Ученые выбрали место для самого большого гамма-телескопа в мире
Совет ресурсов Массива Черенковских Телескопов проведут переговоры с Южной Европейской Обсерваторией и Канарским институтом астрофизики о размещении планируемого гамма-телескопа одновременно в Паранале (Чили) и на островах Ла Пальма (Испания). Об этом сообщает официальный сайт организации.
Массив Черенковских Телескопов (CTA, Cherenkov Telescope Array) станет самым большим и чувствительным гамма-телескопом в мире. Он будет размещен в северном и южном полушарии, обеспечивая охват большой площади неба. Планируется установить около двадцати телескопов на Канарских островах и около ста — в пустыне Атакама.
Гамма-излучение, на поиск которого ориентирован будущий телескоп, представляет собой поток чрезвычайно высокоэнергетичных фотонов — их энергии в десятки миллиардов и триллионов раз превышают энергии квантов видимого света. Такие частицы рождаются при масштабных космических событиях, подобных взрывам сверхновых, а также при столкновениях нейтронных звезд и/или черных дыр, при взаимодействии вещества с активными ядрами галактик. Изучение причин гамма-всплесков — один из самых актуальных вопросов в астрофизике.
Наземные гамма-телескопы не способны обнаруживать высокоэнергетическое излучение напрямую, оно полностью поглощается атмосферой нашей планеты. Однако это поглощение не проходит бесследно — энергия, рассеянная от гамма-квантов, передается различным частицам и заставляет их двигаться со скоростью, превышающей скорость света в воздухе (при нормальных условиях она меньше скорости света в вакууме на 0,03 процента). Подобно сверхзвуковому движению, это приводит к образованию тормозного черенковского излучения, выглядящего как слабое голубое свечение, которое и фиксируется телескопами.
Как полагают исследователи, новый телескоп поможет не только в изучении классических объектов, но и в поиске темной материи. Предел энергий частиц, обнаруживаемых Массивом Черенковских Телескопов близок к 100 тераэлектронвольтам. По современным оценкам, такой энергией могут обладать фотоны, образующиеся при распаде или аннигиляции WIMP — гипотетических слабовзаимодействующих массивных частиц, кандидатов на роль темной материи.
На данный момент крупнейшим гамма-телескопом данного типа является система HESS II, собирающая излучение атмосферы с площади 614 квадратных метров. Он представляет собой четыре телескопа с диаметром зеркала 12 метров и один 28-метровый.
Детали устройства Массива Черенковских Телескопов не раскрываются, однако, согласно информации на сайте, он будет состоять из трех видов телескопов — нескольких 24-метровых для низких энергий, нескольких 10-12-метровых для для энергий от 100 до 1000 гигаэлектронвольт и большого количества 4-6-метровых телескопов для обнаружения частиц с энергиями выше 10 тераэлектронвольт.
Ожидается, что строительство начнется в середине 2016 года, а первый свет гамма-телескоп увидит в начале 2020-х годов.
Он показал лучшее время на трассе, обойдя соперников на полсекунды
Инженеры разработали автопилот для гоночного дрона, управляющий беспилотником на уровне лучших людей-пилотов. Алгоритм под названием Swift, полученный с помощью метода обучения с подкреплением, способен управлять гоночным квадрокоптером, полагаясь только на данные бортовых сенсоров. В реальных полетах на тестовой трассе для дрон-рейсинга Swift смог превзойти трех профессиональных пилотов-чемпионов, выиграв у них 15 гонок из 25 и пройдя трассу с минимальным временем, которое на полсекунды меньше лучшего результата пилота-человека. Статья опубликована в журнале Nature. При поддержке Angie — первого российского веб-сервера Дрон-рейсинг — вид спорта, в котором мультикоптеры на высокой скорости проходят трассу, состоящую из последовательности ворот, через которые нужно пролететь за минимально возможное время. При этом управление происходит от первого лица, с помощью камеры и видеоочков. Современные дроны обладают очень высокой маневренностью и подвижностью: они могут резко менять направление движения, ускоряться, замедляться и совершать перевороты, а во время гонки они разгоняются до скоростей свыше 100 километров в час и подвержены перегрузкам, превышающим их собственный вес в пять раз. Это делает их пилотирование непростой задачей и требует хорошей подготовки и высокой скорости реакции оператора. Инженеры давно работают над созданием автопилота, который мог бы управлять дроном на уровне профессиональных пилотов. Помимо участия в дрон-рейсинге такая способность может пригодиться и в обычной жизни — мультикоптеры обладают невысокой энергоэффективностью, поэтому способность быстро летать и успешно маневрировать в окружении большого числа препятствий напрямую связана с успешностью выполнения задач. Инженеры под руководством Давида Скарамузза (Davide Scaramuzza) из Цюрихского университета уже имеют опыт разработки эффективных алгоритмов управления для дронов. К примеру, ранее они создали автопилот, способный управлять квадрокоптером на скорости от 3 до 7 метров в секунду в лесу между деревьев, полагаясь только на данные с бортовых сенсоров. В своей новой работе инженеры представили алгоритм под названием Swift. Он способен эффективно управлять гоночным квадрокоптером на уровне профессионального пилота дрон-рейсинга. Swift состоит из двух основных модулей: системы восприятия, которая переводит изображение от бортовой камеры дрона и данные от инерционного измерительного блока IMU в низкоразмерное представление, а также системы управления, которая принимает на вход низкоразмерное представление, созданное системой восприятия, и генерирует управляющие команды для электромоторов дрона. В модуль системы восприятия также входит алгоритм, вычисляющий текущее положение дрона в пространстве на основе данных камеры и инерционно-измерительного блока. Эта информация через фильтр Калмана объединяется с данными об относительном положении гоночных ворот, обнаруженных предварительно обученным нейросетевым детектором объектов в видеопотоке, после чего передается на вход системы управления, которая состоит из двух скрытых слоев, по 128 нейронов в каждом. Система управления тренировалась в симуляции с использованием модельно-свободного глубокого обучения с подкреплением. Этот метод обучения использует метод проб и ошибок, чтобы максимизировать величину параметра вознаграждения. В данном случае вознаграждение было максимальным в случае, если дрон следовал в сторону центра ближайших ворот таким образом, чтобы следующие ворота оставались в поле зрения камеры. Чтобы учесть различия между симуляцией и реальной динамикой полета, в процессе обучения информацию симулятора дополнили данными из реального мира, записанными с помощью системы захвата движений. Оценку автопилота провели на трассе для дрон-рейсинга, состоящей из семи ворот, установленных на квадратной площадке с длиной стороны 30 метров. Длина маршрута через все ворота составляла 75 метров. Алгоритм соревновался с тремя профессиональными пилотами Алексом Вановером (Alex Vanover), Томасом Битматтой (Thomas Bitmatta) и Марвином Шэппером (Marvin Schaepper). Все участники использовали гоночные дроны с одинаковыми характеристиками. Перед испытательными соревнованиями у пилотов была неделя для знакомства с трассой. В соревнованиях каждый из пилотов стартовал одновременно с дроном под управлением автопилота. Победителем становился тот, кто быстрее пролетит через все ворота на трассе в правильном порядке три раза. По результатам Swift смог выиграть у своих соперников в совокупности 15 гонок из 25, а также установил рекорд трассы, пролетев ее быстрее на полсекунды, чем остальные участники. https://www.youtube.com/watch?v=fBiataDpGIo&t=1s Инженеры разрабатывают гоночные автопилоты и для автомобилей. Например, инженеры из подразделения искусственного интеллекта компании Sony создали алгоритм автопилота GT Sophy, который с помощью обучения с подкреплением научился проходить за минимальное время трассы в гоночном автосимуляторе Gran Turismo Sport. В настоящих киберспортивных соревнованиях GT Sophy не только показала лучшее время в одиночных заездах, но и смогла победить команду лучших игроков в совместных гонках, набрав больше всего очков.
