Агресивна манера водіння може суттєво прискорювати старіння батареї електромобіля. Нове дослідження показало: за однакових інших умов часті різкі розгони та високі струмові навантаження здатні збільшити прогнозовану втрату ємності акумулятора приблизно у 2,5 раза. Дослідники Шанхайського університету Дяньцзи проаналізували дані 15 електромобілів, які протягом року їздили дорогами Гуанчжоу. Автомобілі передавали показники кожні 10 секунд — зокрема швидкість, струм, напругу, температуру та рівень заряду. Про це повідомляє NNews із посиланням на дослідження, опубліковане в Scientific Reports. Найбільше батарею навантажують не просто високі швидкості Вчені розділили водіння на п’ять стилів — від плавного економічного до максимально агресивного. Важливим виявився не сам факт швидкої їзди. Найбільше навантаження виникало під час багаторазових різких розгонів, особливо на невеликих швидкостях, коли електромотор потребує великого струму. Тобто рівномірний рух трасою не обов’язково так само шкодить батареї, як постійні старти зі світлофорів у режимі «газ — гальмо — газ». Різниця у навантаженні виявилася величезною Для найагресивнішого стилю дослідники зафіксували швидкість старіння батареї у 18,4 раза вищу, ніж за економічного водіння. Середній середньоквадратичний струм у групі агресивного водіння становив 66,02 А. Для плавної їзди цей показник був лише 20,56 А. Модель також показала, що якщо змінити лише стиль водіння з агресивного на економічний, короткострокове навантаження, пов’язане зі старінням батареї, може зменшитися на 91,3%. Через 1000 циклів різниця може сягнути 32 процентних пунктів Найцікавіший результат стосується прогнозу довгострокової деградації. За моделлю, після 1000 циклів заряджання-розряджання батарея за найплавнішого стилю водіння могла втратити близько 21,15% початкової ємності. Для найагресивнішого стилю прогнозована втрата становила вже 53,22%. Це приблизно у 2,5 раза більше. Для власника електромобіля це означає не лише старішу батарею. Менша ємність поступово скорочує запас ходу, а стан акумулятора також може впливати на вартість автомобіля на вторинному ринку. Але є важливе «але» Цифри 21,15% і 53,22% — це не результат реального 1000-циклового експерименту з цими автомобілями. Дослідники взяли дані реальної експлуатації, визначили характерні стилі водіння, а потім використали модель старіння батареї для прогнозу майбутньої деградації. Тому результати не означають, що будь-який електромобіль після 1000 циклів агресивної їзди гарантовано втратить понад половину ємності. На реальний стан батареї також впливають температура, хімія акумулятора, рівень заряду, заряджання, система охолодження, маса автомобіля, рельєф та умови експлуатації. Що це означає для власників електромобілів Дослідження не говорить, що електромобіль потрібно водити виключно повільно. Найпростіший висновок інший: постійні різкі старти та інтенсивні розгони створюють додаткове навантаження на акумулятор. Якщо водій частіше прискорюється плавно і не влаштовує постійні цикли «максимальний розгін — різке гальмування — максимальний розгін», батарея потенційно старітиме повільніше. Це особливо цікаво з огляду на вартість батарейного блока. Саме акумулятор є одним із найдорожчих компонентів електромобіля, тому його довговічність безпосередньо пов’язана з економікою володіння автомобілем. Чому це важливо Раніше увагу власників електромобілів здебільшого привертали температура та правила заряджання. Нове дослідження показує ще один фактор — те, як водій використовує потужність автомобіля. Цікаво, що найагресивнішим виявилося не просто швидке водіння. Ключовим фактором стали повторювані високі струмові навантаження. Тому спокійний рух на високій швидкості та постійні різкі старти з низької швидкості створюють для батареї різні умови.

В Україні виявили рідкісну Tatra 613 1991 року випуску, яка понад три десятиліття майже не виїжджала з гаража. Представницький чехословацький седан зберігся у заводському стані, а його одометр показує лише близько 3 тисяч кілометрів. Автомобіль привертає увагу не лише мінімальним пробігом. Це одна з останніх Tatra 613-3, причому таких машин свого часу виготовили менше тисячі. Чехословацький аналог «Чайки», але з незвичайною конструкцією Tatra 613 була флагманським автомобілем Чехословаччини та використовувалася переважно представниками державної еліти, керівниками великих підприємств, торгових представництв і спецслужб. На відміну від радянських представницьких седанів, Tatra мала дуже нетипову для свого класу конструкцію. За задньою віссю встановлювали 3,5-літровий бензиновий V8 з повітряним охолодженням. Двигун розвивав 168 к.с., а максимальна швидкість автомобіля сягала 190 км/год. До створення зовнішності моделі свого часу долучилося італійське ательє Vignale. Серійне виробництво Tatra 613 стартувало у 1974 році, а протягом життя модель отримала чотири основні серії. Таких автомобілів виготовили лише 903 Знайдений в Україні екземпляр належить до третьої серії Tatra 613-3. Її випускали з 1985 до 1991 року, причому за весь період вручну зібрали лише 903 автомобілі. Ця машина — представник останнього, 1991 року випуску. За інформацією власників і авторів фото, автомобіль спочатку перебував в одному з торгових представництв. Пізніше його подарували директору великого харчового підприємства в Києві. Новий власник практично не експлуатував седан. У результаті Tatra понад 30 років провела у сухому гаражі. Саме тому автомобіль сьогодні виглядає як справжня автомобільна «капсула часу» — з мінімальним пробігом та збереженим заводським станом. Машина коштувала дорожче за «Волги» та «Жигулі» У 1991 році Tatra 613 коштувала в Чехословаччині 349 тисяч крон. Для порівняння, це була значно дорожча машина, ніж звичні для того часу радянські «Волги» та «Жигулі». Її ціна пояснювалася не масовістю, а статусом і складною конструкцією. Tatra 613 фактично була автомобілем для вузького кола високопоставлених чиновників та керівників. Сьогодні поєднання віку, рідкісної модифікації, мінімального пробігу та оригінального стану робить цей екземпляр особливо цікавим для колекціонерів. Чому це важливо Tatra 613 — одна з найцікавіших сторінок автомобільної історії соціалістичної Європи. На відміну від більшості масових моделей того періоду, вона мала потужний задньомоторний V8, італійський дизайн та обмежене ручне виробництво. А знайдений в Україні автомобіль фактично зберіг стан початку 1990-х років. За три десятиліття його пробіг збільшився лише до близько 3 тисяч км. Повідомляє NNews із посиланням на інформацію про автомобіль та фото Roma.urraco. Цікаво: Tatra 613 стала останньою великою представницькою моделлю чеської марки, створеною ще до остаточного завершення епохи соціалістичної Чехословаччини.

Штучний інтелект може написати переконливу відповідь, назвати неіснуюче дослідження, вигадати цитату або переплутати дату — і при цьому звучати так, ніби абсолютно впевнений у своїх словах. Це не випадковий «збій» і не спроба обдурити людину. Причина набагато цікавіша: мовна модель принципово працює не так, як людина, яка шукає факт у пам’яті. Такі помилки називають AI-галюцинаціями. NIST визначає їх як випадки, коли генеративний ШІ впевнено створює помилкову або вигадану інформацію. ШІ не шукає відповідь у голові — він прогнозує текст Одна з головних причин галюцинацій закладена в самому принципі роботи великих мовних моделей. Під час навчання модель аналізує величезні масиви тексту й навчається прогнозувати, який токен найімовірніше має з’явитися далі. Тобто її базове завдання — не «знайти правду», а побудувати найбільш імовірне продовження тексту. Наприклад, якщо модель бачить фразу «Столиця Франції —», найімовірнішим продовженням буде «Париж». Але якщо запит стосується маловідомої людини, точної дати або рідкісної події, у моделі може просто не бути достатньо надійної закономірності. Тоді вона все одно намагається продовжити відповідь. Саме тут і виникає проблема. OpenAI у дослідженні 2025 року пояснює, що рідкісні та довільні факти складніше відтворювати лише на основі статистичних закономірностей. Орфографію модель може вивчити як закономірність, а ось випадкову дату народження людини передбачити набагато складніше. Найнебезпечніше — вигаданий факт може звучати правдоподібно Людина часто уявляє галюцинацію ШІ як очевидну нісенітницю. На практиці все навпаки. Модель може створити назву книги, якої ніколи не існувало, додати до неї реалістичного автора, рік видання та навіть короткий опис. Окремо кожен елемент може звучати правдоподібно. Так само ШІ здатен вигадати наукову статтю або посилання, які виглядають справжніми, але не існують. OpenAI прямо зазначає, що моделі можуть генерувати неправильні дати, визначення, цитати, дослідження та посилання на неіснуючі джерела. Проблема в тому, що для мовної моделі «звучить переконливо» і «є правдою» — це не одне й те саме. Чому ШІ не просто каже: «Я не знаю»? Це, мабуть, найцікавіша частина проблеми. Здавалося б, якщо модель не впевнена у відповіді, вона могла б просто відмовитися відповідати. Але традиційні способи оцінювання AI-моделей можуть створювати протилежний стимул: правильна відповідь приносить бал, а відповідь «не знаю» — ні. Уявімо тест із чотирма варіантами відповіді. Якщо ви нічого не знаєте, у вас все одно є шанс вгадати. Якщо ж залишити питання порожнім, шанс отримати бал дорівнює нулю. За аналогічним принципом мовна модель може «ризикнути» і сформувати відповідь замість того, щоб визнати невизначеність. OpenAI у своєму дослідженні називає саме заохочення вгадування однією з причин, чому галюцинації зберігаються навіть у сучасних моделях. Чим більше деталей, тим вищий ризик помилки Особливо небезпечними можуть бути відкриті запити, які вимагають довгої та детальної відповіді. Наприклад: «Напиши біографію маловідомого науковця». Якщо в моделі недостатньо достовірної інформації, вона може заповнити прогалини деталями, які статистично добре вписуються в контекст. Це схоже на ситуацію, коли людина пам’ятає загальну історію, але не пам’ятає конкретної дати й мимоволі підставляє приблизну. Тільки ШІ робить це значно переконливіше. NIST окремо зазначає, що такі помилки особливо актуальні для відкритих запитів і завдань, які вимагають довгих відповідей. Чому пошук в інтернеті не вирішує проблему повністю Підключення ШІ до пошуковика або бази даних значно покращує точність, але не перетворює модель на безпомилковий механізм. Google DeepMind, наприклад, розробила FACTS Grounding — систему оцінювання того, наскільки відповіді великих мовних моделей відповідають наданим джерелам. Дослідники наголошують, що навіть за наявності джерел фактичність відповідей залишається окремою проблемою. Тобто модель може мати правильний документ перед очима, але неправильно його інтерпретувати, змішати кілька фактів або додати інформацію, якої в джерелі немає. Саме тому принцип «ШІ показав джерело — значить, усе правильно» теж небезпечний. Чи можна повністю позбутися галюцинацій? Поки що — ні. Але їх можна суттєво зменшувати. Один із найважливіших напрямів — змусити модель не вгадувати, коли доказів недостатньо. Інший — давати їй доступ до перевірених джерел, пошуку, баз даних та інструментів, які дозволяють перевірити твердження. Ще один підхід — спеціально оцінювати не лише правильні відповіді, а й те, наскільки добре модель розпізнає власну невизначеність. OpenAI зазначає, що сучасні моделі мають нижчі показники галюцинацій, однак проблема залишається фундаментальною для великих мовних моделей. Чи означає це, що ШІ не можна довіряти? Не зовсім. Проблема не в тому, що ШІ «нічого не знає». Навпаки, сучасні моделі можуть надзвичайно добре працювати з величезними обсягами інформації. Проблема виникає на межі між знанням і невизначеністю. Для творчого тексту вигаданий факт може бути просто недоліком. Для новин, медицини, фінансів, науки або юридичних документів — уже серйозним ризиком. Тому найнадійніший підхід — сприймати ШІ не як остаточне джерело істини, а як інструмент, який потрібно контролювати. Особливо якщо відповідь містить конкретні цифри, імена, дати, цитати або посилання. Чому це важливо Штучний інтелект може бути надзвичайно переконливим навіть тоді, коли помиляється. І саме це відрізняє його галюцинації від звичайної помилки в пошуковій системі: ШІ не просто може показати неправильну сторінку. Він здатен сам створити правдоподібну історію навколо вигаданого факту. Тому головне правило роботи з генеративним ШІ просте: чим важливіший факт, тим менше варто покладатися лише на впевненість відповіді. Цікаво, що одним із ключових способів зробити ШІ надійнішим може бути не навчити його знати ще більше, а навчити його частіше казати: «Я не знаю». Саме здатність правильно розпізнавати власну невизначеність може бути не менш важливою за додаткові мільярди параметрів. Повідомляє NNews із посиланням на OpenAI, NIST та Google DeepMind.

Сучасний смартфон може показати на фото деталі, яких камера фізично не змогла зафіксувати. Це не помилка обробки, а наслідок переходу від звичайної комп’ютерної фотографії до генеративного ШІ. Ще кілька років тому алгоритми переважно прибирали шум, підвищували різкість і об’єднували кілька кадрів. Тепер деякі системи здатні фактично «домальовувати» те, що, на думку моделі, мало бути в кадрі. Камера вже не просто фотографує Фотографія зі смартфона давно перестала бути прямим відбитком того, що побачив сенсор. Телефон може зробити кілька кадрів поспіль, об’єднати їх, скоригувати експозицію, прибрати шум, відновити кольори та підвищити деталізацію. Саме тому знімок із маленького сенсора смартфона часто виглядає значно краще, ніж необроблений кадр. Але тут є важлива межа. Якщо інформації про об’єкт у вихідному зображенні недостатньо, алгоритм уже не може її «відновити» у буквальному сенсі. Він може лише припустити, якою вона має бути. І саме тут з’являється ризик так званих AI hallucinations — вигаданих деталей. Дослідники вже фіксують проблему У роботі, представленій на CVPR 2026, дослідники проаналізували використання генеративного ШІ безпосередньо в системах обробки зображень камер. Вони показали, що сучасні смартфонні ISP можуть генерувати деталі, яких не було у вихідному сигналі сенсора. В одному з прикладів така обробка змінює символи на далекій номерній табличці. Тобто алгоритм може зробити зображення візуально чіткішим, але водночас змінити інформацію, яка була реально присутня в кадрі. Це принципова різниця між «покращити фото» і «створити правдоподібну версію того, чого камера не розгледіла». Окремі дослідження генеративного суперрозділення також називають такі артефакти hallucinations — деталями, які не відповідають оригінальному зображенню. Найвідоміший приклад — фотографії Місяця Проблема не нова. У 2023 році користувачі продемонстрували, наскільки агресивно ШІ може обробляти фотографії Місяця на смартфонах Samsung. Samsung офіційно пояснювала, що Galaxy розпізнає Місяць, об’єднує понад 10 кадрів і застосовує AI для підвищення деталізації. Компанія також дозволяє вимкнути Scene Optimizer, якщо користувач хоче фотографувати без цієї AI-обробки. Але експеримент із навмисно розмитим зображенням Місяця показав проблему: смартфон зміг отримати на фінальному фото чіткі деталі, яких фактично не було у зображенні, яке він фотографував. Саме це й запустило дискусію про те, де закінчується фотографія і починається генерація. Samsung заперечувала використання простого накладання готової фотографії Місяця, але визнавала роботу AI-based Detail Enhancement Engine. Тепер це стосується не лише Місяця Сучасні смартфони використовують ШІ значно ширше. Samsung прямо описує AI ProVisual Engine як систему, яка аналізує та вдосконалює фотографії, зокрема під час зйомки віддалених об’єктів. Photo Assist також може видаляти, переміщувати або змінювати розмір об’єктів, після чого ШІ генерує відсутній фон. Google Photos має функцію AI Enhance, яка генерує варіанти покращення зображення, а інструменти редагування можуть змінювати або видаляти об’єкти. Google окремо попереджає, що результат може відрізнятися залежно від пристрою. Apple також використовує генеративні моделі. Clean Up видаляє об’єкти й відновлює фон, а нові можливості Photos можуть генерувати частини зображення за межами оригінального кадру. Apple прямо зазначає, що результати роботи Apple Intelligence можуть відрізнятися і важливу інформацію варто перевіряти. Тобто проблема вже не прив’язана до одного виробника. Чому це може бути проблемою Для звичайного фото з відпустки різниця може бути непомітною. Ви фотографуєте будинок здалеку — смартфон робить його вікна чіткішими. Знімаєте тварину в сутінках — алгоритм відновлює текстуру шерсті. Фотографуєте людину — система підкреслює риси обличчя. Візуально результат стає кращим. Але це не означає, що він стає точнішим. Уявімо фотографію документа, номера автомобіля, цінника, напису на будівлі або медичного зображення. Якщо алгоритм не бачить символ, але модель вважає, що знає, яким він має бути, отриманий результат може виглядати переконливо — і водночас бути неправильним. Саме тому «найчіткіше фото» не завжди означає «найправдивіше фото». Новий тест показав, наскільки тонкою стала межа Показовий випадок стався зовсім нещодавно під час зйомки сонячного затемнення. Під час тестування смартфонів було виявлено, що AI-обробка Xiaomi 17 Ultra могла неправильно інтерпретувати Сонце як Місяць і додавати характерну місячну текстуру. Це особливо показовий приклад. Алгоритм не просто зробив слабкий кадр красивішим. Він неправильно визначив об’єкт і застосував до нього модель обробки, призначену для іншого сценарію. Фотографія поступово перетворюється на реконструкцію Раніше головне питання звучало так: «Наскільки хороша камера смартфона?» Тепер правильніше запитувати: «Що саме смартфон зробив із даними камери після натискання кнопки спуску?» Оптика та сенсор все ще мають критичне значення. Але фінальний JPEG може бути результатом складного ланцюжка алгоритмів, де частина деталей походить не безпосередньо із сенсора, а з математичних моделей і, дедалі частіше, генеративного ШІ. Це не обов’язково погано. Саме така обробка дозволила смартфонам отримувати якісні нічні фото, портрети та знімки з великого збільшення. Проблема починається тоді, коли користувач не знає, де закінчилися дані камери і почалося припущення алгоритму. Як отримати більш «чесне» фото Якщо важлива саме достовірність зображення, варто використовувати мінімальну кількість AI-обробки. На Samsung можна вимкнути Scene Optimizer. Для важливих знімків краще зберігати RAW, якщо смартфон підтримує цей формат. RAW ближчий до даних сенсора і дає більше контролю над подальшою обробкою. Також варто обережніше ставитися до максимального цифрового зуму та автоматичних режимів на кшталт Supermoon. Особливо якщо фотографія має бути доказом того, що насправді було перед камерою. Чому це важливо Смартфонна камера більше не завжди є пристроєм, який просто записує реальність. Вона дедалі більше стає системою, яка інтерпретує її. Для повсякденних фотографій це переважно перевага. Але в ситуаціях, де важлива точність — документи, номери, далекі об’єкти, наукові спостереження або журналістські матеріали — надмірна AI-обробка може створити проблему. І це, ймовірно, лише початок: дослідники вже працюють над методами, які дозволять визначати, які деталі на зображенні були отримані з реального сигналу, а які могли бути «домальовані» генеративною моделлю. Повідомляє NNews із посиланням на Samsung, Apple, Google та матеріали дослідників, представлені на CVPR 2026. Чому це важливо Чим розумнішими стають камери смартфонів, тим менше фінальна фотографія схожа на необроблений запис із сенсора. ШІ може не лише прибрати шум чи підвищити різкість, а й реконструювати деталі, яких камера не змогла побачити. Тому надалі питання «це справжня деталь чи результат роботи алгоритму?» стане таким же важливим, як мегапікселі та оптичний зум.

Австралія залучила американську інженерну компанію Amentum та британську Laing O’Rourke до створення нового суднобудівного комплексу в Осборні, де країна планує будувати атомні підводні човни за програмою AUKUS. Це один із найважливіших етапів переходу Австралії від планів щодо ядерного флоту до створення власної промислової бази. Про це повідомляє NNews із посиланням на Amentum. У Південній Австралії збудують спеціальний комплекс Новий об’єкт розташують на території Osborne Naval Shipyard поблизу Аделаїди. Австралійська Naval Infrastructure призначила консорціум Amentum та Laing O’Rourke партнером із реалізації проєкту. Компанії працюватимуть у складі Integrated Delivery Office та допомагатимуть координувати будівництво, питання безпеки, логістику, введення об’єктів в експлуатацію і взаємодію з підрядниками. Особливість проєкту в тому, що йдеться не просто про чергову верф. Австралія створює інфраструктуру, яка має працювати з ядерними підводними човнами протягом десятиліть. Amentum уже має значний досвід у ядерній галузі. Компанія заявляє, що понад 50 років підтримує програми США та Великої Британії, пов’язані з атомними підводними човнами. Які підводні човни будуватиме Австралія Верф призначена для майбутніх SSN-AUKUS — атомних підводних човнів, які Австралія розробляє спільно з Великою Британією та США. Це будуть підводні човни з ядерною силовою установкою, але без ядерної зброї. Очікується, що їхня водотоннажність становитиме близько 10 000 тонн. Для порівняння, це вже зовсім інший масштаб у порівнянні з традиційними дизель-електричними підводними човнами. Ядерна силова установка дозволяє тривалий час залишатися під водою без необхідності регулярно спливати для поповнення запасів енергії. Саме ця характеристика робить атомні підводні човни особливо цінними для патрулювання величезних акваторій Індо-Тихоокеанського регіону. AUKUS переходить від дипломатії до будівництва Угода AUKUS між Австралією, США та Великою Британією тривалий час була насамперед стратегічним і політичним проєктом. Тепер її результатом поступово стають конкретні заводи, технології, навчальні програми та ланцюги постачання. Для Австралії це особливо важливо, оскільки країна раніше не експлуатувала власний флот атомних підводних човнів. Створення верфі означає необхідність одночасно сформувати нову інфраструктуру, підготувати спеціалістів, створити систему контролю ядерної безпеки та вибудувати локальний ланцюг постачання. Саме тому проєкт значно складніший за звичайне будівництво суднобудівного підприємства. США фактично допомагають створити нову галузь Залучення Amentum має стратегічне значення. Компанія працює не лише з інженерією, а й із ядерними технологіями, безпекою та складними оборонними проєктами. В Австралії Amentum уже працює з урядом країни у сферах оборони, ядерної енергетики та критичної інфраструктури. У майбутньому Osborne має стати центром австралійської програми атомних підводних човнів. Для США це також вигідно: поява ще однієї країни зі здатністю створювати та обслуговувати атомні підводні човни посилить промислову й оборонну взаємодію союзників у регіоні. Чому це важливо AUKUS поступово створює не просто новий флот, а цілу промислову екосистему. Австралії доведеться десятиліттями підтримувати виробництво, ремонт і модернізацію атомних підводних човнів. Для цього потрібні тисячі кваліфікованих працівників, спеціалізовані компанії та нові стандарти ядерної безпеки. Тому будівництво верфі в Осборні можна розглядати як один із фундаментальних елементів майбутньої військово-морської стратегії Австралії. Цікавий факт: Австралія стане першою країною, яка отримає американські атомні підводні човни за новою моделлю партнерства, одночасно створюючи власну промислову спроможність для будівництва наступного покоління SSN-AUKUS.

Надгробний пам’ятник має витримувати не один сезон, тому під час його вибору важливі не лише форма та зовнішній вигляд, а й властивості каменю, якість обробки та надійність конструкції. Для багатьох родин ціни на пам’ятники в Вінниці є одним із критеріїв пошуку, проте порівнювати пропозиції варто з урахуванням комплектації та технології виготовлення. Форма та комплектація пам’ятника Конструкція надгробка залежить від кількості поховань, розміру ділянки та побажань родини. Найпоширеніші рішення — одинарні та подвійні моделі. Перші розраховані на одне поховання, другі створюють для двох людей або сімейних поховань. Типовий комплект може складатися зі стели, основи та квітника. За потреби до нього додають плиту, вази, лампадки, декоративні елементи або інші вироби. Сьогодні гранітні пам’ятники в Вінниці можуть мати як стриману класичну форму, так і складніший дизайн. Стела буває прямою, вигнутою, фігурною, із декоративними вирізами чи комбінацією кількох видів каменю. Особливу увагу варто приділити пропорціям. Велика кількість декору не завжди робить виріб кращим. Набагато важливіше, щоб стела, напис, портрет та додаткові деталі утворювали цілісну композицію. Один із практичних варіантів для індивідуального поховання — одинарні пам’ятники з граніту. Вони представлені у різних розмірах і стилях, тому конструкцію можна підібрати відповідно до площі ділянки та загального оформлення місця поховання. Як виготовляють меморіальні вироби Виробничий процес починається з вибору матеріалу та затвердження майбутньої моделі. Якщо використовується готовий дизайн, погоджуються розміри, вид каменю та комплектація. Для індивідуального замовлення спочатку створюють макет або візуалізацію. Далі кам’яну заготовку розкроюють відповідно до технічних параметрів. На наступних етапах формують деталі, обробляють краї, шліфують і полірують поверхню. Художнє оформлення виконується окремо. На стелі можуть розміщуватися портрет, ім’я, дати життя, пам’ятний напис, хрест, орнамент або інша символіка. Для тексту та зображень застосовують гравіювання, а також фотокераміку чи накладні елементи. Якість готового виробу залежить від точності на кожному етапі. Важливі рівність поверхонь, симетрія деталей, акуратність фасок, чіткість зображення та якість полірування. Після завершення виробництва всі елементи перевіряють перед доставкою. Не менш важливе професійне встановлення. Для стійкості конструкції необхідно правильно підготувати основу, встановити та вирівняти всі частини, надійно зафіксувати стелу. Помилки на цьому етапі можуть вплинути на довговічність навіть якісного кам’яного виробу. Що впливає на кінцеву вартість Вартість надгробка формується з декількох складових. Основні з них — порода каменю, габарити, товщина деталей, складність форми та кількість елементів у комплекті. Також на підсумкову суму впливають художні роботи. Простий напис і складне портретне гравіювання потребують різного обсягу роботи. Те саме стосується нестандартних форм, декоративних деталей та комбінування різних видів каменю. Тому ціна пам’ятника в Вінниці не може визначатися лише за розміром стели. Під час вибору варто уточнити, що саме входить у комплектацію: основу, квітник, художнє оформлення, доставку та монтаж. Ще один важливий момент — можливість замовити готову модель або створити виріб за індивідуальним ескізом. Готові рішення дозволяють швидше визначитися з конструкцією, тоді як авторський проєкт дає більше свободи у формі, розмірах та оформленні. Правильно підібраний натуральний камінь, точна обробка та професійне встановлення — три складники, від яких безпосередньо залежить практичність меморіального виробу. Саме комплексний підхід дозволяє отримати пам’ятник, який збереже форму, чіткість деталей та охайний вигляд протягом багатьох років.

Вчені вперше продемонстрували, що звичайне сонячне світло може безпосередньо використовуватися для створення квантово-заплутаних фотонів. Раніше для такого процесу зазвичай застосовували лазери, а новий підхід потенційно може зробити квантові технології простішими та енергоефективнішими. Дослідження провели фахівці Університету Оттави в Канаді та Інституту науки про світло Макса Планка в Німеччині. Результати опубліковані в журналі Optica, повідомляє NNews із посиланням на Optica. Сонце замість лазера Квантова заплутаність виникає, коли два фотони отримують взаємопов’язані квантові властивості. Вимірювання одного з них пов’язане зі станом іншого навіть після їхнього розділення. Цей ефект розглядають як основу майбутніх систем квантового зв’язку, надточних сенсорів та квантових обчислень. Традиційно для генерації заплутаних фотонів використовують лазер. Його перевага — висока когерентність: світлові хвилі мають добре узгоджені властивості. Сонячне світло поводиться зовсім інакше. Воно містить широкий спектр довжин хвиль і поширюється в різних напрямках, тобто є просторово та часово некогерентним. Саме тому можливість отримати з нього квантову заплутаність тривалий час викликала сумніви. Як вчені змусили сонячне світло працювати Дослідники зібрали сонячне світло за допомогою великої лінзи Френеля розміром приблизно з вікно. Після цього спеціальний конічний концентратор стискав потік світла та спрямовував його в оптичне волокно завтовшки приблизно з людську волосину. Сконцентроване світло потрапляло на нелінійний кристал. Там відбувався процес спонтанного параметричного даун-конвертування (SPDC), під час якого фотони світла взаємодіють із кристалом і породжують пари фотонів із квантовими кореляціями. Ключовим стало не намагання зробити сонячне світло повністю когерентним, а контроль його поляризації — орієнтації коливань електромагнітного поля. Це дозволило фактично «відокремити» потрібну для заплутаності властивість від хаотичності сонячного світла. Заплутаність підтвердив тест Белла Експеримент показав, що отриманий квантовий стан приблизно на 94% відповідав ідеальному заплутаному стану. Крім того, фотони продемонстрували порушення нерівності Белла — одного з ключових експериментальних критеріїв, який свідчить про квантове, а не класичне походження їхніх кореляцій. Це важливий момент: вчені не просто отримали незвичайну кореляцію між фотонами, а експериментально підтвердили саме квантову природу цього зв’язку. Чому це може змінити квантові технології Найцікавіше застосування може бути пов’язане з космосом. Супутники потенційно зможуть використовувати сонячне світло для генерації заплутаних фотонів і створення захищених ключів шифрування, не встановлюючи на борту потужні лазери та частину допоміжного обладнання. Це особливо цікаво для систем, де маса, енергоспоживання та складність апаратури мають критичне значення. У перспективі подібний підхід також може допомогти масштабувати фотонні квантові технології без пропорційного збільшення енергетичних витрат. Але до «квантового пристрою на сонячній батареї» ще далеко Дослідники поки не створили готовий компактний пристрій, який можна встановити на супутник або використовувати в польових умовах. Йдеться про proof-of-principle — демонстрацію принципової працездатності концепції. Наступні завдання полягають у збільшенні яскравості джерела заплутаних фотонів та покращенні якості заплутаності. Тобто сонячне світло поки не замінює лазери у квантових системах. Однак експеримент показав, що сама вимога високої когерентності світла для створення заплутаності не є настільки фундаментальною, як вважалося. Цікавий факт Команда використовувала сонячний концентратор, який збирав світло великою лінзою Френеля, а потім спрямовував його в оптичне волокно приблизно завтовшки з людську волосину. Саме так величезний і «хаотичний» потік сонячного світла вдалося підготувати для роботи з крихітним нелінійним кристалом. Чому це важливо Відкриття змінює уявлення про те, яке світло можна використовувати як джерело квантових ресурсів. Якщо технологію вдасться зробити ефективнішою та компактнішою, сонячне світло може стати дешевим природним джерелом для квантової оптики — від супутникового зв’язку до сенсорів і майбутніх квантових систем. Наукова робота Cheng Li та співавторів «Generating quantum entanglement from sunlight» опублікована в Optica, 2026, DOI: 10.1364/OPTICA.601797.

NASA продемонструвала систему FALCON, яка дозволяє космічному апарату визначати власне положення на орбіті без GPS. Замість навігаційних сигналів вона використовує камери супутника, щоб розпізнавати інші космічні об’єкти та порівнювати їх із каталогом відомих орбіт. Для майбутніх місій до Місяця та Марса це може стати важливим кроком: чим далі космічний апарат від Землі, тим менш придатною стає звична модель навігації, заснована на наземній інфраструктурі. Космічний апарат використовує супутники як орієнтири FALCON розробили NASA та компанія EraDrive, заснована на базі Стенфордського університету. Система поєднує програмне забезпечення Era-Core з камерами та бортовими даними місії Starling. Принцип нагадує орієнтування за знайомими об’єктами на карті. Камери Starling фіксують супутники та космічне сміття, після чого система намагається встановити, які саме об’єкти потрапили в поле зору. На борту зберігається каталог приблизно 20 000 космічних об’єктів із прогнозованими орбітами. Порівнюючи спостереження з цими даними, FALCON може розрахувати положення самого апарата. NASA зазначає, що це перша орбітальна демонстрація такого типу автономного оптичного позиціонування. Система не просто визначає положення Під час експерименту FALCON протягом трьох днів без втручання операторів удосконалювала орбітальні оцінки більш ніж 200 об’єктів. Це важливо не лише для навігації. Чим точніше космічний апарат знає, де перебувають сусідні супутники та уламки, тим краще він може оцінювати потенційні зближення та планувати маневри. Для низької навколоземної орбіти, де кількість супутників постійно зростає, така автономність може мати практичне значення для контролю космічного трафіку та уникнення зіткнень. Чому GPS недостатньо для майбутніх місій GPS чудово працює поблизу Землі, але це не універсальна система навігації для всього космосу. Під час польотів до Місяця або Марса космічним апаратам не можна розраховувати на GPS так само, як супутнику на низькій навколоземній орбіті. Крім того, для віддалених місій дедалі важливішою стає здатність апарата самостійно приймати рішення без постійних команд із Землі. Саме на це спрямована програма Starling. NASA використовує чотири CubeSat, щоб відпрацьовувати автономну взаємодію, навігацію та координацію супутникового рою. Місію запустили 17 липня 2023 року. Наступний крок — навігація цілим роєм NASA планує розширити експеримент, змусивши чотири апарати Starling обмінюватися даними про побачені об’єкти. У такому сценарії супутники зможуть не лише визначати власне положення, а й колективно уточнювати інформацію про навколишній космічний простір. Це особливо цікаво для майбутніх супутникових роїв біля Місяця. Кілька невеликих апаратів зможуть працювати як єдина система, обмінюючись спостереженнями та координуючи свої дії без постійного керування із Землі. NASA вже демонструвала на Starling інші технології автономної роботи рою, включно з обміном даними між апаратами та автономним плануванням. Чому це важливо FALCON показує напрямок, у якому розвиватиметься космічна навігація: майбутнім апаратам може бути достатньо власних камер, обчислювальної системи та карти навколишнього простору, щоб самостійно визначати, де вони перебувають. Це зменшує залежність від наземної інфраструктури та відкриває можливості для більш автономних місій до Місяця, Марса та інших віддалених цілей. Цікава деталь: Starling спочатку створювали не як систему навігації за супутниками, а як платформу для випробування технологій взаємодії космічних апаратів у рої. Тепер ті самі камери, які допомагають супутникам «бачити» навколишній простір, використовують ще й для визначення їхнього положення. Джерело: повідомляє NNews із посиланням на NASA.

Американська Raytheon отримала семирічний контракт на $22,9 млрд, який має радикально збільшити виробництво крилатих ракет Tomahawk — понад 1000 одиниць на рік. Ще на початку 2026 року компанія планувала довести темп виробництва до цього рівня, але тепер масштабування отримало багаторічне фінансування. Повідомляє NNews із посиланням на Reuters. Виробництво Tomahawk зросте у рази За даними Reuters, нинішній темп виробництва Tomahawk для США становить близько 60 ракет на рік. Новий контракт передбачає перехід до понад 1000 ракет щороку. Це означає потенційне збільшення темпів більш ніж у 16 разів порівняно з нинішнім американським рівнем. Raytheon уже нарощує випуск. У першій половині 2026 року RTX поставила втричі більше Tomahawk, ніж за аналогічний період 2025-го. Чому США різко нарощують запаси Tomahawk залишається одним із ключових засобів далекого високоточного удару ВМС США. Ракети запускаються з кораблів і підводних човнів та здатні уражати цілі на відстані близько 1000 миль — приблизно 1600 км. Для Вашингтона питання зараз не лише у створенні нової зброї, а й у швидкому поповненні запасів уже перевірених систем. Саме тому Пентагон укладає багаторічні угоди з виробниками. Гарантований попит дозволяє компаніям вкладати гроші у заводи, обладнання, персонал і ланцюги постачання. У виробництво залучать сотні компаній Збільшити випуск у понад 16 разів лише за рахунок фінальної складальної лінії неможливо. Raytheon планує розширювати виробничі потужності та штат, а до програми залучатимуть сотні малих і середніх американських постачальників. Це важливий момент: для масового виробництва складної ракети необхідно одночасно збільшувати випуск великої кількості компонентів. Вузьке місце на будь-якому етапі може сповільнити всю систему. RTX раніше повідомляла, що інвестувала $2,6 млрд у розширення виробничих потужностей, зокрема для критично важливих боєприпасів. Tomahawk — далеко не нова зброя Попри десятиліття експлуатації, Tomahawk не втратила значення. За даними Raytheon, ракету випробовували понад 550 разів, а в бойових умовах її застосовували більш ніж 2300 разів. Її головна перевага — поєднання великої дальності, точності та можливості запуску з різних платформ. Саме тому США роблять ставку не лише на нові системи, а й на масштабування виробництва вже відпрацьованої технології. Чому це важливо Новий контракт показує, наскільки сильно змінилася американська стратегія виробництва озброєнь. США переходять від відносно невеликих серій до значно більших темпів випуску далекобійних боєприпасів. Для Tomahawk це означає появу стабільного виробничого потоку понад 1000 ракет на рік. Для Raytheon водночас виникає складніше завдання: збільшити швидкість виробництва без втрати надійності системи, яка використовується американськими військовими вже десятиліттями. Цікавий факт: у лютому 2026 року RTX оголосила, що за семирічними угодами з Пентагоном планує збільшити виробництво не лише Tomahawk, а й AMRAAM до щонайменше 1900 ракет на рік та SM-6 — понад 500 одиниць.

Данська технологічна компанія ATLANT 3D представила NANOFABRICATOR® PRO — платформу для виготовлення мікро- та наноструктур із контролем матеріалу на атомному рівні. Технологія може скоротити шлях від комп’ютерного прогнозу нового матеріалу до його реального створення та перевірки. Повідомляє NNews із посиланням на ATLANT 3D. Від прогнозу ШІ до реального матеріалу Штучний інтелект уже здатен прогнозувати матеріали з потрібними властивостями. Проблема в іншому: перспективну формулу ще потрібно фізично створити, а потім перевірити, чи поводиться вона так, як передбачила модель. NANOFABRICATOR® PRO створена саме для цього етапу. Платформа використовує технологію Direct Atomic Layer Processing (DALP®), яка дає змогу наносити матеріали безпосередньо на потрібні ділянки поверхні з атомним контролем. Фактично компанія намагається замкнути цикл: ШІ → прогноз → фізичне виготовлення → вимірювання → нові дані для досліджень. Чим ця технологія відрізняється від звичайного виробництва Традиційне виготовлення мікроелектроніки часто передбачає фотолітографію, нанесення матеріалів, травлення та низку інших етапів із використанням спеціалізованого обладнання. DALP® використовує мікрореактор, який доставляє прекурсори безпосередньо до потрібної області. За даними ATLANT 3D, технологія може працювати без вакууму та поєднувати точність атомно-шарового осадження зі швидшим локальним нанесенням. Це важливо для експериментів із новими матеріалами, коли дослідникам потрібно швидко змінювати склад, товщину або геометрію структури. Платформа працює не лише з одним матеріалом NANOFABRICATOR® PRO розрахована на роботу з кількома матеріалами в одному процесі. На сайті компанії зазначено, що система може працювати максимум із шістьма матеріалами, із шириною лінії до 100 мкм і зразками розміром до 8 дюймів. Швидкість нанесення заявлена до 500 мм/с. ATLANT 3D також заявляє, що її DALP® вже тестувалася з понад 450 матеріалами. Серед прикладів — оксиди, метали та напівпровідникові матеріали. Чому це важливо для майбутніх чипів Найцікавіше застосування — не просто виробництво окремих наноструктур, а прискорення пошуку нових матеріалів для напівпровідників, квантових пристроїв, фотоніки та передового пакування чипів. Коли фізичний експеримент можна провести швидше, дослідники отримують більше даних для наступних моделей ШІ. Це нагадує лабораторію, де алгоритм не лише пропонує наступний експеримент, а й отримує від обладнання результат попереднього. ATLANT 3D уже демонструвала практичне використання DALP® у наукових роботах. Наприклад, у дослідженні 2026 року технологію застосували для локального нанесення ZnO зі зміною товщини шару з точністю приблизно до одного циклу ALD — близько 0,2 нм. Наступний крок — автономна фабрика матеріалів Компанія хоче розвинути цю концепцію до A-HUB — середовища, у якому автоматизація, вимірювання та виготовлення матеріалів працюватимуть разом. Ідея полягає в тому, щоб ШІ знаходив перспективні матеріали, NANOFABRICATOR створював їх, а вбудовані вимірювання одразу показували результат. Отримані дані потім можна використовувати для наступного циклу пошуку. Якщо така система стане достатньо автоматизованою, експерименти з новими матеріалами можуть перейти від повільного ручного процесу до значно швидшого циклу «запропонувати — виготовити — перевірити». Чому це важливо Для напівпровідникової галузі проблема вже давно полягає не лише в тому, наскільки маленькими можна зробити елементи чипа. Не менш важливим стає пошук нових матеріалів і способів їх точного нанесення. NANOFABRICATOR® PRO намагається вирішити саме цю проблему — зробити атомно точне виробництво частиною швидкого експериментального циклу. Цікавий факт: DALP® використовує локальне нанесення матеріалу замість рівномірного покриття всієї поверхні. Це дозволяє буквально «малювати» матеріалом на мікрорівні без традиційної фотомаски.