Способ как: Врач раскрыл универсальный способ, как уберечь себя от сердечных болезней и рака

Я исправлял ученика ESL, который сказал: «Мы так пишем».

Я понимаю, что «мы пишем так» правильно и «мы пишем так» правильно, но «мы пишем именно так» кажется мне неправильным, несмотря на то, что когда я говорю это вслух, это звучит совершенно нормально, если я говорю быстро. Я имею в виду, что если бы это сказал ученик ESL, это прозвучало бы неправильно. Но когда я говорю это как носитель языка, это кажется нормальным, хотя и не очень удачным. Так что я не могу сказать.

Это грамматически неправильно?

• грамматичность
• союзы

Это не грамматически неправильно, просто необычно. Большинство людей использовали бы связующее слово та :

Это то, как мы пишем .

Вы также можете увидеть:

Это способ , которым мы пишем .

Вы можете, например, сравнить относительную частоту этих фраз в печати, используя Google Ngram Viewer . В приведенной ниже таблице сравниваются «это способ, как», «это способ, который» и «это способ, которым». Из таблицы видно, что фраза «так и как» практически никогда не встречается в печати. Два других видались регулярно, но за последние 200 лет «это способ» был более популярен.

Нажмите на график, чтобы взаимодействовать с ним. Например, вы можете разделить результаты для британского и американского вариантов английского языка.

«Путь» и «как» не используются вместе. Это то, как мы пишем. Или Это то, как мы пишем.

«Как» является избыточным, а также нетрадиционным.

Мы не так хотим победить». The New York Times — Sports

«Это ирония судьбы, группа технологических компаний показывает, как быть человеком», — добавил он. Нью-Йорк Таймс

То, как она все делает, отличается, и это то, что мне нравится». Нью-Йорк Таймс — Спорт

Зарегистрируйтесь или войдите в систему

Опубликовать как гость

Требуется, но не отображается

Опубликовать как гость

Требуется, но не отображается

Нажимая «Опубликовать свой ответ», вы соглашаетесь с нашими условиями обслуживания, политикой конфиденциальности и политикой использования файлов cookie

Как ASML возродил закон Мура и переделал производство микросхем с помощью облака

Объявление о смерти закона Мура стало чем-то вроде популярного времяпрепровождения в технических кругах, основанного на предположении, что микросхемы должны перестать удваивать мощность каждые два года, потому что должен быть предел тому, сколько транзисторов может поместиться на них. Верно?

И все же производители чипов продолжают бросать вызов ожиданиям — и в некоторой степени физике. За пределами того, что ранее считалось возможным, компьютерные чипы становятся все меньше и мощнее с помощью новых технологий, многие из которых живут в облаке.

Искусственный интеллект помог исследователям разработать более совершенные чипы. Высокопроизводительные вычисления позволяют ученым моделировать эти проекты быстрее, чем когда-либо. Большие данные и аналитика позволяют лучше организовать информацию и ускорить циклы тестирования. Конец закона Мура вполне может быть на горизонте, но это не помешало полупроводниковой промышленности использовать все имеющиеся в ее распоряжении передовые технологии, чтобы отодвинуть эту кажущуюся неизбежность еще дальше.

Одной из основных причин, почему закон Мура остается в силе, является работа голландской фирмы ASML.

Компания производит фотолитографические машины, программное обеспечение и решения, которые позволяют производителям делать все более компактные, более эффективные и мощные компьютерные чипы. После 20 напряженных лет исследований и разработок в 2017 году компания ASML совершила крупный прорыв в области машин, позволяющих производить высокопроизводительные микросхемы.

Результат: фотолитографическая машина, которая использует длины волн экстремального ультрафиолетового (EUV) излучения для создания элементов микрочипов размером всего 13 нанометров. MIT Technology Review назвал его «машиной, которая спасла закон Мура».

На создание машины EUV ушло два десятилетия исследований и разработок, и отраслевые эксперты открыто сомневались, что она когда-нибудь будет реализована. Но благодаря чистой решимости, миллиардам долларов инвестиций и умным облачным инструментам ASML, наконец, прорвался вперед и в настоящее время является единственным поставщиком в мире, предлагающим решение. С тех пор компания продает свои машины ведущим производителям чипов, включая Samsung, Intel и TSMC — в критический момент, учитывая нехватку чипов и связанную с этим геополитическую напряженность.

Арно Юбо, менеджер группы продуктов в ASML, позаимствовал историю одного из этих клиентов из последнего эпизода серии видеороликов Transformation Debrief, чтобы подчеркнуть, насколько целенаправленной была миссия машин EUV: «Я думаю, что Марк Лю, председатель TSMC, сформулировал это красиво. Он сказал: «Полупроводниковая промышленность последние 50 лет работала в туннеле». Все точно знали, куда идти. Конец был ясен, цель была ясна: уменьшить транзисторы и сделать их меньше. Так что все с ASML было сосредоточено на этом».

Машина EUV, наряду со всеми другими продуктами и услугами ASML, должна быть чрезвычайно точной. Производство полупроводников требует очень сложного комплекса оборудования, обладающего скоростью, эффективностью и точностью до мельчайших степеней. Несмотря на то, что компания разработала потрясающие инновации для создания своего решения EUV, она также открыла новые горизонты в тестировании и измерениях.

Чтобы продвинуть многие из этих прорывов, ASML использовала облачные технологии и искусственный интеллект, чтобы сделать свои процессы более эффективными, ускорить циклы тестирования и обеспечения качества, а также выявить потенциальные ошибки до того, как они станут серьезными проблемами. Даже с менее передовыми машинами, такими как «глубокий ультрафиолет» или DUV, машинами, которые предшествовали EUV, мощность облака также помогает внедрять эти усовершенствования и улучшения.

«Мы должны были сделать лучшие датчики, лучшие приводы, лучшие источники света», — сказал Хьюбокс. «То, что вы видите сейчас, это то, что эти машины достаточно хороши. И, особенно в условиях очередной нехватки чипов, вы хотите оптимизировать использование этих машин».

Вот где программы, создающие машины и управляющие ими, становятся такими же важными, как и сами машины. «Оптимизация этих машин — это то, чем вы обычно управляете с помощью программного обеспечения, — сказал Хубокс, — и это требует массивной обработки данных».

Массивные данные в мельчайших масштабах

Компания Hubaux ранее описывала фотолитографические машины ASML как «разработку гоночного автомобиля для гонщика Формулы-1». Учитывая крошечный масштаб, в котором происходит производство чипов, права на ошибку практически нет. Все в фотолитографической машине должно быть откалибровано с точностью до нанометра. С такой сложной машиной такой анализ и калибровка создают много данных.

«Мы поняли, что наша локальная среда, среда, которая у нас была на предприятии, недостаточна для проведения анализа, который мы хотели провести, и продукта, который мы хотели создать», — сказал Хубокс о решении ASML перейти на Google Cloud через несколько лет. назад.

ASML работала с партнером Google Cloud Rackspace и специалистом по машинному обучению ML6, чтобы создать архитектуру и модели искусственного интеллекта, необходимые для приема, обработки и анализа почти в реальном времени.

Машины EUV от ASML работают на пределе возможностей света и физики таким образом, который остается масштабируемым и экономически эффективным. Облачные высокопроизводительные вычисления были необходимы для исследований и разработок новых машин.

«Через шесть месяцев мы быстро заметили, что производительность команды улучшилась в 10 раз, — сказал Хубокс. «Общий цикл разработки приложений значительно улучшается».

Основной мотивацией для миграции в облако и создания моделей машинного обучения, которые могли бы помочь анализировать огромные объемы данных, было желание AMSL ускорить вывод продуктов на рынок. В облаке инженеры ASML могут проводить больше тестов и быстрее анализировать результаты, ускоряя исследования и разработки и производство.

«Основным фактором было время выхода на рынок», — сказал Хубокс. «Нам нужно было быстрее выпускать наши решения, а также повышать качество наших решений».

На этом фронте команда более чем преуспела, добившись 40-процентного улучшения скорости выхода на рынок.

Создание конкурентного преимущества с помощью облака и искусственного интеллекта

Хьюбокс отмечает, что облако еще не получило широкого распространения в отрасли производства микросхем. Это сектор, где интеллектуальная собственность охраняется, как логово дракона, полное золота, а производственные процессы чрезвычайно сложных машин не поддаются легкому сбору данных с датчиков с подключением к Интернету. При этом ASML обнаружил, что может применять облако и машинное обучение к множеству других свойств в своей работе, чтобы повысить скорость и эффективность.

«Я ожидаю, что в ближайшие два-три года будет такой же медленный переход к облаку для некритических процессов», — сказал Хьюбокс. «Эти некритические процессы включают диагностику и мониторинг, которые, как правило, требуют очень большого объема данных.

Инженеры ASML приветствовали облако, которое позволило им разгрузить задачи, которые раньше приходилось выполнять вручную.

«Инженеры, которые должны были поставлять решения, были очень рады интеграции в облако, потому что они могли использовать самые современные технологии», — сказал Хубокс. «Все, что им приходилось поддерживать самостоятельно — например, обновление инструментов, поддержание соединений, защита окружающей среды — было чем-то очень трудоемким, и внезапно все эти препятствия были устранены, поэтому они могли действительно сосредоточиться на том, что предполагали. доставлять, что является образцом хорошего программного обеспечения ».

В отрасли производства микросхем все происходящее должно быть объяснимо вплоть до мельчайших деталей. Клиенты ASML должны понимать все о том, как работает машина — ее датчики, диагностика, мониторинг и техническое обслуживание — чтобы продолжать выкачивать щепу. Таким образом, искусственный интеллект на основе нейронных сетей может быть трудно продать из-за «черного ящика» алгоритмов.

Другими словами, производители чипов могли бы не решиться использовать машины ASML, если бы они точно не знали результатов, которые может дать любой ИИ.

«Когда вы говорите о крупносерийном производстве, — сказал Хьюбокс, — эти машины были настроены настолько, что любое изменение в этих машинах может привести к потенциальному периоду полураспада в будущем. Это действительно может остановить производство и стоить клиентам миллионы. Для такого сценария машинное обучение еще не очень широко распространено из-за этого эффекта черного ящика».

Обеспечение качества и обеспечение непрерывного обновления чипов

Одной из областей, в которой ASML добился успеха с искусственным интеллектом, является обеспечение качества. Чипсы очень малы, и поэтому их практически невозможно проверить вручную. Но команда смогла обучить ИИ быстро искать дефекты на изображениях чипов с низким разрешением, обучая модели контроля.

«Именно здесь вмешался ИИ, потому что мы все еще использовали физическую модель для классификации изображения как хорошего, плохого, дефектного или недефектного на основе физики», — сказал Хьюбокс. «Мы использовали искусственный интеллект, который мы обучили на изображениях с высоким разрешением, для распознавания изображений с низким разрешением, заполняя пробелы физической моделью».

«Так вот где ИИ фактически расширяет возможности аппаратного обеспечения, чтобы сделать своего рода виртуальное расширение аппаратного обеспечения, улучшающее качество прогнозов», — продолжил он.