В 2021 году японский композитор Рьюичи Сакамото вновь оказался на грани жизни и смерти. Одолев рак гортани 6 лет назад, в этом году он прошел операцию от колоректального. “Теперь мне предстоит жить с раком всю оставшуюся жизнь. И все же я надеюсь, что у меня осталось еще чуть-чуть времени для написания музыки.”

Если бы не было ни The Last Emperor, ни Forbidden Colors, ни Wurthering Heights, ни Tong Poo, я считаю, что жизнь Сакамото все равно была бы ненапрасной, потому что в отличие от большинства людей, кто приходит в этот мир и уходит из него бесследно, он создал нечто безупречное - Energy Flow.

В выбранных обращениях аккордов и оттенках, созданных добавленными ступенями, которые он смог подобрать, идеально все.

Вроде бы все так просто и минималистично, а попробуйте сами создать что-то подобное! Это невозможно, если нет “разгона” - огромного опыта сочинения и арранжировки десятков других, может быть, не таких совершенных вещей.

К разговору о всеобщей (?) ценности искусства

Я не уверен, что воздействие музыки достаточно однородно даже в пределах одного вида. А уж между видами, похоже, что оно рознится еще сильнее. Поделюсь наблюдением.

Моя сестра любила проводить с бабушкиной собакой следующий эксперимент (или, точнее будет сказать, что это бабушкина собака очень любила проводить следующий эксперимент с сестрой):

У сестры была диатоническая губная гармошка (то есть гармошка, способная воспроизводить ноты только из одной тональности, и с ней было особо не разгуляться с мелодиями, которые на ней можно было сыграть). Ввиду ограниченности возможностей, сестра играла на ней простенькую конфедератскую мелодию “Oh! Susanna”. Мне кажется, что человеком эта вещица однозначно воспринимается как веселая (и несколько придурковатая, откровенно говоря).

Но надо было видеть, какой эффект это производило на собаку - довольно крупную дворняжку с примесью чего-то боксерского. У нее начинало часто колотиться сердце, собака принимала совершенно трагический вид и принималась самозабвенно выть в потолок.

Это действо явно доставляло ей удовольствие: видя, что сестра держит в руках гармошку, она подходила к ней, поскуливала и трогала ее лапой с просящим видом. На мой взгляд, тембр губной гармошки вносил определяющий вклад в создание этих эмоций (то есть если сыграть ту же мелодию на фортепиано или гитаре, собака так не реагировала). Однако, если на гармошке играть какофонию, эффекта тоже по-моему не наблюдалось.

А с другой стороны мне вспоминается золотистый ретривер Бейли, которая явно реагировала на исполнение фанка ее хозяином совершенно так же, как и я - улыбаясь и покачиваясь в ритм.

Мне в юности (как и Наталье Кончаловской) казалось, что человек, у которого как минимум не учащалось бы сердцебиение от прослушивания вещей Эдуарда Артемьева вроде “Своего среди чужих…”, “Девочки и дельфина”, “Рабы любви” или “Сибириады”, либо глухой, либо мертвый. Но, думаю, это максимализм, такие люди тоже есть, и вполне неглупые. Есть ли в канале кто-нибудь, на кого музыка Артемьева не действует?

Мишустин и компания, видимо, решили поделиться с “правильными” компаниями медицинскими данными россиян: https://regulation.gov.ru/projects#npa=121407. Дата окончания общественного обсуждения - 27 октября 2021 г.

Вполне очевидно, что закончится это так же, как заканчивается у нас всегда.

Спустя полтора года после ковидной истерики жадность на рынках снова уничтожила страх. Биткойн бьет все рекорды. Развивающиеяся рынки снова на коне.

Наш ЦБ только что в очередной раз сильно поднял ставку, стараясь обуздать инфляцию, и обозначил возможность поднять ее еще на 1% до 8.5% в пике. Правда, брошь Набиуллиной мы еще не видели.

С учетом этого, а также отсутствия краткосрочных политических рисков, космических цен на нефть и газ и наличия привлекательных технологических и финансовых компаний, акции которых стремительно растут, складывается впечатление, что рубль может сходить и заметно ниже 70.

И все бы хорошо, но в это время где-то в Китае пустыми стоят 65 миллионов квартир (то есть каждая пятая), купленных 200 миллионами богатых китайцев в инвестиционных целях. Китайские девелоперы продолжают строить недвижимость в космических масштабах, потому что им нужно отдавать кредиты, а вот желающих покупать эти квадратные метры, похоже, уже не осталось.

Сегодня пронесло с облигациями Evergrande, в последний момент дефолта удалось избежать. Но меня поражает все-таки, как рынки совершенно игнорируют этот риск. Общий долг Evergrande составляет $300 миллиардов (это годовой бюджет РФ), незаконченными стоят 800 проектов, а общий долг всех китайских застройщиков оценивают в $5 триллионов (это 3 годовых ВВП России и треть ВВП самого Китая). Я понимаю в китайской экономике гораздо меньше, чем хотелось бы, но меня эти цифры впечатляют.

Так что закупая продолжающие бить рекорды акции и крипту, стоит иногда поглядывать на восток.

На выходных я посмотрел распределение капитала, кривую Лоренца, индекс Gini и демографию Китая, чтобы понять, насколько системным является кризис девелоперов во главе с Evergrande, и есть ли кому покупать жилье в Китае.

Почему это вообще интересно? Потому что размеры долга китайских строителей колоссальны, и их кризис потенциально мог бы перекинуться на всю мировую экономику - а в кризис дешевеют нефть и газ, инвесторы бегут с развивающихся рынков, валятся акции и рубль… - мы с вами это очень хорошо почувствовали бы.

Итак, доход на душу населения в Китае все еще невысок, но быстро растет. Точная цифра рознится - в диапазоне от 11 тысяч долларов до 17.5 тысяч евро в год (официальная статистика китайского “росстата” говорит о средней зарплате ~$700 в месяц как у нас).

При этом около 550 миллионов из 1.4 миллиардов китайцев - это нищее деревенское население, которое в 2.5 раза беднее горожан и имеет средний доход на душу что-то вроде $4000 в год (в то же время премьер Ли Кэцян говорил о 600 миллионах человек, имеющих годовой доход менее $2000). Численность сельского населения быстро снижается - по 15 миллионов человек в год - однако, такими темпами вывозить китайца из деревни КПК будет еще лет 25.

Стремительный рост экономики в целом привел к росту неравенства. Индекс Gini по доходам вроде как слегка снижался с 0.49 в 2010 до 0.46 в 2020 (индекс больше 0.4 говорит о высоком уровне неравенства), но индекс Gini по капиталу довольно высок и составляет около 0.7. В стране - более 5 миллионов долларовых миллионеров, а богатейший 1% населения, т.е. 14 миллионов человек, владеет более чем 30% национального богатства - это больше, чем имеет беднейшая половина - и в этом нет ничего дикого, в большинстве капиталистических стран примерно так же).

Очень круто, что средний класс с доходами $15k-75k в год, который свободно может сберегать по 30-50% дохода в год (и делает это - сумма депозитов населения равна половине ВВП), очень быстро расширяется и составляет уже 340 миллионов человек по данным HSBC. Ожидается, что к 2025 его представителей станет 500 миллионов. Рост настолько стремительный, что исследования экономики от 2015 года, уже полностью потеряли актуальность.

Цены на квартиры похожи на московские. Как и у нас “трешка” 80 квадратов стоит порядка $200-300k. Как и у нас, в Китае в районе 2000 года прошла приватизация, в ходе которой владельцы жилья оформили свои квартиры в собственность. Как и у нас, при зарплате медианного горожанина в $1000 это жилье не потянуть. Похожи на наши и цены на аренду, транспорт, коммуналку и еду. В отличие от нас, китайцы чаще занимают у обширной сети родственников, чем у банков (а про любовь этих родственников к накоплению я уже говорил), и в 15% случаев вообще выкупают жилье сразу, не влезая в ипотеку.

Китай во-многом похож на нас и по демографическим показателям. Демографическая пирамида подобна нашей: опора экономики - это миллениалы 1985-1990 годов рождения и их шефы-иксы 1965-1970 (у нас этот второй пик лет на 5 постарше - скорее младшие бумеры 1960-1964). Катастрофического провала рождаемости, как у нас в 1990-2000-ые, у китайцев нет, но заметный спад есть. Платежеспособный китайский средний класс, как всякий другой средний класс, потребляет, стареет и мало рожает.

Итак, с этими данными мы уже можем осязать масштаб проблем китайских девелоперов.

Evergrande предстоит сдать 800 объектов, скажем, по 1000 квартир каждый, ценой $300k каждая. Это примерно миллион-другой квартир для 5 миллионов человек, что составляет как раз долг в $300B.

Все девелоперы Китая вместе взятые, если верить аналитикам Nomura, должны в 15-20 раз больше, более $5 триллионов. Эта цифра тоже “бьется” с тем, что площадь строящегося жилья составляет около 9 миллиардов квадратных метров - тоже примерно для 50-100 миллионов человек. Вроде бы 160 миллионам новоиспеченных представителей среднего класса, которые должны народиться в течение ближайших 5 лет, и предстоит взять в ипотеку это жилье (и даже выплатить ее не за 40 лет, а за 20-25, если продолжится рост зарплат порядка 8-9% в год).

У меня сформировался общий вывод, что порядки всех этих цифр более или менее сходятся, и прямо-таки колоссальных фундаментальных проблем не видно. Ну, разве что оценки темпов роста очень оптимистичны, их поддержаение требует очень хорошей системы образования для подготовки квалифицированных кадров, но даже тогда быть уверенными, что рост не замедлится, нельзя.

Кажется, что проблемы долга китайских застройщиков все-таки носят скорее локальный характер, глобально же будущее Китая выглядит впечатляюще, и рост масштабов строительства соответствует росту экономики в целом.

Напрямую положить мировую экономику внешний долг девелоперов не должен - по оценкам Bloomberg, всего лишь $207B облигаций номинированы в долларах. Плюс, они имели мусорные рейтинги, что сдерживало жадность иностранных инвесторов, однако не мешало им очень активно торговаться в 2020, потому что где еще можно было найти доходность в облигациях 8.5% годовых?

В этом плане гораздо опаснее внутренний долг, который на полтора порядка больше внешнего. Возможным виделся сценарий, при котором могла бы “лечь” какая-то системообразующая компания внутри Китая, и потянуть за собой весь китайский рынок, а вот он уже - мировой. Дело в том, что у китайского внутреннего долга есть неприятная особенность, состоящая в том, что зачастую он “серый”. Погуглите “hidden debt”. Все очень непрозрачно, никто кроме инсайдеров не знает величины долга на самом деле. Соответственно, если долг “неофициальный”, то и рефинансировать в кризисной ситуации его приходится неофициально - нельзя просто прийти в ЦБ и взять репо под залог активов. А даже в тех случаях когда можно, мутные заявления китайского ЦБ о участниках репо-сделок можно пытаться трактовать с тем же практическим выхлопом, что Фома Аквинский - теодицею.

Но и здесь я верю, что если замаячит какая-то катастрофа с системообразующими компаниями, сработает принцип “мы все в одной лодке”, и власти очень быстро и тихо зальют ее деньгами, а потом вызовут на ковер виновных и накажут. Китайский ЦБ уже в конце 2020 осознал опасность неконтролируемого роста кредитования девелоперов, и провел так называемые “три красных линии” - требования, которым теперь должна соответствовать компания-застройщик, чтобы получить новый внутренний заем. Надо сказать, что Evergrande нарушает все три, да и ее конкуренты не сильно лучше.

Товарищ Си планирует править вечно (оцените видео про тамошний “обнуляндум”, отменяющий лимит в 2 срока - все делегаты дружно светятся от счастья, говорят, как это демократично концентрировать абсолютную власть в руках одного несменяемого вождя и выдумывают предлоги, чтобы побыстрее удрать от репортера, задающего всякие опасные вопросы).

Власть правящей клики держится на запредельных темпах роста экономики порядка 10-15% в год. Ясно, что чтобы этот рост продолжался, нужно, чтобы платежеспособный спрос догонял растущее предложение. Платежеспособному спросу будет неоткуда взяаться, если от трети до половины населения страны продолжит прозябать в нищете и де-факто не принимать участия в экономике. Вот почему товарищ Си упоминал словосочетание “common prosperity” - читай, курс на снижение социального неравенства - аж 95 раз в 2020-2021.

Это звучит как здравая мысль и хорошо для нас, жителей РФ. Во-первых, из-за структуры мировой экономики устойчивый рост Китая жизненно необходим и для нашего благополучия. Уверенность в светлом будущем Китая позволяет не бояться обвала рынка и продолжать инвестировать в акции, которые гораздо доходнее облигаций и депозитов. Во-вторых, с учетом того, как товарищ Пу любит копировать все, что делает товарищ Си, если побороть бедность получится у Китая, то может и наше руководство попробует китайскими методами выдернуть 88 миллионов взрослых россиян, располагающих капиталом менее $10 000, из их нелегкого положения.

Разгарается сканадльчик с клиническими испытаниями вакцины от Pfizer.

Брук Джексон, бывшая сотрудница компании-субподрядчика Ventavia Research Group, которая проводила клинические испытания вакцины от ковида по заказу Pfizer, обвиняет компанию в фальсификации данных.

Однако, хотя заголовок статьи звучит как обвинения именно в злодействе, предъявленные доказательства к ним свидетельствуют скорее о разгильдяйстве, насколько я могу судить.

Джексон представила доказательства (фотографии на смартфон, аудиозаписи внутренних совещаний сотрудников компании, электронные документы), говорящие о плохом наблюдении за испытуемыми и отсутствии должного реагирования на побочные эффекты (которые должны контролироваться в третьей фазе испытаний), потенциальную де-анонимизацию испытуемых (то есть сотрудники Ventavia, которые имели доступ к не-обезличенным данным пациентов по халатности оставляли идентификаторы пациентов доступными сотрудникам, которые должны были работать именно вслепую только с обезличенными данными, что оставляло возможность для выдачи желаемого результата за действительный), плохие условия хранения вакцин и образцов, ошибки в идентификаторах образцов, общий бардак в лабораторной информационной системе…

Наиболее серьезное обвинение состоит в том, что в начале августа 2020, до того как Джексон была нанята и начались испытания, по документам, у директоров Ventavia имелся чек-лист, в котором стояла задача “разобраться с проблемой в электронном дневнике/модификацией данных” - якобы, трое сотрудников внесли исправления в данные задним числом и не отчитались об этом.

Джексон сообщила о массе нарушений своим шефам в конце сентября и записала совещание на диктофон. В разговоре она сказала что-то вроде “что будет, когда приедет инспекция от FDA?“, и получила ответ “перед проверкой FDA мы получим что-то вроде письменного уведомления, не сомневайтесь”. Утром 25 сентября Джексон написала в FDA о нарушениях в Ventavia, в обед ее уволили с формулировкой “сотрудник нам не подходит”. В итоге проверка от FDA так и не приехала.

Как выяснил журнал BMJ, у FDA настолько скудный бюджет для проведения подобных проверок, что никакого аудита грозный надзиратель практически не проводит даже при получении сигнала о нарушениях от инсайдеров, как в этом случае. Согласно отчету от 2007 лишь 1% всех клинических испытаний между 2000 и 2005 был подвергнут аудиту FDA. В одном случае, когда FDA все-таки отреагировала в 2018-2019, она сделала это спустя 9 месяцев, когда уже поздно было что-то искать.

Слова Джексон о беспрецедентном уровне спешки и количестве нарушений анонимно подтвердили два действующих сотрудника Ventavia, сказав, что за 20 лет их работы в клинических испытаниях такого хаоса и бардака они тоже никогда не видели, и все было не как всегда. Например, у части участников испытания, получивших вакцину, не взяли мазок, потому что не хватало рук (в отчете говорится о 477 таких случаях). Еще целый ряд сотрудников Ventavia уволились или были уволены, Pfizer провела внутренний аудит.

Я 100%-ых свидетельств злонамеренного фола в этой статье не увидел, меня представленная информация даже наоборот скорее убеждает в том, что кривая-косая система фармы все-таки не разложилась полностью. Ясно, что все работы проводились в спешке, как попало и под большим административным давлением. Ожидаема заинтересованность компании в положительном результате испытаний. Думаю, все, кто имел дело с темой ковида в 2020, столкнулись с подобным. Но когда даже в такой критической статье не содержится более серьезных обвинений, это говорит, что дело все-таки не совсем дрянь.

Помните, я ругался, что Мишустин раздает компаниям данные медкарт, гистологий и рентгенов? Есть тут и оборотная сторона, конечно.

Послушал сегодня доклад Ольги Пучковой из Ильинской больницы и Александра Ялунина из AI-лабы Сбера про автоматизацию анализа маммографии.

13% американских женщин сталкиваются за свою жизнь с раком молочной железы - в мире фиксируется порядка 2 миллионов новых случаев в год, из которых более трети до сих пор летальны из-за обнаружения на поздней стадии. Согласно шведской статистике скрининг за последние 30 лет спас порядка 60% пациенток.

Российский рентгенолог за 6 часов рабочего дня успевает посмотреть где-то на 20 снимков, его нидерландский коллега - на 350 за 3.5 часа. Нетрудно догадаться, что это не российские врачи такие ленивые. Дело в том, что порядок их работы регламентируется отечественными чиновниками, по чьей милости наши медики большую часть рабочего дня тратят на заполнение разных формуляров.

При таком темпе работы один рентгенолог может посмотреть не более 5000 снимков в год, что при их общей численности в РФ равной 20 тысяч человек означает, что все наши рентгенологи должны по-хорошему только и делать, что смотреть маммографию, и ничего больше. При этом из 1000 снимков только 5-7 содержат патологические изменения, остальные - норма.

Раз на адекватную организацию процессов в медицине надежды нет, на помощь идет автоматизация.

Думаю, все вдоволь наигрались с ruDALL-E, спасибо Алексею Шоненкову из AI-лаборатории Сбера. Так вот, в жизни вместо того, чтобы брать рекуррентный энкодер от GPT и светочный декодер от dVAE (то есть принимать текст и выдавать картинку), обычно ценнее делать наоборот. В качестве энкодера ребята взяли сверточный EfficientNet, а в качестве декодера - рекуррентный Bert, и стали ими глядеть на маммограммы, и выдавать текстовые заключения.

Обучали модель на 25 тысячах маммографических снимков, снабженных клиническими заключениями (в среднем 55 слов каждое), учили распознавать 7 видов изменений (вроде узлов, теней, кальцификатов, фиброза и т.д.).

Bert с вниманием и без пробовали тренировать просто на русскоязычных текстах или на историях болезней, от attention’а и историй болезни был большой выигрыш. Благодаря вниманию еще подсветили врачам, проверявшим результаты, конкретное место на снимках, которое привело нейронку к сделанному ею выводу. Модель доступна в опен-сорсе. Если я правильно понял докладчиков, то уровень ошибок, допускаемых 50 протестированными отечественными радиологами, оказался ниже уровня ошибок нейронки только для 2 врачей (можете сами оценить качество заключения на картинке выше - правда, конференция англоязычная, так что сделан перевод).

EVERGRANDE - теперь официально дефолт!

Bloomberg пишет, что Evergrande произвела два из трёх просроченных платежа по своим облигациям.

Предыдущая новость, которую мы разместили в канале, это, похоже, пустое. Немецкое скрининговое агентство DSMA попыталось таким образом пропиариться.

Сага с Evergrande и китайскими девелоперами продолжается. Риски большие. И с этой стороны может ещё сильно прилететь…

https://www.bloomberg.com/news/articles/2021-11-10/evergrande-said-to-pay-delayed-interest-on-at-least-two-bonds?srnd=premium-europe

Закончился научный день на AI Journey, и я в полном восторге от доклада Ветрова, который по-моему абсолютно интуитивно объяснил двойной спуск, и теперь кажется, что это было почти очевидно.

Что такое двойной спуск вообще? Есть классическая теория машинного обучения, согласно которой с ростом числа параметров модель сначала модель учится, а потом переобучается.

Это как если вы учитесь водить и прорешиваете билеты к экзамену по теории. Если вы прорешаете 50 билетов, то с каждым следующим вы все лучше усваиваете правила дорожного движения, и когда вам дадут новый билет совершенно нового образца, вы его решите лучше, если прорешали 50 билетов, чем если прорешали 40.

Но если вы просмотрели те же 50 билетов 500 раз, вы уже учитесь не правилам дорожного движения, а зазубриваете все билеты и привыкаете в формату экзамена. Если вам дать билет нового формата, вы прорешав обучающие билеты 500 раз справитесь хуже, чем прорешав 50, потому что вы просто их запомнили, а правила уже забыли.

Этот режим описывается левой картинкой выше.

Так вот, для очень жирных нейронок в конце 2010-ых выяснилось, что эта логика почему-то не работает. У них наблюдается двойной спуск. Году в 2018 многие стали замечать, что лучший результат для толстых нейронок достигается, если поставить ее учиться надолго. Она сначала обучится, потом переобучится, а потом снова обучится (правая картинка). Ссылаюсь на классические пост Карпатого, статью Белкина и статью Карпатого (по абсциссе может быть и число параметров, и число эпох обучения).

Этим загадочным явлением заинтересовался ряд машинистов по всему миру, в частности, группа Дмитрия Ветрова. И, кажется, с блеском его раздраконила.

Как мы знаем благодаря Рэдфорду Нилу с середины 90-ых, очень широкий слой нейронки аппроксимирует гауссовский процесс, который в свою является другим языком описания ядерной регрессии. Широченная нейронка вообще мало отличается от линейной модели с гигантским количеством предикторов.

Ядерная регрессия - это что такое? Это такой волшебный трюк, когда мы генерируем из конечного количества признаков бесконечное пространство их комбинаций. Например, мы хотим предсказать вес человека, зная предикторы - его рост и окружность талии. Интуитивно ясно, что вес примерно равен рост*(окружность талии)^2. Обычная линейная регрессия такую зависимость не найдет.

Поэтому используют ядра, которые генерируют нам из этих 2 базовых предикторов (талии и роста) бесконечное количество разных их комбинаций (например, всевозможные их степени, произведения и т.п.), и вот уже эти хитрые составные предикторы подаются на вход регрессии.

Поскольку предикторов бесконечное число, можно подобрать бесконечное же число способов описать конечное количество данных обучающей выборки ими. Это похоже на то, как Михаэль Шумахер в формуле-1 славился избыточной поворачиваемостью колес. Пока колеса можно поворачивать под самыми безумными углами, крутой гонщик может миллионом траекторий “обтечь” обучающую выборку и переобучиться.

Как же выбрать из всех возможных траекторий ту, которая лучше сработает на новых данных? Ответ - нужно брать ту, которая более гладкая - она обычно лучше опишет и новые данные. (ну, кроме того, если посмотреть со стороны линала и численных методов просто необходимо регуляризовывать сингулярную матрицу Грама, чтобы найти ее обратную, но это уже технические детали).

Поэтому в функцию потерь вносят второй компонент - регуляризацию, которая запрещает колесам поворачиваться под этими безумными углами, и как бы утяжеляет машину формулы-1, исключая резкие зигзаги. Функции, которые разрешено находить, становятся гораздо более гладкими, и получившаяся модель лучше обобщает.

Так получается, что функция потерь состоит из 2 компонент. Первая и более жирная компонента - это ошибка на тестовой обучающей выборке. Вторая компонента - это регуляризация весов.

И теперь ясно, почему перепараметризованные нейронки дают двойной спуск по времени. На первой фазе двойного спуска нейронка ищет любую функцию, которая идеально описывает данные. Довольно быстро приближается к ней и начинает переобучаться. А на второй фазе уже медленно и постепенно гуляя только по многообразию таких идеальных функций, находит ту из них, которая является наиболее гладкой.

Возможно, я спрямляю углы, поэтому лучше посмотреть доклад Ветрова (прошлогодняя версия), он с кучи других ракурсов изучил этот процесс.

Вынужден признать, что мои посты про скорую смерть закона Мура отчасти некорректны: в каких-то смыслах он мертв с 2006 или 2011, а в каком-то - перешел в другое измерение и живее всех живых.

Дело в том, что когда маркетологи говорят, что чип произведен по техпроцессу 5 нм, это уже нельзя понимать буквально! Это значит, что плотность транзисторов на единицу площади такова, что если бы их делали плоскими, как прежде, то нужно было бы чтобы размер их затвора составлял 5 нм, чтобы добиться такой же плотности.

Смысл маркетингового понятия техпроцесса менялся с годами. Поначалу, с 1972 по 1995, маркетинговый техроцесс отражал длину затвора транзистора. С 1997 по 2009 Intel принялся немного прибедняться: транзистор, продававшийся под брендом 250 нм, имел гейт 200 нм и т.д. В районе техпроцесса 45 нм Intel довел размер затвора до минимума, 25 нм, и ±таким он и остался до техпроцесса 22 нм в 2011. С тех пор длина гейта превышает техпроцесс. В техпроцессе “10 нм” затвор имеет длину 20 нм, в “5 нм” - 10.

Просто транзисторы стали трехмерными. Начиная с техпроцесса 22 нм базовым строительным блоком являются не плоские транзисторы, а так называемые плавниковые полевые транзисторы (FinFET), а начиная с “2 нм” техпроцесса в 2024-2025 планируется переход на Gate-all-around FET (GAAFET).

В нынешних FinFET затвор окружает канал между source и drain благодаря трем плавникам, работающим как единое целое (см. видео). С тех пор в длину транзисторы уменьшились несильно, а в высоту - выросли.