<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
     xmlns:content="http://purl.org/rss/1.0/modules/content/"
     xmlns:media="http://search.yahoo.com/mrss/"
     xmlns:atom="http://www.w3.org/2005/Atom">

<channel>

    <atom:link
        href="https://shesht.am/tag/%d5%b0%d5%a1%d5%b4%d5%a1%d5%af%d5%a1%d6%80%d5%a3%d5%b9%d5%a1%d5%b5%d5%ab%d5%b6-%d5%b4%d5%b8%d5%a4%d5%a5%d5%ac%d5%a1%d5%be%d5%b8%d6%80%d5%b8%d6%82%d5%b4/feed"
        rel="self"
        type="application/rss+xml"
    />

    <lastBuildDate>Wed, 18 Nov 2026 18:07:44 +0000</lastBuildDate>

    <title>Շեշտ.am (shesht.am) - Feed</title>

    <description>Շեշտ.am – նորություններ եւ ոչ միայն</description>

    <link></link>

    
        
        <item>

            <guid isPermaLink="false">https://shesht.am/?p=21327</guid>

            <pubDate>Wed, 18 Nov 2026 09:08:37 +0000</pubDate>

            <title>Մոդելը ցույց է տվել, թե մագնիսի որ հատվածներն են դժվարացնում վերամագնիսացումը</title>

            <description><![CDATA[<p>Ճապոնացի հետազոտողները համակարգչային մոդելով պարզել են, թե մագնիսական դոմենների սահմանների որ հատվածներն են ամենաշատը խոչընդոտում մագնիսացման ուղղության փոփոխությանը։ Արդյունքը կարող է օգնել հասկանալ, թե բարձր հաճախականությամբ աշխատող սարքերում ինչից են առաջանում մագնիսական կորուստները։</p>
]]></description>

            
                <media:content
                    url="https://shesht.am/wp-content/uploads/2026/11/shesht-magnetic-domains-cover.jpg"
                                            type="image/jpeg"
                                        expression="full"
                >

                    <media:description type="plain"><![CDATA[Մոդելը ցույց է տվել, թե մագնիսի որ հատվածներն են դժվարացնում վերամագնիսացումը]]></media:description>

                </media:content>

            
            <content:encoded><![CDATA[
Տոկիոյի գիտության համալսարանի հետազոտողները նմանակել են երկաթի հիմքով նանոբյուրեղային նյութի վարքը փոփոխական մագնիսական դաշտում։ Նոյեմբերի 17-ին NPG Asia Materials ամսագրում հրապարակված աշխատանքում նրանք համեմատել են երեք հաճախականություն՝ 100 կիլոհերց, 1 մեգահերց և 10 մեգահերց։



Մագնիսական դոմենները նյութի փոքր տիրույթներ են, որոնց ներսում մագնիսացումը հիմնականում նույն ուղղությունն ունի։ Երբ արտաքին դաշտը փոխում է ուղղությունը, որոշ դոմեններ ընդարձակվում են, մյուսները՝ փոքրանում։ Դրանց միջև սահմանները, որոնք կոչվում են դոմենային պատեր, այդ ընթացքում տեղաշարժվում են։



«Ֆուգակու» գերհամակարգչով կատարված հաշվարկներում հաճախականության աճին զուգահեռ դոմեններն ավելի մանր հատվածների են բաժանվել, իսկ դրանց միջև պատերը շատացել են։ 100 կիլոհերցի դեպքում մոդելում գերակշռել են լայն տիրույթները, իսկ 10 մեգահերցի դեպքում դրանց տեղում առաջացել է ավելի խիտ ու բարդ պատկեր։



Հեղինակներն օգտագործել են պատկերների վերլուծության մի մեթոդ, որը թույլ է տվել դոմենների ձևն ու փոխդասավորությունը կապել վերամագնիսացման համար անհրաժեշտ էներգիայի հետ։ Հաշվարկի արդյունքները նորից տեղադրելով մագնիսացման քարտեզի վրա՝ նրանք պարզել են, որ էներգետիկ արգելքին ամենից շատ նպաստել են հակառակ ուղղությամբ մագնիսացված և ընդարձակվող դոմենների ծայրերն ու որոշ բարակ դոմենային պատեր։



Ինչպես հայտնում է համալսարանը, այսպիսի նյութեր օգտագործվում են տրանսֆորմատորներում և էլեկտրաէներգիայի փոխակերպման սարքերում։ Հետազոտությունը ցույց է տալիս, թե կառուցվածքի որ հատվածներն արժե ուսումնասիրել այդ սարքերում մագնիսական կորուստների պատճառները հասկանալու համար։



Աշխատանքում չեն չափել իրական նմուշի ջերմացումը կամ սարքի արդյունավետությունը։ Հեղինակներն առաջարկում են մոդելի արդյունքները ստուգել տարբեր հաճախականություններում՝ փորձի ընթացքում հետևելով, թե ինչպես են շարժվում դոմենային պատերը։
]]></content:encoded>

            <link>https://shesht.am/science/magnetic-domain-walls</link>

            <author>info@shesht.am (Շեշտ.am (shesht.am))</author>

        </item>

    
        
        <item>

            <guid isPermaLink="false">https://shesht.am/?p=20987</guid>

            <pubDate>Sun, 08 Nov 2026 09:08:34 +0000</pubDate>

            <title>Նեյրացանցերի ուսուցման անկայունությունը կապել են ֆրակտալ կառուցվածքի հետ</title>

            <description><![CDATA[<p>Ավստրալիացի հետազոտողները նեյրացանցերի ուսուցման արդյունքների տարբերությունը կապել են մեկնարկային պայմանների ֆրակտալ կառուցվածքի հետ։ Նրանց փորձերում նույնիսկ գրեթե նույն կարգավորումներով ուսուցանված ցանցերը կարող էին տարբեր պատասխաններ տալ։</p>
]]></description>

            
                <media:content
                    url="https://shesht.am/wp-content/uploads/2026/11/shesht-ai-fractal-cover-20261108.jpg"
                                            type="image/jpeg"
                                        expression="full"
                >

                    <media:description type="plain"><![CDATA[Նեյրացանցերի ուսուցման անկայունությունը կապել են ֆրակտալ կառուցվածքի հետ]]></media:description>

                </media:content>

            
            <content:encoded><![CDATA[Սիդնեյի համալսարանի ֆիզիկոսներ Էնդրյու Լայն ու Պուլին Գոնգը արդյունքները ներկայացրել են նոյեմբերի 5-ին Nature Machine Intelligence-ում հրապարակված հոդվածում։ Համալսարանը աշխատանքի մասին հաղորդել է նոյեմբերի 6-ին։
Նեյրացանցը սովորելիս աստիճանաբար փոփոխում է իր ներքին պարամետրերը։ Հեղինակները մեկնարկային կարգավորումները դիտարկել են որպես քարտեզի կետեր. նույն վերջնական լուծմանը տանող կետերը կազմում են ձգողության ավազան։ Եթե տարբեր ավազանները խիտ միահյուսված են, գրեթե կողք կողքի գտնվող մեկնարկները կարող են բերել տարբեր լուծումների։
Պարզ՝ երկշերտ ցանցի համար գիտնականները մաթեմատիկորեն ցույց են տվել նման ֆրակտալ կառուցվածքի առաջացման պայմանները։ Ավելի բարդ ցանցերում նրանք հայտնաբերել են նույն մեխանիզմին համապատասխանող նշաններ։ Այդ դեպքերում մեկնարկային պարամետրերի ճշգրտության մեծացումը միշտ չէ, որ օգնում է կանխատեսել ուսուցման վերջնական արդյունքը։
Հետազոտողները ընդհանուր առմամբ ուսուցանել են շուրջ 500 հազար նեյրացանց՝ տարբեր ճարտարապետություններով, տվյալներով և ուսուցման եղանակներով։ Փորձերը ներառել են պատկերների ճանաչում և տեքստերի հուզական երանգի դասակարգում։ Էֆեկտը պահպանվել է նաև այնպիսի հաշվարկներում, որտեղ վերացված էին արտաքին պատահականության աղբյուրները։
Պատկերներ դասակարգող ցանցի ուսումնասիրված տարբերակներից մեկում մեկնարկային անորոշությունը տասը միլիարդ անգամ փոքրացնելը գործնականում չի բարելավել արդյունքների վերարտադրելիությունը։ Հեղինակները ստուգել են ոչ միայն ներքին պարամետրերը, այլև ցանցերի պատասխանները. գրեթե նույն մեկնարկներով ուսուցանված զույգերի կանխատեսումները միջինում տարբերվել են մուտքային օրինակների մոտ 2,9 տոկոսի համար։
Փորձարկված կարգավորումների մեծ մասում ավելի փոքր ուսուցման քայլը բարձրացրել է վերարտադրելիությունը, սակայն վատացրել ուսուցման արդյունավետությունը։ Հեղինակներն առաջարկում են անկայունությունը գնահատել նաև ցանցերի պատասխանների տարբերությամբ։ Աշխատանքը չի ապացուցում, որ բոլոր նեյրացանցերը նույն չափով անկանխատեսելի են. այն բացահայտում է հնարավոր մեխանիզմ և դրա ստուգման գործիքներ։]]></content:encoded>

            <link>https://shesht.am/science/ai-training-fractal-limits</link>

            <author>info@shesht.am (Շեշտ.am (shesht.am))</author>

        </item>

    
        
        <item>

            <guid isPermaLink="false">https://shesht.am/?p=20861</guid>

            <pubDate>Tue, 03 Nov 2026 10:07:39 +0000</pubDate>

            <title>Ոսկու նանոմասնիկներից նոր կառուցվածքներ են հավաքել՝ ճկուն շղթաների օգնությամբ</title>

            <description><![CDATA[<p>Հետազոտողները ցույց են տվել, որ նանոմասնիկների մակերեսի ճկուն պոլիմերային շղթաները կարող են ինքնուրույն վերադասավորվել և սահմանափակել հարևան մասնիկների հետ կապերի թիվը։ Դա թույլ է տալիս ստանալ ավելի նոսր բյուրեղային կառուցվածքներ՝ առանց մասնիկների ձևը բարդացնելու։</p>
]]></description>

            
                <media:content
                    url="https://shesht.am/wp-content/uploads/2026/11/mit-nanoparticle-cover.jpg"
                                            type="image/jpeg"
                                        expression="full"
                >

                    <media:description type="plain"><![CDATA[Ոսկու նանոմասնիկներից նոր կառուցվածքներ են հավաքել՝ ճկուն շղթաների օգնությամբ]]></media:description>

                </media:content>

            
            <content:encoded><![CDATA[
Մասաչուսեթսի տեխնոլոգիական ինստիտուտի (MIT) մասնակցությամբ խումբը նոյեմբերի 2-ին Nature Materials ամսագրում ներկայացրել է նանոմասնիկների ինքնակազմակերպման նոր մոտեցում։ Փորձերն ու համակարգչային մոդելավորումը ցույց են տվել, որ մասնիկների շուրջ ճկուն մոլեկուլային թաղանթը կարող է որոշել ստացվող բյուրեղային ցանցի կառուցվածքը։



Նանոմասնիկները սովորաբար ձգտում են խիտ դասավորվել՝ հնարավորինս շատ կապեր ստեղծելով հարևանների հետ։ Ավելի բաց կառուցվածքներ ստանալու համար հաճախ փոխում են մասնիկների ձևը կամ դրանց մակերեսին նախապես առանձնացնում կապվելու տեղամասեր։ Նոր աշխատանքում գիտնականները կառավարել են մակերեսին ամրացված շղթաների ճկունությունը։



Փորձերում օգտագործվել են ոսկու նանոմասնիկներ՝ պոլիէթիլենգլիկոլի շղթաներով։ Մի տեսակի շղթաների ծայրերը դրական լիցք ունեն, մյուսներինը՝ բացասական։ Հակադիր լիցքերը ձգում են միմյանց, իսկ ճկուն շղթաները կարող են թեքվել ու վերադասավորվել մասնիկների շփման հատվածներում։



Այդ վերադասավորումն ինքնին սահմանափակում է, թե քանի հարևան մասնիկի հետ կարող է կապվել յուրաքանչյուր մասնիկը։ Այսպիսով կապերի ուղղություններն ու թիվը պարտադիր չէ նախապես «գծել» մասնիկի մակերեսին․ դրանք կարող են ձևավորվել հավաքման ընթացքում՝ շղթաների հատկությունների շնորհիվ։



Ինչպես MIT-ը հայտնում է, խումբը փոխել է մասնիկների չափերն ու պոլիմերային շղթաների երկարությունը՝ կառավարելով դրանց միացման եղանակը։ Փորձերում կիրառված ոսկու միջուկների տրամագծերը մոտ 11–26 նանոմետր էին։ Ստացված կառուցվածքներն ուսումնասիրվել են էլեկտրոնային մանրադիտակներով և ռենտգենյան ցրման մեթոդներով։



Մոդելավորումն աջակցել է առաջարկված մեխանիզմին, սակայն կապերի թվի հաշվարկները փորձերի հետ ամբողջությամբ չեն համընկել։ Հեղինակները դա կապում են նաև մոդելի սահմանափակման հետ․ այն դիտարկում է երկու մասնիկի փոխազդեցությունը, մինչդեռ իրական ցանցում միաժամանակ մի քանի հարևաններ են մրցում նույն շղթաների հետ կապվելու համար։



Աշխատանքը նոր գործիք է առաջարկում նյութի կառուցվածքը նանոմակարդակում կառավարելու համար։ Հետազոտողների գնահատմամբ՝ ավելի նոսր ցանցերը կարող են օգտակար լինել լուսային տեխնոլոգիաներում և քիմիական կատալիզում։ Այս աշխատանքում, սակայն, ներկայացվել է մասնիկների հավաքման եղանակը․ նշված կիրառությունների արդյունավետությունը դեռ պետք է առանձին փորձարկվի։
]]></content:encoded>

            <link>https://shesht.am/science/flexible-nanoparticle-lattices</link>

            <author>info@shesht.am (Շեշտ.am (shesht.am))</author>

        </item>

    
        
        <item>

            <guid isPermaLink="false">https://shesht.am/?p=20688</guid>

            <pubDate>Thu, 29 Oct 2026 04:09:52 +0000</pubDate>

            <title>Մոդելավորումը կասկածի տակ է դրել գիսաստղերի դերը Երկրի վրա կյանքի առաջացման մեջ</title>

            <description><![CDATA[<p>Գիսաստղերը, հավանաբար, չեն եղել Երկրի վրա կյանքի առաջացման համար անհրաժեշտ մոլեկուլների հուսալի աղբյուր։ Նոր համակարգչային մոդելավորումը ցույց է տվել, որ բախման ժամանակ դրանց մեծ մասը կքայքայվեր, իսկ պահպանված նյութերը արագ կնոսրանային ջրում։</p>
]]></description>

            
                <media:content
                    url="https://shesht.am/wp-content/uploads/2026/10/shesht-comet-life-cover.jpg"
                                            type="image/jpeg"
                                        expression="full"
                >

                    <media:description type="plain"><![CDATA[Մոդելավորումը կասկածի տակ է դրել գիսաստղերի դերը Երկրի վրա կյանքի առաջացման մեջ]]></media:description>

                </media:content>

            
            <content:encoded><![CDATA[
Քեմբրիջի համալսարանի գլխավորած թիմը վերագնահատել է այն վարկածը, ըստ որի՝ գիսաստղերը վաղ Երկիր են հասցրել կյանքի առաջացման համար անհրաժեշտ քիմիական նախանյութերը։ Աշխատանքը հրապարակվել է Scientific Reports ամսագրում հոկտեմբերի 28-ին։ Հեղինակները համադրել են գիսաստղերի ուղեծրային էվոլյուցիայի, մթնոլորտ մտնելու և մակերևույթին բախվելու մոդելները։



Ուսումնասիրության կենտրոնում ցիանաջրածինն է՝ HCN-ը։ Այս պարզ մոլեկուլը մասնակցում է մի շարք նախակենսաբանական ռեակցիաների, որոնցով կարող են առաջանալ շաքարներ, նուկլեոտիդներ և այլ կարևոր միացություններ։ Գիսաստղերում դրա առկայությունը դեռ չի նշանակում, որ այն կարող էր անվնաս հասնել Երկրի մակերևույթ և պահպանվել բավարար խտությամբ։



Հաշվարկներում հաջող առաքման պայմանները դժվարությամբ են համատեղվում։ Փոքր գիսաստղերը հաճախ քայքայվում են մթնոլորտում, իսկ մեծ արագությամբ բախումները ոչնչացնում են փխրուն օրգանական մոլեկուլները։ Դրանց պահպանման համար նպաստավոր դանդաղ և սահող բախումները հնարավոր են միայն չափի, արագության ու անկյան սահմանափակ համադրությունների դեպքում։



Թիմը կատարել է Երկրի վաղ գիսաստղային ռմբակոծության 100 հազար վիճակագրական մոդելավորում։ Դրանց 54 տոկոսում չի եղել ցամաքին՝ մոդելում բավարար համարված խտությամբ HCN հասցնող որևէ բախում։ Հեղինակներն ընդգծում են, որ հաշվարկներում մի շարք անորոշ պայմաններ ընտրել են հենց գիսաստղային առաքման համար հնարավորինս նպաստավոր սահմաններում։



Քեմբրիջի համալսարանը հաղորդել է, որ նույնիսկ պահպանված HCN-ը երկար չէր մնա խտացված․ ջուրը արագ կնոսրացներ այն։ Հետևաբար հետագա քիմիական ռեակցիաները պետք է շատ արագ ընթանային։ Գլխավոր հեղինակ Ռիչարդ Էնսլոուի խոսքով՝ եզակի հաջող պատահականությունը լիովին բացառել հնարավոր չէ, բայց այն չէր լինի նախանյութերի կայուն մատակարարման մեխանիզմ։



Համեմատական հաշվարկներում Մարսը գիսաստղային առաքման համար ավելի նպաստավոր թիրախ է եղել՝ փոքր չափի և ավելի ցածր բախման արագությունների պատճառով։ Սակայն սա Մարսի վրա կյանքի գոյության ապացույց չէ․ կարևոր են նաև հին մթնոլորտի, ջրի և բաց ցամաքի պայմանները։ Երկրի համար հեղինակները քննարկում են այլ հնարավոր ուղիներ՝ տեղում ընթացող քիմիական գործընթացներ կամ աստղակերպերի բախումներից հետո նախանյութերի սինթեզ։
]]></content:encoded>

            <link>https://shesht.am/science/comets-life-origin</link>

            <author>info@shesht.am (Շեշտ.am (shesht.am))</author>

        </item>

    
</channel>

</rss>