Генератор андреа росси и отечественные аналоги. Реактора холодного синтеза андреа росси в россии

Существует класс алгоритмов, основанных на корелляции цен активов на разных рынках. Для того, чтобы исследовать такие корелляции, например, между американским и российским рынком, необходимо иметь доступ к данным в реальном времени с западных бирж, поставку которых предлагают специальные провайдеры за довольно существенную плату.Однако, есть возможность использования вместо платного датафида парсинг данных real-time с сайта Google Finance. На таких данных высокочастотную стратегию, конечно, не построить, но для более медленных стратегий такой способ вполне подойдет. Впрочем, на высоких частотах сильной корелляции с американцами уже давно нет, и HFT алгоритмы с такой идеей не работают, а вот на длинных промежутках времени есть очень широкое поле для исследований. Как осуществить получение данных с Google Finance рассмотрено в блоге Pawel Lachowicz , перевод которой представлен ниже.

В этом посте мы рассмотрим, как получить данные реального времени, транслируемых на сайте Google Finance, для использования их в качестве исходных данных бэктеста или в реальном торговом приложении. Эти данные можно применять для внутридневных торговых систем. В заглавии поста показан пример отображения котировок Apple на Google Finance.

Ядро нашего кода, написанного на языке Python, представляет собой небольшую функцию, делающую основную работу.Для определенного тикера компании на сайте Google, она парсит данные непосредственно с сайта, получая последнюю текущую цену актива:

# Hacking Google Finance in Real-Time for Algorithmic Traders # # (c) 2014 QuantAtRisk.com, by Pawel Lachowicz import urllib, time, os, re, csv def fetchGF(googleticker): url="http://www.google.com/finance?&q=" txt=urllib.urlopen(url+googleticker).read() k=re.search("id="ref_(.*?)">(.*?)<",txt) if k: tmp=k.group(2) q=tmp.replace(",","") else: q="Nothing found for: "+googleticker return q

Для правильной работы программы нужно убедиться, что тикер написан верно (как будет показано ниже). Далее, отобразим на экране местное текущее время и затем заменим его на нью-йоркское (биржевое) время. Мы делаем это, так как будем получать цены акций, торгующихся на NYSE или NASDAQ. Если вы хотите получать значения английского индекса FTSE100, то нужно сменить время на универсальное (Лондон):

# отражаем местное время print(time.ctime()) print # устанавливаем время NYC os.environ["TZ"]="America/New_York" time.tzset() t=time.localtime() # string print(time.ctime()) print

Сделав это, применим стороннюю функцию combine для помещения всех считанных данных в переменную-список языка Python:

Def combine(ticker): quote=fetchGF(ticker) # используем функцию ядра t=time.localtime() # фиксируем момент времени output= return output

На вход мы подаем тикер интересующей нас компании с сайта Google:

Ticker="NASDAQ:AAPL"

для которого открываем новый текстовый файл, где будем сохранять все запросы в реальном времени:

# задаем имя файла для записи fname="aapl.dat" # удаляем файл, если он уже существует os.path.exists(fname) and os.remove(fname)

Далее создаем окончательный цикл по всему торговому дню. В нашем примере мы получаем последние данные в 16:00:59 по нью-йоркскому времени. Ключевой параметр программы - переменная freq, где мы задаем частоту внутридневной нарезки данных (в секундах). Автор определил, что оптимальным значением будет 600 сек (10 мин), так как при более частых запросах Google Finance может зафиксировать высокую активность с вашего IP и посчитать это флудом. Впрочем, вы можете найти наименьшее значение для вашего IP.

Freq=600 # запрашиваем данные каждые 600 sec (10 min) with open(fname,"a") as f: writer=csv.writer(f,dialect="excel") #,delimiter=" ") while(t.tm_hour<=16): if(t.tm_hour==16): while(t.tm_min<01): data=combine(ticker) print(data) writer.writerow(data) # записываем данные в файл time.sleep(freq) else: break else: for ticker in tickers: data=combine(ticker) print(data) writer.writerow(data) # записываем данные в файл time.sleep(freq) f.close()

Чтобы проверить, как программа работает на практике, автор запустил ее 9 января 2014 года по времени Нью-Йорка 03:31:19. Полученные данные записались в файл в следующем виде:

Thu Jan 9 03:31:19 2014 ...

Важно отметить, что время, которое мы записываем и пытаемся ассоциировать со временем полученной котировки, является локальным временем компьютера, поэтому не ожидайте равных временных интервалов между значениями и большой точности фиксации. Однако в нашем случае, когда мы хотим оценить корелляцию на довольно длительных промежутках, точность определения времени не имеет столь важного значения, как это бывает в случае высокочастотных стратегий. Обратим внимание, что если интернет соединение неустойчиво, то могут появляться пропуски в данных, как это видно на приведенном выше примере.

Представленный код может быть легко модифицирован, если вы хотите получать данные сразу по нескольким активам. Просто замените часть кода приведенной выше программы, начиная с определения переменной ticker, нижеследующим кодом:

Tickers=["NASDAQ:AAPL","NASDAQ:GOOG","NASDAQ:BIDU","NYSE:IBM", \ "NASDAQ:INTC","NASDAQ:MSFT","NYSEARCA:SPY"] # определяем имя выходного файла fname="portfolio.dat" # удаляем файл, если он уже существует os.path.exists(fname) and os.remove(fname) freq=600 # запрашиваем данные каждые 600 sec (10 min) with open(fname,"a") as f: writer=csv.writer(f,dialect="excel") #,delimiter=" ") while(t.tm_hour<=16): if(t.tm_hour==16): while(t.tm_min<01): #for ticker in tickers: data=combine(ticker) print(data) writer.writerow(data) time.sleep(freq) else: break else: for ticker in tickers: data=combine(ticker) print(data) writer.writerow(data) time.sleep(freq) f.close()

Запись котировок в реальном времени получилась такой:

Thu Jan 9 07:01:43 2014 ...

где мы можем увидеть значения текущих цен для 6 акций и одного биржевого фонда ETF через каждые 10 минут.

В заключении, от себя добавлю, что было бы интересно исследовать корелляцию между американскими и российскими сырьевыми компаниями, там может присутсвовать хороший временной гэп.

Google Finance - est un service en ligne gratuit publié par Google en 2006. Il permet de suivre le cours d actions et de devises. v · d · … Wikipédia en Français

Google Finance - Infobox Software | name = Google Finance caption = A screenshot of MasterCard s stock graph shown on Google Finance. developer = Google latest release version = latest release date = latest preview version = latest preview date = operating system … Wikipedia

Google Finance - Google URL http://www.google.de (Deutsche Version) http://www.google.ch (Schweizer Version) http://www.google.at (Österreichische Version) … Deutsch Wikipedia

Google - Cet article concerne l entreprise Google Inc. Pour le moteur de recherche, voir Google (moteur de recherche). Pour les autres significations, voir Google (homonymie). Logo de Google … Wikipédia en Français

Google (services en ligne)

Google translator - Liste des services en ligne de Google Google propose de nombreux services en ligne et tente de s imposer comme leader sur ce marché. En voici une liste (pas forcément exhaustive). Sommaire 1 Classement par date de lancement 1.1 1998 1.2 2000 … Wikipédia en Français

Google - (Гугл) Крупнейшая поисковая система Google, сервисы и инструменты Google История создания поиска Google, собственники и руководство Google, Google Apps, Google Maps, Google Chrome, Google Earth ,Picasa, Google Video, Google Images Google+,… … Энциклопедия инвестора

Google (homonymie) - Cette page d’homonymie répertorie les différents sujets et articles partageant un même nom. Google peut désigner: l entreprise Google son moteur de recherche Google (moteur de recherche) Google China, filiale chinoise de Google PageRank… … Wikipédia en Français

Google Data Liberation Front - Le Google Data Liberation Front (En français: Front de libération des données Google) est une équipe de l ingénierie chez Google, dont l objectif est de faciliter le déplacement des données des utilisateurs dans et hors des services de… … Wikipédia en Français

Google.org - is the charitable arm of Internet search engine company Google. It lists its mission as helping with global poverty, energy and the environment. It is a for profit charity, which means it is taxable. This also allows them to lobby and fund… … Wikipedia

Книги

• Banker"s Guide to New Small Business Finance. Venture Deals, Crowdfunding, Private Equity, and Technology , Charles Green H.. Detailed, actionable guidance for expanding your revenue in the face of a new virtual market Written by industry authority Charles H. Green, Banker"s Guide to New Small Business Finance… электронная книга
• Python. Создание приложений. Библиотека профессионала , Чан Уэсли. Вы уже знаете язык Python, но хотите узнать больше? Намного больше? Погрузитесь в разнообразие тем, связанных с реальными приложениями. Книга охватывает регулярные выражения, сетевое…

Добрый день!

Написано по мотивам вот этого поста, про опыт учета портфеля и сделок

У меня не мудреный портфель акций, собираемый с февраля 2015. Вот тут он почти актуален: с месяц не обновлял, как раз разбирался с Google Finance. C учетом стратегии «покупаю и держу», объем сделок невелик, но история накопилась. В какой-то момент отчетов от брокера и своего простенького экселя стало не хватать, захотелось увидеть динамику, сравнить с индексами разными, одним словом - поиграться.

Завел портфель на СЛ - наглядно, симпатично, но увы, надеюсь, что пока не получается довносить сделки - у меня эмитент ранее занесенный и новая сделка по нему же идут 2 строками, приходится сносить полностью и заводить по новой. Опять же - динамику не посмотреть, дивы и прочее. Зато на СЛ как-то вычитал, что можно использовать Google finance и даже полученные дивы как-то можно там учесть, решил попробовать.

Опыт получился противоречивый. Ниже описаны основные 2 засады, с которым я столкнулся и которые мой эксперимент пока приостановили. Пребываю в раздумьях: стоят ли трудозатраты получаемого результата, не проще ли в экселе жить. Возможно, что-то делаю неправильно, рад буду дельному совету.

1) Назову эту засаду «Точность данных по префам». К сожалению, GF некорректно подтягивает цены по префам. При этом в наименовании он не отображает, что это преф, видно только по тикеру. И уже совсем не дело, что цена в таблицах отображается некорректно, а цена на графике на странице эмитента - правильно.
Примеры (сначала ссылка на страницу эмитента GF, затем - Мосбиржи):
Сбер
www.google.com/finance?q=MCX:SBERP&ei=FTQsWbnjOsOFsAH0i7KIAw
www.moex.com/ru/issue.aspx?board=TQBR&code=SBERP
Сургут
www.google.com/finance?q=MCX:SNGSP&ei=FTQsWbnjOsOFsAH0i7KIAw
www.moex.com/ru/issue.aspx?board=TQBR&code=SNGSP
НКНХ
www.google.com/finance?q=MCX:NKNCP&ei=FTQsWbnjOsOFsAH0i7KIAw
www.moex.com/ru/issue.aspx?board=TQBR&code=NKNCP
И тоже самое по Татнефти, Ростелекому и другим префкам. В таблицах, соответственно, данные по префам некорректны, и в целом картина искажена получается.
В поддержку GF писал, ссылки им на английские страницы эмитентов на Мосбирже кидал - толку никакого.

2) Вторую засаду назову «Импорт с чудесами». Я поначалу не стал импортировать всю историю сделок, а просто занес имеющиеся данные по эмитентам, количеству акций и средней цене на дату начала эксперимента и начал вносить последующие сделки. Текущую картину отображало неплохо, хотя на СЛ портфель выглядит посимпатичнее. Но это естественно не давало полной и объективной картины и динамики с начала инвестиций. Посмотрел объемы исторических данных, решил попробовать сделать импорт истории в разрезе сделок. Выгрузил данные от брокера (АД) и дальше начались танцы с бубном, вызванные различиями в форматах (дата, запятые и точки в ценах). Хорошо еще выбрал для начала загрузку по отдельным эмитентам и почти сразу словил неожиданную засаду: при импорте почему-то происходит странная метаморфоза с датами. Дату 13.01.2017 GF импортирует нормально, а вот 12.02.2017 он преобразует во 2 декабря 2017! То есть любую дату с числом от 1 до 12 он переворачивает и воспринимает первую цифру как месяц. Пробую решить эту проблему преобразованием в экселе, но слишком трудозатратно выходит.

Вот такой вот пока небогатый опыт. Если справлюсь с этими засадами, то скорее всего GF продолжу юзать, а пока - эксель наше все!

Экология познания.Наука и техника:аппаратура, созданная изобретателем Андреа Росси при поддержке научного консультанта физика Серджо Фокарди, и которая по представлению автора реализует реакцию холодного термоядерного синтеза с положительным выходом энергии.

Наверное, нет надобности говорить об известных проблемах современной ядерной энергетики, построенной на использовании ядерных реакций деления тяжёлых ядер – высокие риски, радиоактивные отходы, исчерпаемость запасов урана, спорность замкнутого топливного цикла, вопросы с выводом из эксплуатации отработавших блоков АЭС и многое, многое другое.. Надежды на термоядерную энергию, которую предполагалась получать в установках типа ТОКАМАК - ITER, практически рассеялись, и вряд ли найдётся сегодня серьёзный специалист, который станет убеждать вас в обратном.

Конечно, уже сегодня есть много других видов энергии, которые можно отнести к экологически чистым и дешёвым, однако в России не так много солнца, неустойчивый и относительно слабый ветер, проблема с сильными морскими волнами, да и геотермальной энергии – «кот наплакал».. Но вот чего у нас хватает и с избытком, так это нефти, газа, угля и атомной энергии. Да, атомная энергетика решает проблему парниковых газов, но, к сожалению, создает так же и свои, уже перечисленные выше, поэтому поиск новых дешевых, безопасных и экологичных источников энергии всегда должен вызывать интерес..

После первых публикаций в 80-х ходах сведений об успехах экспериментов Флейшмана и Понса об открытии низкоэнергетических ядерных реакции (LENR) это вызвало сначала эйфорию, а потом глубокое разочарование из-за проблем с воспроизведением в независимых лабораториях. Та же печальная участь постигла и другие эксперименты, использующих по мнению их авторов LENR, поэтому данное направление научных исследований казалось, уже было похороненным.

Но вот в 2014 году появился отчёт группы итальянских и шведских учёных, которые с 24-02-2014 по 29-03-2014 провели тестирование «реактора Росси» (который он назвалEnergy Catalyzer или E-Cat) с одним загруженным граммом топливного порошка (о котором будет сказано ниже) в городе Барбенго (Лугано), Швейцария, в независимой лаборатории, которую предоставила компания Officine Ghidoni SA. Выпущенный ими отчёт сопровождался настолько подробным описанием деталей, что российский физик Александр Пархомов сумел в домашних условиях повторить этот эксперимент, зафиксировав при этом так же достаточно большой выход избыточной энергии.

Если кратко описать тестируемый реактор E-Cat в Лугано, то можно сказать следущее: он состоит из керамической трубки, выполненной из оксида алюминия диаметром 2 см и длиной 20 см, закрытой с двух сторон пробками из того же материала диаметром 4 см и диной 4 см. В керамической трубке встроен нагреватель из инконелевой проволоки, запитанной от трёхфазного регулятора с номинальной мощностью 360Вт. Для регистрации выделяемого тепла использовались два тепловизора Optris PI 160.

В качестве топлива внутри керамической трубки реактора Росси находился 1 грамм порошка никеля с добавкой алюмогидрида лития Li , в котором содержалось 0,011 граммов изотопа Li-7. После работы в непрерывном режиме в течение 32 дней на мощности свыше 2 кВт было выработано 5800 МДж (1620 кВт*часов) избыточного тепла. При этом измерения изотопного состава по Li-7 до и после эксперимента показали, что его относительная доля снизилась с 91,4% (до теста) до 7,9% (доля Li-6 возросла, соответственно, с 8,6% до 92,1%). Таким образом, за 32 дня в Лугано выгорело 0,0092 грамм Li-7.

Российский физик А. Пархомов повторил этот эксперимент у себя дома и подтвердил наличие избыточной энергии. Он так же взял 1 грамм порошка никеля и добавил 10% алюмогидрида лития Li . В калориметрическом эксперимента реактор А. Пархомова АП2 проработал 4,5 суток при средней избыточной мощности 386 Вт и выработал 150 МДж (40 кВт-час) тепла. При этом изотопный состав Li-7 так же снизился, но, естественно, не так значительно как в Лугано– c 92,6% до 92,1%, а изотопный состав Li-6 соответственно возрос с 7,4% до 7,9%.

Для модификации реактора E-Cat, протестированного в Лугано, диапазон рабочих температур лежал в области от 1200 до 1400°С, что показывает насколько это высокопотенциальное тепло, поэтому даже производя электроэнергию по традиционной схеме (через парогенераторы), достигнутый КПД может быть выше, чем на обычных блоках АЭС.

Как же объяснить генерацию столь большого количества энергии от 1 грамма топливного порошка? В интервью Андреа Росси, которое он дал профессорам Дэвиду Х. Бейли и Джонатану М. Борвейну было заявлено: «Моя теория заключается в том, что протон из атома водорода входит с квантовым туннельным эффектом в ядро Li-7 (т.е., ядро лития с атомным весом 7), образуя ядро Ве-8 (т.е. ядро бериллия с атомным весом 8), который затем распадается в течение нескольких секунд на две альфа-частицы (ядра гелия), что сопровождается выходом значительного количества ядерной энергии…

Изменение изотопного состава лития согласуется с нашим пониманием процесса, хотя сдвиг изотопного состава никеля не имеет хорошего объяснения (и я думаю, что есть проблема с небольшим количеством взятого на анализ образца - только 2 мг из начальной массы загрузки топлива 1 грамм). Более подробный анализ ведётся. Мы предполагаем, что реакции для никеля и лития объясняются в статье Кука-Росси. То, что я могу сказать в дополнение - так это то, что литий играет главную роль, а никель действует в основном как катализатор.».

Поэтому, в соответствии с пониманием процесса самим автором, изготовившим как минимум сотни модификаций работающих реакторов E-Cat, в качестве расходуемого топлива при производстве энергии можно принять именно изотоп Li-7, благо, что в природном литии он составляет 92,5%, а остальные 7,5% приходятся на другой стабильный изотоп – Li-6.

Ниже приведены простые расчетные оценки (любой может повторить и проверить), по которым можно оценить место реакторов Росси E-Cat в современной ядерной энергетике, сравнивая полученные в Лугано данные по энерговыработке с современными энергетическими реакторами ВВЭР-1000. Итак, при захвате изотопом Li-7 протона и распаде на две альфа частицы должно выделиться 17,3 МэВ энергии:

Так как по изменению изотопного состава мы знаем, сколько грамм Li-7 прореагировало в Лугано, легко найти выделившуюся от этой реакции энергию, которая составляет 2188 МДж или 0,608 МВт*ч. Однако, зафиксированное в Лугано количество избыточной энергии составило ~1,5 МВт*ч, что, как минимум, в два раза выше, чем при сжигании Li-7. Экспериментаторы предполагают, что дополнительная энергия выделилась в других ядерных реакциях с генерируемыми альфа-частицами, что привело к существенному изменению изотопного состава отработавшего топлива.

Очевидно, что трудности объяснения реакции с распадом Li-7 заключаются в том, что при образовании нестабильного изотопа Ве-8 (сразу распадающегося на две альфа частицы) должен наблюдаться выход гамма-излучения, которое так и не смогли зафиксировать ни в эксперименте в Лугано, ни в эксперименте Пархомова.

Наверное, прежде, чем рассуждать об необъяснимых процессах в реакторе Росси следует прислушаться к доктору физико-математических наук, профессору Леониду Уруцкоеву, который сказал следующее: «Из анализа результатов, полученных различными научными группами, следует, что явление низкоэнергетических Ядерных реакций (LENR) гораздо сложнее и многогранней, чем обычная двухчастичная реакция синтеза атомов дейтерия или протонный захват, протекание которых требует высоких исходных энергий частиц. Как показывают многочисленные эксперименты, LENR протекают в конденсированных средах (а, значит, работают какие-то коллективные механизмы, существование которых не подразумевает известная нам ядерная физика) весьма "деликатно", не сопровождаясь высокоэнергичным излучением и не приводя к остаточной радиоактивности, что противоречит существующим представлениям о ядерных реакциях. Возможность протекания LENR настолько не вписывается в существующие представления, что быстрого разрешения проблемы ждать не приходится».

Таким образом, оставив за скобками теоретическое обоснование пока неясных физических процессов, оценим только экономическую сторону производства новой энергии. Так как наиболее длительным и представительным по глубине проведённого анализа является тест, проведённый в Лугано, приблизительную оценку стоимости расходуемого топлива проведём по результатам именно этого эксперимента и сравним эту стоимость со стоимостью ядерного топлива в стандартных реакторах ВВЭР-1000.

Задавшись вопросом, что если при сжигании 0,0092 граммов Li-7 за 32 дня эксперимента в Лугано было произведено 5800 МДж тепловой энергии, нужно ответить, а сколько же потребуется сжечь Li-7, чтобы заменить ядерный реактор ВВЭР-1000, производящий 1000 МВт электрической и 3200 МВт тепловой мощности, например, в течение года? За год непрерывной работы одним блоком АЭС с ВВЭР-1000 будет произведено примерно 101000 тераджоулей энергии, тогда простой пропорцией можно оценить, что для выработки такого же количества энергии потребуется сжигание всего лишь ~ 160 кг Li-7, что в пересчёте на природный литий составит ~ 180 кг.

С учётом того, что литий находится в виде алюмогидрида лития Li , а в качестве катализатора присутствует в 10 раз большее количество никелевого порошка, общая масса топливной смеси Ni + Li составит 17,4 тонны. За год на блоке с ВВЭР-1000 перегружается в среднем 45 топливных сборок с загрузкой обогащённого урана по 135 кг в каждой, поэтому общая масса урана, перегружаемая за год в одном блоке ВВЭР-1000 составит свыше 6 тонн. Таким образом, массовый расход топливного порошка Ni + Li в E-Cat при производстве энергии, эквивалентной одному блоку АЭС, сопоставим с расходом обогащённого урана, но при этом не требует затрат на свою переработку или хранение.

Оценим финансовые расходы на ядерное топливо для АЭС типа ВВЭР-1000. Стоимость контракта на поставку 168 топливных сборок производства «Вестингауз» (Westinghouse) для Южно-Украинской АЭС, подписанного в 2008 г. составила 175 млн. долларов, поэтому цена одной топливной сборки приблизительно равна 1 млн$. При годичной длительности цикла между перегрузками в реакторе число перегружаемых урановых сборок составляет ~45 ТВС , что в стоимостном выражении составит около 45 млн$ в год. Если пересчитать вклад стоимости топливных сборок в цену за кВт*час произведённой электроэнергии, то получится ~0,5 цента за каждый кВт*час.

Так же оценим топливную составляющую цены производства энергии для реакторов Росси. Стоимость алюмогидрида лития составляет ~20 тыс. рублей за килограмм (322$) , а стоимость никелевого порошка ~2.5 тыс, рублей , тогда стоимость смеси топливного порошка составит 4250 руб/кг (68,5 $/кг). При этих ценах 17,4 тонн топливного порошка Ni + Li обойдутся в 1,2 млн$, что в 40 раз ниже, чем стоимость эквивалентного уранового топлива. Если пересчитать вклад стоимости топливного порошка в цену произведённой парогенераторами электроэнергии, то с учётом КПД получится ~0,014 цента за каждый кВт*час.

Конечно, в приведённых выше оценках стоимости производимой энергии отсутствуют основные её составляющие - стоимость самих установок, амортизационные отчисления, расходы на эксплуатацию и утилизацию, стоимость переработки радиоактивных отходов (в реакторах Росси их нет!) и так далее, но очевидно, что подтверждение полученных параметров энерговыработки при эксперименте в Лугано на реальных установках E-Cat приведёт очень существенным изменениям в мировой энергетике.

И последнее. Появление реакторов Росси на рынке позволит изменить не только саму энергетику как отрасль, а сделает среду обитания человека независимой от протянутых линий электропередач, что особенно интересно в приложении к нашим сибирским необжитым просторам. опубликовано

Генератор тепла Андреа Росси , известный под названием E-Cat является устройством, принцип действия которого не совсем укладывается в представления классической науки. Многие связывают работу реактора E-Cat с реакцией холодного ядерного синтеза .

В действительности, как описывает его сам изобретатель, E-Cat – реактор, в котором протекает процесс трансмутации никеля в медь . Для реакции используется никель и водород. Никель с водородом вступает в реакцию благодаря применению катализатора. Конечным продуктом реакции является медь. Сама реакция является экзотермической , т.е. проходит с выделением тепла. Количество тепла, производимое реактором в шесть раз превышает затраты эквивалентного количества электроэнергии, необходимой для его работы.

Опытный образец реактора внешне представляет собой небольшую плоскую квадратную ячейку размером 20х20х4 см. В качестве топлива применяется очень мелкая фракция (пыль) никеля, водород и катализатор, размещённый тонким слоем в центр активной зоны реактора. Реактор помещён в стальной корпус (генератор имеет такие габариты, что с лёгкостью может уместиться на маленьком столе) и имеет элементы охлаждения в виде лопастей (рёбер). Элементы охлаждения реактора играют важную роль – они отводят тепло реактора в воду теплообменника. Осуществляется подача холодной воды на вход и отбор нагретой воды на выходе. Так, холодная вода обтекает реактор с охлаждающими элементами, и нагревается от них, а расход (скорость потока) воды определит разницу температур между входящей и выходящей водой. Таким образом, можно получить горячую воду, или даже пар.

Холодный ядерный синтез – предмет многолетних споров учёных и изобретателей разных стран мира. Многие из них в аналогичных реакциях наблюдали трансмутацию вещества и высвобождение энергии в виде небольшого количества тепла. Но подобные открытия для официального признания требовали возможности повторения наблюдений результатов экспериментов, что крайне редко удавалось на практике, а если и удавалось, то результаты подвергались жёсткой бескомпромиссной дискредитации. По этому поводу рекомендую посмотреть фильм Тяжелый Уотергейт - Война против холодного ядерного синтеза / Heavy Watergate - The war against cold fusion . Созданием E-Cat Андреа Росси , вероятно, поставит точку в этом давнем противостоянии, где по сути проигрывающая многие годы сторона возымеет свою правоту, и холодный ядерный синтез станет новой вехой в истории науки и прогресса .

Кроме единичного реактора были собраны различные варианты теплогенерирующих установок на реакторах E-Cat . Примечательно, что мощность самого большого из них 1 мегаватт. Весьма радует и то, что готовится к серийному выпуску и образец мощностью 5 кВт, его должно будет вполне хватать для отопления одного частного дома. Производиться эти устройства будут корпорацией Леонардо в США (Leonardo Corporation, 1331 Lincoln Road, Miami Beach, Florida- 33139, USA).