Caltech — July 2026

Ровер снял на Марсе гигантское поле «пчелиных сот»

Марсоход Curiosity передал панораму, которая поразила даже опытных ученых: вся поверхность долины Валье-Гранде покрыта полигональными трещинами — как пчелиные соты, только каменные. Каждая ячейка — 4–8 см в поперечнике, и они тянутся до горизонта во все стороны.

Такие узоры ровер встречал и раньше, но никогда в таком масштабе. Ведущий ученый миссии Эшвин Васавада из НАСА отметил, что это зрелище буквально поразило команду. Ученые измеряют форму и состав «сот», чтобы понять, как они возникли.

Одна из версий — поверхность растрескалась миллиарды лет назад, когда высохла древняя грязь. Полигоны также могли появиться из-за резких перепадов температуры или сжатия осадочных пород: под весом верхних слоев из грунта выдавливалась вода.

Curiosity работает на Марсе с 2012 года и исследует склоны горы Шарп — района, где когда-то существовали реки и озера.

Изображение: NASA/JPL-Caltech/MSSS

💫 Telegram / 💜 МAКС / все наши каналы

😱 Так выглядят свежие фотографии с Марса — снято на марсоход Curiosity

Пару дней назад Илон Маск заявил, что человечество отправится покорять «Красную планету» в течение ближайших 5-7 лет

Фото: NASA/JPL-Caltech/MSSS

2026 年 7 月 29 日

灵神星探测器获得火星的引力助推 Video Credit: NASA/JPL-Caltech/ASU/True Story Films 文稿:Keighley Rockcliffe (NASAGSFC, UMBC CSST, CRESST II)

说明：太阳系天体能让深空探测变得更省燃料！今日影片展示了灵神星Psyche 探测器在2026年5月获得火星重力助推后，以极少的燃料消耗以进行加速并改变轨道。火星绕太阳的平均轨道速度接近87,000公里/小时（54,000英里/小时）。火星的轨道运动与重力使它能够拉动灵神星探测器一起运动，进而提高了探测器的速度。自1959年的月球3号任务以来，重力助推技术已被用于帮助多项探测器（例如航海家号和卡西尼号）抵达比仅依靠燃料所能到达的更远的地方。这次助推帮助灵神星号探测器顺利抵达灵神星小行星，预计2029年抵达。飞掠火星期间，探测器亦测试了用于分析小行星成分和磁场的仪器。这是人类首度造访主要由金属（行星的基本构成材料）而非岩石或冰构成的小行星。

Top free Data Science resources

@datasciencefun

1. CS109 Data Science http://cs109.github.io/2015/pages/videos.html

2. Data Science Essentials https://www.edx.org/course/data-science-essentials

3. Learning From Data from California Institute of Technology http://work.caltech.edu/telecourse

4. Mathematics for Machine Learning by University of California, Berkeley https://gwthomas.github.io/docs/math4ml.pdf?fbclid=IwAR2UsBgZW9MRgS3nEo8Zh_ukUFnwtFeQS8Ek3OjGxZtDa7UxTYgIs_9pzSI

5. Foundations of Data Science by Avrim Blum, John Hopcroft, and Ravindran Kannan https://www.cs.cornell.edu/jeh/book.pdf?fbclid=IwAR19tDrnNh8OxAU1S-tPklL1mqj-51J1EJUHmcHIu2y6yEv5ugrWmySI2WY

6. Python Data Science Handbook https://jakevdp.github.io/PythonDataScienceHandbook/?fbclid=IwAR34IRk2_zZ0ht7-8w5rz13N6RP54PqjarQw1PTpbMqKnewcwRy0oJ-Q4aM

7. CS 221 ― Artificial Intelligence https://stanford.edu/~shervine/teaching/cs-221/

8. Ten Lectures and Forty-Two Open Problems in the Mathematics of Data Science https://ocw.mit.edu/courses/mathematics/18-s096-topics-in-mathematics-of-data-science-fall-2015/lecture-notes/MIT18_S096F15_TenLec.pdf

9. Python for Data Analysis by Boston University https://www.bu.edu/tech/files/2017/09/Python-for-Data-Analysis.pptx

10. Data Mining bu University of Buffalo https://cedar.buffalo.edu/~srihari/CSE626/index.html?fbclid=IwAR3XZ50uSZAb3u5BP1Qz68x13_xNEH8EdEBQC9tmGEp1BoxLNpZuBCtfMSE

Share the channel link with friends http://t.me/datasciencefun

از ندانستن حساب دیفرانسیل تا دریافت جایزه نوبل فیزیک

وقتی کیپ تورن وارد مؤسسه فناوری کالیفرنیا (Caltech) شد تا فیزیک بخواند، هنوز حساب دیفرانسیل و انتگرال (Calculus) را یاد نگرفته بود.

او از کودکی شیفته نجوم بود، اما فضای آموزشی کلتک با هر چیزی که پیش از آن تجربه کرده بود تفاوت داشت. اطرافش پر بود از دانشجویانی که آمادگی علمی فوق‌العاده‌ای داشتند و همین باعث شد احساس کند نسبت به تقریبا همه اطرافیانش کندتر فکر می‌کند و کندتر مطالعه می‌کند.

تورن در زندگینامه خود که به مناسبت دریافت جایزه نوبل منتشر شد، با صداقت نوشته است: «من هیچ حساب دیفرانسیل و انتگرالی نخوانده بودم و خواننده‌ای کند بودم.»

او می‌گوید حدود هجده ماه نخست دوران کارشناسی را با دشواری فراوان گذراند؛ مدام در مسیر فهم ریاضیات و فیزیکی که از یک دانشجوی کلتک انتظار می‌رفت، زمین می‌خورد و دوباره بلند می‌شد.

اما به جای اینکه نتیجه بگیرد «برای فیزیک ساخته نشده است»، روش یادگیری خود را تغییر داد.

برای هر درس مهم یک دفتر جداگانه تهیه کرد. در هر دفتر، مفاهیم اصلی را با زبان خودش بازنویسی می‌کرد، استدلال‌ها و اثبات‌های ریاضی را از نو و قدم ‌به ‌قدم بازسازی می‌کرد و تلاش می‌کرد پشت هر معادله، معنای فیزیکی آن را پیدا کند؛ نه اینکه فقط فرمول‌ها را حفظ کند.

تا اواسط سال دوم کارشناسی، او توانسته بود فاصله‌اش را با دیگران جبران کند. این شیوه یادگیری یعنی بازسازی مفاهیم از اصول اولیه (First Principles) بعدها به یکی از ویژگی‌های همیشگی سبک پژوهشی او تبدیل شد و در تمام دوران فعالیت علمی‌اش همراهش ماند.

کیپ تورن بعدها به یکی از بزرگ‌ترین متخصصان جهان در زمینه سیاه‌چاله‌ها، خمیدگی فضا-زمان، نسبیت عام و امواج گرانشی تبدیل شد. او همراه با راینر وایس و بری بریش، به دلیل نقش تعیین‌کننده در پروژه LIGO و نخستین آشکارسازی مستقیم امواج گرانشی، در سال ۲۰۱۷ جایزه نوبل فیزیک را دریافت کرد.

نخستین آشکارسازی، که در سال ۲۰۱۵ انجام شد، امواجی را ثبت کرد که از برخورد و ادغام دو سیاه‌چاله در فاصله‌ای بیش از یک میلیارد سال نوری از زمین ایجاد شده بودند؛ کشفی تاریخی که یکی از مهم‌ترین پیش‌بینی‌های نظریه نسبیت عام اینشتین را پس از حدود یک قرن به‌طور مستقیم تأیید کرد.

شاید مهم‌ترین درس زندگی کیپ تورن این باشد که موفقیت علمی، بیش از آنکه به سرعت یادگیری وابسته باشد، به روش یادگیری، پشتکار و توانایی ساختنِ فهم عمیق از مفاهیم بستگی دارد. بسیاری از بزرگ‌ترین دانشمندان، مسیر خود را نه با استعداد خارق‌العاده، بلکه با صبر، کنجکاوی و یادگیری عمیق ساخته‌اند.

@ScienceTodaymag .

🔭 Astronomers Have Just Opened a New Map of the Black Hole Universe

The LIGO–Virgo–KAGRA collaboration has released GWTC-5.0 — the largest gravitational-wave catalog ever assembled.

It adds 161 new detections from the O4b observing run, bringing the total number of observed gravitational-wave events since 2015 to 390. What began as a handful of almost unbelievable signals has now become a real population study of black holes.

The jump is dramatic. The fourth observing run alone now accounts for roughly 75% of all gravitational-wave events detected so far. In LIGO’s first observing run, scientists detected just three events over about four months. Now the network is catching around 3–4 black hole mergers per week.

And the data are starting to reveal something deeper: black holes do not all form the same way.

Some likely come from pairs of massive stars born together. Others may meet later inside dense stellar clusters. The most intriguing group are “second-generation” black holes — objects that were themselves created in earlier black hole mergers, then merged again. Their clue is unusually rapid spin, which can act like a fingerprint of these repeated cosmic collisions.

A few highlights from the new catalog:

— 390 gravitational-wave events in total — 161 new detections from O4b — Black hole masses clustering around ~10 and ~35 solar masses — Evidence for second-generation black holes from hierarchical mergers — Best sky localization yet: one event narrowed down to just 6 square degrees — Clearest black hole signal ever recorded, with a signal-to-noise ratio of 76.9 — A new gravitational-wave measurement of the Hubble constant with ~25% improved precision

Why it matters: gravitational-wave astronomy is no longer just about detecting rare cosmic “chirps.” It is becoming a census of an invisible universe — one that can study black hole populations, test general relativity, probe stellar evolution, and even help measure the expansion rate of the cosmos.

The big takeaway: astronomy no longer needs light alone. We are now listening to spacetime itself — and the signal is turning into a map.

📄 LIGO press release: https://www.ligo.caltech.edu/news/ligo20260526 📖 Summary: https://www.sciencealert.com/lost-world-of-gravitational-waves-reveals-the-origins-of-black-holes

#GravitationalWaves #BlackHoles #LIGO #Astrophysics #Cosmology