В нынешнее время уже очень тяжело отличить реальные изображения от графики, произведенной компьютером. Однако, в ближайшем будущем это будет сделать еще трудней благодаря разработанному исследователями новому алгоритму, позволяющему получить максимальную реалистичность света, отраженного от сложных поверхностей различных материалов, таких, как вода, кожа, стекло и металл. При этом, новый алгоритм выполняет задачу рендеринга приблизительно в 100 раз быстрей, чем любая из существующих подобных систем.

Большинство методов производства компьютерной графики прибегают к искусственному сглаживанию сложных поверхностей для того, чтобы снизить количество вычислений и ускорить процесс обработки. Такие подходы широко использовались в 1980-х годах, когда вычислительная техника обладала малой производительностью, а недостаточная детализация поверхностей позволяла человеку сразу же отличить компьютерную графику от реальных изображений.

Новый алгоритм, разработанный группой профессора Рави Рамамурти (Ravi Ramamoorthi) из Калифорнийского университета в Сан-Диего при содействии специалистов компании Autodesk, позволяет получить более реалистичные результаты благодаря тому, что он разбивает каждый пиксель обрабатываемой сложной поверхности на большое количество так называемых «микроаспектов». Каждый из этих микроаспектов действует как своего рода гладкое крошечное зеркало, отражая свет в определенном направлении. И, совместная работа десятков и тысяч этих микрозеркал позволяет получить реалистичное изображение даже самой сложной поверхности.

Технология разбиения на микроаспекты уже использовалась в некоторых системах рендеринга, но их обработка с достаточной точностью требовала «перемалывания» огромного количества чисел. Новая система, разработанная учеными, уменьшает в 100 раз количество требующихся вычислений и снижает на 40 процентов требования к аппаратным средствам компьютеров, чем требования к компьютерам, необходимым для расчетов технологий, основанных на упрощении и сглаживании поверхностей.

Для расчетов каждого микроаспекта системе требуется вычислить значение так называемого «нормального вектора», который является перпендикуляром к поверхности зеркала. И, зная заранее значение этого вектора, можно точно и быстро рассчитать направление, в котором будет отражать свет от каждого источника данный микоаспект. Виртуальная камера, расположенная в определенной точке сцены, будет воспринимать только те отраженные лучи света, которые попадают в ее объектив.

Традиционно, системы рендеринга вычисляют отражения света последовательно, от каждого пикселя по отдельности., что требует больших вычислительных ресурсов. Однако, калифорнийские исследователи пошли другим путем, они сгруппировали микроаспекты в участки и вычислили приблизительное количество света, отраженное каждым участком в определенном направлении. В результате этого новый алгоритм стал работать в 100 раз быстрее, нежели прежде.

Следующим шагом в развитии нового алгоритма рендеринга станет новая технология представления сложных поверхностей, которая обеспечит получение сверхвысокой разрешающей способности, не требуя, при этом, кардинального увеличения количества вычислений и увеличения объемов используемой памяти компьютера.

Исследователи из университета Аальто (Aalto University) продемонстрировали возможность использования микроволновых сигналов для кодирования информации и использования их в технологиях квантовых вычислений. Для этого они использовали микроволновый резонатор, основанный на чрезвычайно чувствительных измерительных устройствах, известных под названием SQUID (superconductive quantum interference device), охлажденных до температуры, близкой к температуре абсолютного нуля. При такой температуре прекращается тепловое движение любого вида, что соответствует состоянию абсолютной темноты, состоянию, когда в квантовой системе полностью отсутствуют как фотоны света, так и фотоны излучения любого диапазона электромагнитного спектра, включая и микроволновый.

Однако в состоянии абсолютной темноты, называемом еще состоянием квантового вакуума, все же существуют некоторые колебания, порождающие и тут же поглощающие фотоны, существующие лишь в течение очень короткого промежутка времени. И исследователям удалось добиться преобразования этих колебаний в реальные фотоны микроволнового излучения с различными частотами. Это служит демонстрацией того, что абсолютная темнота с квантовой точки зрения — это нечто большее, нежели чем просто отсутствие света.

Дальнейшие исследования показали, что получающиеся фотоны микроволнового излучения являются запутанными на квантовом уровне. «При помощи нашей экспериментальной установки нам удалось получить сложную корреляцию микроволновых сигналов, которой можно управлять и которую можно использовать в своих целях» — рассказывает доктор Паси Лэхтинмэки (Dr Pasi Lahteenmaki) из Лаборатории низких температур университета Аальто, — «Полученные нами результаты указывают на то, что мы можем использовать эти фотоны с разной частотой в технологиях квантовых вычислений. Они могут играть роль, подобную роли отдельных регистров классических компьютеров, регистров, способных выполнять логические и арифметические операции с заключенными в них данными».

В настоящее время учеными из разных стран ведутся интенсивные исследования, связанные с квантовыми вычислениями и разработкой архитектуры квантовых вычислительных систем, но практически все, что было создано за последние годы, основано на использовании фотонов света и принципах оптики. Использование же микроволновых сигналов разных частот является альтернативным методом реализации квантовых вычислений, при помощи которого можно достаточно просто создавать логические элементы и цепочки из них, которые выполняют обработку данных квантовых измерений. Кроме того, использование запутанных микроволновых фотонов позволяет избежать необходимости создания физических квантовых битов, кубитов, что снимает целый ряд ограничений и существенно упрощает структуру квантовых вычислительных систем.

И в заключении следует указать, что в данных экспериментах использовалась установка OtaNANO, основой которой являются ниобиевые сверхпроводящие технологии, разработанные учеными из Технического научно-исследовательского центра VTT, Финляндия, а собственно работа проводилась под патронатом Центра квантовых разработок (Centre of Quantum Engineering) университета Аальто.

«Быть или не быть, вот в чем вопрос» — это не только слова известного монолога из пьесы Уильяма Шекспира «Гамлет», это слова текста, которые подопытная обезьяна «J» напечатала на компьютере при помощи внедренного ей в мозг имплантата, позволяющего управлять движением курсора компьютера. Более того, животные, натренированные для печати «силой мысли», показали рекордную на сегодняшний день скорость реакции (печати), которая составила 12 слов в минуту.

Естественно, что обезьяна «J» и ее «коллега», обезьяна «I», не знали, что они печатают столь знаменитые слова. Эти животные всего лишь перемещали курсор к клавише виртуальной клавиатуры, которая была выделена зеленым цветом, а последовательность клавиш и нажатий на них задавал компьютер, используя введенный в него заранее текст.

Каждой из подопытных обезьян была вживлена в мозг матрица крошечных электродов. Электроды вошли в контакт с нервными тканями в моторной области мозга, отвечающей на движения рук, и они обеспечили снятие электрических сигналов, которые являются отражением деятельности нейронов. После этого обезьяны прошли через процесс дрессировки, научившись двигать курсор на экране при помощи обычного манипулятора «мышь». Камеры тщательно фиксировали все движения, а специализированные алгоритмы достаточно быстро вычислили образы мозговой деятельности, соответствующие каждому виду движений.

После этого животных обучили двигать курсор только «силой мысли». В первое время они продолжали непроизвольно двигать руками, но образы, возникающие в их мозге, полностью совпадали с образами, записанными ранее. Эти записанные ранее образы были использованы в качестве шаблонов для распознавания намерений животного, которые превращались в движение курсора на экране компьютера.

Следует отметить, что своего рода предыдущий рекорд скорости печати «силой мысли» был установлен людьми и составил 6 слов в минуту. А все эти эксперименты проводятся в рамках программы BrainGate, которая нацелена на разработку аппаратного и программного обеспечения, предназначенного для предоставления возможности общения с окружающим миром людям с некоторыми заболеваниями нервного характера.

У данных технологий есть еще множество направлений их совершенствования. К примеру, обезьяны имели возможность «нажимать» только на одну клавишу виртуальной клавиатуры за раз, но будущая реализация подобного интерфейса может использовать технологию автоматического завершения слов, которая широко используется в современных смартфонах.

Проведя успешные испытания созданной ими системы на подопытных животных, ученые из Стэнфордского университета готовят вариант этой системы, предназначенный уже для людей. И, хочется надеяться, что люди, которые примут участие в испытаниях, не ударят в грязь лицом и продемонстрируют более высокие результаты, нежели животные -)).

Используя в своих интересах миниатюрные технологии манипуляции светом на кристалле чипа, группа исследователей из Испании и Италии создала первую интегральную схему, способную генерировать поток случайных чисел при помощи совершенно непредсказуемых явлений квантовой механики. Последовательность случайных чисел является одним из ключевых компонентов некоторых современных систем шифрования, систем сложного вычислительного моделирования. В настоящее время используются два типа генераторов случайных чисел, одни из которых используют компьютерные алгоритмы, а другие — специальные аппаратные средства, аналоговые или цифровые схемы, чувствительные к некоторым параметрам окружающей среды, имеющим непредсказуемый характер поведения.

Несмотря на то, что последовательности чисел, сгенерированные современными средствами, выглядят абсолютно случайно, сложная математическая обработка этих рядов позволяет вычислить функцию корреляции, на основе значения которой можно с большим процентом вероятности предугадать значения следующих чисел в последовательности. И это, в свою очередь, оставляет «лазейку» для взлома систем, использующих такие генераторы случайных чисел.

Поведение систем, которые подчиняются законам квантовой механики, в нынешнее время предугадать не представляется возможным. «Квантовая физика по определению носит непредсказуемый характер» — рассказывает Валерио Прунери (Valerio Pruneri), ученый из Института фотонных наук (Institute of Photonic Sciences), Испания, — «Сейчас нет ни единого способа предугадать значение следующих случайных чисел, полученных квантовым генератором».

Квантовые генераторы случайных чисел существуют на свете уже достаточно давно, на рынке даже представлено несколько типов коммерческих систем. Однако, группа Валерио Прунери создала первый сверхминиатюрный квантовый генератор, чип которого можно использовать даже в конструкции смартфонов и прочих портативных электронных устройств.

Чип квантового генератора может изготавливаться при помощи существующих технологий производства полупроводниковых чипов. За хаотичность квантовой системы на этом чипе отвечает крошечный импульсный лазер из фосфида индия. При накачке ниже определенного предела этот лазер излучает лишь небольшое количество фотонов света со случайным значением их фазы за счет явления непосредственного излучения, т.е. лазер работает как обычный светодиод. Однако, при повышении уровня энергетической накачки этот лазер начинает работать как лазер и его излечение становится более упорядоченным.

Для выделения случайной составляющей, скрытой в фазе фотонов света, импульсы света смешиваются со светом второго лазера из фосфида индия. Разница в фазах смешиваемых импульсов света приводит к возникновению различий в яркости суммарных импульсов, что и регистрируется высокочувствительным фотодатчиком. Такой «квантовый источник энтропии» может использоваться для производства большого количества случайных чисел, скорость потока случайных чисел достигает гигабита в секунду.

Сейчас исследователи работают над интеграцией в чип квантового генератора элементов CMOS-логики, которые будут преобразовывать поток случайных 0 и 1 в числовые значения заданной разрядности, которыми оперирует программное обеспечение вычислительной техники.

В свое время считалось, что в вакууме ничего нет, абсолютно ничего. Никаких частиц, никаких звуков, только пустота и темнота. Но ученые, благодаря открытиям из области квантовой физики, обнаружили, что вакуум постоянно «кипит», во всем объеме, даже в абсолютной пустоте, спонтанно появляются и исчезают субатомные частицы. Этот факт не значит многого, если Вы не ученый-физик, и Вы не собираетесь создавать быстрый и надежный генератор случайных чисел, коэффициент вырождения которого стремится к бесконечно малой величине.

Используя ливень элементарных частиц, возникающих и исчезающих в вакууме, ученые из Австралийского Национального университета создали самый быстрый генератор случайных чисел. С помощью лазера было создано устройство, способное услышать шум «ливня» элементарных частиц, который стал генератором энтропии для алгоритма генерации случайных чисел. При этом последовательность получаемых случайных чисел действительно случайна, т.е. имеет весьма и весьма низкое значение коэффициента вырождения, что может использоваться в тысячах различных задач в области криптографии, шифрования, информационных технологий, компьютерного моделирования и в других сложных задачах.

Большая часть существующих генераторов случайных чисел основана на сложнейших программных алгоритмах. Несмотря на их сложность, алгоритм остается всегда алгоритмом, и если знать функцию и начальные условия работы этого алгоритма можно точно повторить его работу. Другими словами, получаемые с помощью таких алгоритмов случайные числа не совсем случайны, просто они изменяются по закону, неизвестному конечному пользователю.

Но шум вакуума действительно случаен, и это гарантируется теорией квантовой физики, поэтому ряд чисел, получаемый с помощью квантового генератора, абсолютно случаен и непредсказуем. Измеряя шумы вакуума можно генерировать миллиарды числовых значений в секунду, и все, что мешает ученым затопить весь информационный мир случайными числами — это пропускная способность их интернет-каналов.

А для тех, кто нуждается в собственном ряде случайных чисел, сгенерированном новым квантовым генератором, ученые Австралийского университета создали специальный Веб-сервис, который доступен по этому адресу.

Специализированная система искусственного интеллекта AlphaGo, разработанная и обученная специалистами подразделения компании Google DeepMind, одержала третью окончательную победу над 18-кратным чемпионом мира по древней китайской игре Го Ли Седолем (Lee Sedol). Первую победу система одержала после 186 ходов во время матча, проводившегося в среду прошлой недели, а для достижения второй победы в четверг системе AlphaGo пришлось сделать 211 ходов. Третья кряду победа уже делает систему AlphaGo безусловным победителем, хотя два оставшихся матча будут сыграны «ради спортивного интереса».

За победу над чемпионом мира Google DeepMind получит вознаграждение в 1 миллион долларов, которое полностью будет пожертвовано на благотворительность. Ведь целью компании Google не являлось именно получение вознаграждения, система искусственного интеллекта разрабатывалась чисто в практических целях, для ее использования во многих сервисах и приложениях, включая поиск, которые после этого обретут массу новых функций и возможностей.

Игра Го является «крепким орешком» для машинных алгоритмов из-за ее сложности. В ней используется доска, размером 19 на 19 клеток, а число вариантов развития событий исчисляется триллионами триллионов. Для того, чтобы одержать победу над человеком, программисты DeepMind создали цифровую виртуальную нейронную сеть и обучили ее на примерах более 30 миллионов ходов из разных партий. Далее система стала совершенствовать сама себя, играя сама с собой многие миллионы раз. Такой подход кардинально отличается от принципов, на которых была основана система Deep Blue компании IBM, которая в 1997 году сражалась в шахматы с Гарри Каспаровым.

Несмотря на нынешнее успешное выступление системы AlphaGo, подобные системы искусственного интеллекта еще не до конца готовы к их практическому применению. Согласно прогнозам специалистов компании Google, момент, когда искусственный интеллект начнет действительно работать, наступит не раньше, чем через пять лет. А дальнейшие усилия специалистов DeepMind будут следовать идее, что если систему искусственного интеллекта обучить хорошо выполнять некие действия в условиях виртуальной реальности и компьютерных игр, то она также хорошо сможет действовать и в условиях реального окружающего мира.

Согласно имеющейся информации, игра Го стала первой и последней настольной игрой, на которой были сосредоточены их усилия. Демис Хассабис (Demis Hassabis), основатель и руководитель подразделения DeepMind, упомянул об известной компьютерной игре StarCraft, как о следующем «поле деятельности» их систем искусственного интеллекта, которое чуть более приближено к реальности и которое предоставит искусственному интеллекту более широкий выбор выполняемых действий.

Специализированная система искусственного интеллекта, разработанная специалистами компании Google, успешно справилась с задачей самостоятельного изучения задач и действий, выполняемых в компьютерных классических играх-аркадах, работавших на компьютерах Atari 1980-х годов. Более того, за счет эффективного использования заложенных в нее функций самообучения, эта программа овладела игровым процессом в полном совершенстве, потеснив с первых мест таблиц рекордов самых опытных людей-игроков.

Система искусственного интеллекта, имеющая название Deep-G Network (DQN), эмпирически учится на своих ошибках, будучи виртуально поощряемой в случае совершения успешных действий и виртуально наказываемой в случае ошибки. В основу функций самообучения системы DQN легли два различных метода, обучение с подкреплением (reinforcement learning) и глубинное изучение (deep learning). Благодаря комбинации этих двух методов, ИИ имеет возможность изучать цель игры и игровой процесс, анализируя пиксели изображения на экране игрового компьютера.

«Это очень внушительное достижение в области искусственного интеллекта. И его результаты немного пугающие» — рассказывает Стюарт Рассел (Stuart Russell), профессор информатики в Калифорнийском университете, Беркли, и автор более сотни работ, посвященных проблемам искусственного интеллекта, — «Ситуация, в которой оказывается искусственный интеллект, подобно ситуации, в которой оказывается ребенок после появления его на свет. У системы нет никакого понимания происходящего вокруг, она просто «открывает» свои глаза и смотрит, играя в течение нескольких часов в 50 игр на компьютере Atari. Если бы это был ваш ребенок, вы посчитали бы, что он одержим злыми демонами компьютерного мира».

В основу системы DQN легла работа специалистов компании из Лондона DeepMind Technologies, компании, специализировавшейся на создании искусственного интеллекта и выкупленной компанией Google в 2015 году за 400 миллионов долларов. Для обучения своих систем ИИ специалисты компании DeepMind использовали около 2600 игр Atari, которые из-за своей простоты не представляли большой сложности для выяснения цели самой игры и особенностей игрового процесса.

«Нашей конечной целью является создание умных машин» — рассказывал Демис Хассабис (Demis Hassabis), основатель компании DeepMind, — «Но сейчас мы находимся еще на расстоянии нескольких десятилетий от реализации этой идеи. Тем не менее, создание системы DQN является существенным шагом по лестнице к нашей цели. Этим мы показали, что обычные принципы компьютерного самообучения действительно работают и могут связать пиксели на экране с конкретными действиями, что считается одной из самых сложных задач».

Следует отметить, что искусственный интеллект DQN показал всю свою мощь на простых аркадных играх, таких как Breakout, одна из версий Арканоида, Space Invaiders и других, где требуется лишь внимание и хорошая реакция игрока. На играх, в которых уже требуется некоторое воображение, планирование на некоторое время вперед, таких как Seaquest, система DQN полностью провалилась из-за полного отсутствия у нее такого понятия, как абстрактное мышление.

Как уже упоминалось выше, программа DQN черпает все исходные данные из пикселей экрана, которые являются элементами двухмерных проекций двухмерных или трехмерных объектов. Именно эта функция, согласно мнению некоторых экспертов, станет основополагающей в будущих системах искусственного интеллекта.

«Эта возможность является весьма многообещающей для робототехники. Ведь робот, как и система DQN, должен будет суметь сложить свое представление об окружающей среде из пикселей изображений, получаемых его камерами. И на основе полученного представления робот сможет планировать свои действия, нацеленные на выполнение поставленной ему задачи» — рассказывает Марк Ридл (Mark Riedl), профессор информатики из Технологического университета Джорджии, — «Конечно, восприятие и действия в реальном мире намного сложней, нежели компьютерные игры, но все базовые принципы останутся неизменными».

Исследователи из Массачусетского технологического института разработали самообучающуюся систему искусственного интеллекта, которая способна на основе данных ей статических фотоснимков генерировать короткие видеоролики. Можно сказать, что результаты работы этой системы довольно внушительны, некоторые из созданных ею видеороликов демонстрируют достаточно естественные формы движения показанных там объектов.

В процессе обучения система обработала множество видеороликов, разбитых на отдельные категории, «пляж», «ребенок», «игра в гольф» и т.п. Анализ этих видеороликов позволил системе определить их характерные признаки и особенности движений, совершаемых объектами на этих видео. К примеру, на видеороликах, относящихся к категории «пляж», в большинстве случаев видно морские волны, разбивающиеся об берег.

Однако, как и у других подобных алгоритмов, у алгоритма, разработанного специалистами из Массачусетса, существует ряд ограничений. Первым ограничением является длительность создаваемого видеоролика, которая составляет всего 1 секунду. Вторым недостатком является малый размер обрабатываемых изображений, ведь для увеличения размера исходного изображения и, как следствие, результирующего видеоролика, требуется непропорциональное увеличение затрат мощности и других ресурсов вычислительной системы.

Еще одним существенным недостатком работы системы является то, что создаваемые ею видео весьма и весьма нереалистичны. К примеру, видео игры в гольф демонстрируют совершенно нереальные траектории ударов клюшкой и полета мяча. Это происходит потому, что система машинного самообучения демонстрирует только общие формы движения, не задаваясь задачей точного копирования всех особенностей. А на видео из категории «пляж», бьющие в берег волны выглядят так, будто бы их изображения сделаны любительской камерой 90-х годов да с применением некоторых телевизионных спецэффектов.

У специалистов компании Google, которые разрабатывают аналогичные самообучающиеся системы, наблюдаются точно такие же проблемы. Остается только надеяться, что навыки систем искусственного интеллекта со временем разовьются настолько, что в будущем их творения перестанут напоминать работы художников-сюрреалистов.

С примерами работы системы искусственного интеллекта можно ознакомиться на сайте Массачусетского технологического института, где сгенерированные системой видео разбиты по следующим категориям: «Пляж», «Гольф», «Поезд», «Больница» и «Разное». Предупреждаем, что объемы данных страниц весьма велики, каждая страница требует загрузки не менее 100 мегабайт данных.

Несколько лет назад в гонку вооружений был введен новый элемент — энергетическое оружие, поражающее цель при помощи мощных лучей различной физической природы. На вооружении армий некоторых стран уже находятся переносные, мобильные и стационарные лазерные установки, а другие страны ведут разработки собственных видов такого типа вооружения. С учетом появления новых видов высокоэнергетического вооружения возникла необходимость в средствах защиты от него. И одной из первых таких систем активной защиты является лазерная система Helios, предназначенная для установки на беспилотные летательные аппараты или наземные транспортные средства.

Для того, чтобы надежно поразить цель, атакующему лазеру требуется удерживать свой луч сфокусированным на цели в течение нескольких секунд. Система Helios, разработанная компанией Adsys Controls, Ирвин, Калифорния, всеми силами старается помешать атакующему лазеру, используя «ахиллесову пяту» такого вида вооружения — его систему наведения и управления лучом.

Датчик системы Helios обнаруживает луч атакующего лазера и определяет все его основные параметры, такие, как мощность, длина волны, частота следования импульсов и местоположение источника. Ведя ответный огонь светом своего менее мощного лазера, параметры которого подстраиваются под параметры света атакующего лазера, система Helios вмешивается в работу системы наведения атакующего лазера.

Основной тактикой работы системы Helios является «обман» системы наведения атакующего лазера. Она заставляет систему лазера считать, что ее луч уже сфокусирован на цели, в то время как он бьет несколькими метрами в сторону. Такая тактика основана на том, что в случае попадания в цель луча атакующего лазера возникает сильный отраженный сигнал, который улавливается системой наведения. Система Helios лучом своего лазера имитирует отражение от попадания, и в результате этого работа системы атакующего лазера сбивается.

«Из-за этого атакующий лазер не может сфокусироваться и удерживать свой луч на цели» — рассказывает Брайан Голдберг (Brian Goldberg), президент компании Adsys Controls, — «Эта система не просто выигрывает время, она обеспечивает постоянную защиту».

Роланд Смит (Roland Smith), ученый-физик из Имперского колледжа в Лондоне, говорит о том, что сама система Helios является восприимчивой к ее же уловке. «Атакующий лазер может также использовать подобные методы обмана при помощи дополнительных лазеров» — рассказывает Роланд Смит, — «Если лазерное оружие узнает о противодействии ему, то оно может также использовать свои собственные контрмеры. И, в конце концов, такие действия и противодействия сведутся к соревнованию в скорости реакции, скорости принятия решений и эффективности этих решений».

Вероятность достаточно скорого появления на вооружении боевых лазерных систем повысилась на несколько пунктов благодаря успешным испытаниям и демонстрации представителям американских военных новой лазерной твердотельной системы компании Boeing. Согласно информации, опубликованной представителями компании Boeing, система Thin Disk Laser system продемонстрировала выходную мощность, на 30 процентов превышающую проектные требования, а высокие качественные показатели лазерного луча уже позволяют рассматривать эту систему в качестве опытного тактического лазерного вооружения.

Как следует из ее названия, в системе Thin Disk Laser (TDL) использован тонкий дисковый лазер, один из типов твердотельных лазеров, разработанный еще в 1990-е года. Вместо стержней, используемых в подавляющем большинстве твердотельных лазеров, в качестве рабочего тела TDL-лазера используется слой излучающего когерентный свет материала, толщина которого в несколько раз и даже в несколько десятков раз меньше диаметра луча испускаемого света. Этот тонкий слой действует одновременно как резонатор, как усилитель света внешней оптической накачки и как зеркало, отражающее лазерный луч.

Толстое основание, на котором укреплен диск, выступает в качестве теплоотвода, быстро отводящего паразитное тепло, выделяющееся при работе лазера. Эффективное охлаждение позволяет значительно, в разы, увеличить мощность и эффективность твердотельного лазера. В опытном образце системы Thin Disk Laser system компании Boeing используется не один большой дисковый лазер, система состоит из множества небольших промышленных лазеров, производящих один высокоэнергетический луч света.

Согласно имеющейся информации, последний вариант лазерной системы Boeing имеет мощность лазерного луча, превышающее значение в 30 кВт. Это на 30 процентов больше, чем требуется согласно условиям программы Robust Electric Laser Initiative (RELI) Министерства обороны США. «Последняя демонстрация является доказательством жизнеспособности идеи создания лазерных систем военного назначения» — рассказывает Майкл Ринн (Michael Rinn), вице-президент компании Boeing и руководитель данной программы, — «Для того, чтобы стать реальным оружием нового поколения лазер должен иметь высокую мощность, оставаясь высокоэффективным с энергетической точки зрения. И нам удалось создать систему, удовлетворяющую всем требованиям к выходной мощности, качеству лазерного луча и эффективности, которая уже сейчас, конечно после некоторых доработок, может использоваться в качестве реального лазерного оружия».