Цифровой журнал «Компьютерра» № 160 - Коллектив Авторов

Корреспондент Bloomberg недавно заглянул в финансовые отчёты крупнейших 3D-вендоров — Stratasys и уже знакомой вам 3D Systems и выяснил, что эти компании тратят неадекватно мало на перспективные исследования (то, что у нас называют НИОКР, а на Западе — R&D). Реинвестировать значительную часть прибыли в изучение такой перспективной, набирающей популярность технологии, как 3D-печать, кажется естественным и даже необходимым. Но почему же этого не делается?

Тому есть два вероятных объяснения. Во-первых, «мелочь» вроде MakerBot и нашего отечественного СКБ Кипарис (см. «Такой домашний 3D-принтер»), собирающая бюджетные принтеры для дома и малого офиса, почти не пересекается интересами со Stratasys и другими немногочисленными гигантами. Последние продают дорогие, высокоточные, многофункциональные 3D-печатные машины для промышленного применения — и пока ещё наслаждаются ролью монополистов. Нет смысла бежать впереди паровоза, особенно если паровоз — ты сам.

Во-вторых, для 3D-печати нет своего закона Мура. Тут ситуация схожа с аккумуляторами (см. «Батарейка тяжёлая!»), которые пребывают в стагнации последние два десятилетия. Продвижение вперёд здесь уже ограничено законами физики: наплавление пластика или отверждение слоёв из раствора требует некоторого времени, что, в свою очередь, ограничивает скорость движения печатной головки и площадки с формируемым объектом (подробнее см. статью для «Бизнес-журнала», «Печать реальности«). Пожалуй, глупо полагать, что прорыв на этом направлении невозможен: наверняка отыщутся химические процессы быстрее. Но на поиски нужны или большие силы, или большие деньги. Ни того ни другого пока нет: гиганты 3D-печати, как вы уже знаете, прижимисты, а мелкие производители пока больше увлечены минимизацией стоимости самого принтера, нежели увеличением скорости или точность печати.

Куда можно направиться отсюда? Прежде всего, в сторону удешевления расходных материалов, которые (по некоторым оценкам) можно продавать на порядок дешевле от существующих цен. Высокая цена 3D-картриджей — следствие неэффективности, узости рынка. Так же как для обычных принтеров расходники давно уже производят безымянные фирмочки из Китая, сырьё для 3D-печати может и должно производиться «на стороне». Да, производителей здесь поджидает та же проблема, что и в случае с краской для обычных принтеров: вендоры 3D-машин рекомендуют использовать только свои, сертифицированные расходники. Но игра стоит свеч. Уже сегодня прибыль вендоров 3D-принтеров примерно наполовину состоит из продажи собственно расходных материалов. Со временем доля расходников будет только расти.

Протез Robohand и его маленький счастливый пользователь, потерявший пальцы на одной руке ещё при рождении. Без 3D-печати и свободных лицензий — ходить этому пареньку без руки

Другое перспективное направление — собственно технологии печати. Не думайте, что это тема для корпораций с миллионными бюджетами. Свои 3D-принтеры несовершеннолетние энтузиасты уже собирают на коленке, из кубиков Lego. Самое время начать экспериментировать с новыми материалами. К примеру, не первый год ведутся разговоры о печати съедобными веществами (шоколад, сыр), но доведённых до стадии продукта устройств, на такое способных, всё ещё нет.

Бонусом мозгового штурма станут примеры применения 3D-печати для создания реально полезных вещей. Ведь фурор произвёл не только 30-зарядный магазин Коди Уилсона. Западная пресса, например, увлечённо обсуждает сейчас Robohand — свободно распространяемый протез человеческой руки, сконструированный американцем и южноафриканцем из чистого энтузиазма. Robohand стоит на порядки дешевле промышленных прототипов, в том числе и потому, что смоделирован он с помощью свободного софта, а изготавливается почти полностью на 3D-принтере.

Замечательная работа и — ещё один пример в копилку практически полезных применений трёхмерной печати. Ведь мы по большому счёту всё ещё не знаем, на что она годна.

К оглавлению

Проект Human Brain: попытка смоделировать работу мозга на суперкомпьютере стоимостью в миллиард евро

Андрей Васильков

Опубликовано 11 февраля 2013

Европейская комиссия выбрала проект моделирования работы головного мозга человека на суперкомпьютере как один из наиболее приоритетных для науки. Руководитель проекта – невролог Генри Маркрам (Henry Markram) из Швейцарского федерального технологического института в Лозанне получит на его реализацию 0,5 млрд. евро. Такой же объём финансовых средств на протяжении десяти лет внесёт в его развитие сам институт и частные компании. Чего ожидать от столь масштабной инициативы. и какова её техническая сторона? Своё профессиональное мнение высказал нейрофизиолог, кандидат медицинских наук Алексей Николаевич Долецкий.

Алексей Николаевич Долецкий (нейрофизиолог, к.м.н.)

- На сайте проекта Human Brain указывается, что это попытка объединить и учесть в одной сверхсложной модели все известные данные о работе мозга. Насколько это возможно сделать сегодня?

- Моделирование работы мозга никогда не включало в себя именно последние данные исследовательских работ. Использовались только многократно проверенные и не вызывающие сомнений сведения. Проходит немалое время, пока результаты новых экспериментов получат подтверждение и признание в научном мире. Затем это описывают математики и воплощают в алгоритмах программисты, другие адаптируют и запускают программный код на конкретном железе. Это очень долгий процесс, поэтому отставание компьютерных моделей мозга от современных представлений о нём всегда составляло несколько лет.

- В чём сейчас заключаются основные проблемы моделирования работы мозга?

- При попытке формализовать и описать на программном уровне известные особенности функционирования мозга затруднения возникают буквально на каждом шагу. Со времен Ходжкина и Хаксли многое изменилось. Даже такая простейшая (казалось бы) вещь, как ионный транспорт через клеточную мембрану, продолжает удивлять. Если раньше просто говорили «калиевый канал», то сейчас выделяют множество подтипов нейрональных калиевых каналов и указывают даже на возможность конверсии разных ионных каналов друг в друга. В чём физиологическая роль такого многообразия и как происходит преобразование – толком неизвестно. По каким алгоритмам это моделировать, тем более.

- Иными словами, даже обладая солидной вычислительной мощностью, всё равно придётся сильно огрублять описание физиологических процессов, исходить из множества предположений?

- Безусловно. К тому же сами принципы работы мозга ближе к таковым в аналоговых устройствах, а его пытаются описать в рамках чёткой логики цифровых систем, искусственно привнося поливариантность. Если коснуться частностей, то помимо хорошо известного свойства гистерезиса (зависимости отклика нервной системы от реакции на предыдущие раздражители) можно ещё вспомнить работы Натальи Петровны Бехтеревой. Она показала, что нейромедиаторы могут влиять также и на близко расположенные синапсы. В технике ближайшей аналогией являются паразитные наводки или токи утечки, с которыми всячески борются, а мозг с этим работает – это его нормальное состояние.

В ролике ниже представлена компьютерная анимации работы нервной системы и синаптической передачи.

Стоит оговориться, что в проекте Human Brain смоделировать пытаются всё же работу не всего головного мозга, а только его самой эволюционно молодой части – неокортекса. Пока исследователи вынуждены технически ограничиваться имитацией работы единичных структурно-функциональных элементов коры больших полушарий ГМ – шестислойных нейронных колонок.

Тот факт, что наш мозг (точнее, новая кора) имеет модульную структуру, был впервые подмечен венгерским физиологом Яношем Сентаготаи. Впоследствии он основал школу нейрогистологии. Как раз гистологи и подтвердили структурную повторяемость элементов неокортекса.

- Доводилось слышать мнение о том, что даже чисто морфологически неокортекс – довольно динамичная структура. Каждый нейрон связан с несколькими (от десятка до десятков тысяч) других. Как меняется число и характер взаимосвязей на протяжении жизни? Как это учесть в будущей модели?

- Мне ближе мысль о том, что морфологически число связей остаётся постоянным, а изменения в течение жизни носят функциональный характер. Если у нейрона десять тысяч связей с другими, это вовсе не значит, что он постоянно их все использует. Опять же, мы без особых проблем можем увидеть эти связи структурно, а исследовать их на функциональном уровне куда сложнее.

Свойство модульности новой коры крайне упрощает задачу моделирования работы мозга. Победе в конкурсе мега-грантов Швейцарский институт во многом обязан предыдущему проекту Blue Brain, который стартовал в июле 2005 года при поддержке IBM.