьез. Поговорим о том, что такое нейроморфные вычисления, почему ими занимаются не только нейробиологи, но и крупнейшие технологические компании, почему между лабораторным прототипом и настоящим рынком лежит огромная дистанция и как, несмотря на разрыв, за развитием этой сферы уже стоит следить почти так же внимательно, как когда-то за первыми GPU-ускорителями, квантовыми компьютерами или edge AI.

https://habr.com/ru/companies/ru_mts/articles/1019860/

#edge_computing #нейроморфный_чип #нейроморфные_вычисления #нейромофика #вычисления #обучение_с_подкреплением #машинное_обучение #чипы #будущее_здесь

LLM Inside: выжимаем максимум из Decoder Attention на GPU

Привет, Хабр! Меня зовут Андрей Шукшов. Я пишу YNMT в Яндекс R&D — это движок инференса, на котором работают почти все наши большие языковые модели (LLM). Бо́льшую часть времени я пытаюсь понять, почему некоторые вещи работают медленно и как сделать так, чтобы у них это получалось чуточку быстрее. Если вы запускали локальную LLM, то, возможно, тоже удивлялись: почему железо, способное рендерить фотореалистичные миры в реальном времени, работает в темпе печатной машинки? В своей статье я попробую хотя бы отчасти ответить на этот вопрос. Под микроскопом посмотрим на механизм Attention в режиме генерации (декодирования) и, вооружившись лучшими современными практиками ускорения на GPU, объединим всю математику в один эффективный kernel, который выжмет максимум производительности из имеющегося у нас железа.

https://habr.com/ru/companies/yandex/articles/1006526/

#яндекс #gpu #llm #ml #нагрузка #вычисления #ускорение

Мозг вместо процессора: нейроморфный компьютер и сложные уравнения

Вычислительные машины проделали долгий путь «эволюции» от устройств, занимающий целые комнаты, до носимых гаджетов. При этом разительное изменение присутствует не только в габаритах, но и в вычислительной мощности. То, что казалось невозможным для первых компьютеров, стало обыденностью для современных. Однако далеко не все вычисления могут быть выполнены на обычных ПК, которые есть практически в каждом доме. Для некоторых требуются суперкомпьютеры, которые не только больше, мощнее и быстрее, но и более требовательные в рамках энергопотребления. Группа ученых из Сандийских национальных лабораторий (США) разработали новый нейроморфный компьютер, которые имитирует структуру и работу мозга человека и способен решать сложные уравнения, лежащие в основе физических симуляций — то, что ранее считалось возможным только для энергоемких суперкомпьютеров. Из чего сделан этот компьютер, каков принцип его работы, и насколько он умен? Ответы на эти вопросы мы найдем в докладе ученых.

https://habr.com/ru/companies/ua-hosting/articles/1000310/

#нейроморфные_компьютеры #мозг #вычисления #математика #нейронные_сети #алгоритмы #суперкомпьютеры #решатели #энергоэффективность #энергопотребление

Компьютрониум — фантазия о вычислительной материи

В середине октября 2025 года я опубликовал в этом блоге статью « Квантовые загоны и квантовые миражи », описанный в которой проект фактически стал первым практическим результатом в области нанотехнологий. На современном этапе нанотехнологии стали скорее отраслью материаловедения, чем машиностроения — сооружать машины и механизмы из отдельных атомов пока практически невозможно, а напылять (готовить) поверхности со свойствами, определяемыми на атомном уровне сравнительно легко. Одним из наиболее известных материалов, свойства которых определяются на атомном уровне, является графен . Но в конце прошлого века, когда перспективы нанотехнологий казались гораздо более оптимистичными и достижимыми, футурологи и инженеры рассуждали о программируемых веществах, в которых каждая молекула является вычислительной единицей. Из гипотетического материала такого класса могла состоять машина Т-1000 в фильме «Терминатор-2. Судный день»; эту тему я пробовал разбирать на Хабре в статье « О жидком металле замолвите слово. Мысли об аппаратной и программной реализации Т-1000 ». Такой робот из мимикрирующего полисплава был фантазией вполне в духе времени, так как всего на пять лет раньше фильма вышла книга-манифест Эрика Дрекслера (род. 1955) «Машины создания: Грядущая эра нанотехнологий» (выложена здесь ). Сам Дрекслер сформулировал идею молекулярных вычислительных машин на основе знаменитого доклада Ричарда Фейнмана « Внизу полным-полно места: приглашение в новый мир физики », прочитанного в Калтехе в канун 1960 года. Эти выкладки предполагали, что наряду с нанотехнологиями можно реализовать ещё более миниатюрные «фемтотехнологии». Пока эта точка зрения не подтверждается, так как на уровне атомов квантовые эффекты преобладают над классическими. Однако на этапе её развития обсуждалось, насколько реально создать «компьютрониум» — вещество с предельной вычислительной плотностью, каждый атом которого работает как ядро процессора.

https://habr.com/ru/articles/994214/

#вычисления #вещества #гипотезы #искусственный_интеллект #информация

Как ИИ разогнал спрос на вычисления и почему счет пошел на триллионы долларов

Искусственный интеллект растет так быстро, что для его обучения и работы миру приходится стремительно наращивать вычислительные мощности. На строительство новых дата-центров уходят уже не миллионы, а триллионы долларов, и большая часть этих средств нужна именно под ИИ-нагрузки. Мы подготовили краткую выжимку исследования McKinsey , где объясняется, как сегодня формируется рынок вычислительных мощностей и почему компании по всему миру готовы вкладывать такие суммы. Самый интригующий момент: если текущие тенденции сохранятся, к 2030 году стоимость инфраструктуры под ИИ может приблизиться к $7 трлн. Откуда берутся такие масштабы — разбираем ниже.

https://habr.com/ru/companies/croc/articles/987856/

#датацентры #вычисления #ии_в_бизнесе #инвестиции_в_ии

Как унифицированные конвейеры обработки данных трансформируют современную инфраструктуру ИИ

​В настоящее время ИИ использует разнообразные типы данных, и старые конвейеры обработки данных испытывают трудности. Единые потоки данных централизуют данные, упрощая управление и улучшая обучение и производительность...

#DST #DSTGlobal #ДСТ #ДСТГлобал #искусственныйинтеллект #Многоформатныеданные #моделиии #Инфраструктура #данные #вычисления

Источник: https://dstglobal.ru/club/1141-kak-unificirovannye-konveiery-obrabotki-dannyh-transformiruyut-sovremennuyu-infrastrukturu-ii

Понимание работы сознания невозможно без нового типа вычислений

Речь идет о концепции «биологического вычислительного подхода». Согласно с ней, нейронные вычисления неотделимы от физической, гибридной и энергетически ограниченной динамики мозга. И свести все это к абстрактному алгоритму, работающему на аппаратном обеспечении, технически невозможно. В этой концепции дискретные нейронные события и непрерывные физические процессы образуют единую систему, которую нельзя свести лишь к символической обработке информации. Обновить ПО "Разум"

https://habr.com/ru/articles/980838/

#искусственный_интеллект #искусственный_разум #искусственный_мозг #вычисления #работа_мозга #работа_сознания #датаизм #природа_сознания #подход_к_нейросетям #интеллект

LLMOps: объяснение принципа работы, основные преимущества и лучшие практики

​В этой статье рассматривается LLMOps, принцип его работы, основные преимущества и лучшие практики для оптимизации операций с большими языковыми моделями с целью повышения эффективности и масштабируемости.

#DST #DSTGlobal #ДСТ #ДСТГлобал #Искусственныйинтеллект #данные #вычисления #большаямодель #языковаямодель #LLMOps #XAI #GDPR #HIPAA #LLM #Docker #Kubernetes #GPT #OpenAI

Источник: https://dstglobal.ru/club/1140-llmops-objasnenie-principa-raboty-osnovnye-preimuschestva-i-luchshie-praktiki

Когда роботы начнут копировать роботов, накопленный капитал обесценится до нуля, а работы не будет как понятия

Основатели Gonka Даниил и Давид Либерман объездили десятки стран за последние несколько месяцев, общаясь с лидерами AI-рынка, GPU-провайдерами и государственными кластерами. Спешка понятна: до AGI осталось мало времени, а мы ещё даже не придумали, какова будет роль людей в этом будущем.

https://habr.com/ru/articles/962810/

#децентрализация #ai #даниил_и_давид_либерманы #павел_дуров #сэм_альтман #будущее #вычисления #инфраструктура #биткоин #gonka

Почему физики и программисты мыслят одинаково: законы симметрии кода и Вселенной

Иногда кажется, что физика и программирование живут в разных мирах. Но чем глубже смотришь, тем сильнее понимаешь — законы мышления, которыми мы руководствуемся, удивительно схожи. Симметрия, порядок, борьба с энтропией, поиск инвариантов — всё это объединяет инженеров, физиков и программистов в одном стремлении понять, как устроен мир. Я просто захотел порассуждать об этом и поделиться с вами своими мыслями.

https://habr.com/ru/articles/960974/

#мышление_программиста #физика #симметрия #инвариантность #алгоритмы #вычисления #наука #код #энтропия #логика

15 лучших оконных менеджеров для Linux в 2025 году

Оконный менеджер — одна из тех вещей в Linux, о которой не задумываешься, пока не попробуешь сменить. Кажется, окна просто открываются и закрываются, а потом ставишь тайлинговый WM и понимаешь, что можно работать быстрее и почти не трогать мышь, или выбираешь плавающий — и ноутбук сразу оживает. Расскажем о 15 самых интересных и востребованных решениях на 2025 год.

https://habr.com/ru/companies/ultravds/articles/959984/

#ultravds #linux #хостинг #сайт #серверы #вычисления #virtualization #терминал

132 строчки на Python, которые рождают математического гипермонстра

Наверное, все слышали хотя бы в общих чертах про число Лоадера, очень большого гугологического монстра. Но если нет, то вкратце Loader's number — это одно из самых больших чисел, когда-либо появившихся в серьёзном математическом контексте, и оно знаменито именно в сообществе гугологов.Оно было получено в 2002 году программистом Ральфом Лоудером в результате работы его программы, которая выиграла соревнование по написанию самой эффективной программы для вывода в Лямбда-исчислении. Почему оно так знаменито и так велико? Не просто "большое", а "максимально эффективное". Программа Лоудера была настолько оптимизирована, что, по мнению многих специалистов, она достигает практического предела мощности для вычислимой функции в рамках Лямбда-исчисления. Она создает число, которое, вероятно, является самым большим вычислимым числом, когда-либо явно описанным с помощью столь компактной программы. Основа - лямбда-исчисление. Это не просто алгоритм, написанный на C++ или Python. Он работает в фундаментальной системе, которая является основой функционального программирования и самой теории вычислимости,что придает числу огромную "математическую плотность". Ну и как вишенка на торте - оно превосходит других гигантов: Число Лоудера невероятно больше, чем многие другие известные "большие числа", такие как распиаренное число Грэма или даже числа, сгенерированные быстрорастущей иерархией на низких уровнях. Его мощность находится на очень высоких ординалах.

https://habr.com/ru/articles/959192/

#большие_числа #гугология #tree #python #тьюринг #вычисления #рекурсия #математика

Как измеряли расстояние до Луны без компьютера и калькулятора? Открытия древних математиков

Привет, Хабр! Сегодня

https://habr.com/ru/companies/selectel/articles/929562/

#selectel #математика #вычисления #наука #астрономия #история_it #число_пи #геометрия #луна #окружность

Об ошибках округления и способах борьбы с ними

Почему при сложениии одинаковых чисел в разном порядке получаются разные результаты? Как мининмизировать ошибки округления или избавиться от них совсем?

https://habr.com/ru/articles/922198/

#Вычисления #числа_с_плавающей_точкой #векторизация #параллелизм #погрешности_округления

Что такое CDN и как она работает: объяснение на примере доставки котиков

Представьте, что вы построили идеальный сайт. Всё оптимизировано, но стоит тысяче пользователей из разных концов света одновременно захотеть посмотреть, как пушистик прыгает в коробку — и ваш сервер падает. Чтобы этого не случилось, в игру вступает CDN (Content delivery network). О том, как она работает, объясню на примере доставки котиков.

https://habr.com/ru/companies/ruvds/articles/918586/

#хостинг #серверы #cdn #доставка_контента #web2 #сайт #интернет #gpu #трафик #вычисления

Почему один и тот же сайт может летать на одном VDS и тормозить на другом

VPS/VDS — это не волшебная коробка, а виртуальный сервер, зависящий от железа и рук, которые всё настраивали. Он не гарантирует стабильную производительность «по умолчанию», и даже если параметры на бумаге выглядят одинаково, под капотом могут скрываться как быстрые NVMe-диски и разумная политика CPU-шаринга, так и загруженный хост с дешёвым RAID на HDD и оверселлом в четыре слоя. Я попытаюсь разобрать ключевые факторы, от которых это зависит.

https://habr.com/ru/companies/ruvds/articles/916050/

#ruvds_статьи #хостинг #VPS #VDS #серверы #провайдер #сайт #интернет #виртуализация #CPU #vCPU #трафик #вычисления #веб #IT #KVM

Как приручить Горыныча: русская high availability с тремя головами

В одном царстве, в одном хостинг-государстве жил-был сказочный Змей Горыныч. Он был трёхголовым, распределённым и главное отказоустойчивым. Конечно, иногда из-за синхронизации подлагивал, но в целом был зверем, которых на свете мало… Охранял он, как и положено, всякие ценности. То жар-птицу (high-value asset), то царевну (уникальный бизнес-процесс), а иногда просто всё по периметру выжигал огнём, чтобы в прод лишний никто не сунулся. Он не был злодеем, просто его так собрали по SLA: доступность — 99,99%, задержка — в пределах 200 мс, а восстановление — автоматическое. Богатыря Горыныч не боялся, потому что он для него не герой, а unplanned human intervention — угроза стабильности. Давайте разберёмся, что за монстр этот Змей.

https://habr.com/ru/companies/ruvds/articles/912266/

#ruvds_статьи #хостинг #серверы #облака #web2 #сайт #интернет #виртуализация #GPU #трафик #вычисления #веб #SaaS #IT

Астрономия и компьютеры

Обычно на нашей конференции PiterPy доклады посвящены разработке на Python. Но закрывающий доклад — отдельная история: тут впору оторваться от конкретных строчек кода и расширить кругозор, уже не привязываясь к определённому языку. Осенью на конференции так выступил российский астроном и популяризатор науки Дмитрий Вибе. А теперь мы решили, что накануне Дня космонавтики его доклад может быть интересен и читателям Хабра, даже никак не связанным с Python. Поэтому подготовили текстовую версию. А если вы именно питонист, обратите внимание: мы уже готовим новую PiterPy , которая пройдёт 16-17 мая в Петербурге и онлайн. А если другой IT-специалист — возможно, вам подойдёт другая из

https://habr.com/ru/companies/jugru/articles/899146/

#дмитрий_вибе #астрономия #вычисления

LLM в науке, тюнинг и регулирование систем ИИ

Продолжим рассказ о том, для чего можно использовать виртуальную

https://habr.com/ru/companies/mws/articles/880056/

#LLM #ИИ #GPU #вычисления #наука

Совместные конфиденциальные вычисления: как это работает

Моя основная деятельность — конфиденциальная обработка данных. Это такая развивающаяся область науки и техники, в которой часто возникает что-то новое, поэтому терминология ещё не устоялась. То, чем я занимаюсь, по-английски называется Secure Multi-Party Computation, а на русский переводят как совместные или многосторонние вычисления. Однажды я видел перевод: «многопартийные вычисления», – но, надеюсь, это единичный случай. Лично мне нравится вариант: «конфиденциальные вычисления», который использует википедия . Его буду использовать и я. Представьте, вы собрали какие-то ценные данные, зашифровали их и сохранили на диске. Таким образом, вы защищаете данные во время хранения (data-at-rest). Далее, предположим, вам нужно передать данные по сети с одного сервера на другой. Серверы устанавливают защищённое соединение и обмениваются данными – снова зашифрованными. Так серверы защищают данные во время передачи (data-in-transit). Пока всё знакомо и понятно. Далее вы собираетесь делать то, ради чего вы эти данные собирали, хранили и передавали: использовать их. Что-нибудь посчитать, агрегат какой-нибудь, статистику или даже модельку обучить. Анализировать зашифрованные данные —, затруднительно, поэтому вы их расшифровываете и… делате беззащитными. Во-первых, это странно: вы старательно защищали данные, когда хранили и передавали, и вдруг почему-то перестали. Во-вторых, это опасно: атаки, утечки, несанкционированный доступ, всё, что угодно может случиться, когда данные уязвимы. Ну, и в-третьих, расшифровывать не обязательно: существуют методы, защищающие данные, когда они используются (data-in-use). Совместные конфиденциальные вычисления – один из них.

https://habr.com/ru/articles/872410/

#алгоритмы #вычислительная_сложность #вычисления #криптографические_алгоритмы #конфеденциальность #математика #шифрование #шифрование_данных #информационная_безопасность #безопасность_данных