Время прочтения - 6 мин.
Частная космическая миссия отправила к международной космической станции сразу двух астронавтов из Саудовской Аравии. Центр по контролю и профилактике заболеваний США проверил эффективность вакцины против обезьяньей оспы (Mpox). ИИ обрел еще одну способность — определять по пикселям, из чего изготовлены окружающие нас предметы.
Первая женщина и 600-й астронавт
23 мая четверка участников частной космической миссии Axiom-2 провела первый день на международной космической станции (МКС), знакомясь с обстановкой и подготавливая оборудование для научных экспериментов.
В состав миссии вошли опытный астронавт Пегги Уитсон (ей принадлежит рекорд NASA по общему времени на орбите — 665 дней), пилот Джон Шоффнер, оплативший свой полет, а также граждане Саудовской Аравии — Али Аль-Карни и Райяннаг Барнави.
Райяннаг Барнави стала первой женщиной своей страны, побывавшей на орбите и юбилейным 600-м астронавтом в истории освоения космоса.
«Моя семья и братья в Королевстве… Небо не предел нашим амбициям… это только начало», — написала Барнави в Twitter после прибытия на станцию.
Интересно, что Аль-Карни и Райяннаг Барнави не являются первыми саудовскими астронавтами. До них на орбите в 1985 году побывал наследный принц Султан бин Салман Аль Сауд, выполнявший функцию специалиста по полезной нагрузке на шаттле Discovery.
В ходе 8-дневного пребывания на МКС участники миссии Axiom-2 должны провести 20 научных экспериментов и совершить выход в открытый космос.
Как утверждает руководитель миссии Пегги Уитсон, при подготовке к ней они учли недостатки предыдущего полета, когда опытные астронавты были слишком загружены работой и не имели достаточно времени, чтобы помочь освоиться тем, кто впервые оказался на орбите.
Теперь все спланировано так, что в первые два дня Уитсон будет активно работать с остальными членами экипажа.
«Как только они получат свои "космические ноги", я знаю, что эти ребята будут чрезвычайно компетентны», — сообщила Пегги Уитсон.
У компании Axiom Space, основанной американскими бизнесменами Майклом Саффреддини и Камалем Гаффаряном, — большие планы. До конца года они намерены совершить еще один полет к МКС, а в перспективе — построить и разместить на орбите собственный модуль и космическую обсерваторию.
Панацея от Mpox?
Исследователи из Группы экстренного реагирования на обезьянью оспу (Mpox) из Центра по контролю и профилактике заболеваний (CDC) в Атланте (США) подвели итоги кампании по вакцинированию, начатой в августе 2022 года, когда общее число случаев Mpox в США превысило 30 000, а заболевание приобрело характер эпидемии.
Тогда CDC выдало разрешение на экстренное применение вакцины для подкожного введения JYNNEOS, изготовленной Bavarian Nordic (0,5 мл на дозу) и повторного ее применения в дозировке 0,1 мл.
Сейчас CDC ретроспективно изучил эффективность прививок и выяснил, что при полной вакцинации эффективность препарата составила 66,0%, а при частичной — 35,8%.
Особенностью распространения Mpox в США является то, что заболевание передается половым путем, а среди контрольных пациентов было много людей с диагнозом вируса иммунодефицита (ВИЧ) или контактировавших с инфицированными.
Если исключить таких пациентов из выборки, то эффективность вакцины JYNNEOS увеличилась до 76,3% в группе полностью вакцинированных и до 40,8% среди частично вакцинированных.
Определение материалов по пикселям
Роботу, манипулирующему предметами, важно знать, какие из них состоят из одних и тех же материалов, чтобы правильно распределять усилия при транспортировке товаров различного веса и назначения.
Ученые из Массачусетского технологического института (MIT) разработали метод, позволяющий идентифицировать материалы по пикселям на картинке, предоставленной пользователем.
Метод доказал свою точность в условиях, когда объекты имеют разные формы и размеры, а разработанная модель машинного обучения не обманывается тенями или условиями освещения, из-за которых один и тот же материал может выглядеть по-разному.
Хотя при обучении модели использовались только «синтетические» данные (набор включал 50 000 изображений и более 16 000 материалов), система эффективно работает с реальными объектами в помещении и на открытом воздухе, — даже с теми, которых она никогда раньше не видела.
«Пользователь просто щелкает один пиксель, а затем модель автоматически выбирает все области с одинаковым материалом», — говорит ведущий автор статьи об этой технологии, аспирант MIT Прафул Шарма.
Модель также выводит оценку сходства для каждого пикселя, поэтому пользователь может точно настроить результаты, установив пороговое значение, например 90%, и получить карту изображения с выделенными областями. Этот метод работает и для перекрестного выбора изображений, когда пользователь может выбрать пиксель на одном изображении и найти тот же материал на другом.
В ходе экспериментов исследователи обнаружили, что их модель может предсказывать области изображения, содержащие один и тот же материал, более точно, чем другие методы.
«Разнообразие материалов вносит свой вклад в функциональность и красоту нашего мира. Однако алгоритмы компьютерного зрения обычно игнорируют материалы, вместо этого уделяя большое внимание объектам», — утверждает декан Колледжа вычислительной техники и информатики Корнелла имени Энн С. Бауэрс Кавита Бала.
Данная работа вносит важный вклад в распознавание материалов и может быть полезной как для обычных потребителей, так и для дизайнеров. С помощью этого метода визуализации можно подсчитать, насколько дорогими могут оказаться замена коврового покрытия в комнате, перетяжка дивана или другие работы, заказанные дизайнерам.
Источники: Spacenews.com, MedicalXpress, TechXplore
Подпишись на наш телеграм канал
только самое важное и интересное
