Атлас старения мышц: как наука раскрывает секреты старения и пути к здоровому долголетию

Старение населения — глобальный вызов, и одной из ключевых проблем становится саркопения — прогрессирующая потеря мышечной массы и силы, ведущая к хрупкости, падениям и снижению качества жизни. Международная команда учёных опубликовала в журнале Nature революционное исследование, создав самое детальное на сегодня описание молекулярных механизмов старения скелетных мышц. Используя передовые методы одноклеточного анализа, учёные составили «атлас» из 387 000 клеток, чтобы понять, как мышцы теряют силу и как это можно предотвратить.

Методы: одноклеточные технологии в действии
 
Исследователи проанализировали биопсии мышц нижних конечностей 31 человека в возрасте от 15 до 99 лет, включая людей с признаками саркопении. Они применили:  
- Одноклеточную РНК-секвенировку (scRNA-seq) для изучения экспрессии генов.  
- Одноядерный анализ хроматина (snATAC-seq) для оценки эпигенетических изменений.  
- Интеграцию данных для построения карты взаимодействий между клетками.  

Это позволило выделить 15 основных типов клеток, включая мышечные волокна, стволовые клетки, иммунные и стромальные клетки, и проследить их трансформацию с возрастом.

Ключевые открытия  

1. Типы мышечных волокон: почему «быстрые» мышцы слабеют первыми  
   - Тип I (медленные, окислительные) — устойчивы к старению, сохраняют метаболизм даже в пожилом возрасте.  
   - Тип II (быстрые, гликолитические) — стремительно деградируют после 80 лет, теряя способность к сокращению.  
   - У пожилых людей появляются новые субтипы волокон с признаками дегенерации и нарушенной регенерации, что усугубляет саркопению.  

2. Стволовые клетки мышц (MuSCs): истощение резерва  
   - С возрастом MuSCs выходят из состояния покоя слишком рано, теряя способность к восстановлению повреждений.  
   - В стареющих мышцах активируются гены стресса (FOS, JUN) и воспалительные пути, что нарушает баланс между регенерацией и фиброзом.  

3. Воспаление и фиброз: скрытые враги мышц  
   - Иммунные клетки (макрофаги, тучные клетки) накапливаются в мышцах, запуская хроническое воспаление.  
   - Стромальные клетки (FAPs) переключаются на выработку коллагена, приводя к фиброзу — замещению мышц рубцовой тканью.  

4. Эпигенетические изменения: «шум» в ДНК  
   - С возрастом в клетках растёт эпигенетическая нестабильность, нарушающая работу генов, ответственных за сокращение и энергетический обмен.  
   - Обнаружены участки хроматина, связанные с предрасположенностью к саркопении, что открывает пути для генетической диагностики.
 
Учёные выявили, что в стареющих мышцах:
 
- Эндотелиальные клетки выделяют провоспалительные сигналы, привлекая иммунные клетки.  
- Стволовые клетки теряют связь с микросредой, что блокирует их активацию при повреждениях.  
- Нарушаются пути TGF-β и IL-6, что усиливает фиброз и атрофию.

Перспективы: от диагноза к терапии
 
Этот атлас — не просто карта, а инструмент для борьбы с возрастными заболеваниями:  
- Цели для лекарств: гены и белки, регулирующие воспаление (например, CCL2, CXCL12) и фиброз (TGF-β).  
- Биомаркеры старения: например, уровень белка TNNT2 в крови может указывать на ранние стадии саркопении.  
- Персонализированные подходы: комбинация физических нагрузок, противовоспалительных препаратов и эпигенетической терапии.  

Учёные уже планируют расширить исследование, включив образцы мышц из разных регионов тела и этнических групп, чтобы создать универсальную базу для разработки методов продления активного долголетия.

Старение мышц — сложный процесс, в котором участвуют сотни генов, типов клеток и сигнальных путей. Новый атлас не только объясняет, почему мы слабеем с годами, но и даёт надежду на то, что саркопению можно замедлить или даже обратить. Как отмечают исследователи «Это начало пути к мышцам, которые остаются сильными даже в 100 лет».  

Остаётся лишь добавить, что наука в очередной раз подтверждает: здоровое старение — это не миф, а достижимая цель, стоящая на стыке генетики, медицины и образа жизни.
 

Больше контактов — больше инноваций: Как математика раскрывает секреты роста городов

Города — это сложные организмы, где миллионы людей взаимодействуют, создают идеи и генерируют богатства. Но почему одни города становятся центрами инноваций, а другие отстают? Ответ кроется не только в экономике или культуре, но и в математических законах, управляющих урбанизацией. Новое исследование раскрывает, как форма, размер и инфраструктура города влияют на человеческие взаимодействия, а те, в свою очередь, — на его продуктивность. В этой статье мы разберем ключевые идеи работы, объясняющей, почему «умные» города растут по особым правилам.

Законы масштабирования
 
Урбанисты давно заметили, что крупные города демонстрируют удивительные закономерности. Например, социально-экономические показатели (ВВП, патенты, число стартапов) растут быстрее, чем население — это называют суперлинейным масштабированием (β > 1). Если население города удваивается, его экономический выход увеличивается более чем вдвое. Напротив, инфраструктурные затраты (длина дорог, коммуникации) растут медленнее — сублинейно (β < 1). Это позволяет крупным городам «делать больше с меньшими ресурсами».  

Эти законы универсальны: они работают в Нью-Йорке, Токио, Сан-Паулу. Но почему? Исследователи связывают это с плотностью взаимодействий. Чем больше людей контактируют друг с другом, тем выше обмен знаниями, что стимулирует инновации и экономические блага. Математические модели показывают, как геометрия города, транспортная сеть и социальные связи формируют эту плотность.

Модели, объясняющие городскую магию  

1. Модель Беттенкура: Город как физический объект  
Луис Беттенкур, один из пионеров «науки о городах», сравнил город с поперечным сечением в физике. Его модель предполагает, что люди перемещаются по городу, «сканируя» площадь вокруг себя. Чем компактнее город (выше плотность), тем чаще случайные встречи.  
- Ключевой вывод: Инфраструктура (например, площадь застройки) растет сублинейно (β ≈ 0.85), а экономические показатели — суперлинейно (β ≈ 1.15).  
- Практика: Эффективный транспорт снижает расстояния, позволяя людям взаимодействовать чаще, даже в мегаполисах.

2. Гравитационные модели: Сила расстояния и социальных связей  
Эти модели заимствуют идею гравитации: вероятность взаимодействия между людьми уменьшается с расстоянием, но усиливается при наличии общих интересов. Например:  
- Модель Рибейро: Влияние евклидова расстояния. Если город имеет фрактальную структуру (например, разветвленные кварталы), дальние контакты становятся реже, что снижает инновации.  
- Модель Якубо: Учет «привлекательности» людей. Лидеры мнений или хабы «притягивают» взаимодействия даже на больших расстояниях.  
- Социальные сети: Иерархические структуры (например, древовидные сети) показывают, что связи между социально удаленными группами повышают креативность.

3. Факторная модель Гомеса-Льевано: Город как набор возможностей  
Здесь акцент на комплементарных факторах (навыки, инфраструктура, институты). Чтобы создать стартап, нужны программисты, юристы и инвесторы. Чем крупнее город, тем выше вероятность найти все компоненты.  
- Формула успеха: Вероятность реализации проекта растет как Y ~ N^{1 + q}, где q — число необходимых участников.  
- Пример: Для изобретения (q = 5) крупные города будут генерировать непропорционально больше патентов.

Геометрия vs. Социум: Что важнее?
 
Споры между урбанистами напоминают дилемму «курица или яйцо». Одни модели (как у Молинеро и Турнера) делают ставку на фрактальную структуру:  
- Улицы формируют «скелет» города, а их fractal-размерность (D_инфра) влияет на доступность ресурсов.  
- Вертикальная застройка (небоскребы) увеличивает плотность, но требует сложной инфраструктуры.  

Другие, как Аберсман, показывают, что даже в виртуальных сетях (без физического пространства) иерархические связи порождают суперлинейный рост. Это доказывает: социальная геометрия не менее важна, чем физическая.

Межгородские взаимодействия: Роль иерархии
 
Города не изолированы. Модель Пумена объясняет диффузию инноваций через иерархию городов:  
- Технологии рождаются в мегаполисах (суперлинейный рост), затем распространяются в малые города (линейная фаза), а устаревшие — заменяются (сублинейная фаза).  
- Закон Ципфа: Распределение размеров городов (меньше крупных, больше мелких) коррелирует с их экономическим вкладом. Например, если крупнейший город в 10 раз больше второго, его ВВП может быть в 15 раз выше.

Практические выводы: Как строить города будущего
 
1. Транспортная доступность: Снижение расстояний (метро, велодорожки) повышает частоту контактов.  
2. Смешанная застройка: Совмещение жилых, офисных и культурных зон стимулирует случайные взаимодействия.  
3. Социальные лифты: Интеграция разных групп (богатые/бедные, IT-специалисты/художники) создает связи, которые, как доказал Грановеттер, чаще приводят к инновациям.  
4. Данные для планирования: Использование Big Data (мобильность, соцсети) помогает предсказывать рост и оптимизировать ресурсы.

Математика как язык городов
 
Это — не просто теория. Это инструмент для мэров, архитекторов и экономистов. Понимая, что города растут по законам масштабирования, мы можем проектировать их умнее: сокращать углеродный след, улучшать качество жизни и превращать урбанизацию в двигатель прогресса. Как гласит первое правило географии Тоблера: «Всё связано со всем, но ближнее связано сильнее». Математика лишь подтверждает: будущее за городами, где люди могут встречаться, спорить и творить вместе.

Из молока или сыворотки: в чем отличие между продуктами?

Порошковые напитки с молочным вкусом, сывороточный протеин, конфеты с ароматом dulce de leche или пищевые смеси на основе тертого сыра – все эти продукты созданы из сыворотки. Они часто вызывают у потребителей вопросы относительно их питательной ценности, законодательных норм, маркировки и экономической составляющей. Путаница возникает и из-за схожести упаковки с продуктами, изготовленными из молока.

Чем молоко отличается от сыворотки?

В процессе производства сыра молоко, являющееся основным сырьем, проходит несколько стадий преобразования. Оно разделяется на две части: творожную массу (из которой получается сыр) и сыворотку – жидкость, оставшуюся после этого процесса. Молоко содержит два типа белков: казеин, который преобладает, и водорастворимые белки. При изготовлении сыра казеин сворачивается и остается в творожной массе, а растворимые белки переходят в сыворотку. Таким образом, сыворотка не содержит казеина, но богата растворимыми белками, лактозой, минералами и небольшим количеством жира.

Сыворотка используется в различных продуктах, таких как молочные напитки (с добавками или без), ферментированные и неферментированные продукты, прошедшие пастеризацию или ультрапастеризацию (процесс, при котором молоко нагревается до 130–150°C на 2–4 секунды, а затем быстро охлаждается для длительного хранения в асептической упаковке). Кроме того, сыворотка доступна в жидком или порошкообразном виде, например, в форме концентрата (WPC) или изолята сывороточного белка (WPI), которые популярны среди спортсменов как добавки для набора мышечной массы.

Питательная ценность сыворотки ниже?

При производстве сыра образуется большое количество сыворотки: из 10 литров молока получается 1 кг сыра и 9 литров сыворотки. Раньше сыворотку часто использовали как корм для животных или просто выбрасывали, но из-за высокого содержания органических веществ ее стали применять в пищевой промышленности.

Сыворотка содержит много воды, лактозы, минералов и белков, что делает ее подходящей для частичной или полной замены молока в производстве молочных продуктов. Однако такая замена может снизить питательную ценность продукта, так как сыворотка содержит меньше белка, чем цельное молоко. В условиях инфляции производители все чаще используют сыворотку для создания более дешевых аналогов молочных продуктов, таких как восстановленное молоко.

Можно ли считать сыворотку ультраобработанным продуктом?

Сыворотка сама по себе является побочным продуктом сырного производства и не считается ультраобработанной. Однако продукты, в которых она используется как ингредиент, могут быть отнесены к этой категории, если они содержат добавки, такие как сахар, растительные жиры или консерванты.

Аналогичные продукты – это те, в которые добавляются немолочные компоненты, такие как вода, растительные белки, жиры и крахмалы. Сама сыворотка не является аналогом молока, как и продукты на ее основе, такие как рикотта, сухая сыворотка, WPC и WPI.

Молочный напиток – это йогурт?

Молочный напиток получают путем смешивания молока с сывороткой, иногда с добавлением растительных жиров или других ингредиентов для улучшения вкуса. Йогурт же производится путем ферментации молока с использованием специфических бактерий (Streptococcus thermophilus и Lactobacillus bulgaricus), которые превращают сахар в молочную кислоту, придавая йогурту характерный кислый вкус.

Хотя законодательство требует четкого указания на упаковке, чем является продукт, потребители не всегда обращают на это внимание, ориентируясь больше на внешний вид продукта, чем на его состав. Рекомендуется выбирать традиционные молочные продукты, такие как йогурт, так как они содержат больше кальция, белка и полезных бактерий, способствующих здоровью организма.

Регулирование и информирование потребителей

Маркетинг играет важную роль в продвижении продуктов, а государственное регулирование направлено на предотвращение введения потребителей в заблуждение. На упаковке должна быть указана обязательная информация: состав, пищевая ценность, наличие аллергенов и другие данные, помогающие потребителю сделать осознанный выбор.

Этикетки должны быть четкими и не содержать недостоверной информации, которая может вызвать путаницу относительно состава, происхождения или качества продукта. Это особенно важно для предотвращения обмана потребителей, которые могут не заметить разницы между натуральными продуктами и их более дешевыми аналогами.

Сенсорные характеристики продуктов

Исследования показывают, что замена традиционных ингредиентов, таких как сгущенное молоко, на смеси с сывороткой может повлиять на качество готовых блюд. Например, десерты с использованием таких смесей становятся более жидкими. Однако главной проблемой остается снижение питательной ценности таких продуктов.

Для улучшения ситуации в области общественного здравоохранения важно проводить образовательные программы, направленные на повышение осведомленности потребителей о качестве продуктов. Это поможет людям делать более осознанный выбор, особенно в условиях, когда на рынке появляется все больше имитаций натуральных продуктов, созданных с целью снижения затрат и увеличения прибыли производителей.

От песка к квантовым технологиям: прорыв в создании мощных квантовых компьютеров на основе кремния

Ученые совершили значительный прорыв в области квантовых вычислений, адаптировав широко используемый промышленный метод для создания крупных массивов отдельных атомов на кремниевых пластинах. Это достижение открывает новые горизонты для разработки мощных квантовых компьютеров.

Сегодня компьютеры стали неотъемлемой частью нашей жизни. Они используются в автомобилях, бытовой технике, медицинском оборудовании и многих других устройствах. Благодаря их вычислительной мощности мы решаем сложные задачи, такие как управление энергосистемами, проектирование авиационной техники, прогнозирование климатических изменений и развитие искусственного интеллекта (ИИ).

Однако все современные компьютеры работают на основе классических принципов, обрабатывая данные в виде битов — нулей и единиц. Эти методы остаются неизменными с древних времен, когда появились первые счетные устройства, такие как абак.

Почему квантовые вычисления — это будущее?

Стремительное развитие технологий ставит перед человечеством задачи, которые не под силу даже самым мощным суперкомпьютерам. Для их решения необходимы квантовые компьютеры, использующие принципы квантовой механики. Такие устройства способны революционизировать множество областей, включая разработку лекарств, обработку больших данных, обеспечение кибербезопасности, а также развитие машинного обучения и ИИ.

Основой квантовых вычислений являются кубиты — квантовые биты, которые могут находиться в состоянии суперпозиции, то есть одновременно быть и нулем, и единицей. Это свойство позволяет квантовым компьютерам выполнять вычисления, недоступные для классических систем. Например, задачи, на решение которых у суперкомпьютеров ушли бы столетия, квантовые компьютеры могут выполнить за считанные часы.

Однако для решения реальных задач, имеющих значение для общества, требуется создание мощных квантовых процессоров, сопоставимых по сложности и масштабу с современными классическими чипами. Это означает необходимость разработки архитектуры, способной поддерживать огромное количество кубитов, организованных в упорядоченные массивы.

Кремний как основа квантовых технологий

Кремний, получаемый из песка, уже давно является основным материалом для производства полупроводниковых устройств благодаря своей доступности и универсальности. Ученые активно исследуют возможности использования кремния для создания квантовых устройств, дополняя его атомами-допантами — примесями, которые изменяют свойства материала.

Ранее было доказано, что такие устройства могут быть запрограммированы для формирования кубитов. Однако главной проблемой оставалась высокая чувствительность кубитов к внешним воздействиям, что приводило к потере информации (декогеренции) и необходимости перезапуска вычислений.

Новое исследование демонстрирует, как можно создавать крупные массивы атомов-допантов на кремниевых пластинах, что открывает путь к разработке стабильных и надежных квантовых компьютеров. Уникальные свойства кремния и его допантов позволяют адаптировать существующие промышленные методы для создания кубитов, устойчивых к внешним помехам.

Прорыв в создании атомных массивов

Одним из ключевых достижений стало использование крошечных электродов на поверхности кремниевых чипов. Эти электроды позволяют точно фиксировать положение отдельных атомов, что обеспечивает высокую точность при создании атомных массивов. Более того, исследователи обнаружили, что такие массивы могут быть созданы с использованием новых элементов, таких как сурьма, висмут и германий, которые обладают уникальными свойствами, делающими их перспективными кандидатами для кубитов.

Особый интерес представляют диатомные молекулы сурьмы, которые образуют плотные пары атомов. Эти пары могут служить основой для создания множества высококачественных кубитов, управляемых с помощью единого электронного затвора. Такой подход, известный как «многокубитная операция», значительно упрощает управление квантовыми системами.

Следующие шаги

Теперь, когда ученые доказали эффективность новой методики, следующим шагом станет создание квантового процессора на основе атомных массивов. Для этого потребуется разработать схемы, позволяющие программировать и контролировать взаимодействия между кубитами.

Использование проверенных промышленных методов для создания масштабируемых атомных массивов делает кремний идеальным материалом для разработки надежных квантовых компьютеров. Это исследование не только приближает нас к эре квантовых технологий, но и подчеркивает важность кремния как ключевого элемента как для классических, так и для квантовых вычислений.

Шоколад: удовольствие вкуса и польза для кишечника

Шоколад – это не только вкусное лакомство, которое поднимает настроение, но и продукт, способный принести пользу нашему здоровью. Ученые активно изучают его свойства, чтобы сделать его еще более полезным, особенно для микрофлоры кишечника.

Хотя некоторые виды шоколада критикуют за высокое содержание сахара и использование искусственных добавок (например, эмульгаторов, консервантов и других технологических компонентов), существуют доказательства его положительного влияния на организм. Особенно это касается шоколада с высоким содержанием какао, который подвергается минимальной обработке. Такой продукт не только улучшает настроение, но и содержит антиоксиданты, которые борются со свободными радикалами – нестабильными молекулами, способными повреждать клетки и ускорять старение.

Интересно, что шоколад – это ферментированный продукт. В процессе его производства участвуют бактерии и дрожжи, которые помогают раскрыть вкус какао-бобов. Эти микроорганизмы играют ключевую роль в создании качественного шоколада.

Недавние исследования показали, как шоколад взаимодействует с кишечной микробиотой и пробиотиками – полезными бактериями, которые содержатся в пище. Оказалось, что их совместная работа может улучшить состояние кишечника и, как следствие, общее здоровье.

Микрофлора кишечника и пробиотики: основа здоровья

Кишечная микробиота состоит из миллиардов микроорганизмов, которые обитают преимущественно в толстой кишке. Они выполняют множество важных функций, таких как поддержка иммунитета, синтез витаминов группы B и K, а также ферментация клетчатки. Состав и активность этих микроорганизмов во многом зависят от нашего рациона. То, что мы едим, напрямую влияет на их жизнедеятельность. Ферментированные продукты, клетчатка и пробиотики помогают увеличить количество полезных бактерий в кишечнике.

Пробиотики – это живые микроорганизмы, например, молочнокислые бактерии, которые содержатся в таких продуктах, как йогурт, или добавляются в виде пищевых добавок. При регулярном употреблении они способствуют росту полезных бактерий и подавляют развитие вредных, таких как кишечная палочка (E. coli).

Почему темный шоколад полезен для кишечника?

Темный шоколад, особенно с высоким содержанием какао, обладает множеством полезных свойств. Исследования показали, что употребление 85%-го темного шоколада положительно влияет на состав кишечной микробиоты, увеличивая разнообразие и количество полезных бактерий. Это связано с тем, что какао действует как пребиотик – вещество, которое не переваривается до тех пор, пока не достигнет толстой кишки, где становится пищей для полезных микроорганизмов.

Ученые также изучали влияние добавления пробиотиков в шоколад. Оказалось, что как темный (70% какао), так и молочный шоколад (45% какао), обогащенные пробиотиками, способствуют выработке полезных веществ в процессе пищеварения. Например, темный шоколад стимулирует производство изомасляной и изовалериановой кислот, а молочный – пропионовой кислоты. Эти соединения играют важную роль в регуляции чувства сытости и энергетического баланса организма.

Интересно, что некоторые пробиотики, такие как Lactobacillus sanfranciscensis и L. casei, способны синтезировать витамин B12 в присутствии молочного шоколада, но не темного. Это открытие требует дальнейшего изучения, так как процесс синтеза и усвоения витамина B12 в организме человека сложен и зависит от множества факторов.

Как выбрать полезный шоколад?

Если вы хотите выбрать шоколад, который будет полезен для кишечника, обратите внимание на следующие рекомендации:

1. Пробиотики в шоколаде. В некоторых странах доступен шоколад, обогащенный пробиотиками. Однако его эффективность может варьироваться, поэтому важно изучать информацию на упаковке или уточнять у производителя.

2. Состав и обработка. Выбирайте шоколад с минимальным количеством искусственных добавок и подсластителей. Отдавайте предпочтение продуктам с высоким содержанием какао (не менее 70%) и минимальной обработкой. Локальные производители часто предлагают более качественные варианты.

3. Умеренность. Даже полезный шоколад стоит употреблять в разумных количествах. Темный шоколад содержит меньше сахара, но и молочный может быть полезен в умеренных дозах.

4. Сбалансированный рацион. Для поддержания здоровья кишечника важно включать в рацион продукты, богатые пребиотиками, такие как артишоки, лук, бананы, овес и чеснок. Они служат пищей для полезных бактерий.

5. Физическая активность. Регулярные упражнения, будь то прогулки, велосипед или походы, также способствуют улучшению работы кишечника.

Шоколад – это не только удовольствие, но и возможность поддержать здоровье. Главное – выбирать качественные продукты и употреблять их с умом.

Экстремальные погодные явления 2024 года нарушили глобальный водный цикл

2024 год стал очередным рекордсменом по температурным показателям, что спровоцировало череду экстремальных климатических событий. Это привело к масштабным наводнениям и засухам, которые оказали разрушительное воздействие на природу и человечество.

Согласно данным Global Water Monitor Report за 2024 год, подготовленному международной группой ученых, рост температур существенно изменил процессы циркуляции воды на планете, что негативно сказалось на глобальном водном цикле. Повышение температуры поверхности океана усилило интенсивность тропических циклонов и засух, особенно в бассейне Амазонки и на юге Африки. Глобальное потепление также стало причиной более мощных ливней и замедления движения штормов, что привело к катастрофическим наводнениям в Европе, Азии и Бразилии.

В 2024 году почти половина населения Земли — около четырех миллиардов человек из 111 стран — столкнулась с аномально высокими температурами. Средняя температура над сушей оказалась на 1,2 °C выше, чем в начале века, и на 2,2 °C выше, чем в доиндустриальную эпоху. Этот год стал самым жарким за всю историю наблюдений, продолжив четырехлетнюю тенденцию рекордных температур. Водные системы по всему миру оказались под ударом, что привело к серьезным последствиям.

Экстремальные явления 2024 года не были единичными случаями, а стали частью долгосрочной тенденции, характеризующейся усилением наводнений, продолжительными засухами и увеличением частоты рекордных климатических событий. Наиболее разрушительными стали внезапные и речные наводнения, засухи, тропические циклоны и оползни. Эти катастрофы унесли жизни более 8 700 человек, вынудили 40 миллионов покинуть свои дома и нанесли экономический ущерб на сумму свыше 550 миллиардов долларов США.

От исторических засух до катастрофических наводнений — экстремальные явления затронули жизни миллионов людей, их источники дохода и целые экосистемы. Например, сильные ливни вызвали масштабные наводнения в Афганистане и Пакистане, где погибло более 1000 человек. В Бразилии рекордные осадки, превысившие 300 миллиметров, привели к гибели более 80 человек.

Ученые отмечают, что рекорды по количеству осадков становятся все более частыми. В 2024 году месячные нормы осадков превышались на 27% чаще, чем в начале века, а суточные рекорды — на 52% чаще. При этом рекордно низкие показатели осадков фиксировались на 38% чаще, что свидетельствует о росте экстремальных явлений с обеих сторон спектра.

В Китае разливы рек Янцзы и Жемчужной привели к затоплению городов и поселков, вынудив десятки тысяч людей покинуть свои дома и нанеся ущерб сельскому хозяйству на сотни миллионов долларов. В Бангладеш сильные муссонные дожди и сброс воды с плотин вызвали масштабные наводнения, затронувшие 5,8 миллиона человек и уничтожившие более миллиона тонн риса. В Испании за восемь часов выпало более 500 миллиметров осадков, что привело к смертоносным наводнениям.

В то же время некоторые регионы мира столкнулись с разрушительными засухами. В бассейне Амазонки, одной из ключевых экосистем планеты, рекордно низкий уровень воды в реках нарушил транспортное сообщение и производство гидроэлектроэнергии. Лесные пожары, вызванные жаркой и сухой погодой, уничтожили более 52 000 квадратных километров леса только за сентябрь, что привело к выбросу огромного объема парниковых газов.

На юге Африки сильная засуха сократила производство кукурузы более чем на 50%, оставив 30 миллионов человек без достаточного количества продовольствия. Фермеры были вынуждены забивать скот из-за отсутствия пастбищ. Засуха также снизила выработку гидроэлектроэнергии, что привело к массовым отключениям электричества.

Ученые подчеркивают необходимость подготовки к более частым и интенсивным экстремальным явлениям. Это включает усиление защиты от наводнений, развитие устойчивых к засухам систем водоснабжения и сельского хозяйства, а также совершенствование систем раннего предупреждения.

Вода остается важнейшим ресурсом для человечества, а экстремальные явления, связанные с ней, — одними из самых серьезных угроз. Исследователи использовали данные тысяч наземных станций и спутников для мониторинга ключевых водных показателей, таких как осадки, влажность почвы, уровень рек и наводнения, в режиме, близком к реальному времени. Эти данные помогают лучше понять изменения в водном цикле и разработать стратегии адаптации к новым климатическим реалиям.
 

Структура ДНК как ключ к памяти: как G-квадруплексы управляют нашими воспоминаниями

ДНК — не просто двойная спираль
 
Долгое время считалось, что ДНК существует только в форме классической двойной спирали, описанной Уотсоном и Криком. Однако последние исследования показывают, что ДНК — это динамичная молекула, способная принимать множество форм. Одна из них, G-квадруплекс (G4-ДНК), напоминает узел из четырех цепей. Раньше такие структуры связывали с повреждением ДНК или раком, но новое исследование, опубликованное в The Journal of Neuroscience, раскрывает их удивительную роль в формировании и хранении памяти.

Что такое G-квадруплексы и почему они важны?
 
G4-ДНК образуется, когда гуаниновые основания в ДНК сворачиваются в стабильные четырехцепочечные структуры. Эти «узлы» могут временно блокировать или, наоборот, активировать работу генов, влияя на транскрипцию — процесс считывания генетической информации.
 
Представьте G4-ДНК как молекулярный переключатель. Когда он «включен», гены, связанные с памятью, активны; когда «выключен» — замолкают.  

Ученые из Квинслендского института мозга обнаружили, что G4-ДНК накапливается в нейронах мышей после обучения, особенно в медиальной префронтальной коре — области, критической для угашения страха (процесса, когда организм учится подавлять негативные воспоминания).

Как G4-ДНК влияет на память?
 
Исследователи использовали два подхода:
 
1. Подавление геликазы DHX36 — фермента, который «распутывает» G4-ДНК. Для этого в мозг мышей вводили РНК, снижающую активность DHX36.  
2. Таргетирование G4-ДНК с помощью CRISPR-dCas9 — системы, которая направляет DHX36 к конкретным генам, чтобы разрушить G4-структуры.  

Результаты:
 
- Мыши с подавленной DHX36 демонстрировали нарушения в угашении страха. Их мозг накапливал G4-ДНК в генах, важных для синаптической пластичности (например, Chl1 и Gphn), что снижало экспрессию этих генов.  
- Прицельное разрушение G4-ДНК в гене Gphn нарушало консолидацию памяти, а в гене Chl1 — усиливало страх.  
- Интересно, что G4-ДНК чаще формировалась в интронах (некодирующих участках ДНК), что указывает на их роль в регуляции транскрипции.  

Если представить ДНК как книгу, то G4-структуры — это закладки, которые указывают, какие страницы (гены) нужно читать активно, а какие — пропустить.  

Почему это открытие меняет представление о памяти?
 
1. Динамика ДНК: Раньше считалось, что эпигенетические модификации (например, метилирование) — главные регуляторы памяти. Теперь ясно, что сама структура ДНК играет не менее важную роль.  
2. Временной фактор: G4-ДНК формируется за миллисекунды, что совпадает со скоростью нейронной активности. Это позволяет быстро адаптировать экспрессию генов под новые задачи.  
3. Терапевтический потенциал: Управление G4-ДНК может помочь в лечении посттравматического стрессового расстройства (ПТСР) или болезни Альцгеймера, где нарушены процессы забывания и запоминания.  

От мышей к людям
 
Хотя исследование проводилось на мышах, его выводы имеют огромное значение для нейронауки:
 
- Диагностика: Анализ G4-ДНК в мозге может стать маркером нарушений памяти.  
- Лечение: Разработка препаратов, избирательно стабилизирующих или разрушающих G4-структуры, открывает новые пути для терапии.  
- Искусственный интеллект: Понимание роли G4-ДНК поможет создать более точные модели работы мозга.  

Осторожность: Пока рано говорить о прямом применении этих результатов к людям. Нужны дополнительные исследования, чтобы проверить, насколько аналогичны механизмы у человека.

ДНК — живая молекула
 
Это исследование напоминает нам, что ДНК — не статичная «инструкция по сборке» организма, а динамичная система, которая мгновенно реагирует на опыт. G-квадруплексы, словно молекулярные дирижеры, управляют симфонией генов, делая возможным обучение и память. Возможно, в будущем мы научимся «настраивать» эти структуры, чтобы лечить болезни, усиливать когнитивные способности или даже стирать травмирующие воспоминания.  

История ДНК только начинается. Мы лишь приоткрыли дверь в мир её структурного разнообразия.  

Ключевые термины:  
- G-квадруплекс (G4-ДНК): Четырехцепочечная структура ДНК, регулирующая транскрипцию.  
- DHX36: Геликаза, разрушающая G4-ДНК.  
- CRISPR-dCas9: Инструмент для прицельного редактирования структуры ДНК.  
- Медиальная префронтальная кора: Область мозга, связанная с эмоциями и памятью.

Связь алкоголя с раковыми заболеваниями

Сегодня на упаковках алкогольных напитков можно увидеть предупреждения о том, что употребление алкоголя во время беременности или за рулем, а также другие "риски для здоровья", могут нанести ущерб организму. Ежегодно потребление алкоголя приводит примерно к 100 000 случаям рака и 20 000 летальных исходам, связанным с онкологией.

Как алкоголь способствует развитию рака?

Для того чтобы разобраться в этом вопросе, важно понять, вызывает ли сам этанол (основной компонент алкогольных напитков) рак. Этанол, или этиловый спирт, образуется при ферментации углеводов с участием дрожжей. Исследования показывают, что алкоголь может быть связан с повышением заболеваемости раковыми заболеваниями, хотя прямая причинно-следственная связь подтверждена лишь в случае хронического алкоголизма, который приводит к раку печени. Эксперименты на животных показали, что сам по себе алкоголь не вызывает рак, однако в сочетании с известными канцерогенами, такими как диэтилнитрозамин (DEN), он может способствовать развитию опухолей. DEN встречается в табачном дыме, жареных продуктах, некоторых видах сыра, сельскохозяйственных химикатах, фармацевтических препаратах и косметике.

Алкоголь был признан канцерогеном главным образом из-за его метаболита – ацетальдегида. Этот химический компонент способен связываться с ДНК и вызывать мутации. Кроме того, процесс метаболизма алкоголя с участием фермента цитохрома P450 2E1 (CYP2E1) может приводить к образованию активных форм кислорода (АФК), что вызывает окислительный стресс. Это особенно актуально для людей, страдающих алкоголизмом, так как у них уровень алкоголя в организме значительно повышен. Окислительный стресс является важным фактором развития рака, так как он может повреждать ДНК, белки и липиды, что, в свою очередь, может привести к мутациям и опухолям.

Ацетальдегид также повышает вероятность развития рака органов, таких как губы, язык, слюнные железы и другие части полости рта и носоглотки. Особую опасность он представляет для людей с нарушениями в генах, отвечающих за восстановление ДНК, таких как BRCA1 и BRCA2, которые увеличивают риск рака молочной железы и яичников.

Наконец, важно понимать, что вред алкоголя зависит от дозы и длительности его потребления. Чем больше алкоголя человек употребляет и чем дольше это продолжается, тем выше риски. Кроме того, взаимодействие алкоголя с другими канцерогенными веществами в окружающей среде может усилить вред, который он наносит организму. Это подчеркивает необходимость комплексного подхода в оценке рисков, связанных с алкоголем, с учетом всех факторов воздействия на организм.

Потенциальные положительные эффекты умеренного потребления алкоголя

1. Здоровье сердца: Некоторые исследования связывают умеренное употребление алкоголя с более низким риском сердечно-сосудистых заболеваний, таких как инфаркт миокарда и инсульт. Особенно выделяется красное вино, которое содержит антиоксиданты, например, ресвератрол. Однако, по данным отчета NASEM, эти преимущества могут быть достигнуты и без алкоголя, если употреблять антиоксиданты из фруктов и других растительных источников.
   
2. Снижение смертности: Умеренное потребление алкоголя иногда связывают с более низким риском смерти от различных причин. Но эта связь может быть искажена из-за того, что в некоторых исследованиях трудно различить людей, которые воздерживаются от алкоголя на всю жизнь, и тех, кто бросил пить из-за проблем со здоровьем.

3. Нейрокогнитивные заболевания: Исследования, касающиеся связи между алкоголем и развитием деменции или болезни Альцгеймера, не дают однозначных результатов. По мнению экспертов, доказательств для твердых выводов недостаточно.

Рекомендации по потреблению алкоголя

1. Не начинайте пить ради здоровья: Согласно рекомендациям NASEM, не стоит начинать употреблять алкоголь с целью улучшения здоровья. Есть более безопасные и эффективные способы, например, сбалансированная диета, богатая фруктами, овощами и цельными зернами.
   
2. Ограничьте потребление: Если вы предпочитаете пить, важно соблюдать умеренность. Даже при умеренном потреблении алкоголя остаются риски, особенно для некоторых видов рака.
   
3. Учитывайте семейную предрасположенность: Людям с семейной историей заболеваний, связанных с алкоголем, таких как рак молочной железы или расстройства употребления алкоголя, следует быть осторожными.
   
4. Ищите альтернативы для антиоксидантов: Преимущества красного вина можно получить и без алкоголя, например, употребляя виноград, ягоды и орехи.

Повышенный риск для женщин и взаимодействие с другими канцерогенами

Алкоголь увеличивает риск развития некоторых видов рака, таких как рак молочной железы и колоректальный рак, особенно у женщин. Умеренное потребление алкоголя может повышать вероятность развития рака молочной железы на 10% по сравнению с теми, кто не пьет. Женщины более уязвимы к этому виду рака из-за гормональных и метаболических особенностей.

Кроме того, алкоголь может усиливать вред от других канцерогенов, таких как табачный дым и загрязнители воздуха. Например, сочетание алкоголя и курения значительно повышает риск развития рака рта, горла и пищевода. Также важно учитывать воздействие других канцерогенных веществ в окружающей среде, таких как пестициды и токсичные химикаты.

Снижение потребления алкоголя и минимизация воздействия других токсичных веществ являются важными шагами в профилактике рака. Подход к профилактике должен быть комплексным.
 

Обнаружено новое соединение в хлорированной питьевой воде

С момента 1980-х годов учёным было известно о наличии загадочного загрязняющего вещества в хлорированной питьевой воде, однако лишь недавно международной группе исследователей удалось точно определить его состав и происхождение.

Специалисты обнаружили потенциально токсичное соединение, которое является конечным продуктом химической реакции дезинфицирующих веществ, применяемых для очистки питьевой воды в ряде стран. Для его идентификации потребовались углублённые знания в области химии и использование более совершенных аналитических технологий.

Поскольку возможное воздействие вещества на здоровье пока не изучено, учёные подчеркивают необходимость дальнейших исследований, чтобы определить потенциальные риски для населения.

Группа исследователей опубликовала свои выводы, согласно которым в хлорированной воде было выявлено ранее неизвестное соединение. Неорганические хлорамины широко применяются в водоснабжении, поскольку эффективно уничтожают болезнетворные организмы, вызывающие такие заболевания, как холера и тиф.

В ходе работы учёные установили, что конечным продуктом разложения неорганических хлораминов является хлоронитрамид-анион (Cl–N–NO2−). Хотя на данный момент его токсичность остаётся неизвестной, сходство с другими вредными соединениями вызывает обеспокоенность и требует дальнейших токсикологических исследований.

Определение структуры данного вещества стало значительным научным прорывом. Как отмечают авторы исследования в статье, опубликованной в журнале Science, попытки раскрыть его состав предпринимались ещё в 1990-х годах, но не увенчались успехом из-за недостаточных знаний о химии хлораминов и ограниченных возможностей аналитического оборудования.

Хлоронитрамид-анион является стабильным соединением с низкой молекулярной массой, что делает его особенно сложным для обнаружения. Учёные подчёркивают, что самой сложной задачей стало не только его идентификация, но и доказательство корректности установленной структуры.

В рамках исследования также была впервые проведена лабораторная синтезация этого вещества, что открыло новые перспективы для его изучения.

Вопросы токсичности остаются открытыми

Главным вопросом теперь становится потенциальное влияние хлоронитрамида на здоровье. До сих пор его не удавалось исследовать в рамках токсикологических тестов, и пока неизвестно, представляет ли оно угрозу для человека.

Известно, что процесс хлорирования воды может приводить к образованию токсичных соединений. Некоторые из них обладают хронической токсичностью, и существует вероятность, что употребление такой воды в течение десятилетий повышает риск онкологических заболеваний. Однако какие именно химические соединения ответственны за этот эффект, до сих пор не установлено.

Выявление хлоронитрамида стало важным шагом в этом направлении. Теперь учёные смогут провести исследования, чтобы выяснить, имеет ли это соединение связь с развитием рака или другими негативными последствиями для здоровья. Полученные данные также помогут регулирующим органам принимать обоснованные решения по контролю за качеством питьевой воды.

Скоро мы сможем носить кожаную одежду из грибов

Поиск экологичных альтернатив традиционным материалам стал драйвером для исследований в сфере биотехнологий. Сегодня особое внимание ученых приковано к мицелию — грибной корневой системе, которая оказалась перспективным сырьем для создания биотекстиля. Представленное новое исследование открывает новый подход к выращиванию мицелиальной кожи с помощью пастообразного субстрата, который упрощает процесс и ускоряет рост.

Проблема традиционной кожи и её заменителей
 
Производство натуральной кожи сопровождается значительными экологическими проблемами, такими как загрязнение тяжелыми металлами при хромовом дублении и значительный углеродный след животноводства. В свою очередь, искусственная кожа на основе полиуретана (PU) и поливинилхлорида (PVC) имеет свои недостатки: добыча нефти, долгий процесс разложения и потенциальный выброс токсичных веществ.  

Мицелий как устойчивая альтернатива
 
Материалы на основе мицелия предлагают экологически безопасную альтернативу животной и синтетической коже. Они могут выращиваться на различных органических отходах, что делает процесс более устойчивым и экономически выгодным. Некоторые компании, такие как MycoWorks и Ecovative, уже разрабатывают коммерческие методы производства таких материалов. Однако в условиях экологического кризиса растёт потребность в открытых и доступных методиках их культивирования.  
 
Исследователи использовали два вида грибов:
 
- Ganoderma lucidum (рейши) – известный своими целебными свойствами и популярный в био-дизайне.  
- Pleurotus djamor (розовый вешенок) – быстрорастущий гриб, способный быстро колонизировать субстрат.  

В качестве субстрата была разработана специальная паста, содержащая пшеничную муку, мальтозу, ксантановую камедь, винный камень и лимонную кислоту. Этот состав обеспечивал высокую питательность и хорошую поглощаемость веществ грибами. В течение 21 дня образцы выращивались в стерильных условиях при температуре 22°C и влажности 40%.  

После культивирования мицелий подвергался различным обработкам, чтобы улучшить его механические свойства. В качестве пластификаторов использовались глицерин и коммерческие дубильные растворы, а также лимонная кислота и сульфат магния. Образцы подвергались анализу прочности на разрыв и микроскопическим исследованиям, чтобы оценить их текстуру и структуру.  

Основные результаты
 
- Оптимальный вид грибов – рейши оказался более подходящим для выращивания мицелиальной кожи, так как быстро покрывал всю поверхность субстрата и формировал плотный материал. Вешенка, напротив, не достигла достаточной толщины из-за быстрого перехода в стадию плодоношения.  
- Эффективность нового субстрата – использование пастообразного субстрата позволило ускорить рост мицелия и облегчить процесс сбора материала.  
- Обработки для улучшения свойств – наиболее перспективными оказались комбинации глицерина с лимонной кислотой и сульфатом магния. Они улучшили гибкость и уменьшили хрупкость материала.  
- Прочность и эстетика – материалы, прошедшие обработку глицерином, стали более эластичными, а применение дубления и окрашивания биокрасителями позволило достичь текстуры, напоминающей кожу.  

Перспективы и применение
 
Хотя мицелиальная кожа пока уступает натуральной по прочности, её можно использовать в производстве аксессуаров, интерьерных элементов и даже одежды. Улучшение механических характеристик возможно за счёт ламинирования, многослойного прессования и внедрения тканевых основ.  

Исследование показало, что мицелиальные материалы имеют большой потенциал для замены традиционной кожи и могут стать значимым шагом в сторону устойчивого производства текстиля и материалов для дизайна.

Революционный метод непрерывного обучения нейронных сетей

Современные нейросети достигли уровня, при котором их производительность сопоставима с человеческой в таких областях, как обработка естественного языка, компьютерное зрение и моделирование сложных систем. Трансформеры, сверточные нейронные сети (CNN) и другие архитектуры уже стали стандартом для множества задач. Однако, несмотря на впечатляющие результаты, искусственные нейронные сети остаются ограниченными в своей гибкости и устойчивости по сравнению с человеческим интеллектом.

Проблемы, такие как катастрофическое забывание при обучении новым задачам, сложности с адаптацией к вторичным целям (например, разреживанию сети для уменьшения вычислительных ресурсов) и уязвимость к атакующим воздействиям (adversarial attacks), до сих пор остаются актуальными вызовами для исследователей в области машинного обучения.

Исследователями предложено решение этих проблем с помощью инновационного подхода, основанного на применении дифференциальной геометрии. Этот метод позволяет создавать более гибкие и устойчивые нейросети, которые способны адаптироваться к новым задачам без потери уже усвоенных знаний.

Основная идея: геометрия весового пространства нейросети

В традиционных подходах к обучению нейросетей используется градиентный спуск для настройки весов сети с целью минимизации функции потерь. Этот процесс приводит к нахождению одной оптимальной конфигурации весов, которая максимально эффективно решает поставленную задачу. Однако такая оптимизация часто лишает сеть гибкости: при обучении новым задачам ранее полученные знания могут быть частично или полностью утрачены.

Исследователи предлагают рассматривать пространство весов нейросети как риманово многообразие — геометрическую структуру с собственной метрикой. Метрика позволяет измерять "расстояния" между различными конфигурациями весов, основываясь не только на изменениях самих весов, но и на том, как эти изменения влияют на функциональные характеристики сети.

Ключевая идея метода — построение инвариантных функциональных путей (FIP), вдоль которых нейросеть может изменять свои веса, оставаясь функционально неизменной. Это означает, что сеть продолжает успешно выполнять ранее обученные задачи, даже если её веса модифицируются для решения новых задач.

Как это работает?

1. Формализация пространства весов  
   Весовое пространство сети описывается как криволинейное многообразие, на котором определяется метрика, учитывающая изменения выходных данных сети при малых изменениях весов. Это позволяет выявлять инвариантные подпространства, в которых можно изменять веса сети, не влияя на её функциональность.

2. Построение геодезических путей  
   Адаптация нейросети к новым задачам формализуется как движение вдоль геодезических линий в весовом пространстве. Эти линии соответствуют путям наименьшего изменения функциональности сети при модификации весов.

3. Оптимизация вторичных целей  
   Путём добавления дополнительных целевых функций (например, для повышения разреженности или устойчивости к атакам) можно управлять направлением движения по геодезическим путям. Это позволяет одновременно решать несколько задач: сеть продолжает выполнять основную задачу, но при этом адаптируется к новым требованиям.

Преимущества метода FIP

1. Континуальное обучение без забывания (Continual Learning)  
   Традиционные нейросети сталкиваются с проблемой катастрофического забывания при обучении на новых задачах: обновление весов для новых данных часто приводит к ухудшению производительности на старых задачах.  
   
   FIP позволяет нейросетям обучаться новым задачам без потери ранее приобретённых знаний. Исследователи протестировали метод на примере Vision Transformers (ViT) и модели BERT. Например, ViT успешно обучался на серии подзадач из набора CIFAR-100, достигая производительности 91.2% после пяти задач, что значительно превышает результаты традиционных методов.

2. Разреживание нейросетей (Sparsification)  
   Уменьшение числа ненулевых весов в сети позволяет снизить требования к памяти и вычислительным ресурсам, что критично для внедрения моделей в устройства с ограниченными ресурсами.  
   
   Метод FIP позволяет разреживать нейросети без потери качества. Например, разреживание трансформера DeIT до 40% не привело к существенному падению точности на задаче классификации изображений из ImageNet.

3. Устойчивость к атакующим воздействиям (Adversarial Robustness)  
   Нейросети подвержены атакам с добавлением малозаметных шумов, которые могут полностью изменить результат классификации.  
   
   С использованием FIP создаются ансамбли нейросетей, которые демонстрируют высокую устойчивость к таким атакам. Например, ансамбль из 10 нейросетей, созданных с помощью FIP, показал значительно лучшую точность на атакованных изображениях из набора CIFAR-10 по сравнению с традиционными методами.

Сравнение с другими методами

Сравнение с существующими методами адаптации нейросетей, такими как Low-Rank Adaptation (LoRA) и Elastic Weight Consolidation (EWC).

- LoRA ограничивает обновления весов, заставляя их изменяться в низкоранговых подпространствах. Хотя этот метод помогает уменьшить количество параметров для обучения, он не всегда справляется с задачей предотвращения забывания.

- EWC использует регуляризацию для защиты важных весов от изменений, но этот метод может ограничивать гибкость сети при обучении новым задачам.

Метод FIP демонстрирует лучшие результаты по сравнению с этими подходами, обеспечивая баланс между сохранением предыдущих знаний и возможностью адаптации к новым задачам.

Практическое значение и будущее развитие

Метод инвариантных функциональных путей открывает новые возможности для создания более гибких и устойчивых нейросетей. Он позволяет интегрировать несколько задач в одну модель без потери качества, снижает вычислительные затраты за счёт разреживания и повышает устойчивость к внешним воздействиям.

Возможные области применения:

- Континуальное обучение в робототехнике и автономных системах, где важно сохранять ранее усвоенные навыки при обучении новым;
- Оптимизация нейросетей для мобильных устройств и IoT с ограниченными ресурсами;
- Устойчивость к атакующим воздействиям в системах безопасности, таких как биометрическая идентификация или автономные транспортные средства.

Будущие исследования могут быть направлены на:

1. Расширение математического аппарата для работы с более сложными архитектурами нейросетей;
2. Интеграцию метода в существующие фреймворки машинного обучения, такие как PyTorch и TensorFlow;
3. Адаптацию метода для других типов данных, включая аудиосигналы и биологические последовательности.

Предложенный метод инвариантных функциональных путей (FIP), представляет собой значимый шаг вперёд в развитии гибких и устойчивых нейронных сетей. Использование дифференциальной геометрии для анализа и управления весовым пространством нейросетей открывает новые горизонты в машинном обучении, приближая искусственные системы к гибкости и адаптивности биологических нейронных сетей.

Этот подход не только демонстрирует выдающиеся результаты в различных задачах машинного обучения, но и предоставляет универсальный инструмент для решения множества мета-проблем в этой области.

Учёные Обнаружили Океаны Воды на Марсе, но Доступ к Ним Очень Ограничен

Сейсмические исследования, проведённые с помощью NASA Lander, выявили глубокие пористые породы, наполненные жидкой водой.

Используя данные о сейсмической активности для анализа внутренней структуры Марса, геофизики нашли убедительные доказательства существования обширного подземного водоёма с жидкой водой, достаточного, чтобы покрыть всю планету океанами.

На основе информации, полученной с марсианского аппарата Insight, учёные пришли к выводу, что объём этой подземной воды может равняться слою в 1-2 километра глубиной по всей поверхности Марса — это около 1 мили.

Это открытие является важным шагом для тех, кто следит за судьбой воды на планете, особенно после того как её океаны исчезли более 3 миллиардов лет назад. Однако, несмотря на значительность находки, доступ к этому водоёму будет крайне сложным. Вода заключена в мелких трещинах и порах пород в самой глубине марсианской коры — на расстоянии 11,5 до 20 километров (от 7 до 13 миль) под поверхностью. Даже на Земле бурение на такую глубину является настоящим вызовом.

Тем не менее, это открытие даёт учёным новые перспективы для поиска жизни на Марсе, если будет разработана технология, способная добраться до водоёма. Также это помогает лучше понять геологическую историю планеты.

Изучение водного цикла на Марсе является ключом к пониманию эволюции его климата, поверхности и внутреннего строения. Важно не только определить, где находится вода, но и сколько её осталось.

Для того чтобы сделать такие выводы, учёные использовали математические модели, аналогичные тем, что применяются на Земле для анализа подземных водоносных слоёв и нефтяных месторождений. С их помощью было установлено, что сейсмические данные, полученные с аппарата Insight, наилучшим образом объясняются существованием глубокого слоя трещиноватых игнеболитических пород, пропитанных жидкой водой. Игнеболитические породы — это материал, образующийся из охлаждённой магмы, например, гранит.

Открытие большого подземного водоёма даёт некоторое представление о климате планеты в прошлом. Хотя пока не найдено доказательств существования жизни на Марсе, это открытие подтверждает, что на планете есть условия, которые могут способствовать её сохранению, как это происходит в глубоких шахтах и на дне океанов Земли.

Речные долины, дельты, озёрные отложения и водоизменённые породы — все эти признаки свидетельствуют о том, что в прошлом вода текла по поверхности Марса. Однако этот процесс прекратился более 3 миллиардов лет назад, когда Марс утратил свою атмосферу. Научные экспедиции, отправленные на Марс, пытаются понять, что случилось с водой и когда именно, а также разобраться, существовала ли на планете жизнь.

Новые данные предполагают, что большая часть воды не улетела в космос, а проникла в марсианскую кору.

Марсоход Insight был отправлен NASA на Красную планету в 2018 году с целью изучения её коры, мантии, ядра и атмосферы. Аппарат собрал бесценную информацию о внутреннем строении Марса, прежде чем завершил свою миссию в 2022 году.

Проанализировав все собранные сейсмические данные, учёные смогли определить толщину коры, глубину ядра, его состав и даже некоторые параметры температуры в мантии. Insight также зафиксировал марсианские землетрясения силой до 5 баллов по шкале Рихтера, удары метеоритов и сейсмическую активность в вулканических регионах, что позволило геофизикам более точно исследовать внутреннюю структуру планеты.

Собранные на Марсе образцы пород являются важным ключом для понимания истории воды и, возможно, жизни на этой планете.

Осадочные породы, которые марсоход НАСА «Perseverance» собрал на Марсе, могут быть изучены только на Земле, чтобы раскрыть больше тайн водной истории планеты.

В начале 2022 года марсоход «Perseverance» проводил сбор образцов горных пород с поверхности Марса, и эти образцы могут перевернуть наши представления о водном прошлом Красной планеты и даже служить доказательством существования жизни на ней в далеком прошлом.

Однако для того чтобы по-настоящему понять, что скрывают эти породы, требуется их более глубокий анализ, который может быть проведен лишь на Земле. Это станет возможным только через новую миссию, цель которой — забрать эти образцы и вернуть их на нашу планету. Ученые надеются, что миссия по возврату образцов состоится к 2033 году, хотя сроки могут быть перенесены.

Эти образцы пород — основная цель миссии. Именно они были главным объектом поиска и исследований.

Особую значимость представляют породы, отобранные в районе бывшего озера, заполнившего кратер под названием Езеро. Эти осадочные породы сформировались из речных отложений, которые когда-то попадали в высохшее водоемное пространство.

Важно отметить, что это первые и единственные осадочные породы, собранные с планеты, отличной от Земли. Осадочные породы интересны тем, что они были перенесены водными потоками, отложены в водоемах, а затем изменены химически. Этот процесс указывает на существование жидкой воды на Марсе в прошлом. Именно по этой причине миссия направились в кратер Езеро для исследования таких пород. Эти образцы просто фантастичны с точки зрения научных целей.

Эти керны могут быть самыми древними материалами, собранными из сред, которые когда-либо могли поддерживать жизнь. Они откроют перед нами множество деталей о том, когда, почему и как долго на Марсе существовала жидкая вода, а также о возможных органических или биологических процессах.

Что особенно важно, некоторые из этих образцов содержат мельчайшие отложения, которые являются наиболее вероятными кандидатами для сохранения свидетельств существовавшей микробной жизни на Марсе, если таковая имела место.

Жидкая вода играет в этой истории центральную роль, так как она является основным условием для биологических процессов, как мы их понимаем. На Земле именно мелкозернистые осадочные породы чаще всего сохраняют следы биологической активности, включая органические молекулы. Поэтому эти образцы столь ценны для ученых.

25 июля НАСА сообщило, что марсоход «Perseverance» собрал новые образцы пород с обнажения Чеява-Фолс, которые могут содержать свидетельства жизни на Марсе в прошлом. Приборы на борту марсохода зафиксировали признаки органических молекул, а включения, напоминающие «леопардовые пятна» в породах, похожи на те, что на Земле часто связаны с окаменелыми следами микробной жизни.

С научной точки зрения, «Perseverance» больше не сможет дать новые данные. Для того чтобы в полной мере понять, что происходило в этом марсианском речном бассейне миллиарды лет назад, необходимо вернуть образцы на Землю и провести более сложные анализы с использованием мощных лабораторных приборов.

Все ответы скрыты в осадочных породах

Река, когда-то впадавшая в кратер и оставившая после себя веер отложений, вероятно, существовала 3,5 миллиарда лет назад. Теперь эта вода исчезла — либо оказалась скрытой под земной корой, либо улетучилась в космос. Но в тот период Марс был достаточно влажным, чтобы поддерживать жидкую воду, и на Земле в это время уже существовали микробные формы жизни.

Микробная жизнь процветала на Земле 3,5 миллиарда лет назад. Вопрос, который ставят ученые, — была ли жизнь на Марсе в тот момент времени?

На Земле, если бы в тот период существовала река, которая впадает в кратер и переносит материалы в водоем, то жизнь точно оставила бы свой след. Мелкозернистые отложения — это идеальная среда для сохранения биологических следов, и именно их мы будем искать, проводя анализ образцов.

На борту «Perseverance» был установлен прибор для поиска органических молекул, но этот инструмент не обнаружил органических веществ в четырех образцах с осадочного веера. Хотя это не означает, что органические молекулы отсутствуют. Это просто говорит о том, что их концентрация слишком мала для обнаружения с помощью текущих приборов.

На сегодняшний день марсоход собрал 25 образцов, включая дубликаты и образцы атмосферы, а также три пробирки для улавливания возможных загрязнителей. Восемь из этих образцов, а также один образец атмосферы и пробирки, были оставлены в «Трех вилках» — резервном хранилище на поверхности Марса на случай технических проблем с марсоходом. Остальные 15 образцов, включая тот, что был собран в Чеява-Фолс, остаются на борту «Perseverance» в ожидании их возврата на Землю.

После первых анализов образцов ученые обнаружили, что первые восемь образцов, собранных с разных участков дна кратера, представляют собой магматические породы, вероятно образовавшиеся в результате удара метеорита. Эти данные были опубликованы в 2023 году.

В новой недавно опубликованной статье представлены результаты анализа еще семи образцов, собранных между 7 июля и 29 ноября 2022 года. Эти образцы состоят преимущественно из песчаника и аргиллита, сформировавшихся благодаря речным процессам.

«Perseverance» обнаружил осадочные породы, содержащие карбонаты и сульфаты, собрав образцы с различных участков западного веера кратера Езеро. Эти породы могут дать важные данные о химии воды, которая когда-то текла в кратер, а также о том, когда именно происходили осадконакопления.

Чтобы раскрыть полную картину, необходимо провести дополнительные лабораторные исследования этих образцов, включая анализ органических, изотопных и химических следов, которые помогут нам понять условия существования воды на Марсе и, возможно, жизни.

Беспроводные технологии: новый рекорд скорости передачи данных 938 Гбит/с

Современные беспроводные технологии сталкиваются с серьезными вызовами в области скорости передачи данных. С увеличением количества пользователей интернета, распространением технологий виртуальной и дополненной реальности, ростом числа устройств Интернета вещей (IoT) появился колоссальный объем передаваемой информации. Однако существующие технологии, такие как 5G и Wi-Fi, уже сейчас приближаются к пределу своей пропускной способности из-за загруженности радиочастотного спектра.  

Исследователи предложили революционное решение, объединив два различных подхода – высокоскоростную электронику и фотонные технологии. Это позволило им установить новый рекорд по скорости беспроводной передачи данных – 938 Гбит/с в диапазоне 5-150 ГГц. Для сравнения, эта скорость более чем в 9 000 раз превышает среднюю скорость загрузки в сетях 5G (около 100 Мбит/с).  

Почему существующие сети не справляются?  

На сегодняшний день большинство беспроводных сетей, включая Wi-Fi и 5G, работают на частотах ниже 6 ГГц. Однако этот диапазон уже сильно перегружен: здесь работают мобильные сети, спутниковые системы связи, Wi-Fi и другие технологии.  

Использование более высоких частот, например, миллиметрового диапазона (от 30 до 300 ГГц), могло бы решить эту проблему, однако до сих пор его освоение сдерживалось техническими трудностями:  

- Традиционные электронные методы неэффективны при создании сигналов в миллиметровом диапазоне из-за значительных потерь и сложностей в генерации стабильных частот.  
- Фотонные технологии, использующие оптические методы для генерации радиосигналов, хотя и обеспечивают работу в высокочастотных диапазонах, ранее использовались отдельно от электронных методов.  

В результате не существовало технологии, способной эффективно покрывать широкий диапазон частот – от нескольких гигагерц до сотен гигагерц.  

Прорывное решение: объединение электроники и фотоники  

Группа исследователей предложила инновационный подход, который объединяет два метода:  

1. Электронные цифровые сигнальные процессоры (работают в диапазоне 5-50 ГГц)  
2. Фотонные генераторы радиосигналов (позволяют передавать данные в диапазоне 50-150 ГГц)  

Этот гибридный подход обеспечил стабильную передачу данных в сверхшироком диапазоне частот.  

Главная инновация заключается в синхронизации сигналов: две технологии объединены так, что обеспечивают единый частотный стандарт, устраняя разрывы между диапазонами. В результате удалось создать сплошной канал шириной 145 ГГц, что более чем в пять раз превышает предыдущий рекорд.  

Как работает технология?  

Основной принцип технологии – использование частотно-закрепленных лазеров, которые позволяют стабильно передавать сигнал в широком диапазоне частот без потерь качества.  

Процесс выглядит так:  

1. Генерация низкочастотного сигнала с помощью цифровых преобразователей (DAC), которые создают сигнал в диапазоне 5-75 ГГц.  
2. Генерация высокочастотного сигнала (75-150 ГГц) с использованием фотонных технологий: лазеры генерируют радиосигналы на нужных частотах с высокой стабильностью.  
3. Частотная синхронизация между двумя методами, что позволяет создать единый широкий канал без разрывов.  

Применение ортогонального частотного мультиплексирования (OFDM) и битовой загрузки позволило достичь высокой спектральной эффективности и уменьшить потери.  

Как эта технология изменит беспроводные сети?  

Результаты исследования могут стать основой для нового поколения беспроводных систем, включая 6G, Wi-Fi будущего и IoT. Потенциальные применения:  

1. Сверхбыстрый Wi-Fi  
Технология позволит загружать файлы и стримить контент с беспрецедентной скоростью. Например, скачивание 4K-фильма (14 ГБ) займет всего 0,12 секунды (против 19 минут в сетях 5G).  

2. Развитие мобильных сетей 6G  
Ожидается, что 6G будет использовать миллиметровый и терагерцовый диапазоны. Новая технология обеспечит более стабильное соединение в многолюдных местах – например, на стадионах и концертах.  

3. Подключение "умных городов"  
Возможность работы с широким спектром частот позволит создать эффективную инфраструктуру для датчиков IoT, беспилотных автомобилей и автоматизированных производств.  

4. Высокоскоростные беспроводные каналы связи между базовыми станциями  
Сегодня операторам связи приходится использовать оптоволокно или дорогие спутниковые каналы. Новый метод позволит передавать данные между базовыми станциями без кабелей, упрощая развертывание сетей.  

5. Промышленные и военные приложения  
Передача данных на сверхвысоких частотах может быть использована в системах связи для заводов, складов и военных объектов, где прокладка кабелей невозможна.  

Когда ждать внедрения?  

Хотя технология пока протестирована только в лабораторных условиях, уже разрабатываются прототипы для коммерческих испытаний. По оценкам исследователей, первые коммерческие устройства с использованием этой технологии появятся в течение 3-5 лет.

Новое исследование показывает, что будущее беспроводных технологий – за интеграцией электроники и фотоники. Этот подход позволяет создать ультраширокополосные беспроводные сети, способные передавать данные на скорости почти 1 Тбит/с.  

Эта разработка откроет двери к созданию сверхбыстрого Wi-Fi, мобильных сетей 6G и беспроводных городских инфраструктур будущего. Мир стремительно движется к новой эре связи – и этот прорывной проект делает ее реальностью.

Как умные телевизоры следят за нами: автоматическое распознавание контента и проблемы конфиденциальности

Современные умные телевизоры обладают не только возможностью воспроизводить потоковый контент, но и слежением за пользователями. Одним из ключевых инструментов такого мониторинга является автоматическое распознавание контента (ACR, Automatic Content Recognition) — технология, позволяющая телевизору фиксировать, что именно смотрит пользователь, и передавать эти данные на серверы производителей.  

Группа исследователей провела комплексное исследование работы ACR на телевизорах Samsung и LG. Эксперты изучили, какие данные собираются, как часто это происходит, можно ли отключить слежку и насколько эти процессы соответствуют законам о защите персональных данных.  

Как работает ACR и зачем он нужен?  

Технология ACR напоминает Shazam, но вместо распознавания музыки она определяет видеоконтент. Принцип работы следующий:  

1. Захват изображения или звука с экрана телевизора.  
2. Создание цифрового отпечатка (fingerprint).  
3. Сравнение отпечатка с базой данных, содержащей информацию о фильмах, передачах и рекламе.  
4. Передача сведений на серверы LG или Samsung.  

Эти данные используются для:  
- Создания персонализированной рекламы. Рекламодатели могут лучше таргетировать аудиторию.  
- Рекомендаций контента. Например, после просмотра фильма пользователь может получить совет по похожему контенту.  
- Анализа популярности шоу. Владельцы ТВ-платформ могут собирать статистику о зрительских предпочтениях.  

Однако, как показало исследование, ACR отслеживает не только телевизионные каналы или стриминговые сервисы, но и внешние источники, подключенные к телевизору, включая HDMI-устройства.  

Что показало исследование?  

Исследователи подключили телевизоры Samsung и LG к специальному интернет-хабу и зафиксировали, какие данные передаются на внешние серверы. В ходе эксперимента рассматривались следующие сценарии:  

1. Просмотр эфирного ТВ (linear TV).  
2. Использование стриминговых сервисов (OTT, например, Netflix, YouTube).  
3. Просмотр контента через HDMI (например, с ноутбука или игровой консоли).  
4. Зеркальная трансляция (screen casting) с мобильного устройства.  

Основные результаты исследования:  

- ACR активен даже при использовании HDMI. Это означает, что телевизор фиксирует изображение даже с внешних источников, включая ноутбук или приставку.  
- ACR отключается при отказе от персонализированной рекламы, но сделать это сложно. Пользователь должен пройти несколько этапов, отключая различные настройки в скрытых меню.  
- Samsung и LG отправляют данные на разные серверы: Samsung использует серверы в США, LG — в Европе.  

Можно ли отключить ACR?  

Да, но процесс запутанный и неудобный. Производители не предоставляют легкий способ отказа, поэтому пользователям приходится вручную отключать ACR через несколько уровней меню.  

Для отключения ACR на LG необходимо:  
- Отключить «Live Plus».  
- Запретить сбор информации о просмотрах.  
- Отключить рекламные рекомендации.  

На Samsung нужно:  
- Выключить «Просмотр информации о контенте».  
- Запретить персонализированную рекламу.  
- Отключить «Персонализированные рекомендации».  

В некоторых случаях даже после отключения ACR телевизоры продолжают отправлять данные на серверы, что вызывает вопросы о соблюдении конфиденциальности.  

Юридические аспекты и соответствие законам  

В разных странах действуют различные законы о защите персональных данных:  
- В ЕС и Великобритании действует GDPR (Общий регламент по защите данных), который требует явного согласия пользователя на сбор информации.  
- В США аналогичного строгого регулирования нет, за исключением Калифорнии, где работает CCPA (Калифорнийский закон о конфиденциальности потребителей).  

Из-за этих различий ACR ведет себя по-разному:  
- В Великобритании Netflix и YouTube не передают данные ACR, что может быть связано с авторскими правами.  
- В США даже встроенные приложения телевизора могут передавать данные на серверы Samsung или LG.  

Как защитить себя от слежки?  

Если вы хотите минимизировать сбор данных вашим телевизором, вот несколько советов:  

1. Отключите ACR в настройках. Это снизит объем передаваемых данных.  
2. Используйте внешние блокировщики трафика. Например, маршрутизаторы с поддержкой блокировки нежелательных DNS-запросов.  
3. Отключите интернет на телевизоре, если не используете стриминг.  
4. Настройте параметры конфиденциальности. Читайте, какие разрешения включены по умолчанию, и отключайте ненужные.    

Исследование показало, что умные телевизоры активно собирают данные о пользователях, даже если те используют внешние устройства. Основные выводы таковы:  

ACR работает даже при подключении через HDMI. Это вызывает вопросы о конфиденциальности.  
Отключение ACR возможно, но требует сложных действий. Производители намеренно затрудняют этот процесс.  
В разных странах ACR работает по-разному. В Европе действуют более строгие правила, чем в США.  
Данные отправляются на серверы LG и Samsung, а затем могут передаваться третьим сторонам.  

Исследователи призывают производителей сделать отключение ACR простым и прозрачным, а также предупреждать пользователей о сборе данных. Пока же пользователи должны самостоятельно защищать свою конфиденциальность, внимательно изучая настройки телевизора.
 

Два слова против ИИ: как новый тест выявил ограничения языковых моделей

Современные большие языковые модели (Large Language Models, LLMs) демонстрируют выдающиеся способности в обработке естественного языка, решении сложных задач и даже прохождении профессиональных экзаменов. Однако остается открытым вопрос: действительно ли они понимают язык, или их успехи основаны лишь на статистической обработке текстов? Исследователи разработали Тест двух слов (Two Word Test, TWT), который позволяет объективно оценить семантические способности языковых моделей. Этот тест выявил важные ограничения LLMs, показывая, что даже самые передовые ИИ могут ошибаться в простых задачах, с которыми легко справляется человек.

Цель исследования и методология

Основная цель исследования заключалась в проверке способности языковых моделей различать осмысленные и бессмысленные сочетания слов. Для этого был разработан Тест двух слов (TWT), в котором использовались 1768 пар существительных. Эти пары были разделены на две категории:
- Осмысленные сочетания, например, baby boy (мальчик-младенец) или computer programmer (программист);
- Бессмысленные сочетания, такие как goat sky (козел небо) или meat kangaroo (мясо кенгуру).

Для проверки теста привлекли 150 человек, которые оценивали осмысленность фраз по шкале от 0 до 4. Затем тот же тест был проведен на четырех современных языковых моделях: GPT-4-turbo, GPT-3.5-turbo, Claude-3-Opus и Gemini-1-Pro-001.

Моделям предлагалось оценить осмысленность фраз в двух вариантах:
1. Шкала от 0 до 4, где 0 означало «бессмысленно», а 4 — «полностью осмысленно».
2. Бинарный тест, в котором необходимо было определить, является ли сочетание осмысленным («makes sense») или нет («nonsense»).

Результаты тестирования

1. Ошибки в оценке осмысленности  
Оказалось, что языковые модели часто приписывали смысл бессмысленным фразам. Особенно это проявлялось в моделях GPT-3.5 и Gemini-1-Pro-001, которые оценивали бессмысленные сочетания так, будто они имели смысл. Claude-3-Opus показал лучший результат, но все же не достиг уровня человеческой точности.

2. Чувствительность к порядку слов  
Люди легко понимают разницу между такими сочетаниями, как beach ball (пляжный мяч) и ball beach (мяч пляж). Однако языковые модели часто не различали подобные перестановки и считали их одинаково осмысленными.

3. Зависимость от частотности слов  
Один из ключевых выводов исследования — языковые модели полагаются не столько на реальную семантику, сколько на частотность фраз в текстах. Если сочетание встречается в текстах, ИИ склонен считать его осмысленным, даже если оно на самом деле бессмысленно.

4. Неспособность к семантической критике  
Человеческий мозг обладает встроенной способностью подвергать слова критическому осмыслению, понимая, какие сочетания имеют смысл, а какие — нет. У языковых моделей такой способности нет: они «пытаются» придать смысл даже очевидно бессмысленным сочетаниям.

Что означают эти результаты?

Это исследование ставит под сомнение утверждения о том, что LLMs приближаются к человеческому пониманию языка. Да, они могут решать сложные задачи, но их ошибки в элементарных тестах, таких как TWT, говорят о принципиальных ограничениях.

Основные выводы:
- Текущие языковые модели не обладают настоящим пониманием языка — они просто находят вероятностные связи между словами.
- Даже самые продвинутые LLMs не могут уверенно отличать осмысленные сочетания слов от бессмысленных.
- Для реального улучшения ИИ необходимо разрабатывать новые методы, которые помогут моделям лучше оценивать смысл фраз, а не просто полагаться на частотность слов.

Практическое значение исследования

Выводы исследования важны для многих сфер применения искусственного интеллекта:
- Автоматизированный перевод. Если ИИ не понимает смысл фраз, он может допускать серьезные ошибки при переводе.
- Генерация контента. Языковые модели могут создавать правдоподобные, но бессмысленные тексты.
- Поисковые системы. Если поисковый алгоритм не различает осмысленные и бессмысленные запросы, это может ухудшить релевантность результатов.

Исследователи рекомендуют осторожно относиться к утверждениям, что языковые модели достигли уровня человеческого понимания. Важно продолжать развивать тесты, подобные TWT, чтобы выявлять слабые места ИИ и совершенствовать их архитектуру.

Несмотря на впечатляющие успехи, LLMs все еще далеки от настоящего понимания языка. Тест двух слов (TWT) показал, что даже самые передовые модели делают ошибки в задачах, которые для человека кажутся очевидными. Это еще раз доказывает, что ИИ — это мощный инструмент, но не полноценная замена человеческого интеллекта.

Будущие исследования могут помочь разработать новые способы обучения языковых моделей, чтобы они лучше распознавали семантическую осмысленность и не допускали таких ошибок. Однако пока что пользователям стоит помнить о границах возможностей искусственного интеллекта и не полагаться на него без критического осмысления его ответов.
 

Новый взгляд на точность измерения климатических изменений

Учёные разработали усовершенствованные методы обработки данных, получаемых в рамках программы GRACE, направленной на мониторинг климатических процессов.

Какие объёмы льда исчезают с ледников? Как это влияет на уровень мирового океана? Какие изменения происходят в глобальном водном балансе? Чтобы ответить на эти важные вопросы, необходимы высокоточные данные о динамике природных процессов. С 2002 года эту информацию предоставляют спутники миссии GRACE. Недавние исследования позволили достичь значительного прогресса в обработке этих данных на базовом уровне, что нашло отражение в публикации в авторитетном журнале American Journal of Geophysical Research. Достижения исследователей активно используются в рамках международного научного сотрудничества.

Перемещения больших масс в короткие временные промежутки создают сложности в анализе информации, особенно если такие события происходят быстрее, чем период полного сканирования поверхности Земли спутниками. Это особенно актуально в случае приливных волн, вызывающих значительные перераспределения водных масс. Учёные разработали инновационные методики, позволяющие выделять ключевые компоненты приливных явлений в данных спутникового мониторинга. Эти наработки открывают перспективы для использования измерений GRACE в новом подходе к моделированию приливных процессов и их влияния на уровень мирового океана.

Научные основы исследований

Изменения в подземных водах, таяние ледников, сезонные колебания климата и мощные тектонические события оказывают влияние на гравитационное поле Земли. Сегодня такие изменения фиксируются с орбиты при помощи спутников. Основной принцип заключается в том, что движение спутников зависит от распределения масс на планете. Точные данные об их положении позволяют судить о трансформациях этих масс. Этот подход был усовершенствован в рамках спутниковой гравиметрической миссии GRACE (2002–2017), продолженной с 2018 года программой GRACE Follow-On. Оба проекта включают пару спутников, движущихся по орбите на высоте около 450 км с интервалом в 220 км друг от друга. Использование GPS позволяет отслеживать их координаты с точностью до сантиметра, а межспутниковое расстояние фиксируется с точностью до микрометра. Это делает возможным изучение гравитационного поля Земли с пространственным разрешением в несколько сотен километров и временным интервалом около одного месяца.

Однако на орбиту спутников влияет не только перераспределение земных масс, но и различные побочные факторы. Чтобы исключить их влияние, используется сложное моделирование, позволяющее скорректировать измеренные данные. К числу таких факторов относятся гравитационное воздействие небесных тел, сопротивление атмосферы и приливные эффекты, вызванные Луной и Солнцем. Особенно важно учитывать изменения масс, происходящие с частотой выше месячного временного разрешения гравитационного поля. Ошибки в моделировании могут не только ухудшить качество данных, но и привести к неверному трактованию высокочастотных эффектов как медленных изменений распределения масс.

Одним из самых сложных факторов для учёных остаются морские приливы. Их моделирование основано на комбинации численных расчётов и спутниковых измерений уровня океана. Однако подобные спутниковые наблюдения не охватывают приполярные регионы, что создаёт определённые погрешности. Дополнительно, вблизи берегов, где динамика волн особенно сложна, модели приливов также демонстрируют неточности.

Прорыв в исследованиях

Используя альтернативный подход, учёные смогли выявить ключевые приливные частоты непосредственно в спутниковых данных GRACE и GRACE Follow-On, а также проанализировать их пространственное распределение. Помимо классических частот, обусловленных гравитационным воздействием Луны и Солнца, исследователи обнаружили ранее неизвестные закономерности. В их число входят нелинейные эффекты, возникающие в прибрежных зонах, приливы, вызванные изменениями атмосферного давления, а также малые асимметричные компоненты, связанные с воздействием Луны, обнаружение которых стало возможным благодаря продолжительным сериям наблюдений.

Некоторые из выявленных эффектов ранее не фиксировались в спутниковых данных и практически не учитывались при моделировании приливных процессов. Это исследование подчёркивает огромный потенциал миссий GRACE и GRACE Follow-On для совершенствования моделей морских приливов. Развитие таких моделей позволит снизить уровень неопределённости в данных о перераспределении земных масс, что, в свою очередь, поспособствует более глубокому пониманию климатических процессов и их последствий.