Electromagnetism Secretly Runs the World

Electromagnetism Secretly Runs the World

Электромагнетизм незаметно управляет миром

A Co-Written Essay with Arena Physica CEO Pratap Ranade

Эссе, написанное в соавторстве с CEO Arena Physica Pratap Ranade

Welcome to the 520 newly Not Boring people who have joined us since our last essay! Join 260,690 smart, curious folks by subscribing here:

Добро пожаловать 520 новым читателям Not Boring, присоединившимся к нам с момента прошлого эссе! Присоединяйтесь к 260 690 умным и любознательным людям, подписавшись здесь:

Hi friends 👋 ,

Привет, друзья 👋,

Happy Tuesday! Welcome to our newest installment in what has become an unintentional two-part series on non-LLM models that can do things that humans can’t, things that will give us superhuman abilities in the physical world. They’re also both co-written with founders you’d expect to find in SF but are building right here in the greatest city in the world, NYC.

Хорошего вторника! Это новый выпуск в том, что неожиданно превратилось в дилогию о не-LLM моделях, способных делать вещи, недоступные людям, — вещи, которые дадут нам сверхчеловеческие способности в физическом мире. Оба эссе написаны в соавторстве с фаундерами, которых вы ожидали бы встретить в SF, но которые строят свои компании прямо здесь, в величайшем городе мира — NYC.

The first was last week’s essay on World Models with Pim de Witte.

Первое — эссе о World Models с Pim de Witte на прошлой неделе.

Today’s is about machines that can intuit electromagnetic fields in a way almost no humans can that will help us design and build better electromagnetic (EM) systems.

Сегодняшнее — о машинах, которые могут интуитивно чувствовать электромагнитные поля так, как почти никто из людей не может, и которые помогут нам проектировать и строить более совершенные электромагнитные (EM) системы.

As you know, I’m very bullish on the growing role of electromagnetic systems in the economy. After Sam and I wrote The Electric Slide, Arena Physica CEO Pratap Ranade and I traded emails. In one of them, he wrote:

Как вы знаете, я очень бычий настроен относительно растущей роли электромагнитных систем в экономике. После того как Sam и я написали The Electric Slide, CEO Arena Physica Pratap Ranade и я обменялись письмами. В одном из них он написал:

The electrical and electromagnetic components are the “nervous system” of modern hardware and contribute to 40-50% of failures. Our ability as a nation to test and build it has declined, but –– imo even bigger –– as a species, we’re still unable to wield electromagnetism to its full potential.

Электрические и электромагнитные компоненты — это «нервная система» современного железа, и на них приходится 40–50% всех отказов. Наша способность как нации тестировать и строить их снизилась, но — на мой взгляд, ещё важнее — как вид мы всё ещё не умеем использовать электромагнетизм на полную мощность.

Over the past seven months, we’ve developed a friendship, and Pratap has broken my brain many times. One of the things that’s most fascinated me is the idea he’s betting his company on, the one he emailed me about: humans can’t intuit EM, and it’s a bottleneck to the electric progress we both want to see. There’s no reason machines can’t be taught to understand them much better than we can, though.

За последние семь месяцев мы подружились, и Pratap многократно ломал мне мозг. Больше всего меня заворожила идея, на которую он ставит свою компанию, — та самая, о которой он написал мне: люди не способны интуитивно понимать EM, и это бутылочное горлышко для электрического прогресса, которого мы оба хотим. При этом нет никаких причин, по которым машины нельзя было бы научить понимать электромагнетизм гораздо лучше нас.

For the past few years, Arena has been building AI tools and deploying expert electrical and RF engineers to help companies design, develop, and debug electromagnetic hardware. They’re working with companies including AMD, Anduril, and Sivers Semiconductors. They are backed by investors including Founders Fund, Peter Thiel, Initialized (Garry Tan), Shield Capital, and 137 Ventures.

Последние несколько лет Arena строила AI-инструменты и привлекала опытных инженеров по электрике и RF, чтобы помогать компаниям проектировать, разрабатывать и отлаживать электромагнитное железо. Они работают с такими компаниями, как AMD, Anduril и Sivers Semiconductors. Их поддерживают инвесторы, включая Founders Fund, Peter Thiel, Initialized (Garry Tan), Shield Capital и 137 Ventures.

Today, they’re re-branding as Arena Physica with the expanded mission to develop “Electromagnetic Superintelligence.”

Сегодня они ребрендятся в Arena Physica с расширенной миссией — разрабатывать «Электромагнитную сверхинтеллектуальность» (Electromagnetic Superintelligence).

This is an essay about how to teach machines to see the fields that we can’t, and what the world might look like if we can.

Это эссе о том, как научить машины видеть поля, которые мы не видим, и о том, как может выглядеть мир, если у нас это получится.

Let’s get to it.

Поехали.

Today’s Not Boring is brought to you by… The Pitch by Deel

Сегодняшний выпуск Not Boring представлен… The Pitch by Deel

Normally, our sponsors would like me to tell you why you should give them your hard-earned money. This time, Deel has asked me to tell you how they can give YOU money in The Pitch.

Обычно наши спонсоры хотят, чтобы я рассказал, почему стоит отдать им свои с трудом заработанные деньги. В этот раз Deel попросил меня рассказать, как они могут дать деньги ВАМ в The Pitch.

Deel recently launched a global tournament with $15M in prizes for startups: the top 10 get a $1M investment each, and 100 regional winners will get $50k. You don’t need warm intros and you don’t need to pay to apply. It’s just a pure competition for the best entrepreneurs.

Deel недавно запустил глобальный турнир с призовым фондом $15M для стартапов: топ-10 получат по $1M инвестиций, а 100 региональных победителей — по $50k. Не нужны тёплые интро, не нужно платить за заявку. Это чистая конкуренция за лучших предпринимателей.

Pitch in just two minutes for the chance to win a $1M investment, access to a global ecosystem designed to help you scale (partners and sponsors include Stripe, Google, AWS, and a16z), and to get your startup in front of global leaders. This is your shot.

Питч длиной всего две минуты — и у вас есть шанс выиграть $1M инвестиций, получить доступ к глобальной экосистеме для масштабирования (среди партнёров и спонсоров — Stripe, Google, AWS и a16z) и показать свой стартап мировым лидерам. Это ваш шанс.

Apply Now

Подать заявку

Electromagnetism Secretly Runs the World

Электромагнетизм незаметно управляет миром

Electromagnetism secretly runs our world. “Secretly,” because only a few people on this planet can intuit how it works.

Электромагнетизм незаметно управляет нашим миром. «Незаметно» — потому что лишь немногие на этой планете могут интуитивно понимать, как он работает.

Your phone’s GPS is powered by satellites that broadcast electromagnetic (EM) waves with timestamps. The wi-fi in your apartment is created by EM waves bouncing around the walls. Air traffic control is radar, as in EM waves that pulse out and listen for echoes off aircraft. When Maverick locks onto a bogey in Top Gun, he’s using a phased array radar steering EM beams electronically. Contactless payment? EM. Microwave oven? EM. The fiber optic cables carrying the internet across the ocean floor and through Somos’ network? That’s light… which is also EM.

GPS вашего телефона работает за счёт спутников, передающих электромагнитные (EM) волны с метками времени. Wi-Fi в вашей квартире создаётся EM-волнами, отражающимися от стен. Управление воздушным движением — это радар, то есть EM-волны, которые пульсируют и слушают эхо от самолётов. Когда Maverick захватывает противника в Top Gun, он использует phased array радар, который электронным образом направляет EM-лучи. Бесконтактные платежи? EM. Микроволновка? EM. Оптоволоконные кабели, несущие интернет по океанскому дну и через сеть Somos? Это свет… который тоже EM.

Every single wireless signal, medical image, radar sweep, every chip talking to another chip inside a data center. All of it is electromagnetic waves, shaped and directed by physical structures designed to manipulate these waves. And, as electricity and intelligence race to define our era, EM’s presence is only growing more pronounced. In our data centers, chips communicate with each other via short-range EM waves. If Elon successfully moves the data centers to space, AI will be beamed down from satellites to your device via EM waves.

Каждый беспроводной сигнал, каждый медицинский снимок, каждый взмах радара, каждый разговор чипа с чипом внутри дата-центра. Всё это — электромагнитные волны, сформированные и направленные физическими структурами, спроектированными для манипуляции этими волнами. И по мере того как электричество и интеллект гонятся за определением нашей эпохи, присутствие EM становится только заметнее. В наших дата-центрах чипы общаются друг с другом через короткодействующие EM-волны. Если Elon успешно перенесёт дата-центры в космос, AI будет транслироваться вниз со спутников на ваше устройство через EM-волны.

As Packy and Sam wrote in The Electric Slide, everything that can economically go electric will. Cars, trucks, buses, drones, boats, stoves, heat pumps, batteries, bikes, even planes, anything that moves, heats, lights, computes, or converts energy is moving from mechanical to electric. All of those newly electric things will be full of EM components.

Как Packy и Sam писали в The Electric Slide, всё, что экономически может стать электрическим, станет электрическим. Машины, грузовики, автобусы, дроны, лодки, плиты, тепловые насосы, аккумуляторы, велосипеды, даже самолёты — всё, что движется, греет, светит, вычисляет или преобразует энергию, переходит от механики к электрике. Все эти новые электрические штуки будут полны EM-компонентов.

In 1970, electronics accounted for five percent of a new car’s cost, on average. By 2020, that number reached forty percent. By 2030, it’s anticipated that the cost of the electronics of a consumer automotive vehicle will reach fifty percent of the vehicle cost.

В 1970 году электроника составляла в среднем пять процентов стоимости новой машины. К 2020 году эта цифра достигла сорока процентов. К 2030 году ожидается, что стоимость электроники потребительского автомобиля достигнет пятидесяти процентов стоимости машины.

Electronics comprise 35% of the cost of the F35 Lightning II, more than the cost of the engine itself, and 15% of the Pratt & Whitney F135 engine, which costs $20 million. By the 2030s, when it’s projected that defense contractors will be building the F-47, they’ll be spending over 40% of the $300 million airframe on electronics.

Электроника составляет 35% стоимости F-35 Lightning II — больше, чем стоимость самого двигателя, — и 15% стоимости двигателя Pratt & Whitney F135, который стоит $20 млн. К 2030-м, когда, по прогнозам, оборонные подрядчики начнут строить F-47, они будут тратить более 40% от $300 млн стоимости планера на электронику.

This is good. We want to see this electrification continue. Electric machines perform better with less impact on the environment, give us capabilities combustion engines can’t, are better-suited for autonomy, and are riding cost/performance curves that will continue to widen the advantage.

Это хорошо. Мы хотим, чтобы эта электрификация продолжалась. Электрические машины работают лучше с меньшим воздействием на окружающую среду, дают нам возможности, недоступные двигателям внутреннего сгорания, лучше подходят для автономности и движутся по кривым стоимость/производительность, которые продолжат расширять их преимущество.

But among a number of challenges addressed in The Electric Slide particularly as it relates to production, there’s an equally large one looming in the research and development of new and better electromagnetic machines: our electromagnetic capabilities are bottlenecked by the very small number of humans who actually understand how any of this works.

Но среди ряда проблем, рассмотренных в The Electric Slide, особенно касающихся производства, в R&D новых и лучших электромагнитных машин маячит не менее крупная: наши электромагнитные возможности ограничены очень малым числом людей, реально понимающих, как всё это работает.

There is a reason radiofrequency (RF) engineering — the practice of designing hardware that shapes and directs EM waves — is often referred to as black magic. There are maybe ten people in the world who can deeply intuit electromagnetism, who can see which shapes will create which EM fields in their mind’s eye1. I am not one of those people, but I’ve met them. I’m hiring them at my company, Arena Physica, and I went to school with many of them.

Есть причина, по которой radiofrequency (RF) инженерию — практику проектирования железа, формирующего и направляющего EM-волны, — часто называют чёрной магией. В мире, возможно, есть всего около десяти человек, которые могут глубоко интуитивно чувствовать электромагнетизм, которые могут видеть мысленным взором, какие формы создадут какие EM-поля1. Я не из их числа, но я с ними встречался. Я нанимаю их в свою компанию, Arena Physica, и со многими из них учился.

There was a guy in my physics program about whom our professor asked, “You know what’s special about this guy?” We all said no. “This guy thinks like an electron.”

В моей программе по физике был парень, о котором профессор однажды спросил: «Знаете, что в нём особенного?» Мы все сказали — нет. «Этот парень мыслит как электрон».

What he meant was that, electrons, if they were sentient, would feel all of these different fields pulling at them. Electrons would probably have an intuition for this feeling, the same way we have an intuitive feel for gravity, how we just know that when we let go of a ball, it will drop to the ground. Those friends of our ancestors’ who couldn’t intuit gravity did not live long enough to reproduce.

Имелось в виду, что электроны, будь они разумными, чувствовали бы все эти разные поля, тянущие их в разные стороны. У электронов, вероятно, была бы интуиция на этот счёт — так же, как у нас есть интуитивное чувство гравитации: мы просто знаем, что когда отпускаешь мяч, он падает на землю. Те друзья наших предков, которые не интуитивили гравитацию, не доживали до того, чтобы оставить потомство.

Some people – a vanishingly small number – have spent enough time studying, testing, designing, and simulating electromagnetic systems to be able to intuit them like gravity. But for the rest of us, electromagnetism is mostly invisible.

Некоторые люди — ничтожно малое число — провели достаточно времени, изучая, тестируя, проектируя и симулируя электромагнитные системы, чтобы интуитивно чувствовать их как гравитацию. Но для всех остальных электромагнетизм по большей части невидим.

For the vast majority of human history, we haven’t needed to see beyond the visible spectrum in order to survive. And so we haven’t. Those of our ancestors’ friends who wasted precious resources on seeing the full spectrum of EM waves wouldn’t have lived to pass on these traits, either.

Большую часть человеческой истории нам не нужно было видеть за пределами видимого спектра, чтобы выживать. Поэтому мы и не видели. Те друзья наших предков, которые тратили драгоценные ресурсы на видение полного спектра EM-волн, тоже не доживали до того, чтобы передать эти черты.

Humans can see a small part of the electromagnetic spectrum, the “visible light” portion with wavelengths between 400 nanometers (violet) and 700 nanometers (red). We don’t see shorter wavelengths (ultraviolet light, X-rays, or gamma rays) or longer wavelengths (infrared, microwave, or radio waves).

Люди могут видеть лишь малую часть электромагнитного спектра — часть «видимого света» с длинами волн от 400 нанометров (фиолетовый) до 700 нанометров (красный). Мы не видим более коротких длин волн (ультрафиолетовый свет, рентген, гамма-лучи) и более длинных (инфракрасный, микроволновый, радиоволны).

This has served us just fine. Until electromagnetism came to run the world.

Это нас вполне устраивало. До тех пор, пока электромагнетизм не начал управлять миром.

We have a fundamental force that we rely deeply on, but one that very few of us can work with naturally. This slows technological progress and limits what we can make.

У нас есть фундаментальная сила, на которую мы глубоко полагаемся, но с которой очень немногие из нас могут естественным образом работать. Это замедляет технологический прогресс и ограничивает то, что мы можем сделать.

Fortunately, AI doesn’t share our blind spots. It is particularly good at seeing patterns, at making connections and understanding dependencies that are not necessarily intuitive to humans.

К счастью, AI не разделяет наших слепых пятен. Он особенно хорош в нахождении паттернов, в установлении связей и понимании зависимостей, которые не обязательно интуитивны для людей.

Because of this, we believe that computers will be much better at grasping electromagnetism than we are. We should be able to build a Large Field Model (LFM) — like an LLM that generalizes across language, except ours generalizes across EM. We should be able to use this LFM to understand EM waves and shape them to do what we’d like them to do.

Из-за этого мы верим, что компьютеры будут гораздо лучше схватывать электромагнетизм, чем мы. У нас должна быть возможность построить Large Field Model (LFM) — как LLM, которая обобщает по языку, но наша обобщает по EM. У нас должна быть возможность использовать эту LFM, чтобы понимать EM-волны и формировать их так, как нам нужно.

That’s the big bet we’re making at Arena Physica. To understand why we’re making it, I want to first make sure you understand electromagnetism.

На эту крупную ставку мы и идём в Arena Physica. Чтобы понять, почему мы её делаем, я сначала хочу убедиться, что вы понимаете электромагнетизм.

A Brief Primer on Electromagnetism

Краткое введение в электромагнетизм

Packy and Sam gave A Brief History of Electromagnetism in The Electric Slide.

Packy и Sam дали Краткую историю электромагнетизма в The Electric Slide.

I’m going to add to that with A Brief Primer on Electromagnetism. I’ll sprinkle in relevant history, but my goal is to make sure we have a working understanding of electromagnetism.

Я добавлю к этому Краткое введение в электромагнетизм. Местами буду подсыпать релевантную историю, но моя цель — убедиться, что у нас есть рабочее понимание электромагнетизма.

There are four fundamental forces that govern how everything in our universe works:

Есть четыре фундаментальные силы, управляющие всем, что происходит в нашей вселенной:

Сильное взаимодействиеСлабое взаимодействиеГравитацияЭлектромагнетизм

The strong force and weak force operate at subatomic scales. The strong force binds protons and neutrons together in atomic nuclei. The weak force enables radioactive decay and nuclear fusion.

Сильное и слабое взаимодействия работают на субатомных масштабах. Сильное связывает протоны и нейтроны в атомных ядрах. Слабое обеспечивает радиоактивный распад и ядерный синтез.

Gravity is the weakest of the four forces by an enormous margin (roughly 10³⁶ times weaker than electromagnetism). Yet, it dominates at cosmic scales. It only attracts, never repels, which means its forces keep adding up. And it acts on every single particle with mass or energy. It’s also mysterious at a fundamental level: gravity and quantum theory are incredibly powerful theories for how our world works, but they are fundamentally incompatible. This remains one of the deepest unsolved problems in physics. But we have a strong, intuitive relationship with gravity. In our day-to-day lives, we can feel the force.

Гравитация — самая слабая из четырёх сил с огромным отрывом (примерно в 10^36 раз слабее электромагнетизма). И всё же она доминирует на космических масштабах. Она только притягивает, никогда не отталкивает — значит, её эффекты только складываются. И она действует на каждую частицу с массой или энергией. Она также загадочна на фундаментальном уровне: гравитация и квантовая теория — невероятно мощные теории описания нашего мира, но они принципиально несовместимы. Это остаётся одной из глубочайших нерешённых проблем физики. Но с гравитацией у нас сильная интуитивная связь. В повседневной жизни мы можем чувствовать эту силу.

Electromagnetism is the force we interact with most directly in everyday life. It’s also the one we’ve industrialized most aggressively. It governs light, electricity, magnetism, and chemistry, essentially everything about how matter behaves above the nuclear scale. It’s why matter has structure, why chemistry works, and why technology works. It’s responsible for the structure of atoms (electrons bound to nuclei), the bonds between molecules, the rigidity of solid objects, and all electronics and communication technology. Unlike gravity, electromagnetism has both positive and negative charges, which means it can attract or repel, and large accumulations tend to neutralize themselves. Our mathematical understanding of electromagnetism is extremely accurate: it is described by quantum electrodynamics (QED), the most precisely tested theory in all of science.

Электромагнетизм — это сила, с которой мы взаимодействуем наиболее непосредственно в повседневной жизни. Это и сила, которую мы наиболее агрессивно индустриализировали. Она управляет светом, электричеством, магнетизмом и химией — по сути, всем, что касается поведения материи выше ядерного масштаба. Это причина того, что у материи есть структура, что химия работает, что технологии работают. Она ответственна за структуру атомов (электроны, связанные с ядрами), связи между молекулами, жёсткость твёрдых тел, а также за всю электронику и коммуникационные технологии. В отличие от гравитации, у электромагнетизма есть и положительные, и отрицательные заряды, что означает: он может и притягивать, и отталкивать, а крупные накопления склонны нейтрализоваться сами. Наше математическое понимание электромагнетизма чрезвычайно точно: его описывает квантовая электродинамика (QED), самая точно проверенная теория во всей науке.

And yet… despite this precision, electromagnetic systems can be deeply counterintuitive. RF engineering, for instance, has a reputation as black magic. The wave-like, distributed nature of fields at certain frequencies produces effects that violate the intuitions built from simple circuit theory.

И всё же… несмотря на эту точность, электромагнитные системы могут быть глубоко контринтуитивны. Например, RF-инженерия имеет репутацию чёрной магии. Волновая, распределённая природа полей на определённых частотах порождает эффекты, нарушающие интуицию, выстроенную на простой теории цепей.

But let’s try to build up our intuition as best we can.

Но давайте попробуем выстроить нашу интуицию как можем.

Every force carries energy. Electromagnetic energy comes in quanta we call photons, particles of light, but for most of what we build — antennas, radars, communication systems, phased arrays — it is easier to think about it as waves, in terms of frequency, wavelength, and phase. A photon has different amounts of energy based on its frequency, which can be seen on the electromagnetic spectrum. A super-high energy photon would be something like an ASML machine making chips using EUV (extreme ultraviolet). EUV is very, very high frequency. Therefore, it is very high energy, and in turn, very short wavelength. As you go through the visible spectrum and get to the other side, you reach infrared, and electromagnetic energy becomes heat. Then you get to RF (radiofrequency). With RF you have very low-energy photons. But it’s really just all electromagnetic waves that follow the same principle. High energy = high frequency = short wavelength and vice versa. (Explore the EM spectrum here.)

Каждая сила несёт энергию. Электромагнитная энергия приходит в квантах, которые мы называем фотонами — частицами света, — но для большинства того, что мы строим (антенны, радары, системы связи, phased arrays), проще думать о ней как о волнах: в терминах частоты, длины волны и фазы. Энергия фотона зависит от его частоты, что видно на электромагнитном спектре. Сверхвысокоэнергетический фотон — это, например, машина ASML, делающая чипы с использованием EUV (extreme ultraviolet, экстремального ультрафиолета). EUV — это очень-очень высокая частота. Поэтому очень высокая энергия и, в свою очередь, очень короткая длина волны. Двигаясь через видимый спектр и переходя на другую сторону, попадаешь в инфракрасный диапазон, и электромагнитная энергия становится теплом. Затем — RF (radiofrequency, радиочастоты). Здесь у вас очень низкоэнергетические фотоны. Но всё это всё равно электромагнитные волны, подчиняющиеся одному и тому же принципу. Высокая энергия = высокая частота = короткая длина волны, и наоборот. (Изучить EM-спектр можно здесь.)

Now, think about a prism. A prism is an object or a material that treats incident EM waves — or different photons — differently. So if you’re a red photon, your refractive index, or how much you bend, is a certain number. If you’re a blue photon, it’s different. Refract the whole beam and you end up with that beautiful rainbow on the other side of the prism.

Теперь подумайте о призме. Призма — это объект или материал, который обращается с падающими EM-волнами — или разными фотонами — по-разному. Если ты красный фотон, твой показатель преломления (насколько ты отклоняешься) — одно число. Если ты синий фотон — другое. Преломите весь луч — и на другой стороне призмы вы получите тот самый красивый радужный спектр.

The prism is an early example of humans manipulating electromagnetic fields. People noticed that light, when it passed through glass or a crystal shaped in a certain way, would form a rainbow. We’ve come up with many ways to manipulate electromagnetic fields since, the most consequential of which is also the simplest.

Призма — ранний пример того, как люди манипулируют электромагнитными полями. Люди заметили, что свет, проходя через стекло или хрусталь определённой формы, образует радугу. С тех пор мы придумали множество способов манипулировать электромагнитными полями, и самый значимый из них — также самый простой.

If a caveman discovered he could manipulate electrons, the very first thing he might do is the simplest possible thing: electron on, electron off. On, off. One, zero.

Если бы пещерный человек открыл, что может манипулировать электронами, самое первое, что он, вероятно, сделал бы, — самое простое из возможного: электрон есть, электрона нет. Есть, нет. Один, ноль.

The prism is actually much more sophisticated than the on, off switch. It’s more subtle, more expressive, and its implications are more powerful. But computing is based on the caveman’s idea of flipping the switch.

Призма на самом деле гораздо изощрённее, чем переключатель «вкл/выкл». Она более тонкая, более выразительная, и её следствия мощнее. Но компьютеры основаны на идее пещерного человека — переключателе.

Early computers were literally built on this simple idea: they used mechanical switches known as relays to compute. When the metal touches, current flows (1/on). When it separates, current stops (0/off).

Ранние компьютеры буквально строились на этой простой идее: они использовали механические переключатели, известные как реле, для вычислений. Когда металл соприкасается, ток течёт (1/вкл). Когда расходится — ток прерывается (0/выкл).

One problem with mechanical switches was that, when you switch often in air, the air ionizes and creates tiny bolts of lightning that can jump across the gap and create an arc. These arcs can make your “bit” unreliable. Sometimes it’s supposed to switch, and it doesn’t.

Одной из проблем механических переключателей было то, что при частом переключении в воздухе воздух ионизировался и создавал крошечные молнии, способные перескакивать через зазор и образовывать дугу. Эти дуги делали ваш «бит» ненадёжным. Иногда переключатель должен сработать — и не срабатывает.

The other problem was that they are very slow. It was the advent of the electronic switch that put us on a path to be able to now build processors that can work at Ghz speeds (10⁹ cycles per second).

Другой проблемой была медлительность. Появление электронного переключателя поставило нас на путь, ведущий к тому, что мы теперь можем строить процессоры, работающие на скорости в ГГц (10^9 циклов в секунду).

So we invented vacuum tubes2. They removed the air. Without atmosphere, there was no arcing. But vacuum tubes were fragile, power-hungry, and couldn’t scale. The great breakthrough was the semiconductor, materials like silicon that can have their conduction controlled. They can be made to conduct or not conduct (hence semi-conductor) based on applied voltage. Semiconductors enabled the transition from mechanical to digital, and it gave us the transistor, which are tiny silicon devices that switch on or off using voltage. This gave us Moore’s Law, which gave us Boolean logic, which gave us everything in modern computing. That singular innovation, the transistor, has produced most of our technological advancement over the past seventy years.

Поэтому мы изобрели вакуумные лампы2. В них убрали воздух. Без атмосферы не было и дуг. Но вакуумные лампы были хрупкими, прожорливыми и не масштабировались. Великим прорывом стали полупроводники — материалы вроде кремния, проводимостью которых можно управлять. Их можно заставить проводить или не проводить (отсюда semi-conductor — полупроводник) в зависимости от приложенного напряжения. Полупроводники обеспечили переход от механики к цифре и дали нам транзистор — крошечное кремниевое устройство, которое включается и выключается с помощью напряжения. Это дало нам закон Мура, который дал нам булеву логику, которая дала нам всё в современных вычислениях. Это одно нововведение — транзистор — обеспечило большую часть нашего технологического прогресса за последние семьдесят лет.

But if you read Gordon Moore’s 1965 paper, the one in which he described what would come to be known as Moore’s Law, you’ll find that only the first half is about digital silicon; the second half is about analog silicon.

Но если вы прочитаете статью Gordon Moore 1965 года, в которой он описал то, что впоследствии назовут законом Мура, вы обнаружите, что только первая половина — про цифровой кремний; вторая половина — про аналоговый.

Nobody paid attention to the analog part, but I think it’s even more fascinating today than the digital one.

На аналоговую часть никто не обратил внимания, но я считаю, что сегодня она ещё интереснее цифровой.

Digital silicon is about switching: transistor on or off, conducting or not, one or zero. All the gates, all the logic, all of computation follows from that binary foundation. It’s powerful, but it’s also, as we’ve discussed, the simplest possible thing you can do with an electron. It’s caveman math.

Цифровой кремний — это переключение: транзистор включён или выключен, проводит или нет, единица или ноль. Все вентили, вся логика, все вычисления вытекают из этой бинарной основы. Это мощно, но это, как мы уже обсудили, самое простое из возможного с электроном. Это арифметика пещерного человека.

Analog silicon is about shaping. Instead of just on/off, you’re asking: what if I could bend the electromagnetic wave? What if I could guide it, direct it, absorb it at specific frequencies and reflect it at others? In practice, this is RF front-ends, antennas, packages, and printed circuit boards (PCBs) behaving like a single, unified electromagnetic object.

Аналоговый кремний — это формирование. Вместо просто «вкл/выкл» вы спрашиваете: а что, если я могу изогнуть электромагнитную волну? Что, если я могу направить её, поглотить на одних частотах и отразить на других? На практике это RF front-ends, антенны, корпуса и печатные платы (PCB), ведущие себя как единый целостный электромагнитный объект.

This is how the world works too. The world is analog. The world does not work in 0s and 1s, but rather in the continuum in between them. Even if all computation is done digitally, you’ll need to deal with analog signals and shape waves the moment you need to interact with the real world (for example, capture sound in a microphone, produce sound in a speaker, send wireless signals over the air, send light on optical fibre)

Так устроен и мир. Мир — аналоговый. Мир работает не в нулях и единицах, а в континууме между ними. Даже если все вычисления выполняются цифровым образом, вам придётся иметь дело с аналоговыми сигналами и формой волн в тот момент, когда понадобится взаимодействовать с реальным миром (например, захватить звук микрофоном, воспроизвести звук динамиком, отправить беспроводные сигналы по эфиру, послать свет по оптоволокну).

Remember the prism? That’s what analog silicon does, but for all electromagnetic frequencies, not just visible light. Instead of glass bending light, you can use carefully shaped conductors printed on silicon to bend, direct, and shape EM waves.

Помните призму? Аналоговый кремний делает то же самое, но для всех электромагнитных частот, а не только для видимого света. Вместо того чтобы стекло преломляло свет, можно использовать тщательно сформированные проводники, напечатанные на кремнии, чтобы преломлять, направлять и формировать EM-волны.

This is where we leave the realm of deterministic computing and enter a world of black magic.

Здесь мы покидаем царство детерминированных вычислений и входим в мир чёрной магии.

Try This At Home

Попробуйте дома

Here’s an experiment. You can try this at home.

Вот эксперимент. Можно сделать дома.

Materials List: COPPER WIRE, COMPASS, BATTERY.

Список материалов: МЕДНЫЙ ПРОВОД, КОМПАС, БАТАРЕЙКА.

Take your copper wire, connect it to a battery, and run current straight through it. The magnetic field it produces will wrap around the wire in a helix. You can confirm it’s doing this by holding a compass near it and watching the needle deflect perpendicular to the wire.

Возьмите медный провод, подключите его к батарейке и пропустите ток напрямую. Магнитное поле, которое он создаст, обернётся вокруг провода спиралью. Можно убедиться в этом, поднеся компас близко к проводу и наблюдая, как стрелка отклоняется перпендикулярно проводу.

Now, coil that same wire into a spring shape (a solenoid) by wrapping it around a pencil or screw 10-15 times. Run current through it. The magnetic field is completely different: instead of wrapping around the wire, it shoots straight through the center of the coil. Same wire, same current. But a different shape = radically different field.

Теперь скрутите тот же провод в форму пружины (соленоид), обмотав его вокруг карандаша или винта 10–15 раз. Пропустите через него ток. Магнитное поле совершенно другое: вместо того чтобы оборачиваться вокруг провода, оно стреляет прямо через центр катушки. Тот же провод, тот же ток. Но другая форма = радикально другое поле.

This is the fundamental game of electromagnetism: geometry determines behavior. Every antenna, radar, or phased array tile is just a more sophisticated version of this principle. Find the right shape, and you can make electromagnetic fields do almost anything.

Это и есть фундаментальная игра электромагнетизма: геометрия определяет поведение. Любая антенна, радар или элемент phased array — это просто более сложная версия этого принципа. Найдите правильную форму — и сможете заставить электромагнитные поля делать почти всё что угодно.

To understand why shapes matter so much, consider what happens when an electromagnetic wave hits a conductor.

Чтобы понять, почему формы так важны, рассмотрим, что происходит, когда электромагнитная волна попадает на проводник.

A conductor is special because it has free electrons. Free electrons are not locked into a lattice like in an insulator, but instead swim around in what physicists call an “electron sea.” When a photon (an EM wave) hits this electron sea, those electrons start to move in response. They oscillate with the wave.

Проводник особенный потому, что в нём есть свободные электроны. Свободные электроны не привязаны к решётке, как в изоляторе, а плавают в том, что физики называют «электронным морем». Когда фотон (EM-волна) попадает в это электронное море, эти электроны начинают двигаться в ответ. Они колеблются вместе с волной.

This is fundamentally how an antenna works. The old bent TV antenna on your grandparent’s roof was shaped specifically to receive UHF frequencies broadcast from a distant TV station. The EM waves traveling through the atmosphere would hit the antenna, excite the electrons in the metal, and those oscillating electrons would travel down the wire into your TV as a signal.

В этом и состоит фундаментальный принцип работы антенны. Старая изогнутая телевизионная антенна на крыше у бабушки и дедушки была специально сформирована для приёма UHF-частот, транслировавшихся с далёкой телестанции. EM-волны, идущие через атмосферу, попадали на антенну, возбуждали электроны в металле, и эти колеблющиеся электроны шли по проводу в телевизор в виде сигнала.

That signal carried information, like encoded images of I Love Lucy, compressed into patterns of electromagnetic oscillation, broadcasted through the air, absorbed by your antenna, decoded by your TV. If you step back and think about it, this entire chain is completely absurd. We transmit moving pictures through the air using invisible waves. And turning those waves back into pictures all comes down to the shape of a wire.

Этот сигнал нёс информацию — например, закодированные кадры I Love Lucy, сжатые в паттерны электромагнитных колебаний, переданные по воздуху, поглощённые вашей антенной, декодированные вашим телевизором. Если задуматься, вся эта цепочка совершенно абсурдна. Мы передаём движущиеся картинки по воздуху с помощью невидимых волн. И всё превращение этих волн обратно в картинки сводится к форме провода.

Radar works basically the same way, except it’s more high-powered and moves in reverse.

Радар работает в общем так же, только мощнее и в обратную сторону.

World War II accelerated radar. It also showed us how badly we needed it. The Allies were being pummeled and needed to track incoming threats. They turned to radar, which had developed quickly thanks to the war. In the late 19th and early 20th centuries, Heinrich Hertz (of Hz fame) showed that radio waves could reflect off objects. Several physicists also noticed that radio signals behaved strangely when ships or other objects were nearby. Through the 1920s and early 1930s, scientists in the U.S., U.K., Germany, France, the Soviet Union, Italy, and Japan all experimented with using radio echoes to detect objects.

Вторая мировая ускорила радар. Она же показала, как сильно он нам нужен. Союзники несли потери и нуждались в средствах отслеживания угроз. Они обратились к радару, который быстро развился благодаря войне. В конце XIX — начале XX века Heinrich Hertz (тот самый Гц) показал, что радиоволны могут отражаться от объектов. Несколько физиков также заметили, что радиосигналы вели себя странно вблизи кораблей и других объектов. В 1920-х и начале 1930-х учёные в США, Великобритании, Германии, Франции, СССР, Италии и Японии экспериментировали с использованием радиоэхо для обнаружения объектов.

In 1935, a Brit named Robert Watson-Watt (no relation to the steam engine Watts) proposed and then demonstrated a practical aircraft-detection system using pulsed radio waves. This led to the Chain Home early-warning network along the English coast. Chain Home was operational at the start of WWII and gave the Royal Air Force so much of an early warning in the Battle of Britain that it’s often credited as a key factor in preventing a German invasion. The United States picked up development a bit later, with the benefit of British tech transfer, and scaled up the technology’s capabilities and manufacturing. In the U.S., Alfred Loomis led research efforts at Tuxedo Park3 and helped establish MIT’s Rad Lab, which developed fire-control radar, airborne radar, and navigation radar. Germany built parallel systems that pushed the state-of-the-art in different directions.

В 1935 году британец Robert Watson-Watt (никак не родственник Уаттам — изобретателям парового двигателя) предложил и продемонстрировал практическую систему обнаружения самолётов с помощью импульсных радиоволн. Это привело к созданию сети раннего предупреждения Chain Home вдоль английского побережья. Chain Home была введена в строй к началу Второй мировой и дала Королевским ВВС такое преимущество в раннем предупреждении в Битве за Британию, что её часто называют одним из ключевых факторов, предотвративших немецкое вторжение. США подхватили разработку чуть позже, с помощью передачи технологий из Британии, и масштабировали возможности и производство. В США Alfred Loomis возглавлял исследовательские усилия в Tuxedo Park3 и помог основать MIT Rad Lab, разработавшую радары управления огнём, бортовые радары и навигационные радары. Германия построила параллельные системы, продвинув state-of-the-art в других направлениях.

Radar, instead of receiving a broadcast signal, transmits a beam on multiple wavelengths, waits for it to reflect off something (like a bomber), and then listens for the echo. If the object is big enough and close enough, you can detect it.

Радар, вместо того чтобы принимать вещательный сигнал, передаёт луч на нескольких длинах волн, ждёт, пока он отразится от чего-то (например, бомбардировщика), а затем слушает эхо. Если объект достаточно большой и достаточно близкий, его можно обнаружить.

But to scan the sky, you need to point your beam in different directions. In the 1940s, that meant literally spinning a large dish antenna. You needed mechanical motors to do it. A mechanical gimbal rotating a giant antenna.

Но чтобы сканировать небо, нужно направлять луч в разные стороны. В 1940-х это означало буквально вращать большую тарелочную антенну. Нужны были механические моторы. Механический подвес, вращающий гигантскую антенну.

This worked, but it had obvious limitations. Moving parts break, for one. For another, the dish can only spin so fast. Today, Starlink satellites need to update their pointing multiple times a second, since they are moving at 7.6km/second. Try doing that mechanically and for 5,000 simultaneous beams.

Это работало, но имело очевидные ограничения. Во-первых, движущиеся части ломаются. Во-вторых, тарелка может вращаться лишь с определённой скоростью. Сегодня спутникам Starlink нужно обновлять направление наведения несколько раз в секунду, потому что они движутся со скоростью 7,6 км/с. Попробуйте сделать это механически — и сразу для 5000 одновременных лучей.

This is where the second half of Moore’s 1965 paper becomes relevant. Moore realized you could use transistors to solve the spinning-dish problem. Replace the mechanical movement with electronic steering.

Вот здесь и становится релевантной вторая половина статьи Мура 1965 года. Мур понял, что можно использовать транзисторы, чтобы решить проблему вращающейся тарелки. Заменить механическое движение электронным наведением.

The key insight is constructive and destructive interference, the same phenomenon you see when ripples on a pond meet and either amplify or cancel each other.

Ключевое понимание — конструктивная и деструктивная интерференция, тот же феномен, который вы наблюдаете, когда волны на пруду встречаются и либо усиливают, либо гасят друг друга.

Imagine you have a grid of small antenna tiles instead of a single big dish, like a checkerboard where each square is a tiny antenna. Each tile can emit a signal. Each tile is the whole RF front-end and antenna structures across chip/package/PCB that acts like a single, holistic EM object. Now, if you start the signal from the leftmost tile first, then the next tile a tiny bit later, then the next, and so on and so forth, the wave fronts from each tile will interfere with each other. Get the timing right and they’ll constructively interfere in one specific direction, creating the effect of a single, focused beam pointing in the direction you want.

Представьте, что вместо одной большой тарелки у вас сетка маленьких антенных плиток — как шахматная доска, где каждая клетка — крошечная антенна. Каждая плитка может излучать сигнал. Каждая плитка — это целый RF front-end и антенные структуры, размазанные по чипу/корпусу/PCB, действующие как единый целостный EM-объект. Если запустить сигнал с самой левой плитки первой, потом со следующей чуть позже, потом ещё со следующей и так далее, волновые фронты от каждой плитки будут интерферировать друг с другом. Подобрать тайминг правильно — и они конструктивно интерферируют в одном конкретном направлении, создавая эффект одного сфокусированного луча, направленного куда вам нужно.

Change the timing pattern, and the beam will point somewhere else. You can replace moving parts with analog and digital logic that controls when each tile fires.

Поменяйте паттерн таймингов — и луч направится в другое место. Можно заменить движущиеся части аналоговой и цифровой логикой, контролирующей, когда каждая плитка стреляет.

This is called a phased array. And it’s how modern radar works. If you want to develop a better intuition by playing with it, we built a little simulator here.

Это называется phased array. Так работают современные радары. Если хотите развить интуицию, поиграв с этим, мы сделали маленький симулятор здесь.

The radar on an F-35 is called an AESA (Active Electronically Scanned Array). Nothing on it moves. It’s just a grid of semiconductor tiles, and the “beam” sweeps across the sky purely through timing. It’s also how Starlink works. Each Starlink terminal has 1,280 of these beam-forming silicon tiles. That’s why you can buy a flat panel for $300 that does what used to require a million-dollar spinning dish.

Радар на F-35 называется AESA (Active Electronically Scanned Array — активная антенная решётка с электронным сканированием). Ничто на нём не движется. Это просто сетка полупроводниковых плиток, и «луч» проходит по небу чисто за счёт таймингов. Так же работает и Starlink. У каждого терминала Starlink 1280 таких лучеформирующих кремниевых плиток. Поэтому за $300 можно купить плоскую панель, которая делает то, что раньше требовало вращающейся тарелки за миллион долларов.

What’s happening on those tiles?

Что происходит на этих плитках?

Remember: digital silicon is about transistors switching on and off. But the tiles in a phased array shape electromagnetic fields through their physical geometry.

Помните: цифровой кремний — это транзисторы, переключающиеся между вкл и выкл. Но плитки в phased array формируют электромагнитные поля через свою физическую геометрию.

Think back to the TV antenna, a bent wire specifically shaped to receive certain frequencies. Imagine you could print that shape onto a silicon chip, layer by layer, laying down copper traces in specific geometries, creating structures that interact with EM waves in precise ways.

Вспомните телевизионную антенну — изогнутый провод, специально сформированный для приёма определённых частот. Представьте, что эту форму можно напечатать на кремниевом чипе слой за слоем, прокладывая медные дорожки определённой геометрии и создавая структуры, взаимодействующие с EM-волнами очень точным образом.

On one layer, you might have a spiral. On the next, a grid. On the next, something that looks like a QR code. Stack them up with tiny connections between layers called vias, and you’ve created a three-dimensional structure that can emit, receive, absorb, and reflect electromagnetic waves at specific frequencies and in specific directions, which you have full control over.

На одном слое может быть спираль. На следующем — сетка. На следующем — что-то похожее на QR-код. Сложите их друг на друга с крошечными соединениями между слоями (vias) — и вы создали трёхмерную структуру, которая может излучать, принимать, поглощать и отражать электромагнитные волны на заданных частотах и в заданных направлениях, причём всё это полностью под вашим контролем.

This is what a phased array tile actually is: a 3D sculpture of copper and silicon, designed so that electrons create exactly the EM field you want when electrons flow through it.

Вот что такое на самом деле плитка phased array: 3D-скульптура из меди и кремния, спроектированная так, что электроны при течении через неё создают именно то EM-поле, которое вам нужно.

Why This is So Hard to Build

Почему это так трудно построить

Creating an EM field of your liking is all about geometry, which means it’s all about shapes. But how do you know which shapes to make?

Создание желаемого EM-поля — это всё про геометрию, то есть всё про формы. Но как узнать, какие формы делать?

With digital silicon, the rules are relatively simple. Transistors are either on or off. You can simulate billions of them with perfect accuracy. The design problem is about routing and timing, but the physics is well-behaved.

С цифровым кремнием правила относительно просты. Транзисторы либо включены, либо выключены. Их можно симулировать миллиардами с идеальной точностью. Задача проектирования — про маршрутизацию и тайминги, а физика ведёт себя хорошо.

Analog silicon is different. The physics is wave physics, and waves do things that violate our intuitions.

С аналоговым кремнием иначе. Физика — волновая, а волны делают вещи, нарушающие нашу интуицию.

At optical (high) frequencies, we often get away with “ray optics” intuition; light mostly travels in straight-ish lines, reflecting and refracting, and you can treat its components as fairly local.

На оптических (высоких) частотах часто проходит интуиция «лучевой оптики»: свет в основном движется по более-менее прямым линиям, отражается и преломляется, и его компоненты можно считать достаточно локальными.

At RF, the wavelength is big enough that your whole device becomes part of the circuit. Fields couple into enclosures, PCBs, screws, nearby tiles… Everything talks to everything. That’s why RF feels like black magic, and why you have to simulate the whole object to predict how it’ll perform.

На RF длина волны такова, что всё ваше устройство становится частью цепи. Поля проникают в корпуса, PCB, винты, соседние плитки… Всё разговаривает со всем. Поэтому RF и кажется чёрной магией, и поэтому приходится симулировать весь объект целиком, чтобы предсказать, как он будет работать.

When you’re designing a Starlink tile, for example, you can’t just model the tile in isolation. The EM waves emanating from it will interact with the entire Starlink unit: the metal casing, the other tiles, the mounting bracket, the support structure. You have to simulate the whole system at once.

Например, при проектировании плитки Starlink нельзя моделировать её в изоляции. EM-волны, исходящие от неё, будут взаимодействовать со всей единицей Starlink: металлическим корпусом, другими плитками, монтажным кронштейном, опорной структурой. Приходится симулировать всю систему сразу.

This is why there are no automated tools for analog circuit design. Digital circuits can be “synthesized” from code; a digital designer can write “RTL” code that describes how his digital circuit works. Then, there are tools that can read the code, and “compile” it to a chip. But no such tools exist for analog design. There are no “standard cells” for analog, no standard analog designs, no standard building blocks. Everything interacts with everything.

Поэтому нет автоматизированных инструментов для проектирования аналоговых схем. Цифровые схемы можно «синтезировать» из кода; цифровой проектировщик может написать «RTL»-код, описывающий, как работает его цифровая схема. Затем существуют инструменты, которые могут прочитать этот код и «скомпилировать» его в чип. Но никаких таких инструментов для аналогового дизайна не существует. Нет «стандартных ячеек» для аналога, нет стандартных аналоговых дизайнов, нет стандартных строительных блоков. Всё взаимодействует со всем.

Which is why there’s no ARM for analog silicon4. There are no companies that can sell “IP,” standardized circuit designs, to a multitude of customers in a highly profitable fashion — no such standard circuit exists. Every new system is different, and as a result, each new customer has different needs.

Поэтому нет и ARM для аналогового кремния4. Нет компаний, которые могут продавать «IP» — стандартизированные дизайны схем — множеству клиентов с высокой маржинальностью, потому что таких стандартных схем не существует. Каждая новая система отличается, и в результате каждому новому клиенту нужно своё.

ARM can design a chip that works in any phone because digital chips are self-contained. But an analog phased array tile designed for a Starlink terminal won’t work in a different satellite. The interference patterns will be completely different!

ARM может спроектировать чип, который работает в любом телефоне, потому что цифровые чипы самодостаточны. Но плитка phased array, аналоговая, спроектированная для терминала Starlink, не будет работать на другом спутнике. Паттерны интерференции будут совершенно другими!

And the simulation tools are slow. The equations governing electromagnetic fields are called Maxwell’s equations, four partial differential equations that are notoriously difficult to solve.

А инструменты симуляции медленные. Уравнения, управляющие электромагнитными полями, называются уравнениями Максвелла — четыре уравнения в частных производных, которые знамениты своей трудностью.

They’re just equations. What’s the problem?

Это же просто уравнения. В чём проблема?

If an EM wave is at a higher frequency, it’s more “particle-like”— intuitively, it’s like a ball — you know where it is, and it bounces off stuff cleanly. If the ball is in one corner, it doesn’t affect anything in the other corner. As EM wavelengths get longer (into RF), they become more wave-like, and the particle is sort of “spread out.” The waves start to interfere with each other a lot, like ripples on a pond. They can either strengthen or cancel each other out.

Если EM-волна на более высокой частоте, она более «частицеподобна» — интуитивно как мяч: ты знаешь, где он находится, и он чисто отскакивает от вещей. Если мяч в одном углу, он не влияет на то, что в другом углу. По мере удлинения длин волн (в RF) они становятся всё более волноподобными, и частица как бы «размазывается». Волны начинают сильно интерферировать друг с другом, как круги на воде. Они могут усиливать или гасить друг друга.

So, if you’re NVIDIA and selling high frequency chips in boxes, you can sell a single product. You can design one GPU and sell it to everyone. There is no difference between the Navy putting your chip on a ship, or Sony putting it in a Playstation. They can all just buy the chip and plug it in. But, for example, if you’re buying components for a phased array system, you have to model the entire system, because it’s type 2, not type 1. A design for a Navy ship won’t work in a Starlink terminal. The EM fields interact with everything around them—the metal casing, the mounting structure, nearby components. Change the environment, and you need a completely new design. Everything becomes a custom services problem that is rate limited by these rare experts and simulation.

Поэтому если ты NVIDIA и продаёшь высокочастотные чипы в коробках, ты можешь продавать единственный продукт. Можно спроектировать один GPU и продавать его всем. Нет разницы, поставит ВМФ ваш чип на корабль или Sony — в Playstation. Все могут просто купить чип и подключить его. Но если, например, вы покупаете компоненты для системы phased array, вам приходится моделировать всю систему, потому что это тип 2, а не тип 1. Дизайн для корабля ВМФ не подойдёт для терминала Starlink. EM-поля взаимодействуют со всем вокруг — металлическим корпусом, монтажной структурой, соседними компонентами. Поменяйте окружение — и нужен совершенно новый дизайн. Всё превращается в проблему кастомных услуг, ограниченную скоростью этих редких экспертов и симуляций.

In short, the solvers are slow, even with supercomputers or programs like Ansys, because the equations are tough to solve and require expertise to wield. The reason the equations are very hard is boundary conditions (the edges, where smooth calculus breaks down), e.g., a sharp metal edge can cause problems by creating strong electromagnetic reflections that cause fields to concentrate in unexpected ways.

Короче, солверы медленные даже с суперкомпьютерами или такими программами, как Ansys, потому что уравнения трудны для решения и требуют экспертизы. Причина их сложности — граничные условия (края, где гладкое матанализное описание ломается), например, острая металлическая кромка может создавать сильные электромагнитные отражения, заставляющие поля концентрироваться неожиданным образом.

Running a full simulation of a proposed design can take hours or days. Here’s an example design loop: make your best guess at a shape, wait hours for simulation, discover it doesn’t quite work, adjust the shape, wait hours again. As we collaborate with field experts, we witness each simulation iteration with legacy tools taking a week. That’s not enough ‘shots on goal’ to develop Electromagnetic Superintelligence.

Полная симуляция предложенного дизайна может занимать часы или дни. Вот пример петли проектирования: делаете лучшее предположение о форме, ждёте часы симуляции, обнаруживаете, что она не совсем работает, корректируете форму, опять ждёте часы. Сотрудничая с экспертами из этой области, мы видим, как каждая итерация симуляции на легаси-инструментах занимает неделю. Этого недостаточно «попыток в ворота», чтобы развить Электромагнитную сверхинтеллектуальность.

RF design can’t be done by brute-force computation. The search space is infinite and each evaluation takes too long.

RF-дизайн не получится сделать брутфорсом. Пространство поиска бесконечно, а каждая оценка занимает слишком много времени.

Take a simple two-layer circuit where each pixel in a 64×64 grid can be either metal or dielectric. That’s already roughly 2^64x64, or 10^1,233, possible configurations for a single, small component. The entire history of human RF design has explored a vanishingly small fraction of that space, obviously. Here, see how many of those configurations you can come up with.

Возьмите простую двухслойную схему, где каждый пиксель в сетке 64×64 может быть либо металлом, либо диэлектриком. Это уже примерно 2^(64×64), или 10^1233, возможных конфигураций для одного небольшого компонента. Вся история человеческого RF-дизайна, очевидно, исследовала ничтожно малую долю этого пространства. Здесь — посмотрите, сколько таких конфигураций вы сможете придумать сами.

Navigating this search space requires intuition. You need someone who can look at the desired field pattern and just... sense what shape might produce it.

Чтобы навигировать в этом пространстве поиска, нужна интуиция. Нужен кто-то, кто может посмотреть на желаемый паттерн поля и просто… почувствовать, какая форма может его произвести.

The people who can do this have spent decades building up a feel for how electrons move through structures, how fields bend around corners, how waves interfere. They can sketch a spiral on a whiteboard and tell you roughly what frequencies it will emit strongly and which it will absorb. Aside from my classmate who could see like an electron, though, this intuition isn’t natural even to those special few. They acquire it painstakingly over long careers. Because, unlike gravity, there was never evolutionary pressure to understand electromagnetic fields outside of the visible spectrum. We don’t feel them. They’re invisible to us.

Люди, которые умеют это, провели десятилетия, нарабатывая чутьё к тому, как электроны движутся через структуры, как поля изгибаются вокруг углов, как волны интерферируют. Они могут нарисовать спираль на белой доске и сказать вам примерно, на каких частотах она будет сильно излучать, а какие будет поглощать. Но, кроме моего однокурсника, который мог видеть как электрон, эта интуиция не врождённая даже для этих особенных немногих. Они приобретают её ценой долгой карьеры. Потому что, в отличие от гравитации, никогда не было эволюционного давления понимать электромагнитные поля за пределами видимого спектра. Мы их не чувствуем. Они для нас невидимы.

I watch my baby daughter learning about the world. She already has an intuition for mechanics. She knows that if you roll a glass off a table, it will break. She has no intuition for electromagnetism, which is probably genetic. 99.99% of people don’t.

Я смотрю, как моя маленькая дочь учится познавать мир. У неё уже есть интуиция к механике. Она знает: если скатить стакан со стола, он разобьётся. У неё нет интуиции к электромагнетизму, что, вероятно, генетически. У 99,99% людей её нет.

It is a miracle that we’ve been able to manipulate EM waves to our purposes to the extent that we have. But the world is only getting more electromagnetic, and we will need a lot more shapes.

Это чудо, что мы смогли манипулировать EM-волнами для своих целей в той мере, в какой смогли. Но мир становится всё более электромагнитным, и нам потребуется ещё намного больше форм.

That means we need to build something that does have intuition for electromagnetism.

Это значит, нам нужно построить что-то, у чего есть интуиция к электромагнетизму.

AlphaGo for Electromagnetism

AlphaGo для электромагнетизма

In 2016, DeepMind’s AlphaGo defeated Lee Sedol, one of the greatest Go players in history.

В 2016 году AlphaGo от DeepMind победила Lee Sedol, одного из величайших игроков в го в истории.

The moment that stuck with everyone was in Game 2, Move 37.

Момент, который запомнился всем, был во второй партии, ход 37.

The expert commentary went something like this: “That’s a mistake.” Then: “That’s stupid.” Then: “That’s a very strange move.” And finally: “That’s beautiful. That’s elegant.”

Комментарии экспертов звучали примерно так: «Это ошибка». Затем: «Это глупость». Затем: «Это очень странный ход». И наконец: «Это красиво. Это элегантно».

AlphaGo had done something no human would have tried, a move so unconventional that the world’s best players initially dismissed it as an error. But it worked. The machine had discovered a strategy that humans, despite thousands of years of playing Go, had never found.

AlphaGo сделала то, чего не попробовал бы ни один человек, — настолько нестандартный ход, что лучшие игроки мира поначалу отмели его как ошибку. Но он сработал. Машина открыла стратегию, которую люди не нашли за тысячи лет игры в го.

What made AlphaGo possible? Two things. First, Go has clear rules and a perfect simulator. You always know exactly what state the board is in and which moves are legal. Second, because of these limitations, a computer can play millions of games against itself very quickly. AlphaGo learned by playing more games of Go than all humans in history combined.

Что сделало AlphaGo возможной? Две вещи. Во-первых, у го есть чёткие правила и идеальный симулятор. Вы всегда точно знаете, в каком состоянии доска и какие ходы легальны. Во-вторых, благодаря этим ограничениям, компьютер может играть сам с собой миллионы партий очень быстро. AlphaGo научилась, сыграв больше партий в го, чем все люди в истории вместе взятые.

We want to do what AlphaGo did for Go — but for physics. What if we could build a system that played millions of “games” of electromagnetic design and developed an intuition that humans simply can’t acquire?

Мы хотим сделать для физики то, что AlphaGo сделала для го. Что, если бы мы смогли построить систему, которая бы сыграла миллионы «партий» в электромагнитный дизайн и развила бы интуицию, которую люди просто не могут приобрести?

There was an obvious obstacle between us and that dream. AlphaGo worked because Go is a perfect simulation. You know exactly what happens when you place a stone on the board. But physics is more complicated, and the simulators are slow. Maxwell’s equations take hours to solve. You can’t “play a million games” overnight.

Между нами и этой мечтой было очевидное препятствие. AlphaGo работала потому, что го — идеальная симуляция. Вы точно знаете, что происходит, когда кладёте камень на доску. Но физика сложнее, а симуляторы медленные. Уравнения Максвелла решаются часами. Нельзя «сыграть миллион партий» за ночь.

So we needed to build the simulator first.

Поэтому сначала нужно было построить симулятор.

The EM foundation model that we’ve built, and continue to scale, is the simulator for EM physics.

EM foundation model, которую мы построили и продолжаем масштабировать, — это и есть симулятор EM-физики.

The starting point for what we’ve built is known as a neural surrogate. The idea is simple: instead of solving Maxwell’s equations from scratch every time (which is slow), you train a neural network to approximate the solutions (which is fast). It’s like the difference between calculating the sine of an angle by hand versus looking it up in a table, except the “table” is a neural network that can interpolate to angles you’ve never seen before.

Отправная точка того, что мы построили, известна как нейронный сурогат. Идея проста: вместо того чтобы решать уравнения Максвелла с нуля каждый раз (что медленно), вы обучаете нейросеть аппроксимировать решения (что быстро). Это как разница между тем, чтобы каждый раз вычислять синус угла руками, и тем, чтобы посмотреть его в таблице, — только «таблица» здесь нейросеть, которая может интерполировать на углы, которых она никогда не видела.

Traditional physics simulators work by brute force. They break space into tiny chunks, apply the equations at each point, and iterate until the solution converges. It’s accurate, but a single simulation can take hours.

Традиционные физические симуляторы работают брутфорсом. Они разбивают пространство на крошечные кусочки, применяют уравнения в каждой точке и итерируют, пока решение не сойдётся. Точно, но одна симуляция может занимать часы.

But what we’re building goes beyond a surrogate. Most surrogates in physics are narrow: trained to approximate one specific simulator for one specific class of problems. Arena Physica’s model learns the relationship between shapes and fields directly, allowing it to generalize. It’s not a faster calculator (it’s not a calculator at all). The neural surrogate is learning the syntax of physics. Just as GPT learned the “logic” of language, our model is learning the “logic” of fields. Show it enough examples of “this shape produces this field pattern,” and it learns to predict new patterns for new shapes almost instantly. We’re talking about 18,000x speedups, hours to milliseconds.

Но то, что мы строим, — больше, чем сурогат. Большинство сурогатов в физике узкие: они обучены аппроксимировать один конкретный симулятор для одного конкретного класса задач. Модель Arena Physica учит связь между формами и полями напрямую, что позволяет ей обобщать. Это не более быстрый калькулятор (это вообще не калькулятор). Нейронный сурогат учит синтаксис физики. Как GPT выучил «логику» языка, наша модель учит «логику» полей. Покажите ей достаточно примеров «эта форма даёт такой паттерн поля» — и она научится предсказывать новые паттерны для новых форм почти мгновенно. Речь о ускорении в 18 000 раз — часы превращаются в миллисекунды.

If you’re reading closely, you might be thinking to yourself: of course you can go faster if you’re just trying to get an approximate answer and not a perfect solution.

Если вы читаете внимательно, то можете подумать: ну конечно, ускоряться можно, если вы пытаетесь получить лишь приближённый ответ, а не точное решение.

Good catch. This is where the magic happens.

Хорошо подмечено. Вот тут и кроется магия.

When you’re searching for good designs, speed and direction matter more than precision.

Когда вы ищете хорошие дизайны, скорость и направление важнее точности.

Think about how an experienced RF engineer actually works. They use their intuition to filter out ideas that probably won’t work and to get the rough shape of ideas that might. Then, they simulate those. They make fast, approximate judgments to decide where to invest their slow, precise simulation time.

Подумайте о том, как реально работает опытный RF-инженер. Он использует свою интуицию, чтобы отсеять идеи, которые, вероятно, не сработают, и получить грубую форму идей, которые могут сработать. Затем симулирует именно их. Он делает быстрые приближённые суждения, чтобы решить, куда вложить медленное точное симуляционное время.

Arena Physica’s model does the same filtering, just much faster. It doesn’t need to tell you exactly how well a shape will perform. It needs to tell you how each shape will perform relative to the others. Good enough for search is a much lower bar than good enough for publication.

Модель Arena Physica делает ту же фильтрацию — просто намного быстрее. Ей не нужно точно сказать, насколько хорошо форма будет работать. Ей нужно сказать, как каждая форма будет работать относительно других. «Достаточно хорошо для поиска» — гораздо более низкая планка, чем «достаточно хорошо для публикации».

Speed lets us flip the problem around. Instead of asking “what field does this shape produce?” we can ask “what shape produces this field?” That’s generative design. We specify what we want, say, an antenna that transmits strongly at 28 GHz but rejects interference at neighboring frequencies. The system uses our desired state to generate shapes that might achieve our goals.

Скорость позволяет нам перевернуть задачу. Вместо вопроса «какое поле производит эта форма?» можно спросить «какая форма производит это поле?». Это и есть генеративный дизайн. Мы задаём то, что хотим, скажем, антенну, которая сильно передаёт на 28 ГГц, но отсекает помехи на соседних частотах. Система использует наше желаемое состояние, чтобы генерировать формы, способные достичь цели.

Then, we pair two models in a loop: one that generates designs, and one that evaluates them5.

Затем мы соединяем две модели в петлю: одна генерирует дизайны, другая их оценивает5.

The generator proposes a batch of shapes, many of them wild, strange, things that no human would come up with. Move 37 shapes. The evaluator characterizes them all in seconds, directionally: this one’s terrible, that one’s promising, this one’s interesting. The best candidates get refined via small variations and perturbations. The evaluator evaluates the refinements. Repeat.

Генератор предлагает пачку форм, многие из которых — дикие, странные, такие, что ни один человек бы не придумал. Формы вроде хода 37. Оценщик за секунды характеризует их все, дает направление: эта плохая, эта перспективная, эта интересная. Лучшие кандидаты дорабатываются маленькими вариациями и возмущениями. Оценщик оценивает доработки. Повторить.

At each step, we ask, “Is this one better for my goal than the shape we had before?” Because we know what the rules are, like AlphaGo, and what our goals are, like AlphaGo, we can reward the model for getting closer. And like AlphaGo, by making simulation cheap, we can explore much more of the design space than we could have if everything we wanted to try required a precise multi-hour simulation.

На каждом шаге мы спрашиваем: «Эта лучше для нашей цели, чем форма, которая была раньше?» Поскольку мы знаем правила, как AlphaGo, и знаем наши цели, как AlphaGo, мы можем вознаграждать модель за приближение. И, как AlphaGo, сделав симуляцию дешёвой, мы можем исследовать гораздо больше пространства дизайна, чем смогли бы, если бы каждая попытка требовала точной многочасовой симуляции.

In Asymmetry of verification and verifier’s rule, OpenAI’s Jason Wei describes the “verifier’s law.” Essentially, it says that any task that’s easy and fast to verify will be automated by AI. The hard part about our world is verification relies on special humans and simulators that are slow and expensive. By attacking this first via the foundation model for fields, acting as a fast simulator, we’ve made this problem accessible by generative AI for the first time. Our generator learns the weights through our feedback loop.

В Asymmetry of verification and verifier’s rule Jason Wei из OpenAI описывает «закон верификатора». По сути, он говорит, что любая задача, которую легко и быстро проверить, будет автоматизирована AI. Сложность нашего мира в том, что верификация опирается на специальных людей и симуляторы, которые медленны и дороги. Атаковав эту проблему сначала через foundation model для полей, выступающую быстрым симулятором, мы впервые сделали её доступной для генеративного AI. Наш генератор обучается весам через наш цикл обратной связи.

This is the same loop that made AlphaGo work: generate, evaluate, learn, repeat.

Это та же петля, что сделала AlphaGo возможной: генерировать, оценивать, учиться, повторять.

Run the loop for yourself here. You get a visceral sense for the importance of speed.

Запустить петлю самостоятельно можно здесь. Это даёт физическое ощущение важности скорости.

Of course, this loop only works if you have enough training data to feed it, and unlike LLMs, which can scrape the internet for training data, EM field simulations don’t exist in the wild. Nearly every single data point has to be created. So we’re building our own Data Factory.

Конечно, эта петля работает, только если есть достаточно обучающих данных, чтобы её кормить, а в отличие от LLM, которые могут скрейпить интернет для тренировочных данных, симуляций EM-полей в природе не существует. Почти каждую точку данных приходится создавать. Поэтому мы строим собственную Data Factory (Фабрику данных).

To do that, we’re hiring the best RF lead designers we can find. Put them in one place, where, theoretically, we can amortize the capabilities of this scarce group of people over all sorts of existing and newly possible customers. Have them create designs, give feedback, test their designs, run through the loop.

Для этого мы нанимаем лучших lead-дизайнеров RF, которых только можем найти. Размещаем их в одном месте, где теоретически можем амортизировать возможности этой редкой группы людей по всему спектру существующих и новых клиентов. Они создают дизайны, дают обратную связь, тестируют свои дизайны, проходят через петлю.

We generate random designs synthetically, our experts create seed designs that our system can then procedurally amplify, and we fabricate the top candidates and pipe real-world measurements back into training.

Мы генерируем случайные дизайны синтетически, наши эксперты создают seed-дизайны, которые наша система может затем процедурно усиливать, мы фабрицируем лучших кандидатов и заводим реальные измерения обратно в обучение.

The Data Factory has three layers: high-volume synthetic data, high-information expert-seeded data, and ground-truth fabrication data.

Data Factory состоит из трёх слоёв: высокообъёмные синтетические данные, высокоинформативные данные, посеянные экспертами, и эталонные данные фабрикации.

Because of how manual the Data Factory is today, we need to pick our use cases strategically. We are starting with analog silicon (chip packaging, phased array components, RF front-ends) and the full phased array system we mentioned above. We’ll be expanding into new domains, like superconducting quantum computing, in conversation with our partners.

Из-за того, насколько ручной Data Factory сегодня, нам нужно стратегически выбирать сценарии использования. Мы начинаем с аналогового кремния (упаковка чипов, компоненты phased array, RF front-ends) и полной системы phased array, упомянутой выше. Мы будем расширяться в новые области, такие как сверхпроводящие квантовые вычисления, в диалоге с нашими партнёрами.

The factory is the moat. You can’t build a foundation model for EM without it, nobody else that we know of is building one, and to try, you’d have to hire from the very small pool of experts that we’re bringing together at Arena Physica.

Фабрика — это ров. Без неё нельзя построить foundation model для EM, никто другой, насколько нам известно, такую не строит, а чтобы попытаться, пришлось бы нанимать из того же очень узкого пула экспертов, которых мы собираем в Arena Physica.

Then, when we’ve converged on something promising, by feeding the Data Factory’s output into our loop, we validate it by running the slow, precise traditional solver on our best candidate. Or better yet, by fabricating the design and validating it in the real world.

Когда мы сходимся на чём-то перспективном, скармливая выход Data Factory в нашу петлю, мы валидируем результат, прогоняя медленный точный традиционный солвер на лучшем кандидате. Или, ещё лучше, фабрицируя дизайн и проверяя его в реальном мире.

Remember why there’s no ARM for analog? At RF frequencies, the wavelengths are long enough that EM waves interact with everything around them. When designing a phased array for a Starlink terminal, you can’t just model the chip; you have to model the chip, the circuit board, the metal casing, the mounting structure, everything. It all affects how the EM waves behave.

Помните, почему нет ARM для аналога? На RF-частотах длины волн достаточно велики, чтобы EM-волны взаимодействовали со всем вокруг. При проектировании phased array для терминала Starlink нельзя моделировать только чип; приходится моделировать чип, плату, металлический корпус, монтажную структуру — всё. Всё это влияет на поведение EM-волн.

Because of that, we’re even using our own components to build an entire phased array system for imaging and detection from scratch.

Из-за этого мы даже используем собственные компоненты, чтобы построить целую систему phased array для отображения и обнаружения с нуля.

We’ll tape out silicon before the end of the year. And, for any part of the problem that’s not analog, we’re actually using our agentic stack — our hardware-aware agents, operating on our metagraph – a dynamic graph representation of the hardware – talking to tools via MCP — to speed up every single aspect of the process, so that we can go end-to-end faster. In this way, we benefit from all the amazing leaps coming from the foundation models, but also own something they can’t replicate: an EM foundation model, fed by our own Data Factory.

К концу года мы сделаем tape out кремния. И для любой части задачи, которая не аналоговая, мы фактически используем наш agentic stack — наших aware-к-железу агентов, работающих на нашем metagraph (динамическом графовом представлении железа), общающихся с инструментами через MCP, — чтобы ускорить каждый аспект процесса и идти end-to-end быстрее. Так мы выигрываем от всех потрясающих скачков, идущих от foundation-моделей, но при этом владеем тем, что они не могут воспроизвести: EM foundation model, питающейся нашей собственной Data Factory.

The system compounds: fast approximate evaluation enables broad search, broad search finds promising candidates, fabrication validates and generates training data, training data improves the generator, better generator enables even broader search.

Система складывается мультипликативно: быстрая приближённая оценка позволяет широкий поиск; широкий поиск находит перспективных кандидатов; фабрикация валидирует и генерирует обучающие данные; обучающие данные улучшают генератор; лучший генератор позволяет ещё более широкий поиск.

If you can do all of the RF design work in our loop, you can build an analog IP Factory.

Если можно делать всю RF-дизайн-работу в нашей петле, можно построить аналоговую IP-фабрику.

The IP Factory for RF and the Compiler for Atoms

IP-фабрика для RF и Компилятор для атомов

Our EM Foundation model’s key advantage over existing surrogates is that it can generalize.

Ключевое преимущество нашей EM Foundation model перед существующими сурогатами в том, что она умеет обобщать.

Take a philosophical leap with me.

Сделайте со мной философский прыжок.

LLMs don’t mechanically learn to classify a sentence. They train on the structure of words and sentences in relation to each other. The rest of their behavior is emergent.

LLM не учатся механически классифицировать предложение. Они обучаются на структуре слов и предложений относительно друг друга. Остальное их поведение — эмерджентно.

Before LLMs, you had spam detection as its own major problem. You had summarization as its own problem. Translation was its own separate problem. There were actually good companies with good ML teams doing each. The thing that they all got wrong was focusing on narrow problems. What we’ve learned is that if you can understand language at the root level, and you see scaling laws, you can get all the downstream applications for free.

До LLM детекция спама была отдельной большой проблемой. Суммаризация — отдельной. Перевод — отдельной. Были даже хорошие компании с хорошими ML-командами, занимавшиеся каждой. Все они ошибались в одном — фокусировались на узких задачах. Мы поняли вот что: если ты можешь понять язык на корневом уровне и видишь scaling laws, все downstream-приложения получаешь бесплатно.

So if it is true that there’s a fundamental relationship between geometry and EM fields, just like there is in language, and if scaling laws are true, then this model should generalize.

Значит, если правда, что существует фундаментальная связь между геометрией и EM-полями, как и в языке, и если scaling laws верны, то такая модель должна обобщать.

EM simulation looks a lot like language pre-LLMs. Where Ansys simulators fail – e.g., this tool is for antenna simulation, this tool is for EMI simulation for an automotive engine – we could tackle all of that with one model, like an LLM tackles translation, sentiment analysis, spam detection, and so much more all in one.

EM-симуляция похожа на язык до LLM. Там, где Ansys-симуляторы пасуют (например, этот инструмент — для симуляции антенн, этот — для EMI-симуляции автомобильного двигателя), мы могли бы взять всё это одной моделью, как LLM берёт перевод, sentiment analysis, детекцию спама и многое другое в одном.

We believe that LLMs were the first foundation models, not the last. Language is one primitive of intelligence – the one humans use to communicate and think. But the universe has other primitives. Newton created calculus because the language of the universe is not English. LLMs will let us interface with new foundation models that can push humanity’s understanding of the universe farther, giving us intuition for things our biology wasn’t evolved for. Such models are a critical part of a positive-sum future of AI.

Мы считаем, что LLM были первыми foundation-моделями, а не последними. Язык — один из примитивов интеллекта, тот, которым люди пользуются для общения и мышления. Но у вселенной есть и другие примитивы. Newton создал матанализ, потому что язык вселенной — не английский. LLM позволят нам интерфейсить с новыми foundation-моделями, которые подтолкнут понимание человечеством вселенной дальше, давая нам интуицию к вещам, под которые нас не точила биология. Такие модели — критическая часть positive-sum будущего AI.

This is the huge bet that we are making at Arena Physica. It’s our thesis. We are already building a strong business that helps companies better understand and iterate on their electromagnetic systems, but we think generalization will also allow us to build the IP Factory for RF.

Это и есть огромная ставка, которую мы делаем в Arena Physica. Это наш тезис. Мы уже строим сильный бизнес, помогающий компаниям лучше понимать и итерировать свои электромагнитные системы, но мы считаем, что обобщение также позволит нам построить IP-фабрику для RF.

With our loop, we can automate IP creation and design. This is the key distinction between our model and ARM’s. If generalization works, then instead of selling one design to many customers like ARM does, we can generate a unique design for each customer and each use case almost instantly, with roughly the same effort it takes ARM to create one-size-fits-all IP.

Нашей петлёй мы можем автоматизировать создание и проектирование IP. Это ключевое отличие от ARM. Если обобщение работает, то вместо того чтобы продавать один дизайн многим клиентам, как делает ARM, мы можем генерировать уникальный дизайн для каждого клиента и каждого сценария почти мгновенно, с теми же примерно усилиями, с какими ARM создаёт one-size-fits-all IP.

And we think, and are seeing early signs, that our model can scale this automation across the whole electromagnetic spectrum, in which case our TAM is anything with a wave.

И мы считаем (и видим ранние признаки), что наша модель сможет масштабировать эту автоматизацию по всему электромагнитному спектру; в этом случае наш TAM — всё, у чего есть волна.

One question we get often is: can’t LLMs just do this? We’ve been running our own internal tests against frontier LLMs – both regular and extended thinking - and their performance gap to our base model is substantial. Our model achieves a magnitude weighted-MAE (Mean Absolute Error) well under 1 dB (for context, the range that RF engineers typically care about spans roughly 20-30 dB, so <1dB is a very strong result)6.

Один из часто задаваемых нам вопросов: а не могут ли LLM просто сделать это? Мы прогоняли свои внутренние тесты против frontier LLM (обычных и с extended thinking), и разрыв в производительности с нашей базовой моделью значителен. Наша модель достигает magnitude weighted-MAE (Mean Absolute Error) уверенно ниже 1 дБ (для контекста: диапазон, который обычно волнует RF-инженеров, охватывает примерно 20–30 дБ, так что <1 дБ — очень сильный результат)6.

What we’re building is different than LLMs, and better at what it was built to do. A useful way to think about what this unlocks is as a “Compiler for Atoms.”

То, что мы строим, отличается от LLM и лучше в том, для чего оно строилось. Удобный способ думать о том, что это разблокирует, — «Компилятор для атомов».

In software, compilers translate high-level programming languages into binary instruction sets that a CPU can execute. We went from assembly to C++ to Python, and now Claude Code is arguably a compiler with English as the programming language. The LLM compiles down to the programming language it decides is best, which then compiles down further to machine code. At each step in this progression, the abstraction gets higher and the number of people who can “program” gets larger.

В софте компиляторы переводят высокоуровневые языки программирования в наборы бинарных инструкций, которые может исполнять CPU. Мы прошли путь от ассемблера к C++ и Python, а теперь Claude Code — это, по сути, компилятор, в котором языком программирования стал английский. LLM компилирует на тот язык программирования, который сочтёт лучшим, а тот, в свою очередь, компилируется дальше в машинный код. На каждом шаге уровень абстракции растёт, а число людей, способных «программировать», увеличивается.

Physics doesn’t have a compiler yet. The universe has an instruction set: materials and geometries arranged in specific configurations. Place them one way, you get a motor. Place them another, you get an invisibility cloak. We know all of this is possible because the equations tell us so. Human physicists have spent centuries learning this instruction set. But to access any of it, you still need to hire the equivalent of an assembly language programmer: a physicist who has spent decades learning to translate between human intent and the physical world’s instruction set.

У физики ещё нет компилятора. У вселенной есть набор инструкций: материалы и геометрии в определённых конфигурациях. Расположишь их так — получишь мотор. Расположишь иначе — получишь плащ-невидимку. Мы знаем, что всё это возможно, потому что уравнения нам так говорят. Человеческие физики потратили столетия, изучая этот набор инструкций. Но чтобы получить к нему доступ, всё ещё нужно нанимать эквивалент программиста на ассемблере: физика, который десятилетия учился переводить между человеческим намерением и набором инструкций физического мира.

What we’re building at Arena Physica is, in some sense, a Compiler for Atoms: a way to express what you want in high-level terms and have it compiled down into the geometries and materials that produce it, starting with Maxwell’s equations and eventually, we hope, adding Schrödinger’s.

То, что мы строим в Arena Physica, — это в некотором смысле Компилятор для атомов: способ выразить желаемое в высокоуровневых терминах и иметь возможность скомпилировать его в геометрии и материалы, которые его реализуют. Начинаем с уравнений Максвелла и, надеемся, в итоге добавим уравнения Шрёдингера.

When we launch our EM foundation model next week, we’ll make it available to interact with via an agentic UI. You’ll be able to type a request in plain English like, “I need an eight gigahertz band pass filter for a satellite uplink.” The LLM translates that target scattering parameters, the technical parameters we’re optimizing for. Our LFM generates candidate geometries using physics as its reasoning substrate rather than language. Then, the LLM engages again to explain what the model did and why, drawing on the foundational RF engineering knowledge we’ve built into the system.

Когда мы запустим нашу EM foundation model на следующей неделе, она будет доступна для взаимодействия через agentic UI. Вы сможете напечатать запрос на простом английском: «Мне нужен полосовой фильтр на 8 ГГц для спутникового аплинка». LLM переводит это в целевые scattering-параметры — технические параметры, которые мы оптимизируем. Наша LFM генерирует геометрии-кандидаты, используя физику как субстрат рассуждений вместо языка. Затем LLM подключается снова и объясняет, что и почему сделала модель, опираясь на фундаментальное RF-знание, встроенное в систему.

Andrej Karpathy says LLMs are “people spirits.” In our system, the spirit of David Pozar, author of the bible of RF engineering, provides his best explanation of the geometries generated by our EM foundation model. It’s like working with an intern who happens to speak electron, except the intern is channeling decades of accumulated RF wisdom.

Andrej Karpathy называет LLM «духами людей» («people spirits»). В нашей системе дух David Pozar, автора библии RF-инженерии, даёт своё лучшее объяснение геометриям, сгенерированным нашей EM foundation model. Это как работать со стажёром, который случайно говорит «по-электронному», только этот стажёр канализирует десятилетия накопленной RF-мудрости.

I think this will be a powerful paradigm for the future. Everyone is thinking about human-to-model interactions. But the bulk of the work in systems like ours is model-to-model: the LLM talking to the EM foundation model, the EM foundation model responding, the two iterating through design space at machine speed. The human-to-model layer becomes a minority of the interactions, the intent-setting and interpretation. The real work happens in a language we can’t speak, translated for us by models that can.

Я думаю, это будет мощная парадигма будущего. Все думают о взаимодействиях человек–модель. Но основной объём работы в системах вроде нашей — это модель–модель: LLM говорит с EM foundation model, EM foundation model отвечает, и они итерируют по дизайн-пространству на машинной скорости. Слой человек–модель становится меньшинством взаимодействий — это задание намерений и интерпретация. Реальная работа идёт на языке, на котором мы не умеем говорить, и переводится для нас моделями, которые умеют.

In the future, language models might serve as the universal interface between humans and an entire ecosystem of specialized foundation models: for EM fields, for biology, for materials science. In this future, the LLM becomes the diplomat between species of intelligence.

В будущем языковые модели могут служить универсальным интерфейсом между людьми и целой экосистемой специализированных foundation-моделей: для EM-полей, биологии, материаловедения. В этом будущем LLM становится дипломатом между видами интеллекта.

Eventually, we want to get to a world in which anyone can say, “I want an invisibility cloak” or “I want a cheaper Starlink,” and the machine will design it. But today, even with our compiler, we’re still in the C++ era. Expert “physics coders” still need to tell the machine, “I need an 8 gigahertz band pass filter for a satellite uplink.”

В конечном счёте мы хотим прийти в мир, где любой сможет сказать «хочу плащ-невидимку» или «хочу Starlink подешевле», и машина его спроектирует. Но сегодня, даже с нашим компилятором, мы всё ещё в эпохе C++. Эксперты-«программисты физики» всё ещё должны говорить машине: «Мне нужен полосовой фильтр на 8 ГГц для спутникового аплинка».

In the meantime, we want to deliver that “eventually” future today.

А пока мы хотим доставить это «в конце концов»-будущее уже сегодня.

Taking Problems Off Customers’ Plates Entirely

Снимать задачи с клиентов целиком

Since it became clear that our model had the potential to scale and generalize, I’ve been thinking a lot about the right way to deliver the capabilities it provides to customers.

С тех пор как стало ясно, что наша модель может масштабироваться и обобщать, я много думаю о том, как правильно доставлять её возможности клиентам.

I’ve thought about whether we should build the ARM for Analog. I’ve thought about selling access to the model, or the IP Factory, directly. I don’t think either are quite right. I think it’s worth talking through where we landed and how, because what constitutes the right business model is changing a lot with AI, and the model we landed on is probably not the one we would have pursued a few years ago.

Я думал, стоит ли строить ARM для аналога. Думал о том, чтобы продавать доступ к модели или IP-фабрике напрямую. Не думаю, что что-то из этого правильно. Стоит проговорить, на чём мы остановились и как, потому что то, какой бизнес-модель должна быть, сильно меняется с AI, и та, на которой мы остановились, — вероятно, не та, к которой мы бы пришли несколько лет назад.

If you think through what makes Arena Physica unique, it’s really four things: we have a talent-dense collection of some of the world’s best RF engineers, a “Compiler for Physics” that can generate valuable IP in experts’ hands, a Data Factory that improves as those RF engineers generate and validate more IP, and a software platform (complete with FDEs) that makes it easy to apply LLM-based agents to reason about hardware.

Если задуматься, что делает Arena Physica уникальной, то это четыре вещи: у нас есть талант-плотная команда из одних из лучших в мире RF-инженеров, «Компилятор для физики», способный генерировать ценный IP в руках экспертов, Data Factory, которая улучшается по мере того как эти RF-инженеры производят и валидируют ещё больше IP, и софтверная платформа (включая FDE), которая позволяет легко применять LLM-агентов к рассуждениям о железе.

The business model that falls out of that is services. We’ve hired some of the world’s best RF designers and a team of excellent electrical engineers. Each one, working with our EM foundational model, with our agents, and with LLMs, can cover enormous ground. So instead of selling people the tools and asking them to figure it out on their own, we’re starting to just take problems off people’s plates.

Бизнес-модель, которая отсюда вытекает, — услуги. Мы наняли одних из лучших в мире RF-дизайнеров и команду первоклассных инженеров-электриков. Каждый из них, работая с нашей EM foundation model, нашими агентами и LLM, может покрывать огромный объём. Поэтому, вместо того чтобы продавать людям инструменты и просить их разобраться самим, мы начинаем просто снимать задачи с их плеч.

You want to launch a space company and you have an unsolved problem with how your racks communicate in orbit? We’ll solve that for you. You need a silicon layout for your next chip? We’ll do the layout. We send in RF and electrical engineers, armed with our tools, and deliver the product the customer needs. It’s full-stack electromagnetic engineering as a service, at a speed and cost that wasn’t possible before, because each of these rare experts can now do what used to require an entire team, faster, better, and cheaper.

Хочешь запустить космическую компанию, а у тебя нерешённая проблема, как стойки общаются на орбите? Решим за тебя. Тебе нужен silicon layout для следующего чипа? Сделаем layout. Мы присылаем RF- и электроинженеров, вооружённых нашими инструментами, и поставляем продукт, нужный клиенту. Это полный электромагнитный full-stack engineering as a service со скоростью и стоимостью, которые раньше были невозможны, потому что каждый из этих редких экспертов теперь делает то, что раньше требовало целой команды, — быстрее, лучше и дешевле.

And because we’re so early in our journey to build the EM foundation model, working directly with our customers lets us learn faster and improve our models based on real-world needs.

И поскольку мы ещё очень рано на нашем пути построения EM foundation model, прямая работа с клиентами позволяет нам учиться быстрее и улучшать модели на основе реальных потребностей.

To that end, we’re also pursuing research partnerships. This falls out of our model, too. As we scale the LFM from version one to version two and beyond, we need to decide which training data to generate next, and that depends on the problems we’re solving. Partners working on chip packaging need us to model different structures than partners working on superconducting quantum computing. They get early access to our model and our team for their specific problems, and we get the data we need to drive generalization. The research partnerships feed the Data Factory, the Data Factory feeds the model, and we eat more of the EM spectrum.

В том же направлении мы развиваем исследовательские партнёрства. Это тоже вытекает из нашей модели. Масштабируя LFM с версии один до версии два и далее, нам нужно решать, какие обучающие данные генерировать дальше, и это зависит от задач, которые мы решаем. Партнёрам, работающим над упаковкой чипов, нужно, чтобы мы моделировали другие структуры, чем партнёрам по сверхпроводящим квантовым вычислениям. Они получают ранний доступ к нашей модели и нашей команде под свои конкретные задачи, а мы получаем данные, нужные для движения к обобщению. Исследовательские партнёрства кормят Data Factory, Data Factory кормит модель, и мы откусываем всё больше EM-спектра.

One counterintuitive move here is that we don’t plan to sell the model. We plan to publish it, and sell everything around it: the platform, the experts, and solutions to our customers’ problems. The model is what makes all of that possible, but it’s not the product. As Packy wrote in Power in the Age of Intelligence, “If your technology is so good, why aren’t you using it to compete?” Our product is: bring us your electromagnetic problem, and we’ll solve it.

Один контринтуитивный ход здесь — мы не планируем продавать модель. Мы планируем её опубликовать, а продавать всё вокруг: платформу, экспертов и решения проблем наших клиентов. Модель — это то, что делает всё это возможным, но не сама по себе продукт. Как Packy писал в Power in the Age of Intelligence: «Если ваша технология так хороша, почему вы не используете её, чтобы конкурировать?». Наш продукт — принесите нам свою электромагнитную задачу, мы её решим.

Companies shouldn’t be bottlenecked by the fact that, as it stands, you need hundreds of millions of dollars to build the types of systems we can build. We should be able to almost AWSify expertise for them.

Компании не должны быть заблокированы тем, что сейчас, чтобы строить такие системы, как умеем строить мы, нужны сотни миллионов долларов. Мы должны быть способны почти AWS-ифицировать экспертизу для них.

There’s a lot more I want to do here.

Здесь я хочу сделать гораздо больше.

As our model improves, and we move from the C++ to Python and even Claude era of EM foundation models, I suspect our business model changes, too. We can sell the “designer” to companies and they can use it to generate their own IP. A sort of Golden Analog Silicon Goose. As that happens, the cost to manipulate the EM spectrum goes down, and humanity’s capabilities increase.

По мере того как наша модель улучшается и мы переходим из эпохи C++ в эпоху Python и даже Claude в EM foundation-моделях, я подозреваю, что и наша бизнес-модель будет меняться. Мы сможем продавать «дизайнера» компаниям, и они смогут использовать его для генерации собственного IP. Своего рода Золотой гусь аналогового кремния. По мере того как это происходит, стоимость манипуляции EM-спектром падает, а возможности человечества растут.

Over the longer term, my dream is to run Arena Physica as a modern Bell Labs, to use the commercial side of the business to fund a new kind of research network.

В долгосрочной перспективе моя мечта — управлять Arena Physica как современным Bell Labs: использовать коммерческую сторону бизнеса для финансирования нового типа исследовательской сети.

What if, once we’ve proven the foundation model works, we opened it up? We could give academics free access to our model and our compute. In exchange, when they use it to design novel structures or discover new phenomena, the IP flows back through Arena. We take a cut (maybe 20%, like an app store) and they keep the rest.

Что, если, доказав, что foundation model работает, мы её откроем? Мы могли бы дать академикам бесплатный доступ к нашей модели и compute. В обмен на это, когда они используют её для проектирования новых структур или открытия новых явлений, IP возвращается через Arena. Мы берём долю (возможно, 20%, как в app store), а они оставляют остальное.

Right now, a professor working on some exotic antenna geometry has to write grants, wait for funding, hire grad students, and slowly iterate through simulations on whatever compute they can scrounge. What if instead they could just... use the model? Explore design spaces that would take years to search manually? And get paid when their discoveries become commercially valuable?

Сейчас профессор, работающий над какой-нибудь экзотической геометрией антенн, должен писать гранты, ждать финансирования, нанимать аспирантов и медленно итерировать симуляции на каком-то compute, который удалось наскрести. А что, если он мог бы просто… использовать модель? Исследовать пространства дизайна, на ручной поиск в которых ушли бы годы? И получать деньги, когда его открытия становятся коммерчески ценны?

If our model can auto-generate IP for any electromagnetic application, we become the platform. The rare humans who can push the boundaries become contributors, and get rewarded for it as their rare knowledge turns scalable. Because the universe of people with this expertise is so small, we can actually get our arms around sharing the upside of their work with them.

Если наша модель может автогенерировать IP для любого электромагнитного приложения, мы становимся платформой. Редкие люди, способные раздвигать границы, становятся контрибьюторами и получают вознаграждение за свою редкую экспертизу по мере того, как она становится масштабируемой. Поскольку круг людей с такой экспертизой очень мал, мы реально можем охватить разделение апсайда их работы с ними.

Of course, as we expand across the EM spectrum, and our models become multiphysics models, we’re not going to hire all of the world’s great physicists. But by opening up the platform and becoming a new kind of Bell Labs, we can work with them.

Конечно, расширяясь по EM-спектру и переходя к мультифизическим моделям, мы не будем нанимать всех великих физиков мира. Но, открывая платформу и становясь новым Bell Labs, мы сможем с ними работать.

I want Arena to be a place where academics can sabbatical in and access our models. Where we’re not just selling software, but funding experiments. Where we create incentive structures that let brilliant people do fundamental research without the soul-crushing grant cycle. Where we compress the cycle between physics research and application, and wield AI not to do what humans can do cheaper, but to do things humans can’t do at all today. If we win, humanity benefits.

Я хочу, чтобы Arena стала местом, куда академики могут приехать в саббатикал и получить доступ к нашим моделям. Где мы не просто продаём софт, а финансируем эксперименты. Где мы создаём механизмы мотивации, позволяющие блестящим людям заниматься фундаментальными исследованиями без душевыжимающего грантового цикла. Где мы сжимаем цикл от физических исследований до применения и используем AI не для того, чтобы делать то же, что делают люди, дешевле, а для того, чтобы делать то, что люди сегодня не умеют вообще. Если мы победим — выигрывает человечество.

But I’m getting ahead of myself. First, we need to take problems off of our customers’ plates.

Но я забегаю вперёд. Сначала нам нужно снимать задачи с плеч наших клиентов.

What Can Our Customers Build?

Что смогут построить наши клиенты?

So what could our customers build if we provide them best-in-class RF and EE?

Что же клиенты смогут построить, если мы дадим им лучший в классе RF и EE?

To start, by working with Arena Physica, any company that wants to do anything with phased arrays can get custom ones, and much more quickly than they could have before.

Для начала, работая с Arena Physica, любая компания, желающая что-либо делать с phased array, может получить кастомные решения — и гораздо быстрее, чем раньше.

What they’ll be able to build isn’t limited to what you’d traditionally think of as radar.

То, что они смогут построить, не ограничено тем, что вы традиционно считаете радаром.

I heard a phrase once that stuck with me. I’ve always thought of radar as a detection system, but this guy told me that radar is actually an imaging system. As the frequency gets shorter, you get higher resolution. You can image things. So radar doesn’t just tell you that “something is there.” It also tells you what that something looks like. Radar can create images, like a camera.

Я как-то слышал фразу, которая мне запала. Я всегда думал о радаре как о системе обнаружения, но этот парень сказал мне, что радар — это вообще-то система формирования изображений. По мере укорачивания частоты вы получаете более высокое разрешение. Можно строить изображения. То есть радар не просто говорит, что «там что-то есть». Он также говорит, как это что-то выглядит. Радар может создавать картинки — как камера.

Take drones. Everyone is talking about drones as the future of warfare, but currently, we can’t see them with radars or sensors. It might surprise you to learn that the United States Navy doesn’t have counter-drone phased array radar at scale. That surprised me too, so when we dug a little bit, what we heard was that in the current system, it’s just too expensive. To get Raytheon to build a new ship-based phased array radar for them would end up costing as much as half the ship.

Возьмите дронов. Все говорят о дронах как о будущем войны, но в настоящем мы не видим их радарами или сенсорами. Возможно, вас удивит то, что у ВМФ США нет phased array антидроновых радаров в масштабе. Меня тоже удивило, и когда мы покопались, выяснилось, что в текущей системе это просто слишком дорого. Чтобы Raytheon построила им новый корабельный phased array радар, это в итоге стоило бы как половина корабля.

It should not cost close to a billion dollars to make phased array radars. But remember that slow process of imagining and simulating designs that we discussed earlier? Now, imagine that happening inside of a slow-moving legacy prime that gets paid a margin on top of every dollar it spends. The result is that our Navy doesn’t have phased array radars that are good at detecting drones.

Не должно стоить почти миллиард долларов сделать phased array радар. Но помните тот медленный процесс воображения и симулирования дизайнов, который мы обсудили выше? Теперь представьте, как это происходит внутри медлительного легаси-прайма, который получает маржу сверху каждого потраченного доллара. Результат — у нашего ВМФ нет phased array радаров, хорошо ловящих дронов.

We can help the Navy see drones much more cheaply. And we should. For drone detection, you might have 1,000 incoming targets. The benefit of phased arrays is that you can form multiple beams from one antenna, like Starlink does, instead of something spinning like an old-timey radar or LiDAR. (As a side-note, those spinning LiDARs on top of Waymos will almost certainly become phased arrays, too, and when they do, the whole unit goes solid-state, which is cheaper and more reliable with no moving parts).

Мы можем помочь ВМФ видеть дронов гораздо дешевле. И должны. Для детекции дронов у вас может быть 1000 одновременных целей. Преимущество phased arrays в том, что из одной антенны можно формировать множество лучей, как делает Starlink, вместо чего-то вращающегося, как старый радар или LiDAR. (К слову, те вращающиеся LiDAR на верхушках Waymo тоже почти наверняка станут phased arrays, и когда это произойдёт, весь блок станет solid-state — дешевле и надёжнее, без движущихся частей.)

We also have people reaching out to us who want to design phased arrays for drone capture. They’re building systems that catch drones in mid-air with a robot arm. The drone capture systems are smart; they have onboard computing and sensors to actively track and intercept the incoming drone. They need to be able to see, which means they need custom phased arrays that can track a fast-moving drone with high precision, work in any visual conditions, and are small and cheap enough to put on the capture mechanism itself. They certainly couldn’t make the math work at a billion dollars, but we can bring those costs down at least an order of magnitude in the near-term with automated design and fast iteration.

К нам также обращаются люди, желающие проектировать phased arrays для захвата дронов. Они строят системы, которые ловят дронов в воздухе роборукой. Системы захвата дронов умные; у них на борту есть вычисления и сенсоры для активного отслеживания и перехвата приближающегося дрона. Им нужно уметь видеть, а это значит — нужны кастомные phased arrays, способные с высокой точностью отслеживать быстро движущийся дрон, работать в любых визуальных условиях и быть достаточно маленькими и дешёвыми, чтобы поместиться на самом механизме захвата. Им точно не сошлись бы цифры при $1 млрд, но мы можем снизить эти стоимости как минимум на порядок в близкой перспективе с автоматизированным дизайном и быстрой итерацией.

The applications only multiply once you realize that you’re dealing with an all-condition imaging system, and that drones are just one application of phased arrays. The same physics that steers radar beams also steers communication beams.

Применения только умножаются, как только вы понимаете, что имеете дело с системой формирования изображений во всех условиях, и что дроны — это лишь одно из применений phased arrays. Та же физика, которая управляет лучами радара, управляет и лучами связи.

If space stuff continues to grow the way everyone thinks it will, you’re talking about tens of thousands of satellites and millions of ground terminals. Every single one needs these precisely shaped silicon tiles. Every ground station needs phased arrays. Northwood just raised a ton of money to build phased array ground stations. Every Starlink antenna on a house and satellite is powered by phased arrays.

Если космическая индустрия будет расти так, как все думают, речь идёт о десятках тысяч спутников и миллионах наземных терминалов. Каждому из них нужны эти точно сформированные кремниевые плитки. Каждой наземной станции нужны phased arrays. Northwood только что подняли кучу денег, чтобы строить наземные станции phased array. Каждая антенна Starlink на доме и на спутнике работает на phased arrays.

Now, let’s say an adversary is trying to jam your radar signal. Notice how these little things dive down to zero:

Теперь, скажем, противник пытается глушить ваш радарный сигнал. Заметьте, как эти штучки уходят в ноль:

Remember I said you can dynamically move this beam? This is one of the benefits of the phased array. It lets you move those points. Those are called null points, and it’s where the interference pattern zeroes out, like your noise canceling headphones. So imagine I’m being jammed. What’s crazy cool about a phase array is that I can transmit my signal, and then I can cyclically move my null point to absorb the jam signal. Just think about it. It’s remarkable, actually. You’re still transmitting and receiving, but you’ve carved out a little pocket of silence right where the enemy is screaming at you.

Помните, я говорил, что луч можно динамически двигать? Это одно из преимуществ phased array. Оно позволяет двигать те точки. Они называются нулевыми точками (null points) — там, где интерференционный паттерн обнуляется, как в шумоподавляющих наушниках. Представьте, что меня глушат. Что круто в phased array — я могу передавать свой сигнал и при этом циклически перемещать null point, чтобы поглощать сигнал-помеху. Только подумайте. На самом деле это поразительно. Вы продолжаете передавать и принимать, но вырезаете маленький карман тишины ровно там, где враг на вас орёт.

But if you can exploit the physics really well—like, in this case, we’re still using our good old digital transistors to say what to do, while the analog shapes determine the quality of the EM fields produced—this is where Gordon Moore’s dream might come true: his silicon boolean transistors are talking to analog silicon. And that’s really cool. With digital silicon, we can compute. But with analog silicon, we can transmit power, we can transmit directed energy, we can absorb energy. Analog silicon makes it much more physical.

Но если хорошо эксплуатировать физику — как здесь, мы всё ещё используем наши добрые старые цифровые транзисторы, чтобы говорить, что делать, тогда как аналоговые формы определяют качество производимых EM-полей, — тут как раз мечта Gordon Moore может сбыться: его кремниевые булевы транзисторы разговаривают с аналоговым кремнием. И это круто. С цифровым кремнием мы можем вычислять. А с аналоговым кремнием мы можем передавать мощность, передавать направленную энергию, поглощать энергию. Аналоговый кремний делает всё это намного более физичным.

The same physics that lets you communicate also lets you deny communication to others. And the same physics that lets you transmit also lets you absorb. Stealth is just the inverse problem of radar: instead of bouncing signals back, you’re making them disappear.

Та же физика, которая позволяет общаться, позволяет и отказывать другим в связи. И та же физика, которая позволяет передавать, позволяет и поглощать. Стелс — это обратная задача радара: вместо того чтобы отражать сигналы обратно, вы заставляете их исчезать.

It’s all shapes.

Всё дело в формах.

Imagine we could change the economic structure of all of this.

Представьте, что мы могли бы изменить экономическую структуру всего этого.

That is exactly what we are trying to do at Arena Physica. Our mission is to create “Electromagnetic Superintelligence.” It sounds audacious, but remember, it is much easier to achieve superintelligence—as in, relative to humans—in electromagnetism than it is in language or even math. And it describes precisely what we’re building: a system that develops superhuman intuition for how geometry shapes electromagnetic fields, a mind that can see what we can’t.

Это именно то, что мы пытаемся сделать в Arena Physica. Наша миссия — создать «Электромагнитную сверхинтеллектуальность». Звучит дерзко, но напоминаю: добиться сверхинтеллекта — то есть относительно людей — в электромагнетизме гораздо легче, чем в языке или даже математике. И это в точности описывает то, что мы строим: систему, которая развивает сверхчеловеческую интуицию к тому, как геометрия формирует электромагнитные поля; ум, видящий то, что мы видеть не можем.

As a software engineer, I don’t know how to be an infrastructure engineer. That’s because I don’t need to. Amazon takes care of it for me. If you could say companies no longer need RF expertise, you could lower the cost of everything we’ve discussed dramatically by a factor of 10 or more. We could give RF capabilities to everyone, from small companies to those that serve the Navy.

Как software-инженер, я не умею быть инфраструктурным инженером. Потому что мне не нужно. Amazon делает это за меня. Если можно было бы сказать, что компаниям больше не нужна RF-экспертиза, можно было бы радикально снизить стоимость всего, что мы обсуждали, в 10 раз и больше. Мы могли бы дать RF-возможности всем — от маленьких компаний до тех, кто обслуживает ВМФ.

One obvious ramification is we’ll probably see more satellite companies and space companies, because they can now design their own phased arrays. More competition in the radar space. More competition in the jamming space.

Одно очевидное следствие — мы, вероятно, увидим больше спутниковых и космических компаний, потому что они смогут проектировать собственные phased arrays. Больше конкуренции в радарном пространстве. Больше конкуренции в пространстве глушения.

Another less obvious one might be backpack radars. Think about troops going into a situation like Ukraine. One of the big risks they face is drones sneaking up on them. They should have backpack-mounted counter-drone radar: small, cheap phased arrays that let every warfighter see what’s coming.

Менее очевидное — рюкзачные радары. Подумайте о войсках, идущих в ситуацию вроде Украины. Одна из крупных угроз — дроны, подкрадывающиеся к ним. У них должен быть рюкзачный антидроновый радар: маленькие дешёвые phased arrays, позволяющие каждому бойцу видеть, что к нему приближается.

Backpack radars are a very specific thing, but the point is that they’re something that made no practical or economic sense before that becomes practically and economically feasible.

Рюкзачные радары — конкретный пример, но смысл в том, что это то, что раньше не имело практического или экономического смысла, а становится практически и экономически осуществимым.

We can even help AI models get better in a sort of indirect way.

Мы можем даже помочь AI-моделям становиться лучше — этакий косвенный путь.

Data centers need to move enormous amounts of data between chips very fast. The problem is that, at those speeds, the wires connecting chips start acting like antennas. They can accidentally broadcast and pick up signals. Which means they hit bandwidth limits on chip-to-chip communication. So their goal is the opposite as ours: they’re trying to make really bad antennas. They don’t want the electron traveling between their GPU and CPU to pick up a signal or transmit one, because then the data gets garbled. This is called signal integrity. The solution is the same shaped-silicon approach: carefully designed structures that guide high-frequency signals without interference.

Дата-центрам нужно передавать огромные объёмы данных между чипами очень быстро. Проблема в том, что на таких скоростях провода, соединяющие чипы, начинают вести себя как антенны. Они могут случайно излучать и ловить сигналы. А значит, упираются в лимиты пропускной способности при общении между чипами. Так что их цель противоположна нашей: они пытаются делать действительно плохие антенны. Они не хотят, чтобы электрон, идущий между их GPU и CPU, ловил сигнал или излучал его, иначе данные исказятся. Это называется signal integrity. Решение тот же подход с формованным кремнием: тщательно спроектированные структуры, направляющие высокочастотные сигналы без помех.

It’s not just chip-to-chip. Think bigger. A data center company recently asked us whether we could beam data rack-to-rack wirelessly, because the cabling itself is becoming a bottleneck to how fast they can deploy. It’s not just terrestrial, either. For orbital data centers, there won’t be any option. You’re not going to be running optical cables between racks in space.

Это не только чип-чип. Подумайте шире. Одна из компаний-операторов дата-центров недавно спросила нас, могли бы мы беспроводно передавать данные стойка-стойка, потому что сама кабельная разводка становится узким местом скорости их деплоя. И это не только наземно. Для орбитальных дата-центров просто не будет другого варианта. Никто не собирается прокладывать оптоволокно между стойками в космосе.

The most interesting thing is how the market has responded by asking us for use cases we would never have thought of.

Самое интересное — как рынок отреагировал, прося у нас сценарии, о которых мы бы никогда не подумали.

For example, high-frequency trading firms have reached out to us about helping them trade faster. I’d assumed fiber optics already transmitted at the speed of light, but due to total internal reflection inside the glass, signals travel at only 60-70% of light speed. A phased array transmitting through free space goes at actual light speed. Over the distance between New York and Chicago, that difference could be enough to make a lot of money.

Например, к нам обращались HFT-фирмы (high-frequency trading), желающие помочь им торговать быстрее. Я предполагал, что оптоволокно уже передаёт со скоростью света, но из-за полного внутреннего отражения внутри стекла сигналы движутся всего на 60–70% скорости света. Phased array, передающий через свободное пространство, идёт на настоящей скорости света. На расстоянии между Нью-Йорком и Чикаго эта разница может приносить много денег.

If you look at what we’ve just described, there are really two different things happening. I think we‘re going to see a K-shaped future for hardware.

Если посмотреть на то, что мы только что описали, то фактически происходят две разные вещи. Я думаю, мы увидим K-образное будущее для железа.

The lower leg of the K is making commodity devices dramatically cheaper and more accessible. For example: the Navy acquiring drone-detection radar without writing a billion-dollar check to Raytheon, satellite startups designing their own phased arrays instead of outsourcing to a prime, backpack-mounted counter-drone radar for every warfighter, and data centers deploying faster with wireless rack-to-rack links are capabilities that exist today in expensive, bottlenecked forms. We want to remove these bottlenecks and make the capabilities cheaper and more abundant.

Нижняя ветвь K — это то, как сделать commodity-устройства драматически дешевле и доступнее. Например: ВМФ покупает антидроновый радар, не выписывая Raytheon чек на миллиард долларов; спутниковые стартапы проектируют собственные phased arrays вместо того, чтобы аутсорсить прайму; рюкзачные антидроновые радары у каждого бойца; дата-центры быстрее деплоятся за счёт беспроводных линков стойка-стойка. Эти возможности существуют сегодня в дорогих, забутылоченных формах. Мы хотим убрать эти бутылочные горлышки и сделать возможности дешевле и обильнее.

The upper leg of the K is making exquisite devices at the frontier of what’s physically possible newly achievable. This is what Bell Labs enabled, entirely new and more powerful capabilities than were possible before their research. There is a lot of excitement about cheap, attritable systems in the future of warfare, and rightly so. But in the conversations I’ve had with military leadership, they believe that to win (or deter) a conflict in the Indo Pacific, we’re going to need some of the world’s most exquisite machinery. The F-117 was crucial to winning the Gulf War; it made up just 2.5% of coalition air power but destroyed 40% of all strategic targets. We want to make new types of exquisite hardware possible, for defense and beyond.

Верхняя ветвь K — это сделать изящные устройства на границе физически возможного впервые достижимыми. Это то, что обеспечивали Bell Labs, — совершенно новые и более мощные возможности, чем были возможны до их исследований. Сейчас есть много восхищения дешёвыми, расходуемыми системами в будущем войны, и это правильно. Но в разговорах с военным руководством я слышал: чтобы выиграть (или сдержать) конфликт в Индо-Тихоокеанском регионе, нам понадобится часть самой изысканной техники в мире. F-117 был критически важен для победы в войне в Заливе; он составлял всего 2,5% воздушной мощи коалиции, но уничтожил 40% всех стратегических целей. Мы хотим, чтобы стали возможны новые типы изысканного железа — для обороны и не только.

By making it easier, faster, and cheaper to design more capable RF components, we think we’ll help expand the market beyond current analyst estimates, which don’t anticipate the unimagined. Those estimates project a 12% CAGR for RF components, from $44.8 billion to $140.5 billion over the next decade. I think that’s wrong, almost certainly too low. One of the reasons they’re projecting relatively slow growth is that RF is just too hard today. But if you democratize the expertise and transform the cost structure, would everyone just add better all-weather sensing equipment onto their robot? Would everyone just add backpack-mounted radars to every soldier?

Делая проектирование более продвинутых RF-компонентов проще, быстрее и дешевле, мы, по нашему мнению, поможем расширить рынок за пределы нынешних аналитических оценок, которые не предвидят неожиданного. Эти оценки прогнозируют 12% CAGR для RF-компонентов — с $44,8 млрд до $140,5 млрд за следующее десятилетие. Я думаю, это неверно — почти наверняка занижено. Одна из причин их относительно медленного прогноза в том, что RF сегодня слишком сложен. Но если демократизировать экспертизу и трансформировать структуру издержек, не добавил бы каждый лучшие всепогодные сенсоры на своего робота? Не повесил бы каждый солдат рюкзачный радар?

What I’m most excited about is this open possibility space. I don’t even know what else people might think up now that they have the ability to manipulate this stuff. If we’re right, their ambitions won’t be limited by speed, economics, or even by the shapes required to deliver the capabilities that they need.

Что меня больше всего волнует — это открытое пространство возможностей. Я даже не знаю, что ещё люди могут придумать теперь, когда у них появилась возможность манипулировать всем этим. Если мы правы, их амбиции не будут ограничены ни скоростью, ни экономикой, ни даже формами, требуемыми для тех возможностей, которые им нужны.

Alien Designs

Чужеродные дизайны

A lot of the shapes coming out of our system already look nothing like what a human would design. Basically, we’re working with near-alien humans to create a system that will ultimately produce alien designs.

Многие формы, выходящие из нашей системы, уже совсем не похожи на то, что спроектировал бы человек. По сути, мы работаем с почти-чужими-людьми, чтобы создать систему, которая в итоге производит чужеродные дизайны.

Human RF engineers have been trained on certain canonical structures: dipoles, patches, spirals, horns. They know these shapes work because they’ve been refined over decades. When they design something new, they start from these familiar forms and tweak them.

Человеческие RF-инженеры обучены на определённых каноничных структурах: диполи, patch-антенны, спирали, рупоры. Они знают, что эти формы работают, потому что они отшлифовывались десятилетиями. Когда они проектируют что-то новое, они стартуют от этих знакомых форм и подкручивают.

Our system doesn’t care about any of that. It starts from noise and evolves toward function. The results often look like QR codes, or random stippling, or structures that seem to follow no logic at all.

Нашей системе на это всё равно. Она стартует из шума и эволюционирует к функции. Результаты часто выглядят как QR-коды, или случайная штриховка, или структуры, которые, кажется, не подчиняются никакой логике.

When we show these designs to expert RF engineers, their first reaction is usually skepticism. “That doesn’t look like an antenna.” “I would never have come up with that.” “Are you sure this works?”

Когда мы показываем эти дизайны опытным RF-инженерам, их первая реакция обычно — скепсис. «Это не похоже на антенну». «Я бы никогда такое не придумал». «Вы уверены, что это работает?»

Then, we fabricate it.

Затем мы это фабрицируем.

Today, we’re fabricating at the PCB board level. The goal I have for the team is that we’ll do our first silicon tapeout this year. As in, we’ll manufacture actual silicon chips. Analog silicon has the advantage that we don’t need TSMC’s bleeding-edge fabs; older, cheaper factories like Samsung, Global Foundries, and some defense fabs can do it, because the node size is typically larger.

Сегодня мы фабрицируем на уровне PCB-плат. Цель, которую я ставлю команде, — сделать первый кремниевый tape out в этом году. То есть мы произведём настоящие кремниевые чипы. У аналогового кремния есть то преимущество, что нам не нужны передовые фабы TSMC; более старые и дешёвые заводы вроде Samsung, Global Foundries и некоторых оборонных фабов справятся, потому что узлы там обычно крупнее.

And it works. This is the AlphaGo moment. Remember Move 37 expert commentary?

И это работает. Это AlphaGo-момент. Помните комментарии экспертов о ходе 37?

We’re seeing the same pattern. Engineers look at our designs and say, “That’s super unconventional. That’s unusual. That’s not in the textbook.” And then it works. And then they say it was “creative.”

Мы видим тот же паттерн. Инженеры смотрят на наши дизайны и говорят: «Это совсем нестандартно. Это необычно. Этого нет в учебниках». А потом это работает. И тогда они говорят, что это было «креативно».

Our goal is to do more than just match human performance autonomously. We want to exceed it and find all of the EM equivalents of Move 37: designs so counterintuitive that no human would have tried them, but so effective that they outperform anything we would have tried.

Наша цель — больше, чем просто автономно догнать человеческую производительность. Мы хотим её превзойти и найти все EM-эквиваленты хода 37: дизайны настолько контринтуитивные, что ни один человек бы их не попробовал, но настолько эффективные, что они переигрывают всё, что мы пробовали бы.

My hunch is that this will happen fairly quickly in EM because of what we discussed at the top: most humans didn’t evolve to intuit which shapes produce which EM waves. Therefore, we are terrible at intuiting the answer. On the other hand, computers can become superhuman — we can evolve them to get there in simulation.

Моё чутьё говорит, что в EM это случится довольно быстро по той причине, которую мы обсудили в самом начале: большинство людей не эволюционировали для интуиции, какие формы какие EM-волны производят. Поэтому мы ужасны в угадывании ответа. С другой стороны, компьютеры могут стать сверхчеловеческими — мы можем эволюционировать их к этому в симуляции.

There’s this great story in Skunk Works, Ben Rich’s personal memoir from his time atop the famed Lockheed division, about how the F-117 stealth bomber came to be.

В Skunk Works, личных мемуарах Ben Rich о его времени во главе знаменитого подразделения Lockheed, есть отличная история о том, как появился стелс-бомбардировщик F-117.

A thirty-six-year-old mathematician and radar specialist named Denys Overholser happened to read a translation of a dense technical paper by Pyotr Ufimtsev, the chief scientist at the Moscow Institute of Radio Engineering, titled Method of Edge Waves in the Physical Theory of Diffraction. Ufimtsev had “revisited a century-old set of formulas derived by Scottish physicist James Clerk Maxwell… these calculations predicted the manner in which a given geometric configuration would reflect electromagnetic radiation” and took them a step further. “Ben,” Overholser told Ben Rich, “this guy has shown us how to accurately calculate radar cross sections across the surface of the wing and at the edge of the wing, and put together these calculations for an accurate total.”

36-летний математик и специалист по радарам Denys Overholser случайно прочитал перевод плотной технической статьи Pyotr Ufimtsev, главного учёного Московского института радиотехники, под названием Method of Edge Waves in the Physical Theory of Diffraction. Ufimtsev «пересмотрел вековой набор формул, выведенных шотландским физиком James Clerk Maxwell… эти расчёты предсказывали, как данная геометрическая конфигурация будет отражать электромагнитное излучение», и пошёл на шаг дальше. «Ben, — сказал Overholser Ben Rich, — этот парень показал, как точно вычислять радарные сечения по поверхности крыла и на его краю и как сложить эти расчёты в точный итог».

With Ufimtsev’s work, the Skunk Works team could create computer software to calculate the radar cross section (how visible an object is to radar) as long as the shapes were in two dimensions. If they designed the bomber as thousands of flat triangles, they could add them all up and get the radar cross section.

С работой Ufimtsev команда Skunk Works могла создать программу, рассчитывающую радарное сечение (насколько объект виден радару), если формы были двумерными. Если они проектировали бомбардировщик как тысячи плоских треугольников, они могли сложить их все и получить радарное сечение.

That’s exactly what Overholser did, and the design that emerged “was a diamond beveled in four directions, creating in essence four triangles,” which, viewed from above, “closely resembled an Indian Arrowhead.”

Именно это Overholser и сделал, и получившийся дизайн был «алмазом, скошенным в четырёх направлениях, по сути образующим четыре треугольника», что при виде сверху «напоминало индейский наконечник стрелы».

He called it the Hopeless Diamond, and calculated that it would be “one thousand times less visible than the least visible shape previously produced at the Skunk Works.” On a radar screen, it would appear to be the size of an eagle’s eyeball.

Он назвал это Hopeless Diamond и подсчитал, что он будет «в тысячу раз менее заметен, чем самая малозаметная форма, ранее произведённая в Skunk Works». На радарном экране он будет размером с глазное яблоко орла.

Kelly Johnson is the Skunk Works founder and boss who was so magnificent at airplane design that his boss said of him, “That damn Swede can actually see air.”

Kelly Johnson — основатель и босс Skunk Works, который был так великолепен в проектировании самолётов, что его босс однажды сказал о нём: «Этот чёртов швед действительно умеет видеть воздух».

He was so unimpressed by the design that, when he saw it, he physically kicked Rich in the butt, crumpled the proposal, threw it at Rich’s feet, and stormed, “Ben Rich, you dumb shit. Have you lost your goddamned mind? This crap will never get off the ground.”

Он был настолько не впечатлён дизайном, что, увидев его, физически пнул Rich под зад, скомкал предложение, бросил его Rich под ноги и завопил: «Ben Rich, ты тупой засранец. Ты совсем рехнулся? Этот хлам никогда не оторвётся от земли».

As it turned out, the model was right and even the great Kelly Johnson was wrong. The Hopeless Diamond became the F-117 Nighthawk, the stealthiest plane built to date by more than three orders of magnitude, and flew over 1,300 sorties during the 1991 Gulf War without a single combat loss.

Как оказалось, модель была права, и даже великий Kelly Johnson ошибался. Hopeless Diamond стал F-117 Nighthawk, самым малозаметным самолётом из построенных до того момента более чем на три порядка, и совершил более 1300 боевых вылетов в войне в Заливе 1991 года без единой боевой потери.

The F-117’s was an alien geometry, and it gave the US otherworldly capabilities.

Геометрия F-117 была чужеродной — и она дала США потусторонние возможности.

We’re attempting to do something similar, but at silicon scale (to start). And with AI doing the search instead of human engineers sketching on whiteboards, we’re planning to do it over much wider problem spaces and search spaces than currently exist.

Мы пытаемся сделать нечто похожее, но на уровне кремния (для начала). И поскольку поиск ведёт AI, а не человеческие инженеры на белых досках, мы планируем делать это в гораздо более широких пространствах задач и поиска, чем существуют сейчас.

The Shape of Things to Come

Форма грядущего

We have a lot of work ahead of us to solve the core problem: building a Large Field Model that can do for EM what LLMs did for language.

У нас впереди много работы по решению ключевой задачи: построению Large Field Model, которая сделает для EM то, что LLM сделали для языка.

The simulation has to get faster. The generative model has to get smarter. The fabrication loop has to tighten, and we need to actually fab analog silicon, and then we need to do it for a lot of customers. We need to hire more of those rare humans who think like electrons and work with them to create training data.

Симуляция должна стать быстрее. Генеративная модель должна стать умнее. Петля фабрикации должна сжаться, и нам нужно реально фабрицировать аналоговый кремний, а затем делать это для множества клиентов. Нам нужно нанять больше тех редких людей, которые мыслят как электроны, и работать с ними над созданием обучающих данных.

It’s hard to see what our models can do today and not imagine what they might be able to do in the future, though.

Но трудно глядя на то, что наши модели могут делать сегодня, не воображать, что они смогут делать в будущем.

If it scales across the entire EM spectrum like we think it will, things will get very interesting.

Если это масштабируется по всему EM-спектру, как мы думаем, всё станет очень интересно.

How interesting? Packy asked me whether our models might one day help finally produce a Grand Unified Theory, if one is possible.

Насколько интересно? Packy спросил меня, могут ли однажды наши модели помочь наконец произвести Великую Объединённую Теорию, если она вообще возможна.

I don’t know. But here’s how I think about discovering new physics more broadly.

Не знаю. Но вот как я думаю об открытии новой физики в целом.

All of our tools today — since the dawn of computers — have been about deduction. Solve, compute, calculate, predict. Here’s an input; tell me what happens. But a lot of really creative human reasoning is inductive. You postulate a question or an idea, and then you research it. That’s deeply creative and deeply human.

Все наши инструменты сегодня — с момента появления компьютеров — про дедукцию. Реши, вычисли, посчитай, предскажи. Вот вход; скажи мне, что произойдёт. Но многое в действительно креативном человеческом рассуждении — индуктивно. Ты постулируешь вопрос или идею, а затем её исследуешь. Это глубоко креативно и глубоко человечно.

This connects to something personal for me. My undergraduate research advisor at Stanford, Hari Manoharan, did an experiment that made the cover of Nature in 2000.

Это связано с чем-то личным для меня. Мой научный руководитель в бакалавриате в Стэнфорде, Hari Manoharan, провёл эксперимент, который попал на обложку Nature в 2000 году.

He arranged 80 cobalt atoms in an ellipse on a copper surface. You know those whispering galleries where you stand in a corner and whisper and someone on the other side can hear you? That’s constructive interference of sound waves. Hari knew that electrons also behave like waves, and he suspected they should interfere in the same way.

Он расположил 80 атомов кобальта в эллипсе на медной поверхности. Знаете «шепчущие галереи», где ты стоишь в углу и шепчешь, а кто-то на другой стороне тебя слышит? Это конструктивная интерференция звуковых волн. Hari знал, что электроны тоже ведут себя как волны, и подозревал, что они должны интерферировать тем же способом.

And that’s exactly what he saw. A “quantum mirage.” A ghost atom appearing at one focus when a real atom sat at the other. What blew everyone’s mind was that there was no time delay. Physics predicted some tiny delay to account for information traveling at the speed of light. Instead, it was instantaneous. This kicked off a whole field of quantum communication research.

И ровно это он и увидел. «Квантовый мираж». Призрачный атом, появляющийся в одном фокусе эллипса, когда настоящий атом сидел в другом. Что взорвало всем мозг — не было задержки во времени. Физика предсказывала какую-то крошечную задержку, чтобы учесть путешествие информации со скоростью света. Вместо этого было мгновенно. Это запустило целую область исследований квантовой связи.

Hari knew the Schrödinger equation. He knew Maxwell’s equations. Everybody knew those equations. But he combined them in a way no one had thought to try, postulated what might happen, and built an experiment to test it. That’s how new physics happens.

Hari знал уравнение Шрёдингера. Он знал уравнения Максвелла. Их все знали. Но он соединил их способом, который никто не пробовал, постулировал, что могло произойти, и построил эксперимент, чтобы проверить. Так и происходит новая физика.

How amazing would it be if we had machines that could actually understand these equations and help us? Currently, we have to wait decades for a genius to come along and push a field forward. What could we benefit from if those geniuses had a little help? How much closer could we pull the future? How much more of the universe could we understand in our lifetimes?

Как было бы здорово, если бы у нас были машины, которые действительно понимают эти уравнения и помогают нам? Сейчас приходится ждать десятилетиями, пока придёт гений и продвинет область. Чего мы могли бы добиться, если бы у этих гениев была небольшая помощь? Насколько ближе мы могли бы подтянуть будущее? Сколько ещё вселенной мы могли бы понять за нашу жизнь?

What if our foundation model could start making those leaps? Right now, it’s not yet breakthrough inductive, meaning it can’t create its own experiments. It’s like an applied physicist: we can tell it our engineering goal and it will come up with a design. But as it learns more, develops something like intuition, could the model start postulating? Could it notice patterns humans have missed and suggest experiments?

Что, если наша foundation model начнёт делать такие прыжки? Сейчас она ещё не breakthrough inductive, то есть не способна создавать собственные эксперименты. Она как прикладной физик: мы можем сказать ей нашу инженерную цель, и она придумает дизайн. Но по мере того как она учится больше, развивает что-то вроде интуиции, не сможет ли модель начать постулировать? Не сможет ли она замечать паттерны, которые упустили люди, и предлагать эксперименты?

And maybe (this is where I let myself dream), maybe if we build foundation models for each of the fundamental forces, and they start talking to each other, we get closer to something bigger. There are four fundamental forces: strong, weak, gravity, electromagnetism. We’re just trying to make a dent in one of them. But physics is deeply interconnected. Hari’s quantum mirage happened because electromagnetism and quantum mechanics intersected in a way that nobody expected.

И может быть (тут уже я даю себе помечтать), может быть, если мы построим foundation-модели для каждой из фундаментальных сил, и они начнут разговаривать друг с другом, мы приблизимся к чему-то большему. Есть четыре фундаментальные силы: сильная, слабая, гравитация, электромагнетизм. Мы лишь пытаемся сделать вмятину в одной из них. Но физика глубоко взаимосвязана. Квантовый мираж Hari случился потому, что электромагнетизм и квантовая механика пересеклись способом, которого никто не ожидал.

What happens when foundation models that understand multiple forces chain together, exploring the spaces between them? I can’t stop thinking about this.

Что произойдёт, когда foundation-модели, понимающие несколько сил, выстроятся в цепочки, исследуя пространства между ними? Я не могу перестать думать об этом.

Ultimately, that’s what this is about. It’s why I pursued my PhD in quantum electromagneticism for four years (then dropped out in true Silicon Valley fashion) and why I started Arena Physica.

В конечном счёте именно об этом всё это. Поэтому я четыре года шёл за PhD по квантовому электромагнетизму (а затем бросил в духе настоящего Силиконовой долины) и поэтому основал Arena Physica.

I want to understand the nature of reality in order to manipulate it for the betterment of humanity. To do that, we need models that learn directly from physics, that develop intuitions we’ve never evolved to have.

Я хочу понять природу реальности, чтобы манипулировать ею ради блага человечества. Для этого нам нужны модели, которые учатся напрямую из физики, развивающие интуицию, которой нас не оттачивала эволюция.

One of the questions that came up in grad school, and I remember thinking, how do people even ask these questions, was: Why does physics work? Why does math work? Isn’t it strange that reality is so... describable? Why isn’t it much more random?

Один из вопросов, всплывавший в аспирантуре, и я помню, как думал: «Как люди вообще задают такие вопросы?» — был: почему физика работает? Почему математика работает? Не странно ли, что реальность так… описуема? Почему она не гораздо случайнее?

Maybe these models will help us find out.

Может быть, эти модели помогут нам выяснить.

Electromagnetism secretly runs the world. We’ve been manipulating it for a century with our hands tied behind our backs, limited by the rarity of humans who can see what we cannot see.

Электромагнетизм незаметно управляет миром. Мы манипулируем им уже век со связанными за спиной руками, ограниченные редкостью людей, способных видеть то, что мы видеть не можем.

We’re creating something to understand the interplay between geometries and electromagnetic waves, and evolving them to develop a new intuition.

Мы создаём нечто, что понимает взаимодействие между геометриями и электромагнитными волнами и эволюционирует, чтобы развить новую интуицию.

The universe is made of fields. Fields are shaped by geometry. Geometry, it turns out, is something computers can learn much better than we can. We should lean on them so that we can get to new problems.

Вселенная сделана из полей. Поля формируются геометрией. Геометрия, оказывается, — это то, что компьютеры могут учить гораздо лучше нас. Нам стоит на них опереться, чтобы перейти к новым задачам.

If we learn to shape the waves, we might be able to shape the future.

Если мы научимся формировать волны, возможно, мы сможем сформировать будущее.

Big thanks to Pratap and the whole Arena Physica team for sharing their knowledge, and to Badal for the cover art.

Большое спасибо Pratap и всей команде Arena Physica за то, что поделились знаниями, и Badal за обложку.

That’s all for today. We’ll be back in your inbox with a Weekly Dose on Friday.

На сегодня всё. Мы вернёмся в ваш инбокс с Weekly Dose в пятницу.

Thanks for reading,

Спасибо, что прочитали,

Packy

Packy

Ten is the number that keeps coming up in conversations with people at companies where these people work today. The real number of world-class RF designers is probably in the low hundreds. They all seem to know each other by first name. The community is that small.

Десять — это число, постоянно всплывающее в разговорах с людьми из компаний, где эти специалисты сегодня работают. Реальное число RF-дизайнеров мирового уровня, вероятно, измеряется низкими сотнями. Все они, кажется, знают друг друга по именам. Сообщество настолько мало.

The programming term “bug” comes from bugs crawling into vacuum tubes.

Программистский термин «баг» пришёл от жуков, заползавших в вакуумные лампы.

Tuxedo Park : A Wall Street Tycoon and the Secret Palace of Science That Changed the Course of World War II by Jennet Conant is a great book for those interested in learning more.

Tuxedo Park: A Wall Street Tycoon and the Secret Palace of Science That Changed the Course of World War II Jennet Conant — отличная книга для тех, кто хочет узнать больше.

Read more of the ARM story in The Electric Slide (link right to ARM section)

Подробнее об ARM — в The Electric Slide (ссылка прямо на раздел про ARM).

For those who want the technical details, we will be releasing a technical blog post next week.

Для тех, кто хочет технических деталей: на следующей неделе мы опубликуем технический блог-пост.

The metric is MAE, but the value we’re measuring here is an S-parameter (Scattering parameter), it’s a complex number, so there is a real and imaginary part... that’s why we separate out phase and magnitude.

Метрика — MAE, но значение, которое мы здесь измеряем, — это S-параметр (Scattering parameter), это комплексное число, поэтому есть действительная и мнимая части… поэтому мы и разделяем фазу и амплитуду.