Авторские статьи Алексея Колесникова — Инфарс
2593
2 мин.
Статья
ПК ЛИРА 10.6 выполняет расчеты стальных конструкций по 1-му и 2-му предельным состояниям в соответствии с действующими строительными нормами:
- ДБН В.2.6-198:2014;
- СП 16.13339.2011;
- СНиП …
Автор: Колесников Алексей
Читать3164
3 мин.
Статья
В ПК ЛИРА 10.6 добавлен одноузловой конечный элемент упругой связи «Свая» (КЭ 57), моделирующий работу сваи, как стержневой конструкции на упругом основании с учетом прилегающих слоев грунта. КЭ 57…
Автор: Колесников Алексей
Читать4189
4 мин.
Статья
При проектировании металлических конструкций в некоторых случаях возникают сложности при моделировании узлов и других соединений.
В прошедшем вебинаре, который состоялся 26 апреля при поддержке…
Автор: Колесников Алексей
Читать2327
3 мин.
Статья
В новой версии ПК ЛИРА 10.6 появилась возможность вычислений и анализа напряжений в стержневых конечных элементах. При расчете металлических зданий и сооружений необходимо их проверять по предельным…
Автор: Колесников Алексей
Читать2487
2 мин.
Статья
Современная теория сейсмостойкости предлагает два основных метода расчета: спектральный метод (инженерный) и прямой динамический.
Существует еще один метод, называемый нелинейным статическим (Pushover…
Автор: Колесников Алексей
Читать1632
4 мин.
Статья
Зачастую в проектных организациях установлено несколько программ для расчета конструкций одного назначения, например, часть конструкторов работает в одной программе для расчета конструкций, часть …
Автор: Колесников Алексей
3472
2 мин.
Статья
Задание нагрузок является одной из самых ответственных задач при моделировании зданий и сооружений. Приглашаем вас посмотреть бесплатный вебинар: «Задание нагрузок в ПК ЛИРА 10.
6″.
В рамках…
Автор: Колесников Алексей
Читать8386
6 мин.
Статья
Нормативные документы регламентируют выполнение расчетов на сейсмические воздействия на базе линейно-спектральной теории. В ее основе лежат вычисленные (или замеренные) ускорения маятников с различными…
Автор: Колесников Алексей
Читать2546
5 мин.
Статья
В новой версии программного комплекса ЛИРА 10.6 появилась возможности использования нагрузок, не привязанных к элементам расчетной схемы (рис. 1). Такие нагрузки пользователь ПК ЛИРА задает визуально,…
12.2016″>23.12.2016Автор: Колесников Алексей
Читать1705
6 мин.
Статья
Добрый день, уважаемые коллеги, представляю вашему вниманию начало блога о новых возможностях недавно вышедшей новой версии ПК ЛИРА 10.6.
Всего, версия ЛИРА 10.6 получила около 100 нововведений,…
Автор: Колесников Алексей
Читать3012
3 мин.
Статья
Расчет на прочность и устойчивость резервуаров для хранения нефти, сложен тем, что особое внимание необходимо уделять расчетам надежности строительных конструкций. Такие сооружения должны быть рассчитаны…
Автор: Колесников Алексей
Читать2389
4 мин.
Статья
Основой расчета строительных конструкций на акселерограммы является прямое интегрирование уравнений движения, либо спектральный метод. Метод разложения по собственным формам можно применять только…
Автор: Колесников Алексей
Читать2914
4 мин.
Статья
Современные программы для проектирования зданий позволяют моделировать сооружения в трехмерном пространстве. Благодаря таким технологиям стало возможным передавать модели из одних программ в другие….
Автор: Колесников Алексей
Читать1772
5 мин.
Статья
При проектировании особо ответственных уникальных зданий и сооружений, например, таких как стадионы, театры, высотные сооружения (более 100 м) необходимо выполнять расчет здания на сейсмические воздействия.
Автор: Колесников Алексей
ЧитатьМодернизм в деталях: Московское метро 1970-х
Борьба с излишествами в архитектуре после 1955 года привела к тому, что типовым стало не только жилье, но и метрополитен. Станции-«сороконожки» выглядят очень похоже, особенно из вагона поезда, поскольку главная их задача — функциональность. В 1970-х ситуация постепенно меняется: архитекторы, оставаясь лаконичными, начинают «придавать индивидуальный облик отсутствию излишеств» (Евгения Гершкович). Модернизм в метро наконец приобретает уникальные черты. В этой статье рассказываем о самых интересных станциях 1970-х. А если вам интересно, с чего все начиналось, приходите на нашу экскурсию про архитектуру метро.
«Баррикадная» (1972)
При строительстве станции стояла задача не только создать выразительный образ революционной борьбы, но и справиться с гидрологическими условиями — «Баррикадная» расположена под прудом зоопарка.
Для прочности конструкции архитектор Александр Стрелков предложил соорудить мощные пилоны шириной 6,5 метра. Чтобы визуально облегчить их массивность, мраморной отделке придана форма складок, символизирующая баррикады и полотнища знамен.
О рваных ритмах уличных заграждений напоминают и ломаные линии светильников в центральном зале и над платформами. Алюминиевые арки, ведущие к эскалаторам, напротив, выглядят сдержанно и миролюбиво.
Вестибюль станции выделяется своими брутальными формами. Планировалось, что он будет вписан в большой сквер, который так и не был разбит. Каменная облицовка с барельефом (три рубленые фигуры) плавно переходит в подпорные стены.
«Кузнецкий Мост» (1975)
В этой станции модернистская сдержанность органично соединилась с выразительностью. Аркада пилонов центрального зала намекает на архитектурные формы того самого Кузнецкого моста через реку Неглинку. Высота сводов и светлая гамма мраморной облицовки создают эффект свободного пространства.
Станции хватает света: сплошной ряд фонарей вмонтирован в абстрактную металлическую конструкцию из заостренных книзу профилей.
Над архитектурным обликом «Кузнецкого Моста» работала Нина Алешина. За свою карьеру она спроектировала 19 станций метро, среди которых «Марксистская», «Чертановская», «Менделеевская», а также довольно спорный вариант реконструкции «Дзержинской» («Лубянка»), исказивший концепцию Николая Ладовского.
Динамичные рельефы путевых стен «Кузнецкого Моста» перекликаются с прошлым района, некогда бывшим кузнечной слободой. Художник Михаил Алексеев создал шесть композиций из алюминия, на которых изображены: искры, вылетающие из-под наковальни, пушки и ядра, старинные ружья и т.д.
«Ботанический сад» (1978)
Станция сооружена из сборных конструкций. Индивидуальный облик ей придает в первую очередь потолок: он по всей ширине покрыт объемными кессонами из алюминия, в которые вмонтированы светильники.
Наземный павильон выполнен в характерной для модернизма стилистике: это так называемая «шайба» — ротонда с большой площадью остекления, напоминающая оранжерею.
Круглые павильоны в метро создавали и раньше («ВДНХ», «Новокузнецкая», «Краснопресненская»), но именно в 1970-е они становятся настолько светопроницаемыми и минималистичными.
Флоральная тема «Ботанического сада» раскрыта в оформлении эскалаторного зала, где установлены скульптурные вазоны из поливной керамики. Путевые стены станции украшены пятью панно из анодированного алюминия, на которых отчеканены цветы и плоды. Эскизы созданы Зоей Ветровой, ученицей Николая Томского и Матвея Манизера. Саму станцию спроектировали Николай Демчинский и Юлия Колесникова — многолетние соавторы, работавшие вместе над шестью станциями метро.
«Бабушкинская» (1978)
Это первая в Москве односводчатая станция, сооруженная из сборного железобетона. Этот метод строительства придумали в Харькове и впервые применили в 1975 году, а затем стали использовать и для других метрополитенов СССР. Также во время строительства «Бабушкинской» между вестибюлем и сводом станции установили коробчатую балку для пропуска водовода, придав ей изнутри форму арки.
Станция названа в честь полярного летчика Михаила Бабушкина, поэтому темой оформления стало покорение Арктики. Для этого используется минимум средств: стены облицованы светлым мрамором, а главный выразительный объект — сам свод. Светильники вмонтированы в него таким образом, что создается эффект зенитных фонарей, пропускающих через потолок естественный свет. Выходы из центрального зала украшены композициями из металла.
«Медведково» (1978)
Станция сооружена из сборных конструкций по типовому проекту. Визуальное разнообразие в интерьер «сороконожки» вносит оформление путевых стен. Они украшены алюминиевыми пластинами: за счет чередования выпуклых треугольников создается эффект холодных ледяных глыб.
Также тему Севера раскрывают декоративные металлические панно, на которых изображена природа сурового края: айсберги, чайки, белый медведь на льдине, полярное сияние.
«Авиамоторная» (1979)
Пожалуй, это одна из особо запоминающихся станций метро 1970-х.
Над белоснежными аркадами центрального свода «парит» золотистый «ковер-самолет» из анодированного металла. Свод выглядит объемным и динамичным за счет фактуры: он составлен из четырехугольных пирамид, на которые с помощью чеканки нанесены разные узоры на тему небесных сил — от молний и солнечных лучей до планет. Несколько пирамид образуют цветок, в центре которого горит лампочка. В результате весь свод представляет собой чередование ярких и более приглушенных рядов, что создает интересный световой дизайн.
На торцевой стене перронного зала помещено панно из рифленого металла, изображающее парящего в воздухе Икара. Бра, освещающие перроны, тоже обыгрывают тему воздухоплавания: каждый светильник выполнен в форме крыла, а узоры на них повторяют потолочные мотивы. Над выходом в город укреплены ярко-серебристые лопасти самолетного винта.
Эту станцию, как и «Баррикадную», проектировал Александр Стрелков. Он начинал карьеру как соавтор Алексея Душкина на «Новослободской», а с 1967 по 1978 годы был главным архитектором Метрогипротранса.
На этом посту Стрелков выступал за индивидуальный облик и узнаваемость станций московского метрополитена.
* * *
А что происходило в метро 1930-50-х? Расскажем и покажем на нашей экскурсии.
Инфраструктура города Метро Модернизм Транспорт
Айрат Багаутдинов
30.01.2020
Бассейн «Чайка» — первая ласточка модернизма. Экскурсия с плаванием
Экскурсии внутри зданий
#Модернизм
3000
за человека
Подробнее…
Подробнее…
Архитектура советского модернизма. Главные имена и шедевры. Автобусная экскурсия
Автобусные экскурсии
#Модернизм
1500
за человека
Подробнее…
Подробнее…
Экспериментальное жилье. Век двадцатый
Автобусные экскурсии
#Авангард #Модернизм
1500
за человека
Подробнее…
Подробнее…
Дом переехал. Пешеходная экскурсия про передвижку домов
Пешеходные экскурсии
#Сталинская архитектура #Инфраструктура города
1100
за человека
Подробнее.
..
Подробнее…
Как развивался транспорт в Москве. Пешеходно-трамвайная экскурсия
На общественном транспорте
#Транспорт #Инфраструктура города
1500
за человека
Подробнее…
Подробнее…
Архитектура московского метро. Экскурсия по станциям 1930-50-х
На общественном транспорте
#Инфраструктура города #Метро
1300
за человека
Подробнее…
Подробнее…
Как полюбить современную архитектуру. Гид по архитектурным течениям XX века / лекция
Лекции по архитектуре в Москве
#Авангард #Модернизм #Современная архитектура
600
за человека
Подробнее…
Подробнее…
Архитектура московского метро
Лекции по архитектуре в Москве
#Инфраструктура города #Метро #Барокко
Бесплатно
Подробнее…
Подробнее…
Советский модернизм. Трамвайная экскурсия
На общественном транспорте
#Модернизм
1500
за человека
Подробнее.
..
Подробнее…
Тверь — в Москву дверь. Неизвестные архитектурные сокровища Твери
Загородные поездки в города
#Инфраструктура города
4900
за человека
Подробнее…
Подробнее…
Район будущего. Экскурсия по микрорайону Северное Чертаново
Пешеходные экскурсии
#Модернизм
990
за человека
Подробнее…
Подробнее…
Путешествие во времени с VR. От Кремля до восьмой высотки. Пешеходная экскурсия с VR-очками
Виртуальные экскурсии по Москве
#Сталинская архитектура #Модернизм
2400
за человека
Подробнее…
Подробнее…
Дегустируем итальянскую архитектуру. Лекция + дегустация вина
Дегустации вина в Москве
#Инфраструктура города #Классицизм
4800
за человека
Подробнее…
Подробнее…
Полифония модерна. Экскурсия по корпусам Плехановки
Экскурсии внутри зданий
#Эклектика #Модерн #Модернизм
1400
за человека
Подробнее.
..
Подробнее…
Как строится метро. Самые яркие инженерные истории
Онлайн-лекции
#Метро
Бесплатно
Подробнее…
Подробнее…
Как устроен Толстовский дом (Петербург глазами инженера)
Пешеходные экскурсии онлайн
#Инфраструктура города #Классицизм
Бесплатно
Подробнее…
Подробнее…
Коломна и Зарайск: два Кремля
Экскурсии по Подмосковью на автобусе
#Средневековье #Инфраструктура города
3900
за человека
Подробнее…
Подробнее…
Дегустируем французскую архитектуру. Лекция + дегустация вина
Дегустации вина в Москве
#Инфраструктура города
4800
за человека
Подробнее…
Подробнее…
От дворца до яйца. Как читать архитектуру. Семейная экскурсия
Пешеходные экскурсии
#Модернизм #Современная архитектура
990
за человека
Подробнее…
Подробнее…
Дегустируем итальянскую архитектуру. Лекция + дегустация вина
Дегустации вина в Москве
#Эклектика #Модернизм
4500
за человека
Подробнее.
..
Подробнее…
Пущино. Заповедник модернизма на Оке
Экскурсии по Подмосковью на автобусе
Экскурсии по Подмосковью
#Пром. архитектура #Модернизм
10900
за человека
Подробнее…
Подробнее…
9-й квартал экспериментов. Экскурсия по району Новые Черемушки
Пешеходные экскурсии
#Модернизм #Инфраструктура города
990
за человека
Подробнее…
Подробнее…
Тула без самоваров. Промышленная архитектура, история и современное благоустройство. Двухдневный тур (даты уточняются)
Загородные поездки в города
#Средневековье #Инфраструктура города
12500
за человека
Подробнее…
Подробнее…
Дегустируем американскую архитектуру. Лекция + дегустация вина
Дегустации вина в Москве
#Современная архитектура #Инфраструктура города
4500
за человека
Подробнее…
Подробнее…
Что скрывает здание на Никольской. Экскурсия на Печатный двор
Экскурсии внутри зданий
#Средневековье #Инфраструктура города
1800
за человека
Подробнее.
..
Подробнее…
Гороховец и Владимир. Архитектура XII века, деревянный модерн, храм Покрова на Нерли.
Загородные поездки в города
#Инфраструктура города
9900
за человека
Подробнее…
Подробнее…
Как устроен театр. Экскурсия с посещением подвала дома Нирнзее
Экскурсии внутри зданий
#Модерн #Инфраструктура города #Классицизм
1500
за человека
Подробнее…
Подробнее…
Иваново. Заповедник авангарда и промышленной архитектуры. Двухдневный тур с Сергеем Кузнецовым (5-6 августа)
Загородные поездки в города
#Инфраструктура города
12000
за человека
Подробнее…
Подробнее…
Москва глазами реставратора. Экскурсия про реставрацию в районе «Кропоткинской»
Пешеходные экскурсии
#Инфраструктура города
1100
за человека
Подробнее…
Подробнее…
Кавказские минеральные воды. Курортная архитектура, горы и здоровье. Четырехдневный тур с Сергеем Кузнецовым (24-27 августа)
Загородные поездки в города
#Инфраструктура города
41900
за человека
Подробнее.
..
Подробнее…
От трамваев к фо-бо. Гастроэкскурсия по Депо на Лесной улице
Экскурсии внутри зданий
#Пром. архитектура #Инфраструктура города
2500
за человека
Подробнее…
Подробнее…
Театр «Модерн». Экскурсия + спектакль
Экскурсии внутри зданий
#Инфраструктура города
2340 2600
за человека
Подробнее…
Подробнее…
Скидка -10%
Москва заборная: что скрывается за любовью к заборам
Пешеходные экскурсии
#Средневековье #Инфраструктура города
Бесплатно
Подробнее…
Подробнее…
Виски глазами инженера. Лекция + дегустация виски
Дегустации вина в Москве
#Модернизм
6500
за человека
Подробнее…
Подробнее…
Советские секретные бункеры в Москве. Подземная экскурсия и лекция на глубине 43 метра
Экскурсии внутри зданий
#ЖД #Инфраструктура города
2500
за человека
Подробнее…
Подробнее.
..
Нижний Новгород и Выкса. Авангард, Шухов и не только. Трехдневный тур с Андреем Тутушкиным (18-20 августа)
Загородные поездки в города
#ЖД #Инфраструктура города
8000
за человека
Подробнее…
Подробнее…
Калуга – Марс. Русская утопия, космос и Никола-Ленивец. Трехдневный тур с Ксенией Григорьевой (28-30 апреля)
Загородные поездки в города
#Современная архитектура #Инфраструктура города
19900
за человека
Подробнее…
Подробнее…
Узбекистан. От древности до модернизма. Семидневный тур с Айратом Багаутдиновым (15-21 апреля)
Загородные поездки в города
#Модернизм #Инфраструктура города
20000
за человека
Подробнее…
Подробнее…
Промышленная красота у Серпуховской заставы. Пешеходная экскурсия
Пешеходные экскурсии
#Пром. архитектура #Инфраструктура города
1400
за человека
Подробнее…
Подробнее…
Джин глазами инженера.
Дегустируем архитектуру Лондона
Дегустации вина в Москве
#Пром. архитектура #Инфраструктура города
4300
за человека
Подробнее…
Подробнее…
Городок художников на Масловке. Экскурсия по «московскому Монмартру» с посещением мастерских
Экскурсии внутри зданий
#Эклектика #Инфраструктура города
2400
за человека
Подробнее…
Подробнее…
Наукоград Троицк. Научный туризм и советский модернизм
Экскурсии по Подмосковью на автобусе
#Инфраструктура города
2500 5000
за человека
Подробнее…
Подробнее…
Скидка -50%
От метро до ГОЭЛРО. Экскурсия про электрификацию с посещением музея-квартиры Кржижановского
Экскурсии внутри зданий
#Инфраструктура города
1600
за человека
Подробнее…
Подробнее…
«Букет Молдавии»: дегустируем молдавскую архитектуру. 5-дневный тур с Натальей Пугачёвой (19-23 февраля)
Загородные поездки в города
#Инфраструктура города
72000
за человека
Подробнее.
..
Подробнее…
Складчатые конструкции – своды и купола. Лекция + мастер-класс
Мастер-классы для детей
#Инфраструктура города
1200
за человека
Подробнее…
Подробнее…
Архитектура для развлечений. Экскурсия с посещением кинотеатра «Художественный»
Экскурсии внутри зданий
Архитектурные экскурсии
#Модерн #Инфраструктура города
1700
за человека
Подробнее…
Подробнее…
Повесть о том, как сталь и железобетон подарили архитекторам свободу
Лекции по архитектуре в Москве
#Инфраструктура города
600
за человека
Подробнее…
Подробнее…
Метро и город: архитектура наземных вестибюлей. Лекция Марии Никитиной
Лекции по архитектуре в Москве
#Инфраструктура города
600
за человека
Подробнее…
Подробнее…
Как мы пришли к панелькам. Лекция Галины Минаковой
Лекции по архитектуре в Москве
#Инфраструктура города
500
за человека
Подробнее.
..
Подробнее…
Зеленоград: советский модернизм, наука и передовые технологии
Загородные поездки в города
Архитектурные экскурсии
#Инфраструктура города
4000
за человека
Подробнее…
Подробнее…
Город книг: ночная экскурсия в библиотеку имени Ленина
Экскурсии внутри зданий
#Инфраструктура города
2300
за человека
Подробнее…
Подробнее…
Где живут деньги. Экскурсия с посещением дореволюционного банковского хранилища
Экскурсии внутри зданий
#Инфраструктура города
2700
за человека
Подробнее…
Подробнее…
Реставрация архитектуры. Появление профессии и формирование основных принципов. Лекция Анастасии Головиной
Лекции по архитектуре в Москве
#Инфраструктура города
600
за человека
Подробнее…
Подробнее…
Метро и город: архитектура наземных вестибюлей. От модернизма к современности. Лекция Марии Никитиной
Лекции по архитектуре в Москве
#Метро
500
за человека
Подробнее.
..
Подробнее…
Архитектура в кино. Лекция Виктории Фролковой
Лекции по архитектуре в Москве
#Инфраструктура города
600
за человека
Подробнее…
Подробнее…
Экспериментальное жилье модернизма
Лекции по архитектуре в Москве
#Модернизм
500
за человека
Подробнее…
Подробнее…
Дом переехал. Лекция о передвижке домов
Лекции по архитектуре в Москве
#Инфраструктура города
500
за человека
Подробнее…
Подробнее…
Тысячу лет вместе. Человек у воды в Москве. Лекция Андрея Клюева
Лекции по архитектуре в Москве
#Инфраструктура города
600
за человека
Подробнее…
Подробнее…
Реставрация архитектуры. Современная теория и практика. Лекция Анастасии Головиной
Лекции по архитектуре в Москве
#Инфраструктура города
500
за человека
Подробнее…
Подробнее…
Шедевры советского модернизма в Москве.
Лекция Галины Минаковой
Лекции по архитектуре в Москве
#Модернизм
600
за человека
Подробнее…
Подробнее…
АРХИЦИФРИСК. Как проектировать, строить и мечтать при помощи компьютера. Лекция Варвары Любовой
Лекции по архитектуре в Москве
#Инфраструктура города
500
за человека
Подробнее…
Подробнее…
Почему не случилось дизайна в эпоху авангарда. Лекция Ксении Григорьевой
Лекции по архитектуре в Москве
#Инфраструктура города
600
за человека
Подробнее…
Подробнее…
Казань. Вся архитектура за три дня. Трехдневный тур с Аленой Лазуко (10-12 июня)
Загородные поездки в города
#Инфраструктура города
20900
за человека
Подробнее…
Подробнее…
На Воробьевы горы за хорошим настроением. Пешеходная экскурсия
Пешеходные экскурсии
#Инфраструктура города
Бесплатно
Подробнее…
Подробнее…
Архитектура сказок.
От пряничного домика до хрустального дворца. Лекция Регины Поливан
Лекции по архитектуре в Москве
#Инфраструктура города
900
за человека
Подробнее…
Подробнее…
Ивановская горка: Перезагрузка. Неформальная экскурсия о новой жизни старых домов в переулках Ивановской горки
Пешеходные экскурсии
Архитектурные экскурсии
#Инфраструктура города
1500
за человека
Подробнее…
Подробнее…
Архитектура для полетов. Экскурсия вокруг комплекса зданий ЦАГИ с посещением музея Н.Е. Жуковского
Экскурсии внутри зданий
Архитектурные экскурсии
#Инфраструктура города
1500
за человека
Подробнее…
Подробнее…
Архитекторы, которые меняли архитектуру. Лекция Анастасии Головиной
Лекции по архитектуре в Москве
#Инфраструктура города
500
за человека
Подробнее…
Подробнее…
Алматы и Байконур. Модернизм, космос и старт ракеты. Шестидневный тур на запуск корабля с космонавтами (10-16 сентября)
Загородные поездки в города
Архитектурные экскурсии
#Инфраструктура города
20000
за человека
Подробнее.
..
Подробнее…
Дженерейшн ИИ: от калейдоскопа к нейросети. Лекция Варвары Любовой
Лекции по архитектуре в Москве
#Инфраструктура города
500
за человека
Подробнее…
Подробнее…
Улица Щербаковская: до и после войны. Пешеходная экскурсия
Пешеходные экскурсии
Архитектурные экскурсии
#Инфраструктура города
990
за человека
Подробнее…
Подробнее…
Рождение массового дизайна в эпоху хрущевского модернизма. Лекция Ксении Григорьевой
Лекции по архитектуре в Москве
#Инфраструктура города
600
за человека
Подробнее…
Подробнее…
Дубна. Большая физика на Волге с посещением музея синхрофазотрона (однодневный тур)
Загородные поездки в города
#Инфраструктура города
4900
за человека
Подробнее…
Подробнее…
Оранжевые вина и архитектура Солнца. Лекция + дегустация
Дегустации вина в Москве
Архитектурные экскурсии
#Инфраструктура города
4500
за человека
Подробнее.
..
Подробнее…
Погружение в модернизм. Архитектура для науки на «Профсоюзной» с посещением Института океанологии РАН
Экскурсии внутри зданий
Архитектурные экскурсии
#Модернизм
1500
за человека
Подробнее…
Подробнее…
Шедевры архитектуры Армении. Пятидневный тур с Арменом Мкртчяном (11-15 октября, 3-7 января)
Загородные поездки в города
#Модернизм
10000
за человека
Подробнее…
Подробнее…
АРХИЦИФРИСК. Осенний выпуск. Лекция Варвары Любовой
Лекции по архитектуре в Москве
#Инфраструктура города
600
за человека
Подробнее…
Подробнее…
Темная сторона сказочной архитектуры. Лекция Анастасии Головиной
Лекции по архитектуре в Москве
#Инфраструктура города
600
за человека
Подробнее…
Подробнее…
Архитектура и вино Грузии. Шестидневный тур с Анной Пестовой (7-12 июня; 1-6 ноября)
Загородные поездки в города
#Средневековье #Модернизм
10000
за человека
Подробнее.
..
Подробнее…
Дегустируем грузинскую архитектуру. Лекция + дегустация вина
Дегустации вина в Москве
#Модернизм
4500
за человека
Подробнее…
Подробнее…
Архитектура для Нобелевского лауреата. Экскурсия по территории Института физических проблем с посещением музея П. Капицы
Экскурсии внутри зданий
#Инфраструктура города
1700
за человека
Подробнее…
Подробнее…
Мосты Москвы: от древности до современности. Пешеходная экскурсия об истории мостов Москвы
Пешеходные экскурсии
#Инфраструктура города
900
за человека
Подробнее…
Подробнее…
Закат эпох. Архитектурное путешествие в «Горки Ленинские»
Загородные поездки в города
Загородные поездки в города
#Инфраструктура города
3500
за человека
Подробнее…
Подробнее…
Архитектура для науки. История создания советских НИИ. Лекция Татьяны Голицыной
Лекции по архитектуре в Москве
#Инфраструктура города
600
за человека
Подробнее.
..
Подробнее…
Фабрика инженеров. Экскурсия с посещением МГТУ имени Баумана
Экскурсии внутри зданий
#Инфраструктура города
1500
за человека
Подробнее…
Подробнее…
Протвино. Город-лес, модернизм и наука. Однодневная поездка
Загородные поездки в города
#Модернизм
4300
за человека
Подробнее…
Подробнее…
Стальные нервы светлого будущего. Как разглядеть век прогресса с одного моста
Пешеходные экскурсии
#Инфраструктура города
1200
за человека
Подробнее…
Подробнее…
Создание лучших пангеномов для повышения справедливости геномики – Блог Google AI
Авторы: Эндрю Кэрролл, руководитель отдела разработки продуктов, и Кишвар Шафин, научный сотрудник отдела геномики В течение десятилетий исследователи работали вместе, чтобы собрать полную копию молекулярных инструкций для человека — карту генома человека. Первый набросок был закончен в 2000 году, но с несколькими недостающими частями.
Даже когда в 2022 году был получен полный эталонный геном, их работа не была завершена. Один эталонный геном не может включать в себя известные генетические вариации, такие как варианты гена, определяющего, имеет ли человек группу крови A, B, AB или O. Кроме того, эталонный геном не отражает огромного разнообразия человеческих предков. , что делает его менее полезным для обнаружения болезней или поиска лекарств для людей из одних слоев общества, чем для других. Последние три года мы участвуем в международном сотрудничестве со 119ученых из 60 учреждений, называемых Консорциумом по исследованию пангенома человека, для решения этих проблем путем создания новой и более репрезентативной карты генома человека, пангенома .
Мы рады сообщить, что сегодня в «Черновом справочнике по пангеному человека», опубликованном в Nature , эта группа объявляет о завершении первого справочника по пангеному человека. Пангеном объединяет 47 эталонных последовательностей отдельных геномов и лучше отражает геномное разнообразие населения мира.
Опираясь на технологии глубокого обучения Google и прошлые достижения в области геномики, мы использовали инструменты, основанные на сверточных нейронных сетях (CNN) и преобразователях, для решения задач построения точных последовательностей пангеномов и их использования для анализа генома. Этот вклад помог консорциуму создать информационный ресурс для генетиков, исследователей и клиницистов по всему миру.
Использование графов для построения пангеномов
В типичном рабочем процессе анализа для высокопроизводительного секвенирования ДНК прибор для секвенирования считывает миллионы коротких фрагментов генома человека, а программа, называемая картографом или выравнивателем, затем оценивает, где эти фрагменты лучше всего подходят по отношению к единой линейной эталонной последовательности человека. Затем альтернативное программное обеспечение вызывающего абонента идентифицирует уникальные части последовательности человека относительно эталона.
Но поскольку люди несут разнообразный набор последовательностей, участки, которые присутствуют в ДНК человека, но не входят в эталонный геном, не могут быть проанализированы. Одно исследование 910 африканцев показало, что в общей сложности 300 миллионов пар оснований ДНК — 10% из примерно трех миллиардов эталонных пар оснований — не присутствуют в предыдущем линейном эталоне, но встречаются по крайней мере у одного из 910 человек.
Чтобы решить эту проблему, консорциум использовал графические структуры данных, которые полезны для геномики, поскольку они могут представлять последовательности многих людей одновременно, что необходимо для создания пангенома. Узлы в геноме графа содержат известный набор последовательностей в популяции, и пути через эти узлы компактно описывают уникальные последовательности ДНК человека.
Схема генома графа. Каждый цвет представляет путь последовательности другого человека. Несколько путей, проходящих через один и тот же узел, указывают на то, что несколько человек разделяют эту последовательность, но некоторые пути также показывают вариант одного нуклеотида (SNV), вставки или делеции. Иллюстрация предоставлена Дэррилом Лейей, Национальный исследовательский институт генома человека (NHGRI). |
| Фактический граф генома для области главного комплекса гистосовместимости (MHC) генома. Гены в областях MHC необходимы для иммунной функции и связаны с устойчивостью и восприимчивостью человека к инфекционным заболеваниям и аутоиммунным заболеваниям (например, анкилозирующему спондилиту и волчанке). На графике показан линейный эталон генома человека (зеленый) и последовательность отдельных людей (серый). |
Использование графиков создает множество проблем. Они требуют высокой точности эталонных последовательностей и разработки новых методов, которые могут использовать их структуру данных в качестве входных данных.
Однако новые технологии секвенирования (такие как консенсусное секвенирование и методы поэтапной сборки) привели к впечатляющему прогрессу в решении этих проблем.
Технология секвенирования с длительным чтением, которая считывает более крупные фрагменты генома (длиной от 10 000 до миллионов символов ДНК) за раз, необходима для создания высококачественных эталонных последовательностей, поскольку более крупные фрагменты легче сшивать вместе в собранные геномы, чем короткие отрывки, прочитанные с помощью более ранних технологий. Секвенирование с коротким чтением считывает фрагменты генома длиной всего от 100 до 300 символов ДНК, но оно стало масштабируемой основой для высокопроизводительных методов секвенирования, разработанных в 2000-х годах. Хотя секвенирование с длинным считыванием является более новым и имеет преимущества для создания эталонного генома, многие методы информатики для коротких чтений не были разработаны для технологий длинных чтений.
Развитие DeepVariant для исправления ошибок
Google изначально разработал DeepVariant, среду вызова вариантов CNN с открытым исходным кодом, которая анализирует свидетельства секвенирования коротких считываний локальных областей генома.
Тем не менее, мы смогли переобучить DeepVariant для проведения точного анализа давно прочитанных данных Pacific Bioscience.
| Схема обучения и оценки для DeepVariant. |
Затем мы объединились с исследователями из Института геномики Калифорнийского университета в Санта-Круз (UCSC), чтобы принять участие в конкурсе Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США за еще одну технологию секвенирования с длительным чтением от Oxford Nanopore. Вместе мы получили награду за высочайшую точность в категории нанопор с точностью до одного варианта нуклеотида (SNV), которая соответствовала секвенированию с коротким считыванием. Эта работа была использована для выявления и лечения генетических заболеваний у новорожденных в критическом состоянии. Использование DeepVariant в технологиях длительного чтения послужило основой для использования консорциумом DeepVariant для исправления ошибок пангеномов.
Способность DeepVariant использовать несколько модальностей секвенирования с длинным считыванием оказалась полезной для исправления ошибок в усилиях консорциума «Теломеры-теломеры» (T2T), которые создали первую полную сборку генома человека. Завершение этого первого генома подготовило почву для создания нескольких эталонных геномов, необходимых для пангеномов, и T2T уже тесно сотрудничала с проектом Human Pangenome Project (со многими общими участниками) для масштабирования этих практик.
С появлением на горизонте набора высококачественных эталонных геномов человека важность разработки методов, которые могли бы использовать эти сборки, возросла. Мы работали над адаптацией DeepVariant для использования пангенома, разработанного консорциумом. В сотрудничестве с UCSC мы создали сквозной рабочий процесс анализа для обнаружения вариантов на основе графа и продемонстрировали повышенную точность для нескольких тысяч образцов. Использование пангенома позволяет правильно идентифицировать многие ранее пропущенные варианты.
| Визуализация вызовов вариантов в гене KCNE1 (ген с вариантами, связанными с сердечными аритмиями и внезапной смертью) с использованием эталона пангенома по сравнению с предыдущим линейным эталоном. Каждая точка представляет вариант вызова, который является либо правильным ( синяя точка ), неправильным ( зеленая точка ) — когда вариант идентифицирован, но на самом деле его нет — либо пропущенным вариантом вызова ( красная точка ). В верхнем поле показаны вызовы вариантов, сделанные DeepVariant с использованием ссылки на пангеном, а внизу показаны вызовы вариантов, сделанные с использованием линейной ссылки. Рисунок адаптирован из черновика справочника по пангеному человека. |
Улучшение последовательностей пангенома с помощью трансформеров
Точно так же, как новые технологии секвенирования позволили использовать новые подходы к пангеномам, новые информационные технологии позволили улучшить методы секвенирования.
Google адаптировал архитектуры преобразователей от анализа человеческого языка до последовательностей генома для разработки DeepConsensus. Ключевым фактором для этого была разработка дифференцируемой функции потерь, которая могла обрабатывать вставки и удаления, распространенные в данных секвенирования. Это позволило нам добиться высокой точности без декодера, а скорость, необходимая для работы с терабайтами выходных данных секвенсора.
Архитектура Transformer для DeepConsensus. DeepConsensus принимает в качестве входных данных повторяющуюся последовательность молекулы ДНК, измеренную по флуоресцентному свету, обнаруженному путем добавления каждого основания. DeepConsensus также использует в качестве входных данных более подробную информацию о процессе секвенирования, включая длительность светового импульса (называемую здесь шириной импульса или PW), время между импульсами (IP), отношение сигнал-шум (SN) и какая сторона двойной спирали измеряется (нить). |
| Влияние функции потери выравнивания на обучающую оценку выходных данных модели. Улучшенный учет вставок и удалений с помощью дифференцируемой функции выравнивания позволяет процессу обучения модели лучше оценивать ошибки. |
DeepConsensus повышает производительность и точность инструментальных данных. Поскольку секвенирование PacBio предоставляет первичную информацию о последовательности для 47 сборок генома, мы могли бы применить DeepConsensus для улучшения этих сборок. С применением DeepConsensus члены консорциума создали ассемблер генома, который смог достичь 9Базовая точность сборки 9,9997 %.
Заключение
Мы разработали несколько новых подходов для улучшения методов генетического секвенирования, которые затем использовали для создания эталонов пангенома, позволяющих проводить более надежный анализ генома.
Но это только начало истории.
На следующем этапе более крупная группа ученых и клиницистов со всего мира будет использовать эту ссылку на пангеном для изучения генетических заболеваний и создания новых лекарств. И будущие пангеномы будут представлять еще больше людей, воплощая в жизнь видение, кратко изложенное в недавнем рассказе Nature: «Каждая база, везде, все сразу». Прочтите наш пост в блоге ключевых слов, чтобы узнать больше об объявлении ссылки на пангеном человека.
Благодарности
В создании справочника по пангеному участвовало множество людей, в том числе 119 авторов из 60 организаций, совместно с Консорциумом справочников по пангеному человека. В этом сообщении в блоге рассказывается о вкладе Google в более широкую работу. Мы благодарим исследовательские группы Института геномики UCSC (GI) под руководством профессоров Бенедикта Патена и Карен Мига, усилия Аранга Ри по полировке генома в Национальном институте здравоохранения (NIH), сборку и полировку генома группы Адама Филлипи и группу стандартов в Национальном институте здравоохранения (NIH).
Институт стандартов и технологий (NIST) Джастина Зука. Мы благодарим участников Google: Пи-Чуан Чанг, Марию Наттестад, Дэниела Кука, Алексея Колесникова, Анастасию Беляеву и Гунджан Байд. Мы благодарим Джона Гильярда за его иллюстративную анимацию, а также Лиззи Дорфман, Элиз Климан, Эрику Хейден, Кори Маклин, Шравью Шетти, Грега Коррадо, Кэтрин Чоу и Йосси Матиаса за их поддержку, координацию и руководство. И последнее, но не менее важное: спасибо участникам исследования, предоставившим свою ДНК для создания ресурса пангенома.
Трансформеры для распознавания изображений в масштабе — Блог Google AI
Авторы: Нил Хоулсби и Дирк Вайссенборн, ученые-исследователи, Google Research Хотя сверточные нейронные сети (CNN) использовались в компьютерном зрении с 1980-х годов, они не были на переднем крае до 2012 года, когда AlexNet значительно превзошла производительность современных современных методов распознавания изображений. Этому прорыву способствовали два фактора: (i) доступность обучающих наборов, таких как ImageNet, и (ii) использование общедоступного оборудования GPU, которое обеспечивало значительно больше вычислений для обучения.
Таким образом, с 2012 года CNN стали популярной моделью для задач машинного зрения.
Преимущество использования CNN заключалось в том, что они избегали необходимости в визуальных функциях, разработанных вручную, вместо этого обучаясь выполнять задачи непосредственно из данных «от начала до конца». Однако, хотя CNN избегают ручного извлечения признаков, сама архитектура разработана специально для изображений и может требовать больших вычислительных ресурсов. В предвкушении следующего поколения масштабируемых моделей машинного зрения можно задаться вопросом, необходим ли такой предметно-ориентированный дизайн или можно ли успешно использовать более независимые от предметной области и вычислительно эффективные архитектуры для достижения самых современных результатов.
В качестве первого шага в этом направлении мы представляем Vision Transformer (ViT), модель машинного зрения, максимально приближенную к архитектуре Transformer, изначально предназначенной для текстовых задач.
ViT представляет входное изображение как последовательность фрагментов изображения, аналогичную последовательности встраивания слов, используемой при применении Transformers к тексту, и напрямую предсказывает метки классов для изображения. ViT демонстрирует отличную производительность при обучении на достаточном количестве данных, превосходя сопоставимую современную CNN с в четыре раза меньшими вычислительными ресурсами. Чтобы стимулировать дополнительные исследования в этой области, мы сделали код и модели открытыми.
| Vision Transformer обрабатывает входное изображение как последовательность фрагментов, сродни серии вложений слов, сгенерированных преобразователем обработки естественного языка (NLP). |
Преобразователь зрения
Преобразователь исходного текста принимает в качестве входных данных последовательность слов, которые затем использует для классификации, перевода или других задач НЛП.
Для ViT мы делаем как можно меньше модификаций в дизайне Transformer, чтобы заставить его работать непосредственно с изображениями, а не со словами, и наблюдаем, как много о структуре изображения модель может узнать самостоятельно.
ViT делит изображение на сетку квадратных участков. Каждый патч сглаживается в один вектор путем объединения каналов всех пикселей в патче, а затем линейно проецируется на желаемое входное измерение. Поскольку трансформеры не зависят от структуры входных элементов, мы добавляем обучаемые вложения позиций в каждый патч, что позволяет модели узнавать о структуре изображений. Априори ViT не знает ни об относительном расположении патчей на изображении, ни даже о том, что изображение имеет 2D-структуру — он должен узнать такую релевантную информацию из обучающих данных и закодировать структурную информацию в позиционных встраиваниях.
Увеличение масштаба
Сначала мы тренируем ViT на ImageNet, где он достигает наилучшего результата в 77,9% точности.
Хотя это прилично для первой попытки, это далеко не соответствует современному уровню техники — лучшая на данный момент CNN, обученная на ImageNet без дополнительных данных, достигает 85,8%. Несмотря на стратегии смягчения последствий (например, регуляризацию), ViT превосходит задачу ImageNet из-за отсутствия встроенных знаний об изображениях.
Чтобы исследовать влияние размера набора данных на производительность модели, мы обучаем ViT на ImageNet-21k (14 млн изображений, 21 тыс. классов) и JFT (300 млн изображений, 18 тыс. классов) и сравниваем результаты с современной CNN, Big Transfer (BiT), обученный на тех же наборах данных. Как отмечалось ранее, ViT работает значительно хуже, чем эквивалент CNN (BiT), при обучении на ImageNet (изображения 1M). Однако на ImageNet-21k (14 млн изображений) производительность сопоставима, а на JFT (300 млн изображений) ViT теперь превосходит BiT.
Наконец, мы исследуем влияние объема вычислений, связанных с обучением моделей. Для этого мы обучаем несколько различных моделей ViT и CNN на JFT.
Эти модели охватывают диапазон размеров моделей и продолжительности обучения. В результате им требуется различное количество вычислительных ресурсов для обучения. Мы видим, что при заданном объеме вычислений ViT обеспечивает лучшую производительность, чем эквивалентные CNN.
| Слева: Производительность ViT при предварительном обучении на разных наборах данных. Справа: ViT обеспечивает хорошее соотношение производительности и вычислительных ресурсов. |
Высокопроизводительное крупномасштабное распознавание изображений
Наши данные показывают, что (1) при достаточном обучении ViT может работать очень хорошо, и (2) ViT обеспечивает отличное соотношение производительности и вычислительных ресурсов как в малых, так и в больших вычислительных масштабах. Поэтому, чтобы увидеть, переносятся ли улучшения производительности на еще большие масштабы, мы обучили модель ViT с параметрами 600M.
Эта большая модель ViT демонстрирует самые современные результаты в нескольких популярных тестах, в том числе точность 88,55 % в Top 1 на ImageNet и 99,50% на СИФАР-10. ViT также хорошо работает с очищенной версией оценочного набора ImageNet «ImageNet-Real», достигая 90,72% точности первого уровня. Наконец, ViT хорошо работает с разнообразными задачами, даже с небольшим количеством тренировочных данных. Например, на наборе ВТАБ-1к (19 задач с 1000 точек данных каждая) ViT достигает 77,63%, что значительно превышает уровень техники для одной модели (SOTA) (76,3%), и даже соответствует SOTA, достигнутому ансамбль из нескольких моделей (77,6%). Самое главное, эти результаты получены с использованием меньшего количества вычислительных ресурсов по сравнению с предыдущими CNN SOTA, например, в 4 раза меньше, чем предварительно обученные модели BiT.
Vision Transformer соответствует или превосходит современные CNN в популярных тестах. Слева: Популярные задачи классификации изображений (ImageNet, включая новые метки проверки Real, а также CIFAR, Pets и Flowers). Справа: Среднее значение по 19 задачам в наборе классификации VTAB. |
Визуализация
Чтобы получить некоторое интуитивное представление о том, что изучает модель, мы визуализируем некоторые из ее внутренних процессов. Во-первых, мы смотрим на встраивания позиций — параметры, которые модель изучает для кодирования относительного расположения патчей — и обнаруживаем, что ViT способен воспроизводить интуитивно понятную структуру изображения. Встраивание каждой позиции наиболее похоже на другие в той же строке и столбце, что указывает на то, что модель восстановила структуру сетки исходных изображений. Во-вторых, мы исследуем среднее пространственное расстояние между одним элементом, обслуживающим другой, для каждого блока трансформатора. На более высоких уровнях (глубина 10–20) используются только глобальные признаки (т.
е. большие дистанции внимания), но нижние уровни (глубины 0–5) охватывают как глобальные, так и локальные признаки, на что указывает большой диапазон среднего внимания. расстояние. Напротив, в нижних слоях CNN присутствуют только локальные признаки. Эти эксперименты показывают, что ViT может изучать функции, жестко закодированные в CNN (например, понимание структуры сетки), но также может изучать более общие шаблоны, такие как сочетание локальных и глобальных функций на нижних уровнях, которые могут помочь в обобщении.
| Слева: ViT изучает сетчатую структуру фрагментов изображения с помощью встраивания их положения. Справа: Нижние слои ViT содержат как глобальные, так и локальные функции, верхние слои содержат только глобальные функции. |
Сводка
Хотя CNN произвели революцию в компьютерном зрении, наши результаты показывают, что модели, созданные специально для задач визуализации, могут быть ненужными или даже неоптимальными.
С постоянно увеличивающимися размерами наборов данных и продолжающейся разработкой неконтролируемых и полуконтролируемых методов разработка новых архитектур машинного зрения, которые более эффективно обучаются на этих наборах данных, становится все более важной. Мы считаем, что ViT — это предварительный шаг к универсальной масштабируемой архитектуре, которая может решать многие задачи машинного зрения или даже задачи из многих областей, и мы рады будущим разработкам.
Препринт нашей работы, а также код и модели находятся в открытом доступе.
Благодарности
Мы хотели бы поблагодарить наших соавторов в Берлине, Цюрихе и Амстердаме: Алексея Досовицкого, Лукаса Бейера, Александра Колесникова, Сяохуа Чжай, Томаса Унтертинера, Мостафу Дегани, Матиаса Миндерера, Георга Хейгольда, Сильвена Желли и Якоба Ушкорейта. Мы хотели бы поблагодарить Андреаса Штайнера за решающую помощь с инфраструктурой и открытым исходным кодом, Джоан Пучсервер и Максима Неймана за работу над крупномасштабной инфраструктурой обучения, а также Дмитрия Лепихина, Аравинда Махендрана, Даниэля Кейзерса, Марио Лучича, Ноама Шазира и Колина Раффеля.