October 31st, 2019

sci2

(no subject)

За 150 лет так ничего не изменилось, разве что эти неправильные учёные сделали искуственные удобрения, ракеты и айфонышей, тож естессно неправильных.

chem

вдруг кому пригодится

In summary, we have studied the robustness of machine
learning approaches in classifying different phases of matter.
Our discussion is mainly focused on supervised learning
based on deep neural networks, but its generalization to other
types of learning models (such as unsupervised learning or
support vector machines) and other type of phases are possible
and straightforward. Through two concrete examples,
we have demonstrated explicitly that typical phase classifiers
based on deep neural networks are extremely vulnerable to
adversarial examples. Adding a tiny amount of carefully
crafted noises or even just changing a single pixel may cause
the classifier to make erroneous predictions at a surprisingly
high confidence level. In addition, through adversarial training,
we have shown that the robustness of phase classifiers to
specific types of adversarial perturbations can be significantly
improved. Our results reveal a novel vulnerability aspect for
the growing field of machine learning phases of matter, which
would benefit future studies across condensed matter physics,
machine learning, and artificial intelligence.
https://arxiv.org/abs/1910.13453
mat

(no subject)

Встретил в одной книге по спорту, что раньще в англицком слово quick употреблялось не только как живой в смысле подвижный, живчик такой, но и в смысле живой вообще (и даж в евангельских переводах в этом же смысле встречалось). Ни и дальше про падение у людей скорости с возрастом, что старики часто падают и ломают кости помимо прочего и от того, что не успевают среагировать и сгрупироваться. Но при этом в выносливости они вполне себе ничего. Так-то ведь красиво получается: жизнь как размен скорости на выносливость (в том числе и в "экзистенциальном" смысле - переводим жизнь в способность выносить жизнь).