Инновации

В современном мире ученик больше не привязан ни к учителю, ни к своей среде обитания. Цифровые коммуникационные технологии дают ему возможность выбирать, где и чему учиться, в какой среде развиваться, в какую деятельность включаться.

Успех в этой новой, все больше цифровой системе образования определяется не только тем, насколько обучение адаптирует человека к текущему социально-экономическому укладу. Успех все больше зависит от способности адаптироваться постоянно, изменяться, эффективно осваивать новую деятельность и приобретать новые профессиональные качества.

Это предъявляет новые, принципиально другие требования к системе образования. В мире, где студент имеет возможность выбирать, где, как, когда и чему учиться, задача системы не в том, чтобы обеспечить качественно высокий уровень каждого конкретного учителя, обучающего конкретному предмету, а в том, чтобы:

• обеспечить студента инструментами для осознанного выбора,
• технологиями навигации в пространстве образовательных возможностей (с учетом их релевантности целям, личным качествам, способностям обучающегося),
• надежными средствами оценки эффективности того или иного образовательного процесса.

При этом, само понятие эффективность меняется, приобретает новый смысл. Эффективность образования в новой цифровой реальности это мера затраченных ресурсов на освоение человеком новой деятельности (способности решать новый тип задач). Ключевой при этом становится возможность предсказать эту эффективность для конкретного человека с учетом его особенностей, его имеющихся навыков и знаний, его мотивации к освоению этих знаний.
В случае, если преподаватель или формат освоения новой деятельности, конкретная компетенция оказываются потенциально эффективными для большого числа обучающихся, встает вопрос о максимальном масштабировании образовательного решения, как правило, сопровождающимся автоматизацией, сокращением трудоемкости работы держателя компетенции с каждым обучающимся.

Такие цифровые изменения отчасти происходят сами по себе за счет появления, а затем и конкуренции сотен образовательных стартапов и десятков глобальных образовательных платформ. А отчасти нуждаются в согласованных действиях крупных, в том числе государственных, образовательных субъектов, способных вместе решить базовую задачу, открывающую дверь этому цифровому переходу: создать эффективные методы цифровой фиксации и интерпретации фактов в образовании, а также систему хранения, доступа и обмена этими данными между всеми участниками рынка.

Создание таких методов и такой системы это инвестиции в развитие базовой инфраструктуры данных, без которой создающие новую образовательную реальность ключевые цифровые инструменты будут невозможны.

Речь идет о таких инструментах, как рекомендательные системы по персональным траекториям развития, системы мониторинга эффективности образовательных процессов, системы цифровых профилей обучающихся.

Для того, чтобы помогать студентам строить свои траектории развития, мы должны научиться отражать в данных все значимые элементы этих траекторий, фиксировать цифровой след развития человека, факты освоения новой деятельности, движения к успеху в решении новых задач.

Гипотезы и эксперименты Университета 20.35 в области цифрового образования

Базовая гипотеза, с которой работает Университет 20.35, состоит в том, что образовательный опыт не индивидуален. Опыт человека, освоившего определенные компетенции, может быть использован для рекомендаций по развитию другого человека, который имеет схожие личные качества, текущий уровень развития компетенций и проч. Благодаря большим данным могут быть созданы системы, которые помогают человеку принять правильное решение о ближайшем шаге развития. Большие данные сопоставляют эффективность тех или иных образовательных методов для конкретного человека или типов людей, а искусственный интеллект способен самообучаться при формировании рекомендаций по оптимальной траектории развития.
Но для того, чтобы использование этих методов и технологий стало возможным, нужно проникнуть вглубь образовательного процесса, построить систему наблюдения за тем, что происходит внутри черного ящика под названием курс, активность, семинар, лекция, тренинг и так далее. Задача, открывающая возможность применения цифровых технологий, состоит в том, чтобы научиться фиксировать связь между конкретным актом обучения (во всей его сложности, с учетом всего контекста, в котором он происходил) и результатом обучения для студента.

О развитии человека необходимо иметь значительно больше данных, чем традиционные для консервативной сферы образования данные об успеваемости, посещаемости и поведении, которые скорее характеризуют результативность системы, чем открывают возможность анализировать, с какими событиями связаны образовательные успехи человека, благодаря чему он освоил ту или иную деятельность, и какая именно образовательная активность поможет другому человеку совершить такой же шаг.

В начале деятельности перед Университетом 20.35 стояла задача научиться собирать эти данные, упорядочивать их. Формализуя сложное содержание образовательного процесса, резко увеличить объем данных о человеке и его процессе развития. Первым опытом работы в этом направлении стали образовательные проекты Нейронет-1 и Нейронет-2, прошедшие зимой-весной 2018 года, участниками которых стали команды компаний рынка NeuroNet Национальной технологической инициативы. Для того, чтобы заглянуть внутрь черного ящика, перейти на другой уровень детализации в описании образовательного процесса и соединить при этом формальный и содержательный характер этих описаний, команда Университета использовала в качестве базовых две концепции:

• концепцию модели компетенций
• концепцию фиксации прецедентов проявленности компетенций в деятельности.

Модель компетенций, с одной стороны, позволяла студентам зафиксировать свои текущие навыки и цели развития, а с другой стороны, позволяла команде организаторов описывать все события, происходящие в образовательном процессе, на одном унифицированном языке, допускающем однозначные сопоставления и формализацию образовательных результатов в рамках, заданных моделью компетенций.

Концепция фиксации прецедентов проявления компетенций, в свою очередь, предполагала, что данные о происходящем внутри образовательного мероприятия будут возникать благодаря работе специалистов, фиксирующих факт проявления той или иной компетенции у участника процесса, с описанием конкретных обстоятельств, в которых эта компетенция была проявлена.
Все факты проявления компетенций заносились в цифровую платформу, каждый человек и каждое мероприятие получали свой цифровой след проявленных компетенций. Это позволяло создавать специальный цифровой профиль участников и в нем фиксировать динамику прироста компетенций. А организаторам, в свою очередь, описывать мероприятия с точки зрения того, какие именно компетенции могут быть во время них проявлены, чем именно в рамках мероприятия участникам удается овладеть (или, как минимум, какие компетенции проявить).

Эксперимент весны 2018 года позволил сделать несколько важных выводов, касающихся формального описания содержания образовательных мероприятий и сбора цифрового следа:

1. Модель компетенций должна быть максимально предметной, фиксирующей не только компетенцию как таковую, но и предметную область, в которой эта компетенция применяется. Только тогда модель становится языком для формулировки образовательных целей обучающимися и языком описания образовательных результатов мероприятия для аналитиков.
2. Фиксация прецедента проявления компетенции в деятельности недостаточна с точки зрения анализа образовательных результатов мероприятия. Для подробного анализа и сопоставления результатов различных мероприятий требуется фиксировать тип мероприятия, его структуру, его результаты в привязке к каждому конкретному участнику. Без этой детализации интерпретировать описанный прецедент практически невозможно.
3. Проявленная компетенция должна фиксироваться в артефакте, возникшем в результате деятельности. Свидетельства очевидца недостаточно для того, чтобы считать компетенцию действительно проявленной. Качество цифрового артефакта при условии правильно спланированной деятельности, в которой он создается, говорит о компетенции его создавшего больше, чем оценка свидетеля создания этого артефакта. Особенно важно это для так называемых hard-skills.
4. Фиксация и глубокий анализ деятельности внутри образовательного мероприятия возможен и оправдан только в том случае, если мероприятие предполагает сложную и насыщенную деятельность его участников. Лекционные и другие форматы односторонней трансляции знаний, которые привычны преподавателям, не порождают достаточного потока событий, актов деятельности участников, на основании которых можно было бы делать выводы об эффективности мероприятия и трансляции успешного опыта.

• Сергей Салкуцан, и.о. директора Института передовых производственных технологий Санкт-Петербургского политехнического университета.
  Сама идея сбора цифрового следа перспективна. По сути, это ведь не только инструмент фиксации определенных действий, но и инструмент понимания того, какой результат приносят те или иные действия студента в процессе освоения. Например, это могло бы стать более точной моделью получения обратной связи, нежели экзамены. Идея цифровизации и принятия решений на основе данных не нова, но практики применения таких подходов в образовании пока еще новации.
  При сборе цифрового следа вузы сталкиваются с рядом сложностей. Если собирать все, что только можно, то объем информации будет расти по экспоненте, а полезную информацию из этого объема будет все труднее получить. Сдерживающим фактором, на мой взгляд, является отсутствие однозначного понимания цифрового портрета студента.
  Кроме того, в процессе обучения в университете большую роль играет неформальное обучение: круг общения, обсуждаемые темы, совместная подготовка к экзаменам и выполнение заданий и т.д. Это пока трудно оцифровать.
  И не стоит забывать об этической стороне вопроса. На самом деле интерес к цифровому следу скорее от тех, кто хочет получить информацию и на основе нее принять решение. А интереса со стороны тех, о ком собирается информация не наблюдается. А ведь часть информации нужно собирать при их активном участии. Также здесь возникнет и вопрос сохранности персональных данных.*

Цифровой след на образовательном интенсиве Остров 10-21: планирование и подготовка

Опыт работы с цифровым следом был использован при подготовке первого масштабного проекта Университета 20.35 образовательного интенсива Остров 10-21. За 11 дней с 10 по 21 июля 2018 года в кампусе ДВФУ прошло более 2 000 мероприятий, развивающих технологические, личные и предпринимательские компетенции участников. Уникальная особенность интенсива в течение всех основных дней мероприятия траектории каждого из 1021 участника формировались индивидуально с использованием технологий искусственного интеллекта на основе данных цифрового следа прошедших активностей. Требовалась тщательная подготовка к сбору и анализу цифрового следа, машиночитаемому описанию всех мероприятий.

В первую очередь, была разработана новая модель компетенций и соответствующие ей компетенционные профили, отражающие приоритет тех или иных компетенций для определенных ролей, которые выбирали себе участники.

Целевой компетенционный профиль Дата-Аналитика. Насыщенность цветов означает приоритетность тех или иных компетенций.

Учитывая те выводы, которые были сделаны по итогам проектов Нейронет-1 и Нейронет-2, подготовка к сбору и анализу цифрового следа началась заранее и предполагала погружение в содержание, структуру и результаты каждого из мероприятий программы, с участием преподавателей, чтобы понять, как усилить деятельностную составляющую со стороны обучающихся.

Наряду с программной дирекцией и преподавателями носителями передовых компетенций в организационную команду Острова вошли специалисты, отвечающие за описание мероприятий с точки зрения их структуры, образовательных результатов, связей этих результатов с цифровой компетенционной моделью участников, возможности отчуждения результатов участников в цифровом виде в конкретных видах деятельности обучающихся.
Результатом их работы с преподавателями стала Анкета сбора цифрового следа документ, являющийся основанием для формирования рекомендаций по участию в мероприятии для обучающихся, для фиксации цифровых артефактов по ходу мероприятия, последующего анализа собранных на мероприятии данных.

Работа специалистов выявила, что даже лучшие преподаватели, приглашенные на Остров из ведущих вузов и компаний, никогда не задумывались о необходимости сбора цифрового следа или фиксации каких-либо образовательных результатов, отличных от субъективной оценки. На этом этапе стало понятно, что дальнейшая работа с цифровым следом потребует развития у участников системы образования новой компетенции, связанной как с работой с данными, так и с педагогическим дизайном, обеспечивающим необходимый уровень деятельностной составляющей в обучении. Эту роль на себя на Острове 10-21 взяли привлеченные специалисты, которые к началу реализации образовательного интенсива работали в команде, насчитывающей более 70 человек получивших неофициальное название фиксики, а официальное специалисты по фиксации цифрового следа.

Параллельно работе с преподавателями шло создание цифровой платформы Университета 20.35, позволяющей собрать в цифровом виде всю информацию о мероприятии, его авторах и ведущих, участниках этого мероприятия, его соответствии модели компетенций, специфических знаниях и умениях, которые невозможно освоить время интенсива, и дающей возможность привязать к мероприятию все цифровые артефакты, возникшие в процессе его проведения.

Эта привязка, вместе с Анкетой сбора цифрового следа, давала возможность интерпретировать собранный на Острове цифровой след и составить компетенционные профили всех участников интенсива.

Интерпретация собранного на Острове цифрового следа в цифровом профиле компетенций участника

Сбор цифрового следа на Острове: процесс, трудности, выводы

Чтобы интерпретация цифрового следа стала возможной, требовалось построить процедуру его фиксации непосредственно в процессе образовательного интенсива. Одной из главных проблем стал масштаб мероприятия. В Острове 10-21 принимало участие более 1000 человек, которые впервые в своей жизни сталкивались с процессом сбора цифрового следа. Одномоментно проходило до 40 мероприятий, на которых требовалось организовать фиксацию цифрового следа. Аудитории кампуса ДВФУ не имели специального оборудования для фиксации посещений, записи звука и видео.

Вся работа по цифровому следу легла на команду фиксиков, в чьей ответственности оказалась оцифровка с использованием всех доступных средств диктофонов, фото- и видеооборудования, сотовых телефонов, бумажных документов деятельности обучающихся и ее результатов.

Команда специалистов по работе с цифровым следом на Острове 10-21

На каждом образовательном мероприятии Острова присутствовал минимум один специалист, который сопоставлял происходящее на мероприятии с Анкетой сбора цифрового следа, отмечая соответствие реально происходящей деятельности той, которая была спроектирована совместно с преподавателем. Он фиксировал присутствие участников мероприятия, вел фото- и видеосъемку, собирал результаты работы, возникшие в ходе мероприятия и размещал их на цифровой платформе, с привязкой к конкретному человеку или команде. Командные результаты маркировались особым образом для последующей интерпретации компетенций, связанных с командной работой и организацией сложной деятельности.

Работа фиксиков на мероприятиях

С определенного момента участники Острова активно включились в самостоятельное наполнение цифрового архива мероприятий цифровыми артефактами. Часто загруженный таким образом цифровой след не имел никакой информационной ценности (например, часто встречалась фотография объекта или групповой работы без всякого описания), но часть артефактов, сохраненных благодаря распространению культуры бережного отношения к данным, помогла составить максимально полную картину прошедших мероприятий и проявленных участниками компетенций. Уже на следующем образовательном интенсиве Остров 10-22, который был проведен для команд вузов в 2019 году, с цифровой культурой участников работа велась целенаправленно, и к концу 10-дневного интенсива удалось достичь показателя, связанного с осознанным отношением участников к цифровому следу своей деятельности более 50% загруженных участниками артефактов имели ценность для последующего подтверждения компетенций.

График роста цифровой культуры на Острове 10-22

Роман Котов, проректор по учебной работе, Кемеровский государственный университет
Работа с цифровыми следами студентов началась после образовательного интенсива Остров 10-22 в 2019 году. Внедрение автоматизированного расписания в связке с системой управления доступом в кампус позволили накапливать большие объемы данных и проводить исследования, анализ и прогнозирование загрузки университетской инфраструктуры столовой, библиотеки, аудиторного фонда и т.д. Сейчас прорабатываются оптимизационные модели, в том числе с использованием искусственного интеллекта, позволяющие управлять потоками студентов для повышения эффективности использования инфраструктуры, экономической эффективности работы подразделений.

Следует признать, что, несмотря на предварительную работу, часть мероприятий Острова 10-21 была проведена преподавателями без активной деятельности участников и не порождала артефактов, которые могли бы быть интерпретированы как свидетельство той или иной компетенции. К сожалению, Остров 10-21 подтвердил доминирование пассивных форматов в образовании. Слом традиционного подхода к обучению как к трансляции знаний является важной задачей не только с точки зрения компетентностного, деятельностного образования, но и с точки зрения переходу к концепции data-driven education. Работа команды специалистов на Острове 10-21 показала путь для решения этой задачи и подчеркнула необходимость развития компетенций преподавателей в этой области и выделения новой роли в образовании по работе с данными.

Значение эксперимента на Острове 10-21 трудно переоценить:

1. Впервые в истории российского образования было собрано такое количество данных (более 12 тысяч элементов цифрового следа), и эти данные включали фиксацию фактов деятельности и созданных артефактов, были соотнесены с более чем 50 иными видами данных о человеке, его состоянии, его активностях, решениях по выбору шага развития. Часть этих данных в обезличенном виде опубликована в открытом доступе и используется при проведении хакатонов и исследовательских работ.
2. Впервые в истории российского образования более 2000 мероприятий, прошедших за 11 дней, были описаны в рамках одной компетентностной модели, и 1000 студентов получили размеченный по этой модели цифровой след и реальную возможность для формирования персональной траектории развития при поддержке искусственного интеллекта.
3. Впервые в истории российского образования цифровой след, собранный в результате мероприятия такого масштаба, был интерпретирован в цифровых профилях обучающихся, и каждый элемент цифрового профиля имел подтверждающий цифровой артефакт.

Аналитический экран анализа цифрового следа на Острове 10-21

Дальнейшие шаги: цифровые среды, стандарты, новые компетенции

По результатам работы с цифровым следом на Острове 10-21 стало очевидно, что современные образовательные форматы редко ориентированы на доказательность и проверяемость результатов обучения. Данные, которые могут помочь развиваться в будущем, строить траектории развития других студентов, не являются ценностью для студентов и преподавателей, потому что эта ценность для них не представлена в явном виде. Трудно рассчитывать, что формальные требования или рекомендации по сбору цифрового следа приведут к желаемым изменениям в отношении к сбору данных у студентов, преподавателей. Включение каждый раз в процесс специалистов по сбору данных затратно.

Выходов из этой ситуации Университетом 20.35 было предложено два. Первый перенос по возможности всей деятельности обучающихся и преподавателей в в специально оборудованном пространстве, где активность людей может быть зафиксирована в точной и многоаспектной цифровой модели. Это тот путь, который доступен сегодня цифровым платформам, платформам онлайн-обучения, что дает им преимущества в работе с данными. Задача Университета 20.35 в этой части состоит в том, чтобы в цифровой среде отражались разные виды деятельности, не всегда предполагающие исключительно формат онлайн-обучения. Понимание этой проблемы во многом определило процесс проектирования следующих мероприятий Университета 20.35, в частности, образовательного интенсива Остров 10-22, где значительная часть активностей участников происходила в цифровых средах, а физические пространства были оснащены базовыми средствами фиксации происходящего регистраторами входа и выхода, камерами высокого разрешения, направленными микрофонами и т.п.

Второй путь развитие культуры и компетенций преподавателей и студентов, создание стандартов и образовательных программ по работе с цифровым следом и извлечению ценностей из его анализа, развитие сообщества специалистов по работе с цифровым следом в образовании. Значимые шаги в этом направлении Университету 20.35 удалось сделать только в 2020 году на регулярной основе началась работа школ Education Data Engineer, был создан проект профессионального стандарта специалиста по моделированию, сбору и анализу цифрового следа, началось использование открытого технологического стандарта цифрового следа, запустились совместные программы с вузами в области работы с данными в образовании.

В основу прорывных достижений легло цифровое решение, способное в реальном времени подтягивать свежие данные с кадровых и событийных порталов и строить общую онтологию высокотехнологичных предметных областей. В его основе лежит датасет из более 150 миллионов вакансий как в России, так и за рубежом, а также данных профессиональных сообществ, профильных мероприятий и данных о траекториях обучения. Это решение получило название Цифровая модель компетенций. С ее помощью была построена основа профессиональных стандартов специалиста по моделированию, сбору и анализу цифрового следа и специалиста по внедрению технологий искусственного интеллекта. Особенность этих стандартов возможность мгновенного обновления на основе потока данных из всех источников. Их внедрение в образовательных организациях это выход на новый уровень адаптивности образовательных программ, скорости их обновления, требующий компетенций по работе с данными у руководителей образовательных программ.

Востребованность специалистов, способных моделировать, собирать, анализировать и интерпретировать данные в сфере образования растет на рынке как в вузах, так и в коммерческом, корпоративном обучении. Профессия Образовательный дата-инженер, опробованная в ходе работы Университета 20.35 еще на Острове 10-21, начала развиваться в образовательном сообществе. Магистерская программа Цифровая трансформация образования в Высшей школе экономики была одной из первых, где рассматривались вопросы внедрения цифровых методик и технологий в образовательной среде. В 2020 году появилась профильная магистерская программа Дата инжиниринг в области образования в Финансовом университете при правительстве РФ.

Университет 20.35 ведет обучение по направлениям Образовательный дата инжиниринг и Цифровой педагогический дизайн в формате ДПО. В партнерстве с более чем 40 вузами проводятся проектно-образовательные интенсивы, на которых также практикуется сбор и анализ следа проектной работы и персональных траекторий развития. Благодаря этим активностям сформировалось сообщество образовательных дата инженеров, которые внедряют технологии работы с данными цифрового следа в своих образовательных проектах и получают сертификацию со стороны Университета 20.35 по факту успешной реализации подходов. Для развития системы сертификации образовательный дата инжиниринг был подан в качестве компетенции FutureSkills и в 2021 году ожидается его появление в списке компетенций с методикой проведения демонстрационного экзамена по стандартам WorldSkills.

Основная цель работы с цифровым следом расширение возможностей для каждого человека по реализации персональных траекторий развития. Однако работа с данными о человеке и цифровым следом всегда имеет обратную сторону риск утечки, неправомерного использования персональных данных, и дополняется возможными последствиями по нарушению прав человека. В этой связи крайне важной является работа над подготовкой этического кодекса, над оценкой гуманитарных последствий внедрения технологий работы с данными цифрового следа в сфере образования. Объединение усилий философов, технокультурологов, социологов и представителей образовательного сообщества в решении задачи по созданию и закреплению этических и гуманитарных норм работы с цифровым следом станет важным шагом на пути повышения прозрачности и открытости в работе с данными о человеке и поможет значительному повышению эффективности и конкурентоспособности российского образования.

Переход от простых межмашинных подключений (M2M) к сложному Интернету вещей (IoT) идет полным ходом, поскольку улучшение LTE IoT и развитие сетей 5G обеспечивают более быстрые соединения и более высокие битрейты. M2M и IoT ключевые технологии для современного бизнеса и потребительского рынка. По мере того, как эти технологии продолжают развиваться, они открывают новые возможности для тех, кто понимает их и может эффективно использовать сильные стороны каждой технологии.

Технология M2M может быть лучшим выбором, если:

• Ваше приложение требует двухточечной связи между машинами.
• У вашего приложения есть ограниченный набор конкретных потребностей в машинной связи, которые необходимо выполнять быстро и надежно.
• Ваше приложение должно работать независимо от того, доступно ли соединение Wi-Fi.
• Быстрая масштабируемость не главная задача вашей сети
• Сеть вашего устройства должна быть изолирована по соображениям безопасности.
• Ваше приложение нужно синхронизировать с множеством разных устройств в сетевом облаке в реальном времени.
• Ваши устройства имеют доступ к быстрому и надежному Wi-Fi-соединению.
• Устройствам в вашей сети необходима возможность одновременной связи с несколькими другими устройствами.
• Ваше приложение должно плавно и просто масштабироваться для большого количества устройств и пользователей.
• Данные и устройства вашего приложения должны быть совместимыми с несколькими стандартами.

Рост М2М в мире

Интернет вещей (IoT) стал распространенной системой, в которой люди, процессы, данные и вещи подключаются к Интернету и друг к другу. По данным из годового отчета Cisco по Интернету M2M-соединения вырастут с 8,9 млрд (2020 год) и до 14,7 млрд к 2023 году.

Рост числа подключений M2M в мире

ABI Research, глобальная консалтинговая компания по изучению рынка технологий, подтверждает в своих последних исследованиях, что китайский производитель Quectel в настоящее время является крупнейшим поставщиком модулей сотового Интернета вещей в мире.
Однако этот успех влечет за собой новые проблемы, поскольку, оказавшись на вершине, единственный путь это вниз. Китайские продавцы понимают, что им необходимо закрепить свой успех, и не могут рассчитывать на большие объемы и низкие цены до бесконечности.

Долгосрочное доверие зависит от качества продукции и надежности поставщика.
Повсеместно начинает действовать более строгий контроль качества и контроль затрат за счет независимого производства, дифференцированного дизайна, международных центров поддержки и целенаправленных усилий по предотвращению ценовых войн.

3 тренда M2M в 2021 году

Этот год и несколько следующих будут захватывающими для M2M. Аналитическое агентство Json & Partners Consulting отмечает следующие тенденций M2M, на которые стоит обратить внимание в этом году и в будущем:

1) 5G

Мгновенная связь, надежные сети, молниеносная скорость загрузки и передачи 5G произведет революцию в том, как потребители используют свои смартфоны, и окажет огромное влияние на все отрасли. По данным годового отчета Cisco по Интернету к 2023 году почти 60 процентов мобильных устройств и подключений во всем мире будут иметь поддержку 4G+, что в несколько раз превзойдет устройства и подключения с поддержкой 3G и ниже.

К 2023 году Северная Америка займет первое место по количеству устройств с подключением к сети 4G+, что составит 62%, в то время как Ближний Восток и Африка к этому времени будут иметь самую высокую долю своих устройств и подключений с поддержкой 3G и ниже, что составит 73%.

По прогнозам GSMA Intelligence количество соединений 5G в России достигнет 46 млн. к 2025 году, что составит 20 процентов от общего числа подключений. Исходя из этого, Россия превысит показатели среднемирового уровня, но все-таки не сможет перегнать Китай, США и Южную Корею на рынке 5G.

2) Терминалы оплаты

Согласно исследованию компании Juniper Research к 2022 году глобальное использование мобильных платежей увеличится на 28% из-за растущей популярности мобильных кошельков и онлайн платежей через приложения.
В 2019 году рынок POS-терминалов с поддержкой NFC показывал уверенный рост, где ежегодные мировые поставки достигали 47,8 млн. устройств. Сегодня производители ПО для POS-терминалов привлекают партнеров, для интеграции своих продуктов со сторонними платформами и увеличения базы пользователей.
Еще одна рекомендация специалистов для вендоров интеграция облачных сервисов с платформой электронной коммерции. Благодаря такому решению ритейлеры смогут использовать преимущества этих омникальных решений.

Европейская финтех-компания MyPoS может превратить Android-смартфоны в PoS-терминалы для небольших предприятий розничной торговли. Бизнесы теперь могут принимать платежи по картам прямо на своих телефонах Android с помощью программного обеспечения PoS MyPoS Glass. Мобильное приложение позволяет совершать платежи с помощью бесконтактных карт и смарт-аксессуаров прямо на мобильном телефоне Android.
Принятые платежи сразу же переводятся на счет бесплатных электронных денег продавца благодаря функции мгновенных расчетов, которую MyPoS предлагает без дополнительных затрат для своих клиентов.


Источник: mypos.eu/en/glass

3) М2М в сельском хозяйстве

Технология M2M не только создает умные города будущего, но и производит революцию в сельскохозяйственном секторе. К 2050 году численность населения мира достигнет 9,6 миллиарда и умные методы ведения сельского хозяйства позволят нам прокормить постоянно растущее городское население, а к концу этого года интеллектуальное сельское хозяйство станет отраслью с оборотом 23 миллиона евро.

Технология M2M позволяет фермерам обеспечивать максимальную урожайность при минимальных ресурсах. Как? Датчики могут удаленно контролировать полевые условия, отслеживая данные по освещению, температуре и качеству почвы. А вот еще несколько примеров от компании Sierra Wireless, которые используются уже сегодня:

• Зеленые дома контролируют микроклиматические условия, для увеличения производства фруктов и овощей.
• Уход за виноградом мониторинг влажности почвы и диаметра ствола на виноградниках.
• Для гольф полей выборочный полив засушливых зон для сокращения использования водных ресурсов.
• Сеть метеорологических станций изучение погодных условий на полях.
• Компост контроль уровня влажности и температуры в люцерне, сене, соломе.
• Гидропоника контроль условий выращивания растений в воде
• Для животноводства обеспечение выживания потомства и его здоровья.
• Отслеживание животных расположение и идентификация животных, пасущихся на открытых пастбищах
• Отслеживание уровня токсичных газов.

У M2M есть еще немало интересных разработок. Некоторые уже работают, но лучшее еще впереди. По мере того как интеллектуальные коммуникационные технологии продолжают совершенствоваться, все больше и больше отраслей будут использовать их огромные преимущества. Благодаря повышенной точности, большей эффективности и большей гибкости компании по всему миру смогут идти в ногу с изменениями в своей отрасли и увеличивать свои доходы, улучшая управление ресурсами.

TLDR: крохотные модельки обошли модные графовые нейронки в предсказании свойств молекул.
Код: здесь. Берегите Природу.

^{ФОТО: Андерс Хеллберг для Wikimedia Commons, модель Грета Тунберг}

Необученная графовая свёрточная нейронная сеть [1] (uGCN) со случайной инициализацией весов уже пару лет занимает первое место в моём списке алгоритмов для задач машинного обучения на графах из-за копеечной стоимости, простоты реализации, да вполне очевидной элегантности решения. В то же время, насколько мне известно, никто ещё не не проводил соревнований между этой простой моделью и её старшей сестрой полноценно обученной графовой свёрточной нейронной сетью (GCN) в режиме обучения с учителем. Вот я сделал.

Мотивация: показать, что uGCN выдаёт качественные представления, которые можно использовать в последующих задачах машинного обучения в индуктивном режиме, когда модели обобщаются к не виденным ранее данным (вдохновлено недавним отчётом [2] о производительности простых моделей в трансдуктивном случае).

Полученные результаты занимательны. В худшем случае простые модели (uGCN + degree kernel + random forest) показали счёт 54:90 против полноценно обученных GCN, в то время как реалистичный сценарий закончился разгромным реваншем 93:51, указывающим на то, что мы можем позволить себе почти бесплатные эмбеддинги, которые превосходят или показывают результаты на уровне полноценно обученных GCN в задаче предсказания свойств графа (например эффекта медикаментов: яд или лекарство) за долю стоимости. Простые модели обучались ~10 минут в то время как весь эксперимент продлился ~4 часа. Перейдём же к деталям и разберёмся с тем, что произошло!

Основные понятия

Многие из важных наборов данных об окружающем нас мире имеют связный характер: социальные сети, графы знаний, взаимодействия белков, всемирная паутина WWW и т.д. (просто несколько примеров) [1].

Граф, обыкновенно записываемый как G=(V, E) это математическая модель, множество множеств, состоящее из набора вершин V и множества рёбер E попарных связей e(i, j) между вершинами i и j. Расширением Графа является модель Граф со Свойствами (Labeled Property Graph), позволяющий задать вектор признаков xi для вершины i (мы также можем определять свойства для рёбер, однако это выходит за рамки сегодняшнего эксперимента). Графовая нейронная сеть [3] (GNN) это модель машинного обучения (параметрическая функция, которая подбирает, другими словами выучивает, параметры из данных), расширяющая возможности хорошо известного семейства алгоритмов, вдохновлённых биологией, до работы с неструктурированными данными в виде графов. На мой взгляд, передача сообщений это самая простая интуиция для понимания механики работы GNN и вполне оправдано обратиться к мнемоническому правилу 'скажи мне, кто твой друг и я скажу тебе кто ты'. Графовые свёрточные нейронные сети (GCN) очень подробно описал их изобретатель здесь (https://tkipf.github.io/graph-convolutional-networks/) и мне, право, непросто что-то ещё добавить к этой замечательной истории.

Дабы не заниматься самоцитированием, предложу читателю ознакомиться с рассказом о том, где и как врубиться в эмбеддинги графов, а также с примером использования GCN в структурном моделировании организационных изменений и ощущениях стейкхолдеров во время кадровых перестановок, неизбежных при внедрении больших информационных систем, вроде SAP. Эти два текста стоит воспринимать как первые главы повествования о методах анализа связанных систем, также там в деталях рассматривается используемая форма математической записи.

Многослойная GCN с фильтрами первого порядка.

Данные

Проведём серию экспериментов на общедоступных данных. Мы обратимся к (i) коллекции TUDatasets [4] и (ii) ограничим наше упражнение задачей бинарной классификации (предсказанием свойств) небольших молекул. Ещё одним условием нашего мероприятия будет (iii) использование графов с признаками вершин.

Заданные ограничения оставляют нам несколько наборов данных, широко используемых для сравнения современных алгоритмов. Вот наш итоговый список: AIDS, BZR, COX2, DHFR, MUTAG и PROTEINS. Все обозначенные наборы данных доступны как часть Pytorch Geometric [5] (библиотека для глубокого обучения на графах) в двух версиях: оригинальной и очищенной от дубликатов [6]. Итого у нас будет 12 датасетов.

AIDS Antiviral Screen Data [7]

Результаты экспериментов по выявлению химических соединений, негативно влияющих на вирус иммунодефицита человека. Представляет собой результат тестирования и химическую структуру соединений не покрытых соглашениями о неразглашении. В оригинальном наборе содержится 2000 молекул, а очищенная версия оставляет нам 1110 точек данных, каждая из которых представляет собой граф, вершины которого описывают 37 признаков.

Benzodiazepine receptor (BZR) ligands [8]

Оригинальный набор содержит 405 молекул, очищенная версия 276, по 35 признаков на вершину.

Cyclooxygenase-2 (COX-2) inhibitors [8]

Оригинальный набор содержит 467 молекул, очищенная версия 237, по 35 признаков на вершину.

Dihydrofolate reductase (DHFR) inhibitors [8]

Оригинальный набор содержит 756 молекул, очищенная версия 578, 35 признаков на вершину.

MUTAG [9]

В наборе содержится 188 химических соединений, разделённых на два класса согласно их мутагенному воздействию на бактерии. В очищенной версии 135 молекул, 7 признаков на вершину.

PROTEINS [10]

Энзимы и не-энзимы. В оригинальном наборе содержится 1113 молекул, по 3 признака на вершину. Очищенная версия 975 структур.

Дизайн Эксперимента

Мы устроим турнир!

Для каждого набора данных проведём 12 раундов обучения и тестирования.

В каждом раунде:

(1) псевдослучайным образом разделим данные в пропорции 80/20 в Pytorch Geometric (начиная со стартового параметра генератора random seed = 42 и увеличивая его на единицу в каждом последующем раунде), таким образом 80% точек данных (графов) будут использованы в качестве обучающей выборки, а оставшиеся 20% будут тестовой выборкой;

(2) обучим модели и оценим долю верных ответов (accuracy) на тесте.

Для простых моделей это значит предобработку для того, чтобы создать признаки, на которых будет обучен классификатор.

Для GCN мы проводим 200 эпох обучения и тестирования со скоростью обучения learning rate = 0.01 и принимаем во внимание:
(А) среднее значение доли верных ответов для 10 финальных эпох обучения реалистичный сценарий;
(В) наибольшее значение доли верных ответов, достигнутое в процессе обучения (как если бы мы сохраняли промежуточное состояние для того, чтобы выбрать наилучшую модель впоследствии) наилучший сценарий для GCN (и наихудший для простых моделей);

(3) лучшей модели присуждается 1 балл;

(4) в случае ничьей балл присуждается лёгкой модели.

Всего будет распределено 288 баллов: 12 датасетов 12 раундов 2 сценария.

Модели

Degree kernel (DK) или степенное ядро гистограмма степеней вершин (количество рёбер, соединённых с вершиной), нормированная к числу вершин в графе (таким образом вектор признаков для каждого графа состоит из размеров долей вершин с количеством связей, равным индексу признака, от всего множества вершин в сумме они дают единицу).

import networkx as nximport numpy as np from scipy.sparse import csgraph# g - граф формате популярной библиотеки NetworkXnumNodes = len(g.nodes)degreeHist = nx.degree_histogram(g)# нормализуемdegreeHist = [x/numNodes for x in degreeHist]

Необученная графовая свёрточная нейронная сеть (uGCN) со случайной инициализацией весов 3 слоя с промежуточной нелинейной активацией (ReLU, т.е. f(x) = max(x, 0)). Аггрегация усреднением полученных после прямого прохода 64-разрядных векторов (эмбеддинги вершин) позволяет получить компактное представление графа. Это на самом деле очень просто.

A = nx.convert_matrix.to_scipy_sparse_matrix(g)

Воспользуемся вариантом реализации одного слоя свёртки в три строки, который пару лет назад предложил iggisv9t :

# A - матрица связности графа# X - матрица признаков вершин (np.array)D = sparse.csgraph.laplacian(A, normed=True)shape1 = X.shape[1]X = np.hstack((X, (D @ X[:, -shape1:])))

(код здесь приводится чтобы подчеркнуть очаровательный минимализм реализации метода)

Разберём его на части и пересоберём заново.

Использованная реализация uGCN выглядит так:

# A - матрица связности графа# X - матрица признаков вершин (np.array)# W0, W1, W2 - случайным образом инициализированные весаD = sparse.csgraph.laplacian(A, normed=True)# слой 0Xc = D @ X @ W0# ReLUXc = Xc * (Xc>0)# конкатенация признаков вершин с аггрегированной информацией соседейXn = np.hstack((X, Xc))# слой 1Xc = D @ Xn @ W1# ReLUXc = Xc * (Xc>0)Xn = np.hstack((Xn, Xc))# слой 2 - эмбеддинги вершинXc = D @ Xn @ W2# аггрегация усреднением - эмбеддинг графаembedding = Xc.sum(axis=0) / Xc.shape[0]

Комбинация DK и uGCN (Mix) конкатенацией представлений графа, полученных с помощью моделей DK и uGCN.

mix = degreeHist + list(embedding)

Для каждой из первых трёх моделей обучаем классификатор случайный лес из 100 деревьев с максимальной глубиной в 17 ветвлений.

Графовая свёрточная нейронная сеть (GCN) полноценно обученный классификатор, состоящий из 3 свёрточных слоёв размерностью 64 с промежуточной нелинейной активацией (ReLU), агрегацией усреднением (до этого момента архитектура GCN очень похожа на uGCN), за которой следует слой регуляризации дропаутом (произвольным обнулением разрядов с вероятностью 50%) и линейный классификатор. Мы будем обозначать результаты модели, отобранные в наилучшем для GCN сценарии (B) как GCN-B, а модели в реалистичном сценарии (А) как GCN-A.

Результаты

После 144 раундов (12 датасетов * 12 раундов) сравнения качества предсказаний на отложенной выборке между простыми моделями и полноценно обученными графовыми свёрточными сетями 288 баллов распределились как:

147:141

Доля верных ответов на тестовых выборках варьировалась между раундами и частенько случались ситуации, в которых простые модели доминировали над более сложными противниками.

Наборы данных, в которых простые модели побеждают: AIDS, DHFR(A) и MUTAG.

Например, DK собрала все 48 баллов для набора данных AIDS, демонстрируя отрыв более чем на 10% (абсолютное значение) от доли верных ответов полноценно обученной GCN.

Здесь побеждают GCN: BZR, COX2 и PROTEINS.

Индивидуальный зачёт:
90 GCN-B;
71 DK;
55 Mix (uGCN + DK);
51 GCN-A;
21 uGCN.

Достаточно подробный протокол соревнований приведён в блокнотике с кодом, таблица с результатами раундов здесь.

В целом, результаты стабильно варьировались между очищенными и оригинальными наборами данных. Это ещё раз напоминает о важности качества данных для проведения адекватных сравнений между моделями. Хорошая новость в том, что в исследовательском сообществе уже есть движение в данном направлении и значительные усилия лучших умов в области уже направлены на организацию честных турниров.

Выводы

Как видим, проведенный эксперимент подтверждает предположение о том, что в задаче предсказания свойств молекул мы можем позволить себе использовать почти бесплатные эмбеддинги, которые превосходят или показывают результаты на уровне полноценно обученных нейронных сетей. Наблюдения согласуются с вдохновляющими этот эксперимент результатами [2] в том, что концептуально метод Label Propagation очень похож на передачу сообщений в графовой свёрточной нейронной сети. Объяснение эффективности скорее всего следует искать в том, что на самом деле мощнее подбирать параметры фильтров для того, чтобы внутренние представления, выученные сетью стали линейно разделимыми, либо же просто использовать классификатор помощнее, как это сделано в рассмотренном примере.

Дисперсия результатов между раундами соревнования напоминает о том, что всякое сравнение дело непростое. Здесь стоит упомянуть Free Lunch Theorem и напомнить о том, что использовать сразу несколько моделей в построении решения скорее хороший тон. Также важно отметить влияние разбиения на выборки в ходе сравнения на одном и том же наборе данных одна и та же модель может показывать очень разное качество. Поэтому сравнивая модели, убедитесь, что обучаете и тестируете их на идентичных выборках. К слову, фиксация параметров генератора псевдослучайных чисел не панацея

Дальнейшими шагами может быть сравнение производительности моделей в рамках наборов данных больших размеров. Также стоит проверить результаты и в других задачах, таких как: предсказание связи, классификация вершин, регрессия на графах, и прочих графовые нейронные сети (как обученные, так и просто так) на многое способны.

Послесловие

В лекции открытого курса по графам знаний GCN названа Королевской Лазейкой Через Пространство Фурье, этот ярлык приклеился с тех пор, когда впервые выступил на публике с рассказом о силе графов и провёл первые эксперименты с классификацией картинок (как графов) для того, чтобы продемонстрировать мощь спектральных фильтров одной юной леди, запускавшей стартап в милой моему сердцу аэрокосмической области. Данная заметка появилась в результате того, что пару недель назад в реальной задаче на закрытых данных uGCN, вместе с простенькими моделями показали результат, который полноценно обученные GCN смогли превзойти всего на 2% (96 против 98) и мне вздумалось проверить вопрос о том, кто кого заборет ещё на каких-нибудь данных.

В наши дни машинное обучение на графах превратилось в знаменитость, всё больше исследователей обращают внимание на эту область и новые архитектуры графовых нейронных сетей появляются каждую неделю. Однако на самом деле мы ещё не очень хорошо понимаем почему GNN так успешны и нужны ли они для хорошего качества решения [2].

Перед тем, как ступать на очаровательный путь машинного обучения на графах, пожалуйста ознакомьтесь с основами этого дела. Значительные усилия прилагаются к тому, чтобы сделать новейшие достижения (да и классические методы тоже) доступными широкой аудитории совершенно бесплатно. Упомяну лишь несколько из таких инициатив: материалы и лекции стенфордского cs224w, площадку для тестирования качества алгоритмов Open Graph Benchmark [14] и недавнюю работу об основах геометрического глубокого обучения [15] методологию разработки новых архитектур нейронных сетей. Напоследок, ещё раз напомню о том, что начинать проекты машинного обучения стоит с простых методов, вроде ядер и необученных графовых свёрточных сетей достаточно часто эти модельки показывают неприлично хороший уровень.

Берегите Природу, используйте алгоритмы эффективно. Порою неученье сила.

Литература

[1] Kipf & Welling, Semi-Supervised Classification with Graph Convolutional Networks (2017), International Conference on Learning Representations;
[2] Huang et al., Combining Label Propagation and Simple Models out-performs Graph Neural Networks (2021), International Conference on Learning Representations;
[3] Scarselli et al., The Graph Neural Network Model (2009), IEEE Transactions on Neural Networks ( Volume: 20, Issue: 1, Jan. 2009);
[4] Morris et al.,TUDataset: A collection of benchmark datasets for learning with graphs (2020), ICML 2020 Workshop on Graph Representation Learning and Beyond;
[5] Fey & Lenssen, Fast Graph Representation Learning with PyTorch Geometric (2019), ICLR Workshop on Representation Learning on Graphs and Manifolds;
[6] Ivanov, Sviridov & Burnaev, Understanding isomorphism bias in graph data sets (2019), arXiv preprint arXiv:1910.12091;
[7] Riesen & Bunke, IAM Graph Database Repository for Graph Based Pattern Recognition and Machine Learning (2008), In: da Vitora Lobo, N. et al. (Eds.), SSPR&SPR 2008, LNCS, vol. 5342, pp. 287-297;
[8] Sutherland et al., Spline-fitting with a genetic algorithm: a method for developing classification structure-activity relationships (2003), J. Chem. Inf. Comput. Sci., 43, 1906-1915;
[9] Debnath et al., Structure-activity relationship of mutagenic aromatic and heteroaromatic nitro compounds (1991), J. Med. Chem. 34(2):786-797;
[10] Dobson & Doig, Distinguishing enzyme structures from non-enzymes without alignments (2003), J. Mol. Biol., 330(4):771783;
[11] Pedregosa et al., Scikit-learn: Machine Learning in Python (2011), JMLR 12, pp. 2825-2830;
[12] Waskom, seaborn: statistical data visualization (2021), Journal of Open Source Software, 6(60), 3021;
[13] Hunter, Matplotlib: A 2D Graphics Environment (2007), Computing in Science & Engineering, vol. 9, no. 3, pp. 90-95;
[14] Hu et al., Open Graph Benchmark: Datasets for Machine Learning on Graphs (2020), arXiv preprint arXiv:2005.00687;
[15] Bronstein et al., Geometric Deep Learning: Grids, Groups, Graphs, Geodesics, and Gauges (2021), arXiv preprint arXiv:2104.13478.

Всем, кто следит за релизами яблочного гиганта, известно, что следующими наушниками от Apple, с высокой вероятностью, станут полноразмерные AirPods Studio. Релиз многие ожидали в июне, но долгожданной презентации так и не произошло. В этой связи особенно интересно, что среди патентов компании, зарегистрированных в этом году, числится уже два, связанных с полноразмерными наушниками. Оба патента касаются сенсорного управления гаджетом. Под катом подробнее о новом патенте компании.

Что известно о новом патенте и о чем был предыдущий?

Первый патент этого года, связанный с наушниками, был опубликован в феврале. Он описывал управление полноразмерными наушниками при помощи жестов. Новый
патент 10,721,550, по данным Patently Apple, описывает технологию распознавания. Инновация предполагает, что наушники будут определять своё положение при вращении и корректировать сенсорное управление. Вероятнее всего, программная часть устройства будет принимать данные с гироскопов, размещенных в чашках наушников, и исходя из этих данных делают вывод о положении устройства.



Идея состоит в том, чтобы наушники позволяли использовать привычные жесты даже в том случае, если оголовье находится где нибудь в области шеи. В заявке на патент размещены изображения наушников (в частности, вид сбоку) и указаны направления привычных жестов управления. Нововведение, наверняка, оценят те, кто не хочет отвыкать от привычных действий и при этом получить максимальный уровень комфорта, не меняя привычек.

Известно, что даже не очень тяжелые наушники при длительном ношении способны вызвать дискомфорт в области оголовья, для чего его нередко перемещают в область шеи и дают голове отдохнуть. В этом случае без новой технологии требовалось бы корректировать привычные жесты для управления воспроизведением или громкостью. Продумав эту ситуацию, инженеры Apple решили сделать жесты независимыми от вращения наушников.

Насколько вероятно появление новой технологии в первой версии AirPods Studio?

Наверняка знают только в Apple, но если сопоставить не случившийся релиз и обнародование нового патента, то можно сказать, что вероятность относительно высока. В патенте нет упоминаний о внешнем виде нового устройства или каких-то значимых особенностей, из которых можно было бы сделать вывод о том, в какое именно устройство попадёт инновация.

Рискну предположить, что в силу того, что с технической стороны решение достаточно простое, а с функциональной полезное и создающее ощутимую ценность, инновацию точно реализуют, и вполне вероятно, что это будет первая версия AirPods Studio. О реализации решения в первой версии говорит и то, что для устройства в новом для Apple формате нужна некая впечатляющая функциональная фишка, которая не была использована другими производителями.

Итог

Мои постоянные читатели знают, что я редко хвалю Apple и в сердцах иногда называю гиганта из Купертино техно-коммерческой сектой. В данном же случае я констатирую, что идея яблочных инженеров действительно стоит реализации, она впечатляющая, при этом до гениальности простая. Я, как и убежденные яблофаги, очень жду появления наушников с полноразмерным формфактором, от Apple. Идеи которые планируется в них реализовать, мне представляются действительно полезными для пользователей. Искренне надеюсь, что полезные функции устройства будут доступны не только пользователям яблочной экосистемы.

Реклама
Мы продаем электронику, в нашем каталоге много разного, в том числе наушники. Не исключено, что новинка от Apple появится в нашем каталоге (если так произойдёт, мы напишем об этом).

Всем, кто следит за релизами яблочного гиганта, известно, что следующими наушниками от Apple, с высокой вероятностью, станут полноразмерные AirPods Studio. Релиз многие ожидали в июне, но долгожданной презентации так и не произошло. В этой связи особенно интересно, что среди патентов компании, зарегистрированных в этом году, числится уже два, связанных с полноразмерными наушниками. Оба патента касаются сенсорного управления гаджетом. Под катом подробнее о новом патенте компании.

Что известно о новом патенте и о чем был предыдущий?

Первый патент этого года, связанный с наушниками, был опубликован в феврале. Он описывал управление полноразмерными наушниками при помощи жестов. Новый
патент 10,721,550, по данным Patently Apple, описывает технологию распознавания. Инновация предполагает, что наушники будут определять своё положение при вращении и корректировать сенсорное управление. Вероятнее всего, программная часть устройства будет принимать данные с гироскопов, размещенных в чашках наушников, и исходя из этих данных делают вывод о положении устройства.



Идея состоит в том, чтобы наушники позволяли использовать привычные жесты даже в том случае, если оголовье находится где нибудь в области шеи. В заявке на патент размещены изображения наушников (в частности, вид сбоку) и указаны направления привычных жестов управления. Нововведение, наверняка, оценят те, кто не хочет отвыкать от привычных действий и при этом получить максимальный уровень комфорта, не меняя привычек.

Известно, что даже не очень тяжелые наушники при длительном ношении способны вызвать дискомфорт в области оголовья, для чего его нередко перемещают в область шеи и дают голове отдохнуть. В этом случае без новой технологии требовалось бы корректировать привычные жесты для управления воспроизведением или громкостью. Продумав эту ситуацию, инженеры Apple решили сделать жесты независимыми от вращения наушников.

Насколько вероятно появление новой технологии в первой версии AirPods Studio?

Наверняка знают только в Apple, но если сопоставить не случившийся релиз и обнародование нового патента, то можно сказать, что вероятность относительно высока. В патенте нет упоминаний о внешнем виде нового устройства или каких-то значимых особенностей, из которых можно было бы сделать вывод о том, в какое именно устройство попадёт инновация.

Рискну предположить, что в силу того, что с технической стороны решение достаточно простое, а с функциональной полезное и создающее ощутимую ценность, инновацию точно реализуют, и вполне вероятно, что это будет первая версия AirPods Studio. О реализации решения в первой версии говорит и то, что для устройства в новом для Apple формате нужна некая впечатляющая функциональная фишка, которая не была использована другими производителями.

Итог

Мои постоянные читатели знают, что я редко хвалю Apple и в сердцах иногда называю гиганта из Купертино техно-коммерческой сектой. В данном же случае я констатирую, что идея яблочных инженеров действительно стоит реализации, она впечатляющая, при этом до гениальности простая. Я, как и убежденные яблофаги, очень жду появления наушников с полноразмерным формфактором, от Apple. Идеи которые планируется в них реализовать, мне представляются действительно полезными для пользователей. Искренне надеюсь, что полезные функции устройства будут доступны не только пользователям яблочной экосистемы.

Реклама
Мы продаем электронику, в нашем каталоге много разного, в том числе наушники. Не исключено, что новинка от Apple появится в нашем каталоге (если так произойдёт, мы напишем об этом).

О том, что купертинский гигант собирается обрадовать любителей хорошего звука полноразмерной версией AirPods мировая пресса пишет давно. Недавно в СМИ появилась информация о том, что релиз запланирован на ноябрь текущего года, однако такие заявления звучат с 2018-го года. У меня, к сожалению, нет инсайдов относительно даты выхода новинки, между тем, новый аудиогаджет от Apple в высшей степени интересен как первый опыт с полноразмерным форм-фактором в истории компании. В этом посте я решил собрать разрозненные сведения о будущем устройстве, чтобы получить представление о том, чего нам ждать в ближайшем будущем.

Ранние прогнозы

Впервые о выпуске полноразмерных AirPods заговорили в 2018-м году, когда аналитик KGI Securities Минг-Чи Куо (Ming-Chi Kuo) рассказал, что помимо новой внутриканальной версии беспроводных наушников AirPods, в Apple разрабатывают полноценные полноразмерные наушники с принципиально новым дизайном. Некоторые ресурсы, основываясь на словах аналитика, даже заявили, что релиз ожидается в 2018-м году. Эти заявления оказались ошибочными. О форме и характеристиках в сообщениях 2018-го года ничего не упоминалось.

Инсайды Марка Гурмана

В 2019-м информацию о планирующемся выходе полноразмерных беспроводных наушников Apple подтвердил колумнист издания Bloomberg, Марк Гурман. По сведениям Гурмана, наушники предположительно будут созданы на базе чипсета Apple W2, будут иметь открытое акустическое оформление, а также получат систему активного шумоподавления.

В апреле Гурман сообщил, что, по его сведениям, яблочная компания намерена выпустить целых 2 модели полноразмерных наушников в 2020-м году. Так, журналист сообщил, что будут представлены премиум-версия с амбушюрами из кожи и более простая, адаптированная для занятий спортом.

Патенты

В феврале текущего года было опубликовано несколько патентов, которые, предположительно, касаются новой разработки. Так, патент 10,721,550 описывал управление полноразмерными наушниками при помощи жестов, в котором технология распознавания определяет положение устройства относительно пользователя при вращении и позволяет корректировать сенсорное управление.



Позже, в июле, были опубликованы патенты, позволяющие предположить, что оголовье будет оснащено осью вращения, а также, что в конструкции оголовья будет использована телескопическая система изменения высоты посадки чашек, что позволит сделать девайс достаточно мобильным.





Также, согласно июльским патентам, яблочная компания, возможно, оснастит свои наушники тонкими амбушюрами с текстильным слоем.

Апрельские разведданные Bloomberg

В апреле 2020-го также появилась новость о том, что наушники получат модульные элементы. Так, накладка на оголовье и амбушюры устройства будут представлять собой сменные модули, которые крепятся при помощи магнитов. Также инсайдеры издания поведали, что наушники будут оснащены системой активного шумоподавления.

Сливы от Fudge

Слитые в сеть пользователем твиттера под ником Fudge, фото и видео наушников в целом совпадают с информацией о некоторых патентах Apple. Это позволяет говорить, что перед нами либо прототип устройства, либо уже окончательная версия. Если верить Fudge, то можно с уверенностью говорить, что прогноз относительно телескопической части оголовья оправдался.



Судя по тому, что можно разглядеть на видео, новые наушники будут иметь специальный футляр для транспортировки.

Ноябрь или март

Презентация AirPods Studio, запланированное, якобы, на 17 ноября, может и не состояться. Многие из тех, кто живо интересуется датой выхода устройства, называют временем выхода март 2021 года, ссылаясь на инсайдеров в компании. Среди тех, кто называет апрель датой выхода нового устройства авторитетный инсайдер Джон Проссер, он называет даже дату выхода наушников 16 марта 2021-го года. Предположительной причиной затягивания с выпуском устройства осенью текущего года, очевидно, стала вторая волна коронавирусной пандемии (хотя это не помешало яблочной компании презентовать другие продукты).

В сухом остатке

В итоге, мы можем говорить, что с высокой вероятностью новые наушники Apple Studio будут иметь закрытое акустическое оформление (по крайней мере, устройство на видео и фото явно закрытого типа, вопреки информации 2018-го года), телескопическое оголовье, магнитную фиксацию модулей (накладки на оголовье и амбушюров). Также устройство будет оснащаться активным звукоподавлением, возможно, будет снабжено системой отслеживания положения на пользователе. Электронной базой устройства станет чипсет Apple W2. Ожидается два варианта, один премиальный, второй спортивный. Вероятно, что отличия в эргономике будут варьироваться в зависимости от сменных взаимозаменяемых модулей (амбушюр, накладок оголовья).

Вторичное использование органических отходов это часть решения экологических проблем, связанных с глобальным загрязнением. Одно из решений проблемы применение человеческих волос для производства гибких дисплеев. О разработке соответствующей технологии в этом году заявила группа австралийских ученых: Доцент Прашант Сонар, профессор Кен (Константин) Остриков, аспирант Амандип Сингх Панну, профессор Цинь Ли. Основная группа разработчиков трудятся в Квинслендском технологическом университете (QUT). Технология представляет собой превращение небольших прядей волос в углеродные наноточки.



Ученые утверждают, что, в связи с насыщенностью волос такими химическими элементами как углерод и водород, они хорошо подходят в качестве сырья для создания дисплеев по технологии OLED. Под катом немного подробностей о том, каким образом можно превратить человеческие волосы в высокотехнологичный компонент.

Почему волосы?

По словам исследователей, они использовали волосы для создания углеродных наноиточек в силу того, что именно они являются естественным источником углерода и азота, ключевых элементов для создания светоизлучающих элементов. Волосы состоят из белков (полимеров аминокислот), в числе которых кератин. Последний разрушается при контролируемом нагреве. Оставшийся после термического разрушения материал включает углерод и азот, встроенные в его молекулярную структуру, что обуславливает полезные электронные свойства.



В настоящий момент исследователи тестируют шерсть животных, чтобы понять, может ли она использоваться таким же образом, как человеческие волосы и пригодна ли для создания гибких OLED-дисплеев. В тестах используют шерсть овец и собачью шерсть, как наиболее распространенные в Австралии.

Технология и свойства продукта

Технологическая цепочка начинается в парикмахерской, где можно найти избыточное количество сырья. В случае с разработчиками, источником сырья стал ближайший к исследовательскому центру салон Бенджамина Мира.



Собранные волосы обрабатываются, а затем разрушаются при температуре 240 Градусов Цельсия. В процессе сгорания образуются углерод, водород и азот, которые путём специальной реакции превращают элементы в углеродные наноточки с размером менее 10 нм. Наноточки, равномерно диспергированные в полимере, образуют наноостровки, которые при подаче небольшого напряжения (3 4 В) светятся синим. Таким образом, новый материал представляет собой активный слой дисплея на органических светодиодах (OLED).

Профессора Сонар и Остриков, которые руководят исследованиями в Центре материаловедения QUT, утверждают, что их исследование и технология, опубликованные в журнале Advanced Materials это первый в мире опыт использования человеческих волос в качестве высоколюминесцентного углеродного наноматериала. Одним из свойств нового материала является эластичность.

Что разработчики думают о перспективах материала

Согласно сведениям отчета IDTechEx гибкие печатные OLED-дисплеями 2020-2030: прогнозы, рынки, технологии, применимая в промышленности технология использования волос, может быть разработана австралийцами ещё до завершения текущего года. Это открывает большие перспективы для устройств на их основе.

По мнению одного из руководителей исследовательской группы профессора Сонар, органические отходы являются большой проблемой и светоизлучающие устройства на их основе при массовом применении могут стать одним из решений. По его мнению, технология будет применима в таких сегментах как носимая электроника, вывески, умные браслеты.Также, по словам Сонора, технология очень недорогая, учитывая практически дармовое сырье, в связи с этим гибкие и дешевые OLED-дисплеи имеют большое будущее для умной упаковки, в качестве примера умная бутылка молока, на дисплее которой в реальном времени отображается время с момента производства. Исследователи убеждены, что такие дисплеи будут востребованы в медицинской технике, в силу нетоксичности получившегося материала.

На текущий момент углеродные наноточки, полученные из человеческих волос, не смогут использоваться в телевизорах, смартфонах, так как светятся недостаточно ярко.

Итог

Вполне вероятно, что мы скоро увидим новые устройства, оснащенные новыми дисплеями. Не исключено, что технологию можно будет адаптировать для телевизионной техники, если будет найден способ увеличить яркость. Напишите в комментах, где по вашему можно эффективно использовать новый продукт.

Джинса:
У нас в каталоге можно приобрести множество разнообразной электроники, акустические системы, наушники, саундбары, телевизоры и другое.

Этими винтами хочется попадать в нужное место кости очень точно и под очень правильным углом.

Привет, Хабр! Меня зовут Гусейн, я стоматолог, который специализируется на сложной ортодонтии перемещении зубов. В общем, я в соавторстве ещё с парой итальянских коллег и одним немецким изобрёл математическую модель расчёта оптимального места под винты, которые мы вкручиваем в нёбо, используя их как опору для аппаратов. И такой метод их вкручивания, что врачу не остаётся почти никакого шанса на ошибку. И техническую реализацию всего этого.

Коротко это выглядит так: делаем оптический слепок рта внутриротовым сканером изнутри, накладываем поверх этого данные КТ, загоняем в аналог Архикада для ортодонтов (Dolphin), совмещаем, рассчитываем оптимальное место для имплантов мини-винтов, печатаем навигационный шаблон из пластика и выпекаем лазером аппарат, потом вставляем одно в другое, потом вкручиваем это в пациента и радуемся. Получается идеальная точность. А это, знаете ли, важно, когда вы решаете взять и раздвинуть кости черепа ребёнку.

Зачем раздвигать нёбо ребёнку? Потому что так получилось, что детям нужно дышать. И иногда из-за неправильного развития мышц или генетики нёбо получается не той формы, чтобы кислород в достаточном количестве попадал к мозгу. Ребёнок начинает отставать в развитии и приобретает вид юного алкоголика (я имею в виду мешки под глазами).

Раньше винты вкручивали на глаз, и это было более травматично и немного неточно. Чуточку. Раз в пять. Под катом будет несколько фотографий фрагментов головы человека с не совсем привычных ракурсов, поэтому, если вы кушаете, то, возможно, стоит сначала доесть, а потом открывать пост.

А я предупреждал! Вот нёбный расширитель:



Винты сверху в кости и молочные зубы по бокам это точки крепления. Устройство с винтовым механизмом в середине двигает кости, создавая давление примерно две недели.

Что вообще происходит

Я работаю в клинике Белая радуга в Москве и преподаю в Италии. Клиника в Москве входит в верхние 2 % самых технологических стоматологий мира. Мы решаем разные проблемы, адаптируя то, что изобретают учёные в других областях науки. То есть я занимаюсь предельно прикладными аспектами медицины, инженерии и разработки. Я детский ортодонт, хирург со степенью Phd и Msi Sapienza university. Ещё я участвовал в разработке разного софта для клиник по всему миру, но при этом я не разработчик. Я умею писать скрипты, умею строить математические модели для биомеханики, умею описывать то, что мне нужно как врачу, то есть скорее выступаю в роли аналитика. Одна из самых интересных задач, которую мы решали за последние годы, это снижение рисков при установке нёбных имплантов у детей. Сейчас постараюсь рассказать, что для этого нужно. Моя прикладная область называется Навигационная ортодонтия, и в 2022 году у меня выходит научная публикация в Американском журнале ортодонтии и челюстно-лицевой ортопедии (AJO-DO).

Зачем вообще вкручивать винты детям в нёбо

Потому что верхняя челюсть становится иногда слишком узкой. Это влияет на положение зубов, прикус, положение костей черепа, создаёт проблемы в шее и ещё мешает дышать.

Всё это случается потому, что мы едим слишком мягкую пищу. С момента, когда человек изобрёл огонь, стоматологи начали жаловаться на прогресс. Мягкая пища означает ослабление мышц. Я видел реконструкцию процесса жевания у наших предков первобытных людей: у них в процессе пережёвывания были задействованы даже мышцы шеи, плеча (!) и височные сразу. Сейчас можно посмотреть нечто отдалённо похожее в Австралии, где аборигены едят кенгуру на камеру.

Сильные мышцы формируют строение черепа, выступая такими растяжками где нужно. Тысячелетия эволюции на мягкой пище привели к тому, что теперь примерно у 80 % детей есть врождённая тенденция к зауженной верхней челюсти. Это само по себе ещё не проблема, потому что тенденция не означает, что челюсть будет узкой. Важно, какую пищу потребляет ребёнок, пока растут кости его черепа. В некоторых случаях получается так, что долгое пользование соской, неправильные привычки и много-много готовых смесей не дают мышцам развиться правильно.

Итог верхняя челюсть получается уже, чем нужно физиологически. Само по себе это обычно создаёт только проблемы с неверным прикусом, потому что зубам мало места на челюсти. В лёгкой форме это приводит к эстетическим нарушениям вроде скученности зубов. Когда у девочки получается асимметричное лицо, это родители обычно замечают. У мальчиков реже. С точки зрения медицины такие формы можно не исправлять.

Дальше интереснее. Если продолжить сужать челюсть, то это будет означать высокое нёбо, которое образует такую горку, упирающуюся в верхние дыхательные пути. Весь тот объём, который поднялся вверх, означает сужение дыхательных путей. Следствие развивается ротовое дыхание, то есть без носа. Рот сделан не для того, чтобы дышать, точнее, это в нём не главное. Дышать надо носом. Ротовое дыхание приводит к большему количеству болезней (особенно при сухом воздухе). Холодный воздух попадает в дыхательные пути без полной подготовки, без иммунного воздействия и очистки. Такие дети иногда дышат только ртом: видели когда-нибудь, как ребёнок часами и днями сидит с открытым ртом? Пациенты с лёгкой и средней стадиями стали попадать ко мне только в последние годы. До этого чаще всего родители приводили детей с тяжёлой стадией.

Тяжёлая стадия это когда кислорода попадает в мозг уже настолько мало, что это прямо заметно. И не по успеваемости в школе, а по мешкам под глазами (как будто ребёнок не спал). Это связано с тем, что в верхних дыхательных путях есть соединение с фронтальным синусом, который прямо влияет на оксигенацию мозга. Ребёнок страдает постоянными ринитами, постоянно сидит с открытым ртом, плохо бегает (мягко говоря), у него обычно удлинённое лицо и маленькие ноздри, по ночам он плохо спит и часто скрежещет зубами. Если вы сейчас вдруг начинаете думать про свою оксигенацию или оксигенацию своих детей (привет искривлённым перегородкам носа), то успокойтесь: этот диагноз заметен сразу. Если вы дочитали аж до этого места без того, чтобы отвлечься поспать от напряжения, у вас этого нет.

Так вот, лечение довольно простое. Нужно взять железку, упереть её в нёбо и растянуть его в стороны. Занимает это примерно две недели, потому что достаточный уровень давления на пластичные детские кости позволяет в трипятьсемь лет сделать это очень просто и быстро.





Вот эта щель у детей спокойно зарастает сама, и зубы сдвигаются, закрывая щель. Свистеть и плевать удобно только около месяца, потом там образуется совершенно нормальная ткань, и выглядит всё эстетично. Потому что там очень хорошо работает естественная регенерация. Ниже покажу наблюдения за пациентами, там это будет хорошо видно. У взрослых тоже регенерирует, это часто используется в пластике лица для исправления подбородка и овала лица в целом.

Естественно, что эта железка создаёт давление не только на нёбо, но и на точки опоры. И есть ситуации, когда опираться на молочные зубы означает вывернуть всю челюсть. С инженерной точки зрения было бы замечательно помещать голову ребёнка во внешний металлический каркас и опираться на него, но это малореалистично.

Поэтому давайте переедем к практическим аспектам крепления импланта не нового зуба, а мини-винта, который будет вкручен в кость, чтобы создать точку опоры в ротовой полости. На него встанет аппарат, который будет раздвигать нёбо.

Начинается лечение

Узкая верхняя челюсть также означает меньшее место для зубов. То есть они будут скручены и вверху, и внизу. Потому что нижняя челюсть подстраивается под верхнюю. Щёчный наклон задних зубов на 1 градус равняется 0,8 миллиметра по альвеолярной дуге. Поэтому очень хорошо, когда получается за одно вмешательство не только исправить нёбо, но ещё и не создать повода для трёх новых вмешательств. То есть если можно закрепить аппарат так, что создаваемое им давление на зубы не ухудшит ситуацию с ними, а улучшит, это отлично!

В пятьдевять лет идеально ставить конструкцию на молочные зубы. Мы с коллегами рассчитали биопору, когда она фиксируется не на два зуба, а на четыре, что позволяет не выталкивать зубы за пределы кости, что впоследствии создаёт дополнительные сложности. Молочные зубы, конечно, немного вращаются, но их после лечения можно просто выкинуть в тазик. Потому что они молочные, и на их место придут потом нормальные постоянные.

Младше пяти лет вмешательство проводится крайне редко. Старше девяти лет нужны дополнительные точки опоры, потому что, даже если есть молочные зубы, то они обычно не подходят: корни уже рассосались или почти рассосались. Но это зависит от конкретного пациента; конечно, иногда и в 11 лет можно опереться на молочные зубы.





Само расширение идёт 10 дней, но опора стоит восемь месяцев, чтобы костная ткань полностью регенерировала и наросла.



Современная медицина направлена на супернеинвазивность. Мы предотвращаем коллатеральные эффекты. Давление 500600 Ньютонов в течение восьми месяцев выталкивает постоянные зубы за кортикальную кость.

Иногда приходят дети без молочных зубов (то есть крепиться вообще не на что) нам нужны клыки чаще всего. Иногда приходят взрослые, у которых к зубам крепиться нельзя. Иногда имеющиеся зубы не выдержат давления. Поэтому мы ставим два импланта-винта в нёбо и крепимся вот так:



Возможно, у вас уже возник вопрос, почему оптимальный выбор именно ортодонтические импланты-винты. Дело в том, что дальше по коррекции они всё равно будут нужны вращать моляры. Нет разницы, ставить на них конструкцию для расширения нёба, а потом конструкцию для коррекции зубов либо придумывать косой способ закрепить нёбную конструкцию, а потом всё равно ставить винты для вращения зубов.



Поэтому мы просто убираем одну конструкцию для нёба. Модифицируем и ставим другую:



И вот так вращаем зубы, приводя их в физиологически правильное положение. В результате ребёнок нормально дышит, нормально жуёт, у него не выпячивается подбородок, не перекашивает лицо, и он счастлив. Особенно если сказать ему, что у других детей такой штуки нет и никогда не будет. Он ею в детсаду хвастается.

Теперь сложности операции

Для взрослых мы делаем КТ с хорошим разрешением, затем получаем рендер ротовой полости и проектируем там конструкцию так, чтобы она идеально соответствовала взрослому. Лучевая нагрузка на нашем цифровом аппарате равняется примерно двум-трём часам полета в самолёте, то есть минимальная.

Если ставим ребёнку расширитель без мини-винтов, то можно обойтись только виртуальным слепком ротовой полости, но лучше иметь больше данных. Мы смотрим по конкретному случаю пациента. Если мини-винты нужны, то без томографии никак. КТ помогает выбрать наиболее толстое место в кости подальше от сосудов.

Раньше использовали слепки. Их не любят пациенты из-за неудобства во время процедуры и рвотного рефлекса, а врачи из-за низкой точности и увеличенных сроков реализации лечения. Мы используем фотограмметрию: вводим в рот сканер, он там снимает панораму 360 градусов, а потом по ней воссоздаётся 3D-объект.

Когда есть и КТ, и фотограмметрия, это ещё лучше: так я проектирую очень сложные работы взрослым.

Совмещение трёх слоёв работает так: на КТ видны сосуды и кости, на фотограмметрии видны мягкие ткани и дентин, а моя модель имплантов совмещается с виртуальной ротовой полостью пациента.

Раньше эта модель печаталась на 3D-принтере, и потом вручную инженер в Италии изготовлял конструкцию. Коричневая штука в середине это как раз распечатанная модель челюсти, к которой инженер приделывает то, что сделал сам:



Если ошибиться с углом входа винтов или их положением, то аппарат встанет криво и создаст неверное давление на зубы и кости. Поэтому чем точнее, тем лучше. Собственно, поэтому мы с коллегами решили делать навигационные шаблоны:



Это ещё одна деталь с 3D-принтера, которая соответствует нёбу и верхней челюсти. В ней два слота под винты-импланты. Я просто вкладываю её в рот пациенту и вкручиваю винты. Уверен, что с этим справится любой врач. Собственно, ради повышения качества операции мы это и делаем.

Проблема в том, что нужно иметь и импланты, и конструкцию, и навигационный шаблон сразу. Да, сегодня можно сделать диагностику, завтра вкрутить только винты со слотами для крепления аппарата, а потом через пару недель поставить конструкцию. Но зачем, когда есть технология лазерного спекания металла?

Мы можем делать такое за сутки. Буквально. Днём диагностика, потом проектирование, проверка, спекание в лаборатории, навигационный шаблон на 3D-принтере, утром установка мини-винтов и аппарата. Сейчас это дороже классического метода, но по мере развития софта и распространения устройств для получения изделий нужной формы будет дешевле. И в процессе на четыре визита пациента меньше.

В рамках эксперимента я попросил своего лучшего техника в Италии сделать конструкцию как можно быстрее. У нас было два пациента в один день, для одного делал работу робот, для второго техник. Я сделал два похожих моделирования: один набор файлов ушёл технику, второй в лабораторию к роботу. Техник сделал за три дня, потом ещё день проверял точность, потом сказал, что меньше чем за неделю больше делать не будет. Робот выиграл. Единственное, чего он не может, это подправить изделие напильником, но это и не нужно теперь. Но иногда сочетание техника для суперсложных случаев с заготовкой от робота прекрасно работает.

Конструкции под молочные зубы делаются только роботом, дизайн с моим скриптом занимает около пяти минут. С микроимплантами всё ещё есть работа руками на сборку аппарата из нескольких деталей и крепление их друг к другу.

Ещё одна важная особенность уже для других операций техник в любой точке мира может изготовить аппарат в программе и отправить мне файл, а я могу, получив файл в Москве, сделать изделие в лаборатории с лазерной пайкой. Приезжает через несколько часов.

Итог

Приходит ребёнок с родителями. Проводим диагностику, подтверждаем чаще всего либо синдром напёрстка, либо перекрёстный прикус слева или справа. Это показание на такое лечение. Проводим фотограмметрию сканером CEREC, изучаем все показания. Обсуждаем с родителями ход вмешательств. Немного пугаем счётом.

Затем выбираем метод крепления конструкции: биопора на молочные зубы, сложные способы на молочные зубы или на зубы и микроимпланты. Если импланты проектируем их в виртуальной ротовой полости, затем моим софтом автоматически генерируется навигационный шаблон. Получаем из файлов шаблон на 3D-принтере и конструкцию на лазерном станке. При необходимости дособираем конструкцию. Ставим импланты, на них ставим конструкцию.

Контролируем пациента: обычно просвет между передними зубами закрывается через два месяца, тогда же кальцинируется разрыв сверху. Через восемь месяцев там нормальная костная ткань. Всё это время мы следим за тем, как изменяются носовая полость, дыхательные пути, как идёт репозиция верхней челюсти относительно черепа и как за ней следует нижняя, как идёт гармонизация лица за счёт правильной физиологии. У взрослых это убирает ещё и дисфункцию сустава, что снимает боль в шее. Правда, по опыту постоянная ноющая боль обычно беспокоит взрослых не так, как перекошенное лицо.

Примерно в 60 % случаев после окончания работ с нёбом нужна докоррекция одного или двух зубов. Если были импланты, то используем их же как точку опоры. Обычно отпиливаем задние лапки от расширителя и используем элемент как нёбную платформу.

Я один из четырёх разработчиков этой системы в целом (трое из нас в Италии, один в Германии). Мы сделали софт для расчётов, оценили все возможные варианты позиционирования микроимплантов, разработали моделирование навигационных шаблонов (методологию и воплощение в софте), разработали методику имплантации. Метод подходит для всех сложных случаев, когда кости мало, узкая челюсть, нет опорных элементов. Да, я специализируюсь на очень сложной имплантологии, но для подтверждения выводов группы относительно повышения качества работы с имплантами нужна статистическая достоверность, поэтому метод сейчас используется в клиниках Швейцарии, России, Италии и Германии, мы собираем числа. Как я уже говорил, публикация запланирована на 2022 год. На базе нашей платформы Simple Guide группа врачей-инженеров уже сделала SG 2.0 это где техник полностью исключается. Мы сейчас работаем с ними, я правлю баги в расчётах для ряда исключений. Можно сказать, что я тот самый бешеный тестировщик, который видел самые редкие случаи в России, на пространстве СНГ и в Европе. Вот публикация 2008 года про первые методы расширения нёба с микроимплантами: A Miniscrew System with Interchangeable Abutments, Journal of clinical orthodontics.

Результат будет плагином для Dolphin Imaging это софт, который есть почти у каждого челюстно-лицевого хирурга и у некоторых ортодонтов, и я тоже вхожу в состав его разработчиков. Когда мы доделаем проект, то можно будет реализовывать весь цикл проектирования без обращения в чужие компании, всё делать внутри офиса как для двух имплантов, так и для четырёх микроимплантов. До нас никто никогда не делал таких процессов от диагностики до конца вмешательства за сутки.

Почему я публикуюсь не в РФ и веду исследование в основном не в РФ? Потому что мне нужен совершенно другой научный фреймворк, а наша система, увы, не приспособлена к современной медицине. Пожалуй, про это лучше расскажет мой коллега, собственно, владелец клиники, который сильно больше меня верит в науку в России. Но это в следующий раз.

Так что приходите в гости. У нас есть винты.

Активные метаповерхности, оптические свойства которых можно регулировать после изготовления, за последние годы стали исследуемой областью. Однако на сегодняшний день предпринимаемые усилия все еще сталкиваются с серьезными ограничениями производительности в диапазоне настройки, оптическом качестве и эффективности, особенно для немеханических механизмов.


Инженеры из Массачусетского технологического института разработали адаптивные металинзы, которые смогут обеспечить более эффективную фокусировку объективов камер, микроскопов, телескопов и прочих систем визуализации без использования громоздких приводных механизмов.

Прозрачные стёкла с двумя преломляющими свет полированными поверхностями лежат в основе большинства оптических систем на протяжении многих столетий. Степень вогнутости или выпуклости поверхностей линз позволяет видеть всевозможные объекты, начиная от крошечной клетки и заканчивая далёкой-далёкой галактикой. Впрочем, для получения чёткого изображения объектов любых масштабов приходится прибегать к физическому перемещению линзы при помощи дополнительных механизмов, которые занимают немало места и утяжеляют устройства, будь то камера, микроскоп или телескоп.



Исследователи выгравировали поверхность материала крошечными структурами с точным рисунком, которые работают вместе как метаповерхность, уникальным образом преломляя или отражая свет. При изменении свойств материала соответственно изменяется и оптическая функция метаповерхности. В этом случае, когда материал имеет комнатную температуру, метаповерхность фокусирует свет для создания четкого изображения объекта на определенном расстоянии. После нагрева материала его атомная структура изменяется, и в ответ метаповерхность перенаправляет свет, чтобы сфокусироваться на более удаленном объекте.

Таким образом, новая активная металинза может настраивать фокус без необходимости использования громоздких механических элементов. Новый дизайн, который в настоящее время позволяет получать изображения в инфракрасном диапазоне, может позволить использовать более гибкие оптические устройства, такие как миниатюрные тепловизоры для дронов, сверхкомпактные тепловизионные камеры для мобильных телефонов и низкопрофильные очки ночного видения.


Фазовые переходы

Новая линза сделана из материала с изменяющейся фазой, который команда изготовила путем настройки материала, обычно используемого в перезаписываемых компакт-дисках и DVD. Названная GST, она состоит из германия, сурьмы и теллура, и ее внутренняя структура изменяется, переходя из кристаллического состояния в аморфное, из прозрачного становясь непрозрачным, при нагревании с помощью лазерных импульсов. Именно эти фазовые переходы делают возможным создание реверсивных носителей оптической записи. Данный механизм позволяет записывать, стирать и перезаписывать данные, хранящиеся на компакт-дисках.


Изменение фокусного расстояния в аморфном и кристаллическом состоянии материала
Затем инженеры добавили в структуру GST селен, получив GSST. В обновлённом варианте фазовый переход также повлиял на взаимодействие метаматериала с инфракрасным светом, преобразовав его отражающую силу с минимальным влиянием на прозрачность поверхности. Наблюдая за необычными свойствами GSST, исследователи подумали, что его можно было бы адаптировать для создания активной металинзы, которая сможет адаптировать своё фокусное расстояние в зависимости от фазы.


GSST под микроскопом
В ходе лабораторных испытаний инженеры произвели слой GSST толщиной всего 1 микрон и стали экспериментировать с различными формами материала, чтобы отыскать наиболее оптимальный вариант, способный изменять способ взаимодействия со светом в зависимости от температуры. Металинзы из GSST разместили на тестовой установке, направив на них лучи лазера, настроенного на излучения света в инфракрасном диапазоне. На некотором расстоянии от установки инженеры поместили прозрачные пластины с нанесёнными на них горизонтальными и вертикальными высококонтрастными штрихами так называемые тест-объекты для оценки разрешающей способности цифровых оптико-электронных систем.



В начальном аморфном состоянии металинзы легко сфокусировались на ближайшей пластине. Затем учёные нагрели метаматериал, чтобы тот обрёл чёткую кристаллическую структуру и сфокусировался на более удалённом тест-объекте. Пока что необычный материал демонстрирует способность получать чёткие изображения на двух уровнях глубины резкости без использования механических приводов. В дальнейшем исследователи планируют расширить спектр фаз материала GSST, чтобы увеличить возможности фокусировки металинзы. Один из инженеров сравнил процесс изменения фаз в подобных материалах с приготовлением стейка. Мясо может быть не только сырым или прожаренным: существует множество промежуточных состояний нужно только найти способ достичь их и зафиксировать результат.

Эксперименты показывают, что металинза может активно менять фокус без каких-либо механических движений. Исследователи говорят, что металинзу потенциально можно изготовить со встроенными микронагревателями для быстрого нагрева материала короткими миллисекундными импульсами. Изменяя условия нагрева, они также могут настраиваться на промежуточные состояния других материалов, обеспечивая непрерывную настройку фокуса.

Подробнее: www.nature.com/articles/s41467-021-21440-9

Автомобильные компании все больше делают ставку на электрические и умные машины. Вслед за ними по пути идут и производители других видов транспорта. СЕО американского стартапа Zin Boats Петр Зин недавно рассказал TechCrunch о том, как инновации могут изменить кораблестроение. Стартапер мечтает повторить успех Tesla на воде. Однако воспроизвести бизнес-модель Илона Маска, не являясь Илоном Маском, ему будет явно нелегко.

По сайту Zin Boats сразу видно, что это прогрессивная компания новой генерации. Её конечная цель ни много ни мало помочь спасти наше будущее. Компания позиционирует себя как экологически ориентированную. Её лодки не загрязняют воду моторным маслом, а воздух выхлопными газами. Все потому, что они электрические.

Фото:zinboats.com

Электролодки не новое явление для рынка. Первые суда на электрической тяге появились еще в начале ХХ века. Однако они не завоевали популярности из-за малой мощности и низкой дальности путешествий. Все изменилось благодаря увеличению емкости и снижению стоимости литий-ионных батарей. Такие же использует Tesla, а также большинство других производителей электрокаров. В их числе китайские конкуренты Маска, машины которых стоят в два-три раза дешевле (что, впрочем, не мешает Tesla активно осваивать китайский рынок).

Первой моделью Zin Boats стала 20-футовая лодка Z2R. На ней использованы литий-ионные аккумуляторы BMW, соединенные с двигателем Torqeedo. При скорости порядка 15 узлов, одного заряда хватает на сотню миль и более. По словам Петра Зина, зарядить такую батарею можно с помощью чего угодно: от обычной сетевой розетки до силовых кабелей для зарядки, которые можно найти в большинстве гаваней. В компании утверждают, что с учетом цен на судовой газ и высокий расход топлива у обычных лодок, переход на электричество может сэкономить судовладельцу тысячи долларов ежегодно.

Есть еще один нюанс. Уникальная часть использования электрической системы заключается в том, что мы можем расположить двигатель в любом месте, говорит Зин. По его словам, в традиционных лодках двигатель обычно располагается в кормовой части. Если же поместить электрическую батарею между баком и ютом, посредине судна в трюмной части, центр тяжести снизится, а распределение веса выровняется. Благодаря этому практически отсутствует риск опрокидывания лодки или других сбоев, возникающих из-за однобоких конструкций, которые плохо себя ведут на скорости.

Фото:zinboats.com

Морская Tesla, в отличие от сухопутных автомобилей Маска, сделана почти целиком из углеродного волокна и весит в два раза меньше аналогичных моделей. Это позволяет ей быстро набирать скорость, быть легко управляемой, при этом преодолевать сотню миль на одном заряде. Дизайн минималистичен, однако благодаря деревянному шпону и кремовой кожаной обивке лодка похожа на премиальные автомобили.

Фото:zinboats.com

Что роднит Z2R с машинами Маска использование цифровых решений в маркетинге. Прямо сейчас вы можете управлять лодкой (в симуляторе) на любой скорости, какой захотите, и видеть, как будет разбрызгиваться вода, включая маленькие капли. А затем вы можете спроектировать форму корпуса так, чтобы капли не попали в пассажиров , - говорит он. Как и Tesla, лодка Зена умная она сбавляет скорость в зависимости от водного пути, определяет расстояние необходимое для того, чтобы оставаться в пределах досягаемости гавани, исходя из уровня заряда батареи, а также обновляет программное обеспечение по беспроводной сети в любой точке мира.

Наконец, лодку роднит с Tesla высокая цена. Это премиальный продукт. Обычная комплектация стоит около 250 000 долларов. Модель с открытым носом, которую Зин уже разрабатывает, будет стоить порядка 175 000 долларов. Напомним, что первая модель Tesla Roadster стоила 110 000 долларов, а юбилейная тысячная машина с особой отделкой, продавалась за 175 000 долларов.

В общем, направление, в котором двигается Zin Boats, вполне совпадает с трендами, которые предсказывают, например, аналитики рынка "Маринет" НТИ: цифровая навигация и инновационное судостроение. По крайней мере, с маркетинговой точки зрения. При этом Zin Boats на многое не замахивается, в отличие от Маска, не претендует на глобальную трансформацию рынка грузовых или космических перевозок. Так что, похоже, у Zin Boats есть все, чтобы повторить успех Tesla все, кроме Илона Маска. Как известно, его автомобильное детище на протяжении долгих лет не вылезало из убытков. С 2006 по 2019 годы годовые убытки компании колебались от почти 800 млн долларов до полутора миллиардов. Впервые за свою 17-летнюю историю компания смогла показать прибыль на протяжении четырех кварталов подряд лишь с лета 2019 по лето 2020 года. Как известно, компания выживала за счет инвесторов, которых привлекал лично Илон Маск. Несмотря на постоянные убытки, капитализация Tesla колебалась, но росла, и в начале минувшего июля достигла 205 млрд долларов, обогнав Toyota (притом, что японская компания произвела за прошлый год более 10 млн машин, а компания Маска 367 тысяч). Кроме того, Tesla неоднократно получала господдержку. Только штат Невада предоставил ей на 2015-й год налоговые льготы на 1,3 млрд долларов. Злые языки (включая Los Angeles Times) утверждают, что бизнес Маска, по большому счету, выживает и развивается за счет госсубсидий. Наконец, Маск ежегодно продает на сотни миллионов долларов квоты на выбросы парниковых газов.

Когда Илон Маск только начинал проект Tesla, он уже был раскрученной медийной персоной. Петру Зину придется или повторить успех выдающегося пиарщика, умеющего договориться и с государством и с инвесторами, визионера высоких технологий, или же изобрести другую бизнес-модель, независимую от госсубсидий. Иначе его лодки останутся нишевым продуктом для ограниченного круга эко-ориентированных богачей любителей поплавать в свободное время.