Занимательные задачки

Фазовые переходы в веществе с точки зрения строения атомного ядра по СТГ

Вода - это феноменальный объект нашего окружения, чудесные свойства которого мы все знаем, но не замечаем их Чудесности.

Вода – самая распространённая жидкость вокруг нас, она составляет большую часть нашего организма и является основой жизни всей нашей планеты.

Удивительными в воде является её огромная теплоёмкость в сравнении с другими веществами.

Также уникальной является её огромная энергия парообразования в сравнении с другими сходными по составу веществами. (см.рис.1)

Всем привет. В этой статье хотел бы рассказать о структуре данных под названием монотонный стек (monotonic stack) и разобрать несколько примеров задач в решении которых он применим.

Статья может быть интересна любителям решать алгоритмические задачи, в особенности тем кто готовится к собеседованию.

Газ Кнудсена и Статическая теория газов (СТГ)

Публикации моих статей  на ХАБРе дают мне очень много ценной ответной реакции:

- кто-то с интересом читает мои статьи  и ставит мне + в карму, тем самым позволяя мне продолжать публиковаться на сайте,

- некоторые даже дают очень полезные ссылки на старые технические издания, до которых я сам мог бы никогда и не добраться (тому пример «Вихревые аппараты» 1985г. из прошлой и позапрошлой  статей);

-кто-то въедливо ищет изъяны в моих рассуждениях и расчётах, стремясь опровергнут меня с позиций «общепринятых  теорий» из школьных и ВУЗовских учебников физики.

Я искренне признателен всем категориям моих читателе!

Так мне удаётся  получить критический взгляд на свои теории, и найти новые аргументы в их пользу.

Иногда я настолько проникаюсь замечаниями, что даже  радикально пересматриваю свою позицию на почти противоположную.

Так  в предыдущей статье про «принцип работы ВТР» я  признал свою ошибку в вопросе  определения  температуры струи воздуха,  истекающей из дроссельного отверстия, которая оказалась не такой  холодной на  самом срезе дроссельного отверстия, как я считал ранее.

Признание моей прошлой неправоты позволило мне использовать  чуть изменённую модель расчёта температуры струи на разных её участках. При этом новая  модель начала давать куда более вразумительные цифры, подтверждаемые уже в эксперименте на конкретной ВТР.

Данная  статья посвящена ещё одному замечанию от «активного критика», который натолкнул меня на изучение  широкой темы физических явлений с газами, о существовании которых ранее я не знал, хотя и задумывался о возможности существования подобного в реальности.

Привет Хабр!

Года три назад я сидел на встрече с топ‑менеджментом и показывал очередной «красивый» отчёт по ИТ.Графики растут вверх и вправо, SLA зелёный, количество закрытых тикетов бьёт рекорды, релизов в месяц стало вдвое больше, чем год назад. Всё выглядело так, будто ИТ‑контур вот‑вот начнут носить на руках.

На днях произошло знаковое событие в мире спидкубинга. Человек впервые собрал кубик Рубика быстрее 3 секунд на соревнованиях WCA. Это произошло 8 февраля на турнире GLS Big Cubes Gdańsk 2026 в Польше. 9-летнему Теодору Зайдеру первому в истории удалась официальная сборка sub-3 секунды кубика 3×3×3. В этой попытке сошлось много факторов: хороший скрамбл, сверхточный lookahead, мгновенное распознавание паттернов, непрерывный поток движений без пауз со скоростью более 10 TPS (поворотов в секунду), автоматическая моторная память на алгоритмы и знание основ ZBLL (продвинутого метода для решения последнего слоя за один алгоритм), а также куб GAN 12 Maglev UV, идеально подходящий для экстремальных скоростей. Всё это позволило Теодору решить кубик за 29 ходов и 2,76 секунды.

Sub-3 в мире спидкубинга ждали. Рекорды последних лет были близки к рубежу трех секунд: 3.05 (Xuanyi Geng, 2025), 3.08 (Yiheng Wang, 2025), 3.13 (Max Park, 2023). Меня же этот рекорд побудил написать статью о том, как проявляются суперспособности компьютера, робота и человека в решении кубик Рубика.

Stop. Хватит читать обзоры бенчмарков.

Они не расскажут, почему ChatGPT увидел 127 точек, а Gemini – только 57. Не объяснят, зачем Claude добавил рекламу в игру, которая должна была быть “просто раздражающей”.

И уж точно не покажут, кто из них думает, а кто просто генерирует текст.

Мы провели стресс-тест в пяти раундах.

Раунд 1: Вопрос, который меняет мышление.
Раунд 2: Мультимодальный подсчёт – где ИИ должен видеть.
Раунд 3: Печеньки на чёрной поверхности – где должен догадываться.
Раунд 4: Экстремальное судоку – логически рассуждать.
Раунд 5: Игра одним HTML-файлом – творить.

Время гадать закончилось. Пока одни спорят, кто круче – ChatGPT, Gemini или Claude, – мы просто взяли и проверили. Не на бумажке. Не по цифрам из пресс-релизов. На реальных задачах.

За пять испытаний каждая модель показала своё истинное лицо. Кто-то споткнулся на простом подсчёте точек. Кто-то удивил философской глубиной. А кто-то создал игру, которую не стыдно выложить в аппстор.

И да, победитель есть.

Смотрите, кто из гигантов действильно тянет.

C помощью Python ищу цветаевские следы в творчестве Ахмадулиной и обнаруживаю диалог поэтических миров двух авторов.

Механизм охлаждения воздуха в ВТР – это охлаждение самого газа при адиабатическом расширении  из сжатого состояния, также как при обычном дросселировании. Но зачем тогда нужен вихрь в ВТР?

Последние две статьи были экспериментальными, где я делился результатами личных измерений в экспериментах с конкретной  «Вихревой трубкой Ранка-Хилша» (ВТР)

Результатом этих экспериментов стали следующие выводы:

1.     Для работы ВТР не играет роль  материал исполнения завихрителя с раструбом «холодного выхода». Это было подтверждено в эксперименте с заменяемыми завихрителями из разных материалов. То есть я  ошибался, заявляя про важность величины теплопроводности материала завихрителя для работы ВТР, о чём сейчас открыто заявляю.

2.     При недостаточном подпоре в тормозе «горячего конца» ВТР может превратится в «вихревой эжектор», то есть ВТР начинает  подсасывать наружный воздух в себя из «холодного конца», а не только разделять входящий  сжатый воздух на холодный и горячие потоки.

3.     Вращение вихря в ВТР идёт с высокой скоростью, которая определяется скоростью выходящего воздуха из сопел завихрителя ВТР.

4.     Необходимо точно определять  скорость воздуха из сопла ВТР чтобы начать расчёт происходящих процессов в глубине вихря в ВТР.

Последний вывод крайне важен, так как в учебниках и книгах вопрос о скорость струи из отверстия при транспортировании обходят заговором молчания. 

Температура струи из сопла ВТР

При истечении  воздуха из сопла  с перепадом давления от Рс=2атм  до Р2=1 атм  скорость потока от насосного выдавливания составляет Vнас= 288,7м/с на срезе прямого сопла. При этом молекулы газа имеют минимальную кинетическую энергию Екин=42 кДж/кг:

Читатели на Хабре знают, что кубик Рубика — это не простая игрушка. За его разноцветными гранями скрывается целая вселенная математики. Сегодня поговорим о кубике Рубика как портативной шифровальной машине. Механика популярной головоломки основана на последовательности перестановок элементов, что делает его естественным объектом для изучения с точки зрения теории групп. В классическом кубике 3×3×3 существует более 43 квинтиллионов возможных состояний, и каждый поворот грани приводит кубик из одного состояния в другое. Именно это свойство и привлекло внимание криптографов: если кубик может генерировать такое огромное пространство перестановок, может ли он использоваться для шифрования сообщений?

C помощью Python опроверг идею о ветре как о символе революции в поэме Александра Блока "Двенадцать". Поэма начинается со слов про ветер, написана про революцию и где-то внутри строк прячет загадочного Христа.

Способны ли нейронки делать самостоятельные открытия — на этот счет мнения ученых расходятся. Пока одни запускают инициативы вроде The Nobel Turing Challenge, другие применяют LLM в куда более приземленных сценариях. Мы в Beeline Cloud решили посмотреть, чего уже добились «ИИ-ученые» и как использовать их потенциал в мирных целях: в конце статьи есть подборка open source-инструментов, которые могут облегчить анализ и подготовку научных статей и исследований.

Как известно, лучший кинотеатр — наше собственное воображение. Читая книги или размышляя об увиденных образах, мы погружались на дно с капитаном Немо, выживали на необитаемом острове с Робинзоном Крузо, прокармливали генералов с лесковским мужиком, путешествовали вокруг света за 80 дней, летали на ковре-самолёте с героями Крапивина, представляли себя Гулливером около муравейника, ловили парейдолии на коврах и, конечно, летали в прошлое и будущее с  Марти Макфлаем. 

А давайте в комментариях (или отдельными статьями) снова выкрутим ручку воображения на максимум и порассуждаем, как бы мы могли быть полезны в то или иное время, каким багажом знаний (и практических умений) мы смогли бы поделиться?

И почему меня это волнует?

Вот небольшая выдержка из обобщённого вывода tcpdump для ssh-сеанса, в рамках которого я всего один раз нажал на клавишу:

Оценивать технических кандидатов становится всё сложнее по мере роста возможностей ИИ. Тестовое задание, которое сегодня хорошо разграничивает уровни квалификации, завтра может быть тривиально решено моделью — и полностью потеряет ценность как инструмент отбора.

Признайтесь: вы когда-нибудь задумывались, можно ли уже сегодня доверить ИИ олимпиадную задачу по математике? Не просто посчитать пример, а распутать геометрическую спираль, оптимизировать “спичечное” представление числа или найти все неоднозначные моменты на странных часах без цифр?

Я – да. И поэтому, когда в конце 2025 года OpenAI анонсировала ChatGPT 5.2 Pro, заточенный именно под сложные рассуждения и научные задачи, я понял: пора проверять по-настоящему.

Мы решили устроить настоящую математическую дуэль между двумя титанами: ChatGPT 5.2 Pro и уже успевшим нашуметь Gemini 3 Pro от Google. Без веб-поиска, без подсказок – только чистая логика, длинные цепочки рассуждений и, где нужно, аккуратный Python-код.

Кто из них не собьётся на полпути и точнее считает в уме, а кто всё ещё путается в симметриях? Запускаем восемь сложнейших задач – и смотрим, кто выйдет победителем в этой битве алгоритмических умов.

Результаты оказались не просто интересными. Готовы узнать, кто победил?

Как я изобрёл «Вихревой  вакууматор», который известен уже более 70 лет.

В предыдущей статье про эксперименты с вихревой трубкой Ранка-Хилша (далее ВТР) я обнаружил эффект подсоса воздуха через диафрагму при  отвинченном глушителе на ВТР.

Один из читателей в комментариях порекомендовал мне ознакомиться с книгой «Вихревые аппараты». Что я и сделал, найдя эту книгу в сети (см.рис.1-2).

Меня зовут Денис Калышкин. Я американский венчурный инвестор с более чем 11-летним опытом, выпускник МФТИ, бывший аэрокосмический инженер и физик. Я также большой фанат научной фантастики и космических технологий. Я также веду телеграмм-канал о стартапах и венчурных инвестициях. Подписывайтесь на «Спроси VC».

На этой недели я провел брейншторм 141 одной идеи для ИИ стартапов. Поучаствовало 60 человек. Запись вебинара можно посмотреть здесь. А Miro со списком идей опубликовано тут.

Я рассказал о методе фокусного объекта и двойном алмазе и показал, как применять их на практике. Вообще этот метод можно применить для поиска креативного решения любой задачи от покупки подарка жене до борьбы с конкурентом. Он позволяет расширить ассоциативный ряд и выдвигать смелые решения, о которых вы могли не задуматься. Но для этого нужно хорошее настроение и отключить режим осуждения/экспертности. 

Кубику Рубика уже более полувека, но эта головоломка продолжает захватывать умы и молодых, и взрослых. Когда в 1974 году Эрнё Рубик изобретал «Волшебный куб» для развития пространственного мышления у своих студентов, он вряд ли предполагал, что кубик Рубика станет тренажером для мозга, стимулирующим нейропластичность, улучшающим когнитивные функции и влияющим на эмоциональную регуляцию. В этой статье мы рассмотрим влияние кубика Рубика на пациентов с нарушениями нейрокогнитивного функционирования, детей, пожилых людей, спидкуберов, соберем ключевые исследования и примеры применения кубика Рубика в медицине, образовании и ментальных практиках.

Использование ИИ-инструментов в программировании ожидаемо оказывается сопряжено со сложностями: LLM-модели игнорируют тесты, рекомендуют фейковые пакеты и в целом требуют повышенного внимания и аудита. Чтобы у нейросетей было меньше шансов оказать разработчикам медвежью услугу, некоторые исследователи предлагают использовать специализированные ЯП. В идеале они должны ограничивать бурную фантазию ИИ-ассистентов и направлять её в мирное русло. Мы в Beeline Cloud решили рассмотреть несколько таких экспериментальных проектов.

С помощью Python математически проследил эволюцию философских взглядов поэта на его творческом пути.