Экология района проспект вернадского (публикация автора на scipeople)
Район Проспект Вернадского - это район, расположенный в Западном Административном округе Москвы. Площадь района составляет более 465 Га, а количество обитателей – около 63 тыс. человек. Какова экологическая ситуация в районе Проспект Вернадского и насколько комфортно его обитателям? Экология Проспекта Вернадского На сегодняшний день к экологии Проспекта Вернадского нет никаких претензий. Это зеленое и чистое в экологическом плане место, что обусловлено отсутствием вредных для окружающей среды производств. Основными источниками загрязнения в данном случае являются автотранспортные потоки, однако, несмотря на их интенсивность, уровень загрязнения воздуха все равно остается низким. Основные преимущества Проспекта Вернадского К основным преимуществам района проспект Вернадского с точки зрения экологии можно отнести: Отсутствие промышленных предприятий; Незначительную плотность жилой застройки; Наличие значительных по площади зеленых зон (парк 50-летие Октября, Тропаревский лесопарк); Наличие водоемов, включающих в себя как пруды (Юго-Западные, Удальцевские, пруды в пройме Раменки), так и реки (Смородинка и Раменка); Благоприятную розу ветров – на территории преобладает юго-западный ветер. Наибольшим парком района считается парк 50-летия Октября, занимающий площадь около 80 Га и расположенный в северной части района. Именно в нем проводится большинство праздничных мероприятий, организованных районными властями. Придомовые территории района благоустроены небольшими уютными зонами отдыха с детскими площадками. Причем в некоторых дворах помимо благоустройства и озеленения есть и небольшие фонтаны. Одним словом, экология в районе Проспекта Вернадского делает его весьма привлекательным для проживания.
Экология савёловского района (публикация автора на scipeople)
Савёловский район располагается на южной окраине Северного административного округа и имеет общие границы с ЦАО и СВАО. По занимаемой территории муниципалитет считается одним из самых маленьких в столице (чуть больше 2,7 кв. км), а постоянно проживает здесь почти 60 тыс. человек. Экология Савёловского района: главные проблемы Несмотря на то, что САО считается одним из наиболее безопасных округов столиц в плане экологии, для его южной части ситуация продолжает оставаться довольно плачевной. Экология Савёловского района не отличается стабильностью и безопасностью. Прежде всего это связано с несколькими факторами: В муниципалитете практически полностью отсутствуют зеленые насаждения, что крайне отрицательно сказывается на обстановке в Савёловском районе; На территории района осуществляют деятельность несколько предприятия, среди которых отдельного упоминания заслуживают швейная фабрика «Вымпел» и косметическое производство «Свобода». Они расположены в окружении жилых кварталов, и потому экологическая ситуация в Савёловском районе не может быть стабилизирована; Муниципалитет находится на стыке трех административных округов, причем если с центра Москвы в Савёловский район заносит высокие концентрации угарных газов, то с территории СВАО (а именно Марьиной Рощи и Бутырского района) - выбросы промышленных предприятий; Район расположен на пересечении ТТУ и улицы Бутырской, которые известны интенсивностью автомобильного движения. Как итог - концентрация канцерогенов значительно превышает все допустимые нормативы; Территорию Савёловского района пересекает несколько железнодорожных линий, причем часть из них используется исключительно для грузовых перевозок. Учитывая, что в некоторых случаях железная дорога разделяет оживленные жилые кварталы, здесь повышен уровень шумовой опасности.
Экология тверского района (публикация автора на scipeople)
Экологическую обстановку во всем центре столицы можно охарактеризовать как неблагополучную. Тверской район в данном случае не исключение. Здесь чувствуется нехватка зеленых зон и отмечается серьезная загрязненность воздуха. Транспорт Плохая экологическая ситуация в Тверском районе отмечается возле крупных автотранспортных магистралей: Вблизи Тверской улицы; Садового кольца; Улиц Долгоруковская и Новослободская. Серьезное воздействие автотранспорта усугубляется особенностями городской застройки. В центральных районах столицы расположено множество узких, мало проветриваемых улиц. Выбросы от автомашин скапливаются и во дворах домов.К загрязняющим компонентам специалисты относят: оксид углерода, диоксид азота. Согласно исследованиям экологов санитарные нормы данных веществ местами превышены в 2-3 раза. Повысившаяся напряженность движения транспорта и частота сети дорог образуют большое шумовое загрязнение. В Тверском районе расположены десять промышленных предприятий, здесь ежедневно двигается огромный поток машин, эти факторы не оказывают содействия в очистке почвы и воздуха. Парковая зона С высокой нагрузкой не могут справиться зеленые зоны района, среди которых: Большой Кремлевский сквер; Александровский сад; Тверской бульвар; Сад «Эрмитаж». В наши дни осуществляется активное озеленение района и очищение его водоёмов. На экологию Тверского района положительно влияет отсутствие больших промышленных предприятий, а также запрещение въезда большегрузного автотранспорта. Благодаря этим преимуществам экология в Тверском районе не самая плохая по Москве.
Искусственный интеллект погрузится во вселенную молекул в поиске удивительных лекарств (публикация автора на scipeople)
Искусственный интеллект погрузится во вселенную молекул в поиске удивительных лекарств
Темной ночью, вдали от городского света, звезды Млечного Пути кажутся несметными. Но из любой точки невооруженному глазу видно не больше 4500 звезд. В нашей же галактике их 100-400 миллиардов, галактик во Вселенной и того больше. Выходит, в ночном небе не так много звезд. Однако даже это число открывает перед нами глубокую подноготную… лекарств и препаратов. Дело в том, что число возможных органических соединений с лекарственными способностями превышает число звезд во Вселенной более чем на 30 порядков. И химические конфигурации, которые создают ученые из существующих медикаментов, сродни звездам, которые мы могли бы увидеть в центре города ночью.
Поиск всех возможных лекарств — непосильная задача для человека, как и исследование всего физического пространства, и даже если бы мы могли, большая часть обнаруженного не соответствовала бы нашим целям. Тем не менее мысль о том, что чудесные лекарства могут скрываться среди изобилия, слишком заманчива, чтоб ее игнорировать.
Именно поэтому нам стоит использовать искусственный интеллект, который сможет работать больше и ускорить открытие. Так считает Алекс Жаворонков, выступивший на Exponential Medicine в Сан-Диего на прошлой неделе. Это применение может стать крупнейшим для ИИ в медицине.
Собаки, диагноз и лекарства Жаворонков — CEO Insilico Medicine и CSO Biogerontology Research Foundation. Insilico — один из множества стартапов, разрабатывающих ИИ, способный ускорить открытие новых лекарств и препаратов.
За последние годы, рассказал Жаворонков, известная техника машинного обучения — глубокое обучение — осуществила прогресс на нескольких фронтах. Алгоритмы, способные обучаться игре в видеоигры — вроде AlphaGo Zero или покериста Carnegie Mellon — представляют самый большой предмет интереса. Но распознавание закономерностей — вот что дало мощный толчок глубокому обучению, когда алгоритмы машинного обучения наконец-то начали отличать кошек от собак и делать это достаточно быстро и точно.
В медицине алгоритмы глубокого обучения, обученные по базам данных медицинских снимков, могут выявлять опасные для жизни заболевания с равной или большей точностью, чем специалисты-люди. Есть даже предположение, что ИИ, если мы научимся ему доверять, может быть бесценным при диагностике болезни. И как отметил Жаворонков, грядет больше приложений и послужной список будет только расти.
«Tesla уже выводит автомобили на улицу», говорит Жаворонков. «Трех-, четырехлетняя технология уже перевозит пассажиров из пункта А в пункт Б на скорости 200 километров час; одна ошибка — и ты мертв. Но люди доверяют свои жизни этой технологии».
«Почему бы не делать того же в фармацевтике?».
Пробы и ошибки, снова и снова В фармацевтических исследованиях ИИ не придется водить автомобиль. Он станет ассистентом, который в паре с химиком или двумя сможет ускорить открытие препаратов, просматривая больше вариантов в поисках лучших кандидатов.
Пространство для оптимизации и повышения эффективности просто огромное, считает Жаворонков.
Поиск препаратов — кропотливое и дорогостоящее занятие. Химики просеивают десятки тысяч возможных соединений в поисках самых многообещающих. Из них лишь некоторые уходят на дальнейшее изучение, и еще меньше будут проходить испытания на людях, а из этих вообще крохи будут одобрены к дальнейшему использованию.
Весь этот процесс может занять много лет и стоить сотни миллионов долларов.
Это проблема касается больших данных (big data), а глубокое обучение преуспевает в работе с большими данными. Первые приложения показали, что системы ИИ на основе глубокого обучения способны находить едва заметные закономерности в гигантских выборках данных. Хотя производители лекарств уже используют программное обеспечение для просеивания соединений, такое программное обеспечение требует четких правил, написанных химиками. Плюсы ИИ в данном деле — его способность учиться и совершенствоваться самостоятельно.
«Существует две стратегии инноваций на базе ИИ в фармацевтике, которые обеспечат вас лучшими молекулами и быстрым одобрением», говорит Жаворонков. «Один ищет иглу в стоге сена, а другой создает новую иглу».
Чтобы найти иголку в стоге сена, алгоритмы обучаются на больших база данных молекул. Затем они ищут молекулы с подходящими свойствами. Но создать новую иглу? Эту возможность предоставляют генеративные состязательные сети, на которых специализируется Жаворонков.
Такие алгоритмы ставят две нейронные сети друг против друга. Одна генерирует осмысленный результат, а другая решает, является ли этот результат истинным или ложным, говорит Жаворонков. В совокупности эти сети генерируют новые объекты, такие как текст, изображения или, в данном случае, молекулярные структуры.
«Мы начали использовать эту конкретную технологию, чтобы глубокие нейронные сети вообразили новые молекулы, чтобы сделать ее идеальной с самого начала. Нам нужны идеальные иглы», говорит Жаворонков. «Вы можете обратиться к этой генеративной состязательной сети и попросить ее создать молекулы, которые ингибируют белок Х в концентрации Y, с наивысшей жизнеспособностью, заданными характеристиками и минимальными побочными эффектами».
Жаворонков полагает, что ИИ может найти или изготовить больше иголок из множества молекулярных возможностей, освободить химиков-людей, чтобы те могли сосредоточиться на синтезе только самых перспективных. Если это сработает, как надеется он, мы сможем увеличить количество попаданий, минимизировать промахи и в целом ускорить процесс. https://ru.onlytrends.info/