SpaceX hat den ersten Begin seines Starship-Raketensystems der dritten Technology von seinem Hauptsitz in Starbase, Texas, abgesagt und wird am Freitag einen weiteren Begin versuchen. Dieser Begin ist von Bedeutung, da es sich um den ersten Check der aktualisierten Starship V3-{Hardware} handelt und zu einem entscheidenden Zeitpunkt für das Unternehmen kommt, da es kürzlich einen Börsengang beantragt hat und voraussichtlich innerhalb weniger Wochen an die Börse gehen wird.

Dieser bevorstehende Begin markiert den zwölften Flug von Starship seit dem letzten Versuch im Oktober 2025. SpaceX hat die vergangenen Monate damit verbracht, an der Entwicklung und Erprobung von Starship V3 zu arbeiten, das mit mehreren Herausforderungen konfrontiert battle, darunter einem Vorfall im November, bei dem ein V3-Booster während der Assessments explodierte.

Das Unternehmen musste den Begin am Donnerstag mehrmals verschieben, wobei der Countdown T-40 Sekunden erreichte, bevor Probleme auftraten. Elon Musk, CEO von SpaceX, berichtete über soziale Medien, dass sich ein hydraulischer Stift, der den Arm des Startturms festhält, nicht zurückziehen ließ. Wenn dieses Drawback behoben ist, plant SpaceX einen erneuten Begin am Freitag um 17:30 Uhr Ortszeit.

Der hydraulische Stift, der den Turmarm an Ort und Stelle hielt, ließ sich nicht zurückziehen.

Wenn das heute Abend behoben werden kann, wird es morgen um 5:30 Uhr CT einen weiteren Startversuch geben. https://t.co/DJAdvDYQpH

— Elon Musk (@elonmusk) 21. Mai 2026

Das verbesserte Starship weist bedeutende Designänderungen auf, darunter Verbesserungen an den Raptor-Triebwerken der dritten Technology von SpaceX, die auf mehr Schub abzielen. Das neue Booster-Design verfügt über eine Gitterflosse weniger, was dem Startturm das Auffangen bei Bergungsarbeiten erleichtern soll.

SpaceX hat verschiedene Modifikationen vorgenommen, um die Zuverlässigkeit dieser Starship-Model zu verbessern, insbesondere um Treibstofflecks aus der Oberstufe zu verhindern, ein wiederkehrendes Drawback bei früheren Flügen. Das langfristige Ziel bleibt die vollständige Wiederverwendbarkeit, ähnlich wie bei der Falcon-9-Rakete.

Dieser Flug wird nicht alle Leistungsziele von Starship V3 erreichen, da eine Bergung sowohl des Boosters als auch des Fahrzeugs nicht geplant ist. Stattdessen wird erwartet, dass beide sanfte Landungen durchführen, der Booster im Atlantischen Ozean und Starship im Indischen Ozean. Darüber hinaus wird Starship keine echte Erdumlaufbahn durchführen, so dass mehr Missionen erforderlich sind, um seine Fähigkeit zur Nutzlastauslieferung zu etablieren.

Die Abhängigkeit von SpaceX von Starship V3 ist groß, insbesondere angesichts der erheblichen Investition in Starlink, das im vergangenen Jahr Berichten zufolge einen Umsatz von 11 Milliarden US-Greenback generierte. Das Unternehmen hat zuvor die Fähigkeit von Starship unter Beweis gestellt, Starlink-Satellitenattrappen einzusetzen, hat jedoch noch keine funktionsfähige Nutzlast mit dem neuen System gestartet.

---

Hervorgehobener Bildnachweis

Indie-Go ist ein bevorstehender Abonnementdienst ausschließlich für Indie-Spiele, dessen Starttermin auf den 13. April 2023 festgelegt ist. Der Dienst kostet 7 US-Greenback professional Monat und bietet zum Begin Zugriff auf mehr als 70 Titel, wobei im Laufe der Zeit weitere Spiele hinzugefügt werden.

Der Herausgeber indie.io kündigte den Dienst als Konkurrenz zu bestehenden Plattformen an und betonte seinen erschwinglichen Preis im Vergleich zu Sport Go Final, der für 30 US-Greenback professional Monat im Einzelhandel erhältlich ist. Die Qualität der Spielebibliothek wird entscheidend für den Erfolg des Dienstes sein.

Zu den bestätigten Titeln für den Indie Go gehören „Echoes of the Plum Grove“, „Air Hares“ und „Darkish Deity“. Indie.io gab an, dass die Plattform über einen „sich ständig weiterentwickelnden Katalog“ verfügen wird und ihr umfangreiches Portfolio nutzt, um ein aktualisiertes Spieleangebot aufrechtzuerhalten.

Das Unternehmen sucht aktiv nach Partnerschaften mit Indie-Entwicklern und -Publishern. Weitere Ankündigungen werden in den kommenden Wochen erwartet. Ziel dieser Strategie ist es, vielfältigere und innovativere Spiele auf die Plattform zu locken.

Indie Go wird ausschließlich auf dem PC verfügbar sein, es gibt jedoch Hinweise darauf, dass er über die Proton-Schicht der Konsole mit dem Steam Deck kompatibel sein könnte, sodass Home windows-spezifische Spiele auf dem Linux-basierten Betriebssystem gespielt werden können. Engadget hat indie.io für weitere Particulars kontaktiert und wird Aktualisierungen bereitstellen, sobald diese verfügbar sind.

---

Hervorgehobener Bildnachweis

Ahh, das Meer.

Der Urlaub auf dem mediterranen Meer lag am Strand und starrte in die Wellen. Woman Luck hatte einen guten Tag: Die Sonne starrte von einem blauen und wolkenlosen Himmel herab und erhitzte den Sand und das salzige Meer um mich herum. Zum ersten Mal seit einiger Zeit hatte ich Ausfallzeiten. In der abgelegenen Area, in der ich warfare, gab es nichts mit ML zu tun, wo die rauen Straßen jeden verängstigt hätten, der sich an die gleichmäßigen Gehwege westlicher Länder gewöhnt hat.

Dann, weg von der Arbeit und teilweise Zivilisation, irgendwo zwischen Zonierung und Daydreaming, begannen meine Gedanken zu driften. In unserem täglichen Geschäft sind wir auch damit beschäftigt, Zeit damit zu verbringen, nichts zu tun. Aber Nichts ist hier ein starkes Wort: Als meine Gedanken teuerten, erinnerte ich mich zuerst an die jüngsten Ereignisse, dachte dann über die Arbeit nach und kam dann schließlich zum maschinellen Lernen an.

Vielleicht Spuren meines vorherigen Artikels –wo ich 6,5 Jahre „Machen“ ml nachdachte– Ich warfare immer noch im Hinterkopf. Oder vielleicht warfare es einfach die völlige Abwesenheit von irgendetwas Technischen um mich herum, wo das Meer mein einziger Begleiter warfare. Was auch immer der Grund warfare, ich begann psychological, die Jahre hinter mir zu proben. Was warfare intestine gelaufen? Was warfare seitwärts gegangen? Und – vor allem – was wünschte ich, jemand hätte mir zu Beginn jemand gesagt?

Dieser Beitrag ist eine Sammlung dieser Dinge. Es soll keine Liste dummer Fehler sein, die ich andere dringend bittet, um jeden Preis zu vermeiden. Stattdessen ist es mein Versuch, die Dinge aufzuschreiben, die meine Reise ein bisschen reibungsloser gemacht hätten (aber nur ein bisschen ist Unsicherheit notwendig, um die Zukunft genau das zu machen: die Zukunft). Teile meiner Liste überschneiden sich mit meinem vorherigen Beitrag und aus gutem Grund: Einige Lektionen lohnt sich wieder zu wiederholen und erneut zu lesen.

Hier ist Teil 1 dieser Liste. Teil 2 ist derzeit in meinem sandigen, seewasserfleckigen Notizbuch begraben. Mein Plan ist es, in den nächsten Wochen damit nachzuverfolgen, sobald ich genug Zeit habe, um es in einen Qualitätsartikel zu verwandeln.

1. ML MEHR MEH

Dies ist ein Punkt, den ich versuche, nicht zu viel nachzudenken, oder es wird mir sagen: Sie haben Ihre Hausaufgaben nicht gemacht.

Als ich anfing, warfare mein interner Monolog so etwas wie: „Ich will nur ml. ““ Was auch immer das bedeutete; letztlich Trainieren Sie ein maschinelles Lernenmodell. Das Modelltraining ist ironischerweise oft der kürzeste und letzte Teil des gesamten Prozesses.

Jedes Mal, wenn ich endlich zum Modelltrainingsschritt komme, atme ich psychological auf Erleichterung auf, weil ich es durch das unsichtbare Teil geschafft habe: die Daten vorzubereiten. Es gibt nichts „Verkaufbar“ in lediglich die Daten vorbereiten. Nach meiner Erfahrung ist die Vorbereitung der Daten in keiner Weise auffällig (solange es intestine genug gemacht wird).

Hier ist das übliche Muster dafür:

• Sie haben ein Projekt.
• Sie erhalten einen realen Datensatz. (Wenn Sie mit einem intestine kuratierten Benchmark-Datensatz arbeiten, haben Sie Glück!)
• Sie möchten ein Modell trainieren.
• Aber zuerst… Datenreinigung, Fixieren, Verschmelzen, Validieren.

Lassen Sie mich Ihnen ein persönliches Beispiel geben, das Ich habe als lustige Geschichte erzählt (Was es jetzt ist. Damals bedeutete es, ein paar Tage maschinelles Lernen unter Zeitdruck wieder zu resotieren…).

Ich habe einmal an einem Projekt gearbeitet, bei dem ich die Vegetationsdichte (unter Verwendung des NDVI -Index) aus ERA5 -Wetterdaten vorhersagen wollte. ERA5 ist ein massiver Gitter-Datensatz, der frei im Europäischen Zentrum für Wettervorhersagen mit mittlerer Reichweite erhältlich ist. Ich habe diesen Datensatz mit NDVI -Satellitendaten von NOAA (im Grunde genommen der amerikanischen Wetteragentur) zusammengeführt, die Auflösungen sorgfältig ausgerichtet, und alles schien in Ordnung zu sein – keine Fehlanpassungen, keine Fehler wurden geworfen.

Dann rief ich die Datenvorbereitung an und trainierte ein Sehtransformatormodell auf dem kombinierten Datensatz. Ein paar Tage später habe ich die Ergebnisse und… Überraschung visualisiert! Das Modell dachte, die Erde sei auf den Kopf. Im wahrsten Sinne des Wortes waren meine Eingabedaten nach rechts, aber die Zielvegetationsdichte wurde am Äquator umgedreht.

Was warfare passiert? Ein subtiler Fehler in meiner Auflösungsübersetzung drehte die Breitengradorientierung der Vegetationsdaten um. Ich hatte es nicht bemerkt, weil ich bereits viel Zeit mit der Datenvorbereitung verbracht habe und schnell zum „lustigen Teil“ gelangen wollte.

Diese Artwork von Fehler ärgert sich in einem wichtigen Punkt: ML-Projekte in der realen Welt sind Datenprojekte. Insbesondere außerhalb der akademischen Forschung arbeiten Sie nicht mit Cifar oder ImageNet. Sie arbeiten mit chaotischen, unvollständigen, teilweise Labellel und Multi-Supply-Datensätzen, die erforderlich sind:

• Reinigung
• Ausrichten
• Normalisierung
• Debuggen
• Visuelle Inspektion

Und noch mehr ist diese Liste nicht exexhautiv. Dann alle oben genannten wiederholen.

Die Daten richtig machen Ist die Arbeit. Alles andere baut auf dieser (traurig unsichtbaren) Fundament auf.

2. Das Schreiben von Papieren ist wie die Vorbereitung eines Verkaufsgesprächs

Einige Papiere nur intestine lesen. Möglicherweise können Sie nicht erklären, warum, aber sie haben einen Fluss, eine Logik, eine Klarheit, die schwer zu ignorieren ist. Das ist selten zufällig*. Für mich stellte sich heraus, dass das Schreiben von Papieren ähnlich ist, um eine ganz bestimmte Artwork von Verkaufsgespräch zu erstellen. Du verkaufst deine Ideedein Ansatzdein Einblick zu einem skeptischen Publikum.

Dies warfare eine überraschende Erkenntnis für mich.

Als ich anfing, nahm ich an, dass die meisten Papiere genauso aussahen und fühlten. Alle von ihnen waren für mich „wissenschaftliches Schreiben“. Aber im Laufe der Zeit bemerkte ich, als ich mehr Papiere las, die Unterschiede. Es ist wie das Sprichwort: Außenstehende sehen alle Schafe gleich aus; Für den Hirten ist jeder unterschiedlich.

Vergleichen Sie beispielsweise diese beiden Papiere, auf die ich in letzter Zeit gestoßen bin:

Beide verwenden maschinelles Lernen. Aber sie sprechen mit unterschiedlichem Publikum mit unterschiedlichen Abstraktionsebenen, unterschiedlichen narrativen Stilen und sogar unterschiedlichen Motivationen. Der erste geht davon aus, dass die technische Neuheit von zentraler Bedeutung ist. Der zweite konzentriert sich auf die Relevanz für Anwendungen. Offensichtlich gibt es auch den visuellen Unterschied zwischen den beiden.

Je mehr Papiere Sie lesen, desto mehr erkennen Sie: Es gibt nicht eins Weg, um ein „gutes“ Papier zu schreiben. Es gibt viele Möglichkeiten, und der Weg variiert je nach Publikum.

Und es sei denn, Sie sind einer dieser sehr seltenen brillanten Köpfe (denken Sie an Terence Tao oder jemand dieses Kalibers), Sie brauchen wahrscheinlich Unterstützung, um intestine zu schreiben. Vor allem bei Anpassung eines Papiers für eine bestimmte Konferenz oder ein bestimmtes Journal. In der Praxis bedeutet dies, eng mit einer hochrangigen ML -Individual zusammenzuarbeiten, die das Feld versteht.

Das Erstellen eines guten Papiers ist wie die Vorbereitung eines Verkaufsgesprächs. Sie müssen:

• Rahmen Sie das Drawback richtig ein
• Verstehe deine Zielgruppe (dh Goal -Veranstaltungsort)
• Betonen Sie die Teile, die am meisten Resonanz finden
• Und polieren, bis die Nachricht bleibt

3. Die Fixierung des Fehlers ist der Weg nach vorne

Vor Jahren hatte ich diese romantische Idee von ML als Erkundung eleganter Modelle, Erfindung neuer Aktivierungsfunktionen oder das Erstellen von cleveren Verlustfunktionen. Das kann für eine kleine Reihe von Forschern zutreffen. Aber für mich sah der Fortschritt oft so aus: „Warum fährt dieser Code nicht aus?“ Oder noch frustrierender: „Dieser Code lief erst vor ein paar Sekunden-warum läuft er nicht mehr Jetzt? „

Nehmen wir an, in Ihrem Projekt müssen Imaginative and prescient -Transformatoren für Umwelt -Satellitendaten verwendet werden (dh der Modellseite von Abschnitt 1 oben). Sie haben zwei Optionen:

1. Implementieren Sie alles von Grund auf neu (nicht empfohlen, es sei denn, Sie fühlen sich besonders abenteuerlich oder müssen es für Kursnachweise tun).
2. Finden Sie eine vorhandene Implementierung und passen Sie sie an.

In 99% der Fälle ist Choice 2 die offensichtliche Wahl. Aber „einfach Ihre Daten einschließen“ funktioniert quick nie. Sie werden auf:

• Verschiedene Berechnungsumgebungen
• Annahmen über Eingangsformen
• Vorverarbeitung von Macken (z. B. Datennormalisierung)
• Hartcodierte Abhängigkeiten (von denen ich auch schuldig bin)

Schnell kann Ihr Tag zu einer endlosen Reihe von Debugging-, Backtracking-, Testen von Kantenfällen, Änderungen von Dataloadern, Überprüfung des GPU -Speichers ** und der Wiederaufnahme von Skripten. Dann beginnen die Dinge langsam zu funktionieren. Schließlich trainiert Ihr Modell.

Aber es ist nicht schnell. Es ist Fehler beheben Sie Ihren Weg nach vorne.

4. Ich (ganz mit Sicherheit) wird nicht machen Das Durchbruch

Sie haben definitiv von ihnen gehört. Der Transformator Papier. Die Gans. Stabile Diffusion. Es gibt einen kleinen Teil in meinem, der denkt: Vielleicht werde ich das nächste transformative Papier schreiben. Und sicher muss jemand. Aber statistisch gesehen werde es wahrscheinlich nicht ich. Oder Sie, Entschuldigung. Und das ist in Ordnung.

Die Werke, die dazu führen, dass ein Feld schnell ändert, sind per Definition außergewöhnlich. Diese Arbeiten sind außergewöhnlich, dass die meisten Werke, selbst gute Arbeit, kaum erkannt werden. Manchmal hoffe ich immer noch, dass eines meiner Projekte „in die Luft jagen“ würde. Aber bisher haben es die meisten nicht. Einige wurden nicht einmal veröffentlicht. Aber hey, das ist kein Misserfolg – es ist die Grundlinie. Wenn Sie erwarten, dass jedes Papier ein Homerun ist, sind Sie auf der schnellen Spur enttäuscht.

Gedanken schließen

Für mich erscheint maschinelles Lernen oft als schlankes, modernes Feld-eines, in dem sich Durchbrüche gleich um die Ecke haben und wo das „Tun“ intelligente Menschen mit GPUs und Mathematik Magie machen. Aber in meiner täglichen Arbeit ist es selten so.

Meistens besteht meine tägliche Arbeit aus:

• Umgang mit unordentlichen Datensätzen
• Debugging -Code aus GitHub gezogen
• Redrapferpapiere immer und immer wieder
• Wiederum neuartige Ergebnisse produzieren

Und das ist okay.

---

Fußnoten

Der vorherige Artikel erwähnte: https://towardsdatascience.com/lessons-lenarned-after-6-5-Jahre-of-machine-learning/

* Wenn Sie interessiert sind, ist mein Lieblingspapier das eine: https://arxiv.org/abs/2103.09762. Ich habe es vor einem Jahr an einem Freitagnachmittag gelesen.

** Bis heute erhalte ich immer noch E -Mail -Benachrichtigungen darüber, wie das Löschen des GPU -Speichers im Tensorflow unmöglich ist. Dieses 5-jährige GitHub-Drawback gibt die Particulars.

Die Nutzung der Stärken zweier Weltklasse-Forschungsinstitutionen, MIT und Mass Basic Brigham (MGB), feierte kürzlich die Einführung des MIT-MGB-Saatgutprogramms. Die neue Initiative, die von Analog Units Inc. (ADI) unterstützt wird, wird gemeinsame Forschungsprojekte finanzieren, die von Forschern am MIT und Mass Basic Brigham geleitet werden. Diese kollaborativen Projekte werden die Forschung in der menschlichen Gesundheit vorantreiben, um Therapien, Diagnostika und digitale Instrumente der nächsten Era zu entwickeln, die das Leben im Maßstab verbessern können.

Das Programm darstellt eine einzigartige Gelegenheit, Innovationen dramatisch zu beschleunigen, die sich mit einigen der dringendsten Herausforderungen bei der menschlichen Gesundheit befassen. Durch die Unterstützung interdisziplinärer Groups von MIT und Mass Basic Brigham, einschließlich Forschern und Klinikern, wird das Saatgutprogramm bahnbrechende Arbeiten fördern, die Fachkenntnisse in der künstlichen Intelligenz, maschinellem Lernen sowie Messung und Erfassungstechnologien mit der pionierischen klinischen Forschung und der Patientenversorgung vereint.

„Die Macht dieses Programms besteht darin, dass es die Stärke von MIT in Wissenschaft, Ingenieurwesen und Innovation mit der wissenschaftlichen und klinischen Forschung von Mass Basic Brigham kombiniert. Mit der Unterstützung und dem Anreiz, zusammenzuarbeiten, haben Forscher und Kliniker die Freiheit, überzeugende Probleme anzugehen und neue Wege zu finden, um sie zu verwandeln, um sie transformative Veränderungen in der Patientenversorgung zu erreichen“, sagt Sally Kornbluth, Präsident von Mit.

„Das MIT-MGB-Saatgutprogramm wird eine interdisziplinäre Zusammenarbeit ermöglichen, um die transformative Forschung und die bahnbrechende Wissenschaft voranzutreiben. Durch die Kombination der kollektiven Stärken und des Fachwissens unserer großartigen Institutionen können wir die medizinische Versorgung verändern und Innovation und Entdeckung mit Geschwindigkeit vorantreiben“, sagt Anne Klibanski, Präsidentin und CEO von Mass Basic Brigham.

Die Initiative wird durch ein Geschenk von ADI finanziert. In den nächsten drei Jahren wird der ADI -Fonds für Gesundheit und Biowissenschaften jährlich ungefähr sechs gemeinsame Projekte unterstützen, wobei die Finanzierung zwischen den beiden Institutionen aufgeteilt wird.

„Die konvergierenden Bereiche der Biologie, der Medizin und des Computer systems versprechen eine neue Ära der Wirksamkeit, Effizienz und Zugang zur Gesundheitsversorgung. ADI hat eine lange und fruchtbare Geschichte der Zusammenarbeit mit MIT und Mass Basic Brigham erlebt, und wir sind von diesem neuen Initiativ-Potenzial, die Zukunft der Patientenversorgung zu verwandeln“, fügt Vincent Rochent, CEO und Vorsitzende des Brettes und des Vorsitzenden des Brettes und des Vorsitzenden des Vorsitzenden des Brettes, das ADI.

Zusätzlich zur Finanzierung haben Groups, die für das Programm ausgewählt wurden, zu Zugang zu unternehmerischen Workshops, einschließlich einiger vom Motor gehostet-ein mit MIT gebautes Risikokonstrument, das sich auf harte Technologie konzentriert. Diese Sitzungen werden Forscher mit Gründern, Investoren und Branchenführern verbinden und ihnen dabei helfen, einen Weg von bahnbrechenden Entdeckungen im Labor bis hin zu Auswirkungen auf die reale Welt zu finden.

Das Programm wird einen offenen Aufruf für Vorschläge für Forscher am MIT und Mass Basic Brigham einführen. Die erste Kohorte finanzierter Projekte wird voraussichtlich im Herbst 2025 eröffnet. Die Preisträger werden von einem gemeinsamen Überprüfungskomitee ausgewählt, das aus MIT- und Mass Basic Brigham -Experten besteht.

Laut der Leiterin der MIT-Fakultät für das MIT-MGB-Saatgutprogramm könnte Alex Ok. Shalek dazu beitragen, dass kollaborative Forschungsteams mit Führungskräften beider Institutionen dazu beitragen, kritische Lücken zu schließen, die in den Innovationen in Gesundheits- und Lebenswissenschaften häufig beeinträchtigen. Shalek ist außerdem Direktor des Institute for Medical Engineering & Science (IMES), des JW Kieckhefer -Professors für IMES und Chemie sowie extramurales Mitglied des Koch -Instituts für integrative Krebsforschung.

„Kliniker erkennen häufig, wo aktuelle Interventionen zu kurz kommen, aber möglicherweise fehlen die wissenschaftlichen Instrumente oder das technische Fachwissen, die für die Entwicklung neuer erforderlich sind. Umgekehrt können MIT -Forscher diese klinischen Herausforderungen nicht vollständig erfassen oder Zugang zu den richtigen Patientendaten und -proben haben“, erklärt Shalek und Harvard auch Mitglied des Ragon -Instituts von Mass Basic Brigham, MIT und Harvard. „Durch die Unterstützung bilateraler Kollaborationen und des Aufbaus einer Group zwischen Disziplinen ist dieses Programm bereit, kritische Fortschritte in der Diagnose, Therapeutik und KI-gesteuerten Gesundheitsanwendungen voranzutreiben.“

Emery Brown, ein praktizierender Anästhesist am Massachusetts Basic Hospital, wird neben Shalek als Vorsprung von Basic Brigham Brigham für das Programm dienen.

„Das MIT-MGB-Saatgutprogramm schafft einen perfekten Sturm. Das Programm bietet der MIT-Fakultät die Möglichkeit, neue Wissenschaft und Ingenieurwesen zu bringen, um wichtige klinische Probleme anzugreifen und zu lösen“, fügt Brown, der auch Edward Hood Taplin Professor für Medizinische Engineering und Computerneurowissenschaften am MIT ist, hinzu. „Das Streben nach Lösungen für wichtige und herausfordernde klinische Probleme durch die allgemeine Brigham -Ärzte und -wissenschaftler wird zweifellos von Wissenschaftlern und Ingenieuren ankurbeln, um neue Technologien zu entwickeln oder neuartige Anwendungen bestehender Technologien zu finden.“

Das MIT-MGB-Saatgutprogramm ist eine Flaggschiff-Initiative in der MIT Well being and Life Sciences Collaborative (MIT heilt). Es spiegelt die Kernmission von MIT Heals wider, MIT als zentrales Zentrum für Innovation und Übersetzung von Gesundheitswissenschaften und Lebenswissenschaften zu etablieren und Verbindungen mit anderen erstklassigen Forschungsinstitutionen in der Area Boston zu nutzen.

„Dieses Programm veranschaulicht die Macht der interdisziplinären Forschung“, sagt Anantha Chandrakasan, Chief Innovation and Technique Officer des MIT, Dekanin für Ingenieurwesen und Leiter von MIT heilt. „Es schafft eine kritische Brücke zwischen klinischer Praxis und technologischer Innovation-zwei Bereiche, die tief miteinander verbunden sein müssen, um reale Lösungen voranzutreiben.“

Der Begin des Programms wurde am 31. März bei einer besonderen Veranstaltung im Samberg Convention Middle von MIT gefeiert.

Ab Juli wird MIT die Zukunft der Arbeitsinitiative im Abteilung für Wirtschaftsabteilung gestalten, die eine bedeutende neue Ära der Forschung, Politik und Bildung der nächsten Technology von Wissenschaftlern durch ein Geschenk der James M. und der Cathleen D. Stone Basis ermöglichen wird. In Anerkennung des Geschenks und der Ausweitung der von ihr unterstützten Prioritäten wird die Initiative am 1. Juli Teil des neuen James M. und Cathleen D. Stone Heart für Ungleichheit und Gestaltung der Zukunft der Arbeit. Dieses Zentrum wird im Herbst 2025 offiziell bei einer öffentlichen Veranstaltung ins Leben gerufen.

Das Steinzentrum wird von angeführt Daron AcemogluInstitutprofessor und Co-Regisseur David AutorThe Daniel (1972) und Gail Rubinfeld Professor für Wirtschaftswissenschaften, und Simon Johnsonder Ronald A. Kurtz (1954) Professor für Unternehmertum. Es wird sich einem globalen Netzwerk von 11 anderen Vermögensungleichheitszentren anschließen, die von der Stone Basis finanziert werden, um die Forschungen zu den Ursachen und Folgen der wachsenden Akkumulation an der Spitze der Vermögensverteilung zu fördern.

„Dieses großzügige Geschenk der Stone Basis fördert unsere wegweisende Wirtschaftsforschung zu Ungleichheit, Technologie und der Zukunft der Belegschaft. Diese Arbeit wird in diesem kritischen Studienbereich eine Pipeline von Wissenschaftlern schaffen und dazu beitragen, die Öffentlichkeit und die politischen Entscheidungsträger zu informieren“, sagt Provost Cynthia Barnhart.

Ursprünglich im Rahmen der MIT Blueprint Labs mit einem grundlegenden Geschenk der William and Flora Hewlett Basis gegründet und ist eine unparteiische Forschungsorganisation, die die Wirtschaftsforschung anwendet, um revolutionary Wege zu identifizieren, um den Arbeitsmarkt auf einen gerechteren Weg zu verlegen, mit einem zentralen Fokus auf die Revitalisierung von Arbeitsmarktchancen für Arbeitnehmer ohne Hochschulbildung. Aufbauend auf Grenzmikro- und Makroökonomie, wirtschaftlicher Soziologie, politischer Ökonomie und anderen Disziplinen versucht die Initiative, wichtige Fragen zum Rückgang der Arbeitsmarktchancen für Nicht-School-Arbeitnehmer in den letzten Jahrzehnten zu beantworten. Diese Arbeitsmarktveränderungen waren ein wichtiger Treiber für die Ungleichheit des Wohlstands, ein Phänomen, das wiederum unsere Wirtschaft, Demokratie und Gesellschaft im Großen und Ganzen verändert hat.

Die Unterstützung der Stone Basis ermöglicht es dem New Stone Heart, auf der Gestaltung der Zukunft der Arbeitsinitiative der laufenden Forschungsagenda aufzubauen und seinen Schwerpunkt auf das Zusammenspiel des Zusammenspiels zwischen Technologien und Ungleichheit sowie die Rolle des Technologiesektors bei der Definition der künftigen Ungleichheit zu erweitern.

Die Kernziele des James M. und Cathleen D. Stone Heart für Ungleichheit und Gestaltung der Zukunft der Arbeit werden die Förderung von Verbindungen zwischen Wissenschaftlern umfassen, die pathebbrechende Forschungen zur Automatisierung durchführen, die Schnittstelle zwischen Arbeit und Technologie und Vermögensungleichheit über die Disziplinen hinweg, einschließlich des Abteilung für Wirtschaftswissenschaften, das Mit -Sloan -Faculty of Administration, und das Mit Stephen A. SCHWARMMAN COLLEGE COLLEGE; Stärkung der Pipeline von aufstrebenden Gelehrten, die sich auf diese Themen konzentrieren; und Verwendung von Forschungen, um ein breiteres Publikum zu informieren und zu beteiligen, einschließlich der öffentlichen, Studenten und Doktoranden sowie politischen Entscheidungsträger.

Die Unterstützung der Stone Basis ermöglicht es dem Zentrum, seine Verpflichtungen zur Erstellung neuer Forschungsergebnisse zu stärken und zu erweitern, zusätzliche Ereignisse einzubauen, um Forschungsergebnisse auszutauschen, die Verbindung und die Zusammenarbeit zwischen Wissenschaftlern zu fördern, die an verwandten Themen arbeiten, neue Ressourcen für die Forschungsunternehmen des Zentrums bereitstellen und die Öffentlichkeitsarbeit erweitern, um das Bewusstsein für diese wichtige aufkommende Herausforderung zu schärfen. „Cathy und ich freuen uns, MIT in der wachsenden Familie von Steinzentren willkommen zu heißen, die sich der Untersuchung der dringenden Herausforderungen der Beschleunigung der Ungleichheit der Wohlstand widmen“, sagt James M. Stone.

Agustín Rayo, Dekan der Faculty of Humanities, Kunst und Sozialwissenschaften, sagt: „Ich bin begeistert, die Schaffung des James M. und des Cathleen D. Stone Heart in der MIT-Wirtschaftsabteilung zu feiern. Nicht nur, dass es die hochmodernen Arbeiten von MITs Sozialwissenschaftlern des MIT erhöhen wird, sondern auch die interdisziplinären Interaktionen ermöglichen, die neue Insights und Solutionen mit komplexen sozialen Herausforderungen ermöglichen.

Jonathan Gruber, Vorsitzender der Abteilung für Wirtschaftswissenschaften, fügt hinzu: „Ich könnte mich nicht mehr über die Unterstützung der Stone Basis für die Gestaltung der Zukunft der Arbeitsinitiative freuen. Die Initiative waren weit voraus der Kurve, um die schnellen Veränderungen zu antizipieren, die die technologischen Kräfte auf die Arbeitsmarkt bringen. Arbeiten, während sie ihre Prioritäten um andere kritische Themen hinsichtlich der Ungleichheit einbeziehen.

„Wir danken der James M. und der Cathleen D. Stone Basis für ihre großzügige Unterstützung, die es uns ermöglicht, zwei definierende Herausforderungen unseres Zeitalters zu untersuchen: Ungleichheit und die Zukunft der Arbeit“, sagt Acemoglu, der 2024 mit dem Sveriges Riksbank-Preis in Wirtschaftswissenschaften und James A. Robinson ausgezeichnet wurde. „Wir hoffen, über die Erforschung der Ursachen der Ungleichheit und der Determinanten der Verfügbarkeit guter Arbeitsplätze in der Gegenwart und in der Zukunft hinauszugehen, aber auch Ideen zu entwickeln, wie die Gesellschaft sowohl die Arbeit der Zukunft als auch die Ungleichheit durch ihre Entscheidungen von Institutionen und technologischen Trajektorien prägen kann.“

„Wir haben unglaublich glücklich, sich der Familie der Steinzentren auf der ganzen Welt anzuschließen. Jim und Cathleen Stone sind weitsichtige und großzügige Spender, und wir freuen uns, dass sie bereit sind, uns und MIT auf diese Weise zu unterstützen“, sagt Johnson. „Wir freuen uns darauf, mit all unseren Kollegen am MIT und auf der ganzen Welt zusammenzuarbeiten, um Verständnis und praktische Ansätze zur Ungleichheit und der Zukunft der Arbeit voranzutreiben.“

Autor fügt hinzu: „Diese Unterstützung wird es uns – und vielen anderen – ermöglichen, unser Stipendium, unsere Lehre und unsere Öffentlichkeitsarbeit auf die Gestaltung eines Arbeitsmarktes zu konzentrieren, der Chancen, Mobilität und wirtschaftliche Sicherheit für eine weitaus breitere Gruppe von Menschen bietet.“