Утренняя панорама мировых новостей за 23 қазан

Лидеры ряда стран продолжат работу по предотвращению распространения израильско-палестинского конфликта

Президенты США Джо Байден, Франции Эмманюэль Макрон, премьер-министры Канады Джастин Трюдо, Великобритании Риши Сунак, Италии Джорджия Мелони и канцлер Германии Олаф Шольц продолжат координировать усилия, чтобы не допустить распространения палестино-израильского конфликта, говорится в их совместном заявлении, передает сайт Интерфакс Казахстан со ссылкой на информацию Белого дома.

Лидеры договорились продолжать тесную дипломатическую координацию, в том числе с ключевыми партнерами в регионе, чтобы предотвратить распространение конфликта, сохранить стабильность на Ближнем Востоке и работать ради политического решения и прочного мира, - говорится в заявлении.

Кроме того, лидеры "призвали к соблюдению международного гуманитарного права, включая защиту гражданского населения".

Отмечается, что данное заявление сделано по итогам консультаций глав государств.

Новый нанодвигатель на основе ДНК разработали ученые

Новый тип нанодвигателя, который совершает пульсирующие движения благодаря механизму на основе специального фермента – РНК-полимеразы, разработала международная группа ученых, передает сайт МИР 24.

Авторы разработки спроектировали нанодвигатель с листовой рессорой с помощью одного из инструментов компьютерного моделирования. Структура включает в себя около 14 тысяч нуклеотидов, образующих основные ДНК-компоненты. По форме устройство V-образную конструкцию с двумя ручками, которые соединены пружиной. РНК-полимераза прикрепляется к одной из ручек двигателя, в непосредственной близости нее, между двумя ручками, натягивается цепь ДНК.

Полимераза захватывает цепь ДНК и использует в качестве шаблона для синтеза РНК-молекул (транскриптов). Незахваченный участок становится меньше и притягивает одну ручку к другой. В момент, когда РНК-полимераза достигает терминальной последовательности, она отпускает ДНК. В результате структура принимает изначальное положение, а затем весь цикл повторяется заново, создавая тем самым пульсирующее движение.

Ученые надеются, что в будущем такой тип двигателя станет сердцем сложной наномашины. Они также намерены создать вариант сцепления, который сможет использовать мощность двигателя в определенное время.

Врач назвала пищевые привычки, которые помогут сохранить здоровье после 40

Врач Екатерина Волкова рассказала о пищевых привычках, которые помогут сохранить фигуру и здоровье в зрелом возрасте, передает сайт РИА Новости.

По словам специалиста, именно пищевые привычки определяют количество энергии, работу ЖКТ, гормональной системы и даже настроение. Волкова отмечает, что особенно заметно это становится после 40 лет.

Чрезвычайно важно регулярно употреблять белок. Он дает сытость и полезные калории, которые не откладываются на животе и боках.

Обрывки белковых цепей — аминокислоты, идут на построение гормонов, волос, мышц, помогут избежать депрессии, сохранить молодость кожи, — приводит слова Волковой "Доктор Питер".

Не менее важную роль играют жиры. Врач отметила, что они необходимы для работы всех систем в организме, помогают оставаться энергичными. Чтобы не испытывать недостатка в полезных жирах, стоит включить в рацион оливковое масло, рыбу, орехи. не стоит забывать о мясе и молочной продукции.

Для поддержания нормальной микрофлоры кишечника необходимо включить в рацион овощи. Желательно есть их в каждый прием пищи. Волкова советует отвести половину каждой порции под морковь, капусту, зелень, перец, томаты и огурцы.

По возможности стоит выбирать продукты с максимальной концентрацией витаминов и минералов.

После 40 лет нужен йод — он поддерживает либидо и здоровье молочных желез. Витамин В12 защищает от депрессий, а также витамин В6, который вообще принято считать "витамином счастья, — добавила Волкова.

Кроме того, эксперт посоветовала не забывать о кальции, который содержится в молочных продуктах, черносливе, листовых овощах, цветной капусте и куриных яйцах.

Создана человекоподобная память для ИИ-трансформеров

Ученые Университета Сунгюнгван в Южной Корее создали человекоподобную систему памяти, которая улучшает производительность трансформеров — моделей машинного обучения, используемых для обработки текстов на естественном языке и лежат в основе диалоговых платформ, таких как ChatGPT, передает сайт Лента.ру.

Трансформер представляет собой тип архитектуры глубокого обучения, который основан на механизмах, имитирующих когнитивное внимание. При обучении нейронная сеть определяет корреляции между различными словами в текстах (взятых, например, из "Википедии"), что позволяет ей генерировать собственные тексты. В отличие от рекуррентных нейронных архитектур, которые обрабатывают текст последовательно, трансформеры делают это параллельно.

Однако трансформеры сталкиваются с трудностями при обучении на длинных последовательностях из-за ограничений в емкости. Для решения этой проблемы ученые воспользовались тем фактом, что в отличие от нейронных сетей, которые обрабатывают весь текст, люди выделяют из текстов только релевантную информацию, откладывая ее в кратковременной и долговременной памяти, чтобы воспроизвести в будущем. Теория Хебба объясняет, как мозг формирует нейронные связи для запоминания и извлечения информации:

Согласно теории Хебба, которая объясняет, как мозг формирует связи между нейронами для хранения и извлечения информации, многократная одновременная активация двух нейронов укрепляет связь между ними. Новая система памяти, называемамыр Memoria, извлекает и хранит информацию, называемой энграммой, на нескольких уровнях (рабочая, кратковременная и долговременная память), используя коэффициенты, соответствующие силе связи между нейронами, которые изменяются в соответствии с теорией Хебба.

Серия экспериментов показала, что Memoria значительно повышает производительность трансформеров при выполнении различных задач, связанных с обработкой длинных последовательностей данных. Авторы пишут, что она улучшает способность учитывать долгосрочные закономерности в различных задачах и превосходит существующие методологии в сортировке и языковом моделировании, а также классификации длинных текстов.