jadiid

کنسرسیوم EcoSwing اعلام کرد که ژنراتور ویژه را به مکانی در دانمارک منتقل کرده است. این مهم بود ژنراتور آهنربای دائمی که قبلاً نصب شده بود اکنون مکان هایی را با یک دستگاه ابررسانا جدید جابجا می کند. افرادی که این کار را انجام داده اند ، مجموعه تخصصهای خود را در آلمان ، هلند و فرانسه به دست آورده اند.

خبرهای توربین بادی در قالب خبر منتشر شده از سایت EcoSwing منتشر شد. "دائم آهنربا خارج - ابررسانا در ." اکنون که ژنراتور EcoSwing برای ادغام توربین ها آماده است ، حامیان می گویند این نشانه ای از جهت های جدید است.

ویدئویی که پروژه EcoSwing را با اکشن Envision در حال نمایش است ، در ماه اکتبر منتشر شد. چشم انداز یکی از شرکای کنسرسیوم است که این امر را ممکن می کند.

اساسا، خبر این است که بازیگران EcoSwing یک هدف برای نصب یک قطار درایو ابررسانا در یک موجود برآورده باد توربین در دانمارک، در سواحل غرب دانمارکی. این یک توربین بادی در مقیاس بزرگ است.

"قطار درایو Superconducting" ممکن است لفظی باشد اما سه کلمه برجسته آنچه در این تلاش در نیروی باد است ویژه است. "ابر رسانا" اکنون مورد توجه است. راوی فیلم گفت: برای اولین بار ، در حال تولید یک ژنراتور ابررسانا است که در یک توربین بادی عملکردی فعالیت می کند. این تجهیزات به عنوان مولد باد چند مگاوات مستقیم ابررسانا باد توصیف شده است.

ابررساناها به عنوان "بسیار مکمل" فن آوری های کارآمد با انرژی ، به عنوان جایگزینی برای مس توصیف می شوند. در این ویدئو ژنراتور به عنوان "یک قطعه مهندسی پیچیده" توصیف شده است.

Nextbigfuture جزییات را در اختیار داشت: "ژنراتور جدید 4 متر قطر دارد ، 1.5 متر از یک نمونه معمولی کوچکتر است. این داخل یک توربین 88 متری بلند 3.6 مگاواتی در تیبورون ، دانمارک قرار دارد."

این ویدئو برای همه این موارد در مورد پرونده تجاری صحبت کرده است. و راوی گفت که پرونده تجارت کاملاً مشخص بود. به گفته دکتر یورگن کلرز ، که در ECO 5. مدیر شریک زندگی است ، ابررساناها می توانند مقادیر زیادی جریان را به صورت بسیار فشرده و متراکم حمل کنند. ژنراتور سبک ، کم حجم و کم هزینه.

ماشین آلات برقی که سبک و کم حجم هستند مزایایی را به همراه دارند. سایت پروژه می گوید: "استفاده بسیار كاهش یافته از مواد باعث می شود كه این فناوری برای ماشین آلات معمولی بسیار رقابتی باشد." این ژنراتور در حال آماده شدن برای اولین طعم و مزه خود از باد خشن دریای شمال است.

در عنوان زیر در عکس Chemistry World که به EcoSwing برگردانده شده ، گفته است که توربین بادی 3.6 مگاواتی در دانمارک دارای آهنربای دائمی خود است که جایگزین "یک سرامیک ابررسانا با دمای بالا" شده است.

آنتونی کینگ در شیمی جهانی در مورد آنچه به معنای جایگزینی آهنرباهای دائمی با نوار ابررسانا است ، نوشت. [ ژنراتورهای توربین بادی امروزه از آهنرباهای دائمی استفاده می کنند.]

"سوئیچ به این معنی است که می توان توربین های بادی سبکتر و کوچک تری ساخت که کمتر وابسته به عناصر کمیاب خاکی کمیاب هستند. این بدان معنی است که قیمت توربین ها می تواند سقوط کند و به نوبه خود هزینه های انرژی را کاهش دهد."

EcoSwing بودجه خود را از یک برنامه تحقیق و نوآوری اتحادیه اروپا تأمین می کند. این کنسرسیومی با هدف تحویل "زنجیره ارزش" از ابررسانا به کاربر نهایی است. به این ترتیب ، گروه هایی که متعلق به EcoSwing هستند ، از دانشگاه ها و صنعت هستند.

مهندسان ECO 5 طرح اصلی را ارائه دادند. موسسه انرژی انرژی باد و فن آوری سیستم Fraunhofer (IWES) قرار بود یک آزمایش زمینی را قبل از نصب واقعی انجام دهد. ترکیب شریک نیز شامل Sumitomo Cryogenics of Europe بود که تجهیزات کرایوژنیک را تهیه می کرد. کولرهای کریو ابررسانا را تا -240 درجه سانتیگراد سرد می کنند ، گفت Nextbigfuture .

در تصویر بزرگتر ، شرکت کنندگان در پروژه با این تلاش حتی به عنوان نوعی اختلال ، به تعبیری مثبت ، در صنعت انرژی رفتار می کنند. به گفته Jesper Hansen ، مدیر ارشد پروژه ، Envision Energy ، ژنراتورهای ابررسانا مرزهای طراحی درایوها را جابجا می کنند. ادعا می شود که این پروژه "اولین موتور" در جهان است که "قطعه ای از تاریخ مهندسی" را نشان می دهد.

http://ztndz.com/story7344476/پمپ-وکیوم-اصفهان

مهندسین زیستی در دانشگاه کالیفرنیا سن دیگو تکنیک bioprinting 3 بعدی را تهیه کرده اند که با مواد طبیعی کار می کند و کاربرد آن بسیار آسان است ، به محققان در سطوح مختلف تخصص فنی اجازه می دهد تا مدلهای بافت اندام با کیفیت را تولید کنند.

به عنوان یک اثبات مفهوم ، تیم UC سن دیگو با استفاده از روش خود را برای ایجاد خون شبکه های کشتی قادر به زنده نگه داشتن تومور سرطان پستان در خارج از بدن. آنها همچنین مدلی از روده انسان عروقی ایجاد کردند. این کار اخیراً در مواد پیشرفته بهداشت منتشر شده است .

محققان گفتند هدف از ساختن اندامهای مصنوعی نیست که بتوانند در بدن کاشته شوند ، بلکه ساختن مدلهایی با رشد آسان انسان است که می توانند در خارج از بدن مورد مطالعه قرار گیرند یا برای غربالگری داروهای دارویی استفاده شوند.

مایکل هو ، نویسنده اول ، مهندسی زیست مهندسی گفت: "ما می خواهیم برای دانشمندان روزمره - که ممکن است تخصص لازم برای سایر روشهای چاپ 3 بعدی نباشند - را آسانتر سازند ، تا از هر نوع بافت انسانی که در حال مطالعه هستند ، مدلهای 3 بعدی تهیه کنند." دکتری دانشجو در دانشکده مهندسی UC San Diego Jacobs. "این مدل ها از آزمایشات سلول های استاندارد 2-D یا 3-D پیشرفته تر هستند و در مورد آزمایش داروهای جدید ، که در حال حاضر در مدل های حیوانات انجام می شود ، بیشتر به انسان مربوط می شوند."

پرشانت مالی ، استاد مهندسی مهندسی مهندسی UC San Diego Jacobs ، دانشمند ارشد این مطالعه ، گفت: "شما نیازی به چیز پیچیده ای برای پذیرش این آزمایشگاه ندارید." "ما امیدواریم که چندین آزمایشگاه بتوانند با این کار کار کنند و با این کار آزمایش کنند. هرچه تصویب بیشتر شود ، تأثیر بیشتری می تواند داشته باشد."

روش ساده است. به عنوان مثال ، محققان برای ایجاد یک شبکه رگ خونی زنده ، یک داربست را به صورت دیجیتالی طراحی می کنند. محققان با استفاده از چاپگر 3 بعدی تجاری ، داربست را از یک ماده محلول در آب به نام پلی وینیل الکل چاپ می کنند. آنها سپس یک پوشش ضخیم - ساخته شده از مواد طبیعی - را بر روی داربست ریخته ، می گذارند که آن را درمان و جامد کند ، و سپس مواد داربست را داخل آن بریزید تا کانال های رگ خونی ایجاد شود. بعد، آنها کت داخل کانال با اندوتلیال سلول ، که سلول های که خط داخل رگ های خونی . آخرین مرحله ، جریان رسانه های کشت سلول از طریق رگ ها برای زنده نگه داشتن و رشد سلول ها است.

این عروق از مواد طبیعی موجود در بدن مانند فیبرینوژن ، ترکیبی است که در لخته های خون یافت می شود و ماتریگل ، یک شکل تجاری موجود از ماتریکس خارج سلولی پستانداران واقعی است.

یافتن مواد مناسب یکی از بزرگترین چالش ها بود ، گفت: دانشجوی کارشناسی ارشد مهندسی مهندسی شین یی (لیندا) لی ، نویسنده نویسنده این مطالعه است. "ما می خواستیم از موادی استفاده کنیم که طبیعی تر از مصنوعی باشند ، بنابراین می توانیم چیزی را که ممکن است نزدیک به آنچه در بدن است قرار دهیم. آنها همچنین نیاز دارند تا بتوانند با روش چاپ 3 بعدی ما کار کنند."

مالی گفت: "ما می توانیم از این مواد روزمره مشتق بیولوژیکی استفاده کنیم تا بافت های داخل بدن که عروقی هستند ، بسازند ." "و این یک جنبه مهم است اگر بخواهیم بافت هایی بسازیم که برای مدت زمان طولانی در خارج از بدن پایدار باشند."

امیر دیلمی ، دانشجوی فارغ التحصیل مهندسی مهندسی مهندسی در آزمایشگاه مالی ، داربستی را برای چاپ سه بعدی طراحی می کند. اعتبار: دانشکده مهندسی UC San Diego Jacobs
زنده ماندن

در یک مجموعه آزمایش ، محققان از رگهای خونی چاپ شده برای زنده نگه داشتن بافتهای تومور سرطان پستان در خارج از بدن استفاده کردند. آنها قطعاتی از تومورها را از موش ها استخراج و سپس برخی از قطعات را در شبکه های رگ خونی چاپ شده جاسازی کردند. قطعات دیگر در یک سلول سلولی 3 بعدی استاندارد نگهداری شدند. بعد از گذشت سه هفته ، بافتهای تومور محصور شده در رگهای خونی زنده مانده بودند. در همین حال ، کسانی که در کشت سلولی استاندارد 3 بعدی عمدتاً از دنیا رفته بودند.

هو که علاقه خاصی به مطالعه مدل های تومور سرطان پستان دارد ، گفت: "امید ما این است که ما بتوانیم از سیستم خود استفاده کنیم تا مدل های توموری ایجاد کنیم که می توانند از آنها برای آزمایش داروهای ضد سرطان در خارج از بدن استفاده کنند." "سرطان پستان یکی از شایع ترین سرطان ها است - یکی از بزرگترین بخش های تحقیقاتی به آن اختصاص یافته است و یکی از بزرگترین پانل های دارویی برای آن ساخته شده است. بنابراین هر مدلی که می توانیم بسازیم برای افراد بیشتری مفید خواهد بود."

در مجموعه دیگری از آزمایشات ، محققان یک مدل روده عروقی ایجاد کردند. این سازه از دو کانال تشکیل شده بود. یکی لوله مستقیمی بود که با سلولهای اپیتلیال روده پوشانده شده بود تا روده را تقلید کند. مورد دیگر کانال عروق خونی (پوشیده از سلولهای اندوتلیال ) بود که در مجرای روده مارپیچ می شدند. هدف از این کار ایجاد مجدد روده ای بود که توسط یک شبکه رگ خونی احاطه شده بود . سپس هر کانال با رسانه های بهینه شده برای سلول های خود تغذیه می شد. در طی دو هفته ، کانال ها شروع به دریافت مورفولوژی های پر جنب و جوش بیشتری کرده اند. به عنوان مثال ، کانال روده شروع به جوانه زدن ویله ها می کند ، که آن ها بینی های کوچک مانند انگشت هستند که داخل دیواره روده قرار دارند.

وی گفت: "با استفاده از این نوع استراتژی ، می توانیم سیستم های طولانی و پیچیده ای را برای زندگی طولانی در محیط ex vivo ایجاد کنیم. در آینده ، این ممکن است نیاز به استفاده از حیوانات برای ساخت این سیستم ها داشته باشد. این همان کاری است که هم اکنون انجام می شود." مالی

"این یک اثبات مفهوم بود که نشان می داد ما می توانیم انواع مختلفی از سلول ها را در کنار هم قرار دهیم ، این مهم است اگر بخواهیم از تعامل چند اندام در بدن الگو بگیریم . در یک چاپ واحد می توانیم دو محیط محلی مجزا ایجاد کنیم که هر یک متفاوت باشند. نوع سلول زنده است و به اندازه کافی در کنار هم قرار می گیرد تا بتوانند در تعامل باشند. "

با پیشروی ، این تیم در تلاش است تا این تکنیک را تمدید و اصلاح کند. کار آینده در بهینه سازی رگ های خونی چاپ شده و ایجاد مدل های تومور عروقی که بیشتر از آن در بدن تقلید می کنند ، تمرکز خواهد کرد.

http://socialmediainuk.com/story5562296/پمپ-وکیوم-اصفهان

اپراتورهای هواپیماهای بدون سرنشین که برای پرواز از دستگاه چند پروانه ای استفاده می کنند و همزمان عکس می گیرند می توانند به زودی روشی بسیار ساده تر برای هدایت پرواز داشته باشند.

بدریش بنز ، استاد فناوری گرافیک رایانه ، و دانشجوی دکترا هائو کانگ با محققان شرکت همکاری کردند تا روشی با صفحه لمسی برای حرکت و عکس گرفتن با هواپیماهای بدون سرنشین تهیه کنند.

این روش با نام FlyCam با مفهوم ترکیب پهپاد و حرکات دوربین کار می کند.

بنز گفت: "بنابراین کاربر مجبور نیست در مورد کنترل های چندگانه برای پهپاد و دوربین فکر کند." وی می گوید: "او می تواند در مورد هواپیمای بدون سرنشین به عنوان یک دوربین ساده پرواز سه بعدی که توسط حرکات ساده بر روی دستگاه لمسی کنترل می شود ، فکر کند."

FlyCam با استفاده از کشیدن های یک و دو انگشتی در تلفن های هوشمند یا رایانه لوحی برای کنترل پهپاد در هنگام شتاب یا چرخاندن و گرفتن تصاویر. این هواپیمای بدون سرنشین در امتداد محور دوربین با استفاده از شیرهای یک یا دو به صفحه حرکت می کند.

کنترل پهپادهای سنتی و پیچیده تر با استفاده از جوی استیک های دوگانه برای پیمایش هواپیماهای بدون سرنشین و همچنین یک جوی استیک اضافی و گیمبال - یک پشتیبانی محوری که امکان چرخش در یک محور واحد را دارند - می توانند دوربین را کنترل کنند.

کان گفت: "ما یک مطالعه کاربر را انجام دادیم و بیشتر کاربران با FlyCam بهتر عمل کردند." "استفاده از فقط یک دستگاه موبایل ساده ساده در مقایسه با ترکیبی از کنترل از راه دور دست و پا گیر ساده تر است."

اعتبار: دانشگاه پوردو
در بخشی از تحقیقات ، بنز گفت که آنها توانایی خلبانان هواپیماهای بدون سرنشین دارای مجوز با ریموت کنترل را بررسی کرده و این مقایسه را با افرادی که برای اولین بار هواپیمای بدون سرنشین را با استفاده از FlyCam انتخاب کرده اند مقایسه کرده اند.

بنز گفت: "و افرادی که هواپیمای بدون سرنشین را برای اولین بار انتخاب کرده اند نسبت به افرادی که پروانه پرواز دارند ، برابر یا بهتر بودند." "این همان چیزی است که در واقع بیشتر ما را تحت تأثیر قرار داده است."

FlyCam با استفاده از سیستم اندرویدی در حال آزمایش بود. شاخه‌ها هنگام استفاده از تبلت بهتر عمل کردند ، این امر امکان حرکات بزرگتر و کنترل بهتر را فراهم می آورد.

بنز گفت که او و کانگ به همکاری خود در زمینه تحقیق ادامه خواهند داد که شامل عکس های خودکار از دوربین است .

http://prbookmarkingwebsites.com/story5096219/پمپ-وکیوم-اصفهان

محققان MIT روش جدیدی را برای تأمین سرمایش در یک روز آفتابی گرم ، با استفاده از مواد ارزان قیمت و بدون نیاز به نیروی تولید سوخت فسیلی ابداع کرده اند. سیستم منفعل ، که می تواند برای تکمیل سایر سیستم های خنک کننده برای حفظ مواد غذایی و داروها در مکان های گرم و خارج از شبکه استفاده شود ، در اصل یک نسخه با تکنولوژی بالا از یک چترباز است.

این سیستم امکان انتشار گرما را در محدوده نور مادون قرمز مادون قرمز می دهد که می تواند مستقیماً از درون جو عبور کرده و در سرما فضا تابش یابد و مستقیماً از طریق گازهایی که مانند گلخانه عمل می کنند ، تابش کند. برای جلوگیری از گرم شدن در نور مستقیم خورشید ، یک نوار فلزی کوچک معلق در بالای دستگاه اشعه مستقیم خورشید را مسدود می کند.

سیستم جدید این هفته در ژورنال Nature Communications در مقاله ای توسط دانشمند تحقیق بیکرام باتیا ، دانشجوی فارغ التحصیل Arny Leroy ، استاد مهندسی مکانیک و رئیس بخش Evelyn Wang ، استاد فیزیک Marin Soljacic و شش نفر دیگر در MIT شرح داده شده است.

محققان می گویند ، در تئوری ، سیستمی که آنها طراحی کرده اند می توانند تا 20 درجه سانتیگراد (36 درجه فارنهایت) پایین تر از دمای محیط در محلی مانند بوستون خنک کنند . تاکنون ، در آزمایش اولیه اثبات مفهوم ، آنها به سرمایش 6 درجه سانتیگراد (حدود 11 درجه فارنهایت) دست یافته اند. برای برنامه های کاربردی که حتی به سرمایش بیشتری نیاز دارند ، باقیمانده از طریق سیستم های برودتی معمولی یا خنک کننده حرارتی حاصل می شود.

گروه های دیگر تلاش کرده اند سیستم های خنک کننده غیرفعال را طراحی کنند که گرما را به صورت طول موج مادون قرمز مادون قرمز تابش می کند ، اما این سیستم ها بر اساس دستگاه های فوتونی مهندسی پیچیده ساخته شده اند که ساخت آنها بسیار گران است و در دسترس برای استفاده های گسترده در دسترس نیست. گفتن. این دستگاه ها پیچیده هستند زیرا به گونه ای طراحی شده اند که طول موج های خورشید را تقریباً کاملاً منعکس می کنند و تنها برای انتشار تابش در محدوده مادون قرمز در اواسط بخش. این ترکیبی از بازتابی انتخابی و نشر پذیری نیاز به یک ماده چند لایه دارد که در آن ضخامت لایه ها با دقت نانومتر کنترل می شوند.

اما معلوم می شود که انتخاب ساده با مسدود کردن نور مستقیم خورشید با یک نوار باریک که دقیقاً در زاویه مناسب قرار دارد ، برای پوشاندن مسیر خورشید در سراسر آسمان ، بدون نیاز به ردیابی فعال توسط دستگاه حاصل می شود. سپس یک وسیله ساده ساخته شده از ترکیبی از فیلم پلاستیکی ارزان قیمت ، آلومینیوم جلا ، رنگ سفید و عایق می تواند امکان انتشار گرما را از طریق پرتوهای مادون قرمز میانی فراهم کند ، که به این ترتیب اکثر اشیاء طبیعی خنک می شوند و در عین حال مانع از دستگاه می شوند. در اثر تابش مستقیم نور خورشید گرم می شود . در حقیقت ، سیستمهای خنک کننده تابشی سادهاز زمان های بسیار قدیم برای دستیابی به سرمایش شبانه مورد استفاده قرار گرفته است. مشکل این بود که چنین سیستم هایی در طول روز کار نمی کنند زیرا اثر گرمایش نور خورشید حداقل 10 برابر قوی تر از حداکثر اثر خنک کننده قابل دستیابی است.

اما پرتوهای گرمایش خورشید به صورت مستقیم حرکت می کنند و به آسانی مسدود می شوند - مثلاً ما با یک قدم گذاشتن به سایه درخت در یک روز گرم ، به راحتی مسدود می شویم. محققان با سایه زنی دستگاه با قرار دادن چتری بر روی آن و مکمل آن با عایق در اطراف دستگاه برای محافظت از آن در برابر دمای هوای محیط ، محققان خنک کننده غیرفعال را زنده تر کردند.

باتیا می گوید: "ما این مجموعه را ساختیم و آزمایش های خارج از خانه را در پشت بام MIT انجام دادیم." "این با استفاده از مواد بسیار ساده انجام شد" و به وضوح اثربخشی سیستم را نشان داد.

وانگ می گوید: "این یک نوع فریبنده ساده است." "با داشتن یک سایه جداگانه و یک تابشگر در جو - دو مؤلفه جداگانه که می توانند نسبتاً کم هزینه باشند" سیستم نیازی به توانایی ویژه ای برای انتشار و جذب انتخابی ندارد. ما از انتخاب زاویه ای استفاده می کنیم تا مسدود کردن مستقیم را انجام دهیم. خورشید ، همچنان که ما همچنان طول موج های گرما را به آسمان ساطع می کنیم. "

این پروژه "به ما الهام بخش است تا در مورد استفاده از" سایه "تجدید نظر کنیم" ، می گوید: ییچن شن ، وابسته به تحقیق و هم نویسنده مقاله. وی می گوید: "در گذشته مردم فقط به فکر استفاده از آن برای کاهش گرمایش بودند. اما اکنون می دانیم که اگر از سایه هوشمند به همراه برخی از فیلترهای پشتیبانی سبک استفاده می شود ، می توان از آن برای خنک کردن جسم استفاده کرد."

لروی می گوید یکی از عوامل محدود کننده سیستم ، رطوبت موجود در جو است که می تواند برخی از انتشار مادون قرمز را از طریق هوا مسدود کند. در مکانی مانند بوستون ، نزدیک به اقیانوس و نسبتاً مرطوب ، این مقدار کل خنک کننده را می توان محصور کرد و آن را تا حدود 20 درجه سانتیگراد محدود کرد. اما وی می گوید ، در محیط های خشک ، مانند جنوب غربی ایالات متحده یا بسیاری از محیط های بیابانی یا خشک در سرتاسر جهان ، حداکثر سرمایش قابل دستیابی می تواند بسیار بیشتر باشد ، به طور بالقوه به اندازه 40 درجه سانتیگراد (72 درجه فارنهایت).

در حالی که بیشتر تحقیقات در مورد خنک کننده تابشی ، روی سیستمهای بزرگتری متمرکز شده که ممکن است برای خنک کردن کل اتاقها یا ساختمانها کاربرد داشته باشد ، این رویکرد بومی سازی شده است ، وانگ می گوید: "این امر برای کاربردهای برودتی مانند ذخیره سازی مواد غذایی یا واکسن ها مفید خواهد بود." در حقیقت ، محافظت از واکسن ها و سایر داروها از فساد در شرایط گرم و گرمسیری یک چالش اساسی در حال انجام است که می تواند این فناوری را برای حل و فصل مناسب قرار دهد.

وانگ می گوید ، حتی اگر این سیستم برای پایین آمدن دمای کافی تا حد لازم کافی نبود ، "حداقل می تواند بارهای آن را کاهش دهد" در سیستم های برودتی الکتریکی ، فقط خنک کننده نهایی را فراهم کند.

این سیستم همچنین ممکن است برای برخی از انواع سیستم های فتوولتائیک غلیظ ، که در آن از آینه ها برای تمرکز نور خورشید بر روی یک سلول خورشیدی استفاده می شود ، برای افزایش کارایی آن ، مفید باشد. اما چنین سیستم هایی به راحتی گرم می شوند و به طور کلی نیاز به مدیریت حرارتی فعال با مایعات و پمپ ها دارند. در عوض ، قسمت پشتی چنین سیستمهای غلیظی می تواند با سطوح قابل انتشار مادون قرمز مادون قرمز که در سیستم خنک کننده غیرفعال مورد استفاده قرار می گیرد ، نصب شود و بدون هیچ گونه مداخله فعال می تواند گرمایش را کنترل کند.

با ادامه کار در زمینه بهبود سیستم ، بزرگترین چالش یافتن راه هایی برای بهبود عایق دستگاه ، جلوگیری از گرم شدن بیش از حد آن از هوای اطراف ، در حالی که مانع از تابش توانایی آن نمی شود. لروی می گوید: "چالش اصلی یافتن مواد عایق بندی شده توسط مادون قرمز شفاف است."

این تیم برای اختراع ثبت اختراعات اقدام کرده است و امیدوار است که بتواند خیلی سریع برنامه های دنیای واقعی را پیدا کند.

http://bookmark-template.com/story6989875/پمپ-وکیوم-اصفهان

سیستم های ترکیبی سیستم هایی هستند که رفتار پویا مداوم و گسسته را نشان می دهند و انعطاف پذیری بیشتری را در مدل سازی پدیده های پویا ارائه می دهند. زبان های مدل سازی سیستم های ترکیبی به طور گسترده ای برای توسعه سیستم های فیزیکی سایبر مورد استفاده قرار می گیرند ، که در آن نرم افزار کنترل با دستگاه های فیزیکی تعامل دارد.

محققان اینریا و ANSYS / Esterel Technologies اخیراً رویکرد جدیدی را برای طراحی و اجرای زبان سیستم های ترکیبی ارائه داده اند. روش آنها ، که در مقاله ای در مجموعه مقالات IEEE بیان شده است ، مبتنی بر اصول زبان همگام و تکنیک های تلفیقی مرتبط است.

ابزارهای مدل سازی سیستم ترکیبی از رابطهای صرف به حلالهای عددی تکامل یافته و سپس برای برنامه نویسی مدلهای اجرایی سیستمهای پویا به زبانهای کاملاً پیشرفته تبدیل شده اند. این مدل ها معمولاً در مراحل مختلف زنجیره توسعه آنها شبیه سازی ، آزمایش ، اشکال زدایی و تأیید می شوند.

در متداول ترین روش ها ، کامپایلرها معمولاً مدل های منبع را بررسی می کنند ، نمایش های میانی تولید می کنند و کد پی در پی برای شبیه سازی کارآمد یا اجرای بر روی سیستم عامل های هدف تولید می کنند. با این حال ، این مراحل تدوین اغلب برای طراحی و اجرای دشوار است.

مطالعه اخیر بر طراحی ، معناشناسی و اجرای زبانهای مدل سازی سیستم های ترکیبی متمرکز شده است. این فرض بر این اساس است که چنین زبانهایی زبانهای برنامه نویسی با معانی سیستم های ترکیبی هستند ، از این رو چالش های جدیدی را ارائه می دهند.

محققان در مقاله خود می نویسند: "نکته نهایی این است که پیچیدگی زبانهای مدل سازی سیستم های ترکیبی واقعی ، دستیابی به تعریف یک معناشناسی رسمی رسمی و پویا را دشوار می کند." "این مشکلات به دور از نگرانی انتزاعی فلسفی ، عواقب عملی دارند."

محققان برای برطرف کردن این چالش ها ، می توانند یک هسته حداقل زبان از سازه های برنامه نویسی متعامد را شناسایی کنند که به اندازه کافی بیانگر مدل های ترکیبی واقع گرایانه است. آنها همچنین آرزو داشتند معنای دقیق استاتیک و پویا این زبان و همچنین مراحل تدوین آن را تعریف کنند.

محققان گفتند: "نتیجه یک زبان مدل سازی سیستم های ترکیبی است که در آن می توان سازه های برنامه نویسی همزمان را با معادلات دیفرانسیل معمولی (ODE) و رویدادهای عبور صفر آمیخت و یک زمان اجرا که تقریب آنها را به یک حل کننده عددی خارج از قفسه نشان دهد." در مقاله خود توضیح دهید. "ما یک معناشناسی ایده آل را بر اساس آنالیز غیراستاندارد پیشنهاد می کنیم ، که اجرای یک مدل ترکیبی را به عنوان یک توالی بی نهایت از مراحل زمانی نامتناهی تعریف می کند."

معناشناسی چارچوب پیشنهاد شده توسط محققان می تواند مورد استفاده برای تعیین و ثابت سه مرحله تدوین ضروری است. اول ، به سیستم نوع منجر می شود كه تضمین می كند كه هرگز سیگنال با زمان مداوم در موقعیت هایی كه انتظار می رود سیگنال زمان گسسته باشد ، و برعكس استفاده می شود. علاوه بر این ، عدم وجود حلقه های ترکیبی و همچنین تولید کد برنامه ریزی شده برای اجرای کارآمد را تضمین می کند.

محققان در این مقاله می نویسند: "رویکرد ما در دو پیاده سازی مورد ارزیابی قرار گرفته است: زبان دانشگاهی Zélus ، که زبان یادآور لوستر با Odes و وقایع عبور صفر را گسترش می دهد ، و نمونه اولیه صنعتی Scade Hybrid ، یک پسوند محافظه کارانه از Scade 6." کاغذ.

در مقایسه با سایر ابزارها و زبانها ، مانند بطلمیوس ، رویکرد مورد استفاده محققان از تشخیص مدلهای ناایمن در زمان کامپایل حمایت می کند. نتیجه این امر این است که برخی از مدل های خوب رد می شوند ، به دلیل اینکه سیستم های نوع نتیجه به اندازه کافی بیان نیستند. مطالعات تجربی بیشتر می تواند به تعیین اینکه آیا این نوع سیستم ها بیش از حد محدود کننده هستند کمک کند.

محققان در مقاله خود می نویسند: "کشف مشکلات عددی مربوط به سفتی در زمان اجرا است و لزوم وجود رشته های برنامه نویسی بیش از حد محدودکننده در زمینه های صنعتی را رد می کند." "انجام تجزیه و تحلیل های غنی در زمان کامپایل ، در حالی که کاربران را محدود می کند ، ممکن است در مدل ها خطاها را زود هنگام تشخیص دهد ؛ همچنین این امکان را می دهد تا چک های زمان اجرا را از بین ببرید و همچنین بطور آماری محاسبات عملکرد مرحله و اقدامات تنظیم مجدد را برنامه ریزی کنید ، که منجر به کد کارآمدتری می شود."

http://bookmark-dofollow.com/story6991068/پمپ-وکیوم-اصفهان

شنا نوعی حرکت است که توسط بسیاری از ارگانیسم ها در طیف وسیعی از مقیاس های طبیعت استفاده می شود. میکروارگانیسم هایی با جرم کمی که با تسلط نیروهای چسبناک در محیط روبرو هستند ، نیاز به تغییر شکل دارند که با توجه به زمان برای رسیدن به پیشرانه سیال مطابق با هیدرودینامیک متفاوت نیست. برای غلبه بر این چالش ، فلژل های یک سلولی از خانواده اوگلینا یک جنبش مشخصه موسوم به "جنبش اوگلنوییدی" را متحول کردند که در آن بدن به طور قابل توجهی شکل را تغییر می دهد ، به ارگانیسم اجازه می دهد تا از طریق مایعات چسبناک و فضاهای ریز حرکت کند. این توانایی برای تغییر شکل بدن و حرکت از طریق فضاهای محدود و محیط های درهم ریخته به ویژه در ربات های بیومتریک مهندسی جذاب است.

Krishna Manaswi Digumarti و همکارانش در گروه مهندسی و ریاضیات با الهام از اوگلنوئیدها ، طراحی و توسعه EuMoBot ، یک ربات نرم چند بخش را ارائه دادند . این روبات بیومتریک می تواند تغییر شکل بدن بزرگ را برای حرکت تکرار کند. در این تحقیق دانشمندان دو ربات را در اندازه های مختلف برای کار با حجم داخلی ثابت مهندسی کردند. در پروتکل مهندسی از hyperelasticity اتاقهای الاستومری پر از مایع برای تکرار حرکت اوژننوئیدها استفاده شده است. از این دو ، ربات کوچکتر با سرعت 1/5 طول بدن در هر چرخه حرکت می کند ، در حالی که این ربات بزرگتر با سرعتی برابر با 1/10 طول بدن در هر چرخه حرکت می کند. این مطالعه نشان داد که روباتهای بیومتریک نرم چگونه هستند می تواند برای تغییر شکل و تکرار حرکت بیولوژیکی مورد استفاده قرار گیرد ، در حالی که به عنوان ابزاری برای مطالعه روبات های بیومتریک عمل می کند.

دانشمندان همچنین برای توصیف و مقایسه شکل این روبات با همتای بیولوژیکی اوژننوئید ، روشی کمی بر اساس توصیفگرهای بیضوی بیضه ارائه دادند. نتایج نشان داد 85 درصد شباهت به شکل نشان می دهد که تکنیک مهندسی برای تولید روبات های مینیاتوری کاربرد دارد. این روش به دانشمندان این امکان را می دهد تا تکامل شکل را در روبات های نرم غیرخطی و پویا که شکل خاصی برای مدل سازی ندارند ، درک کنند. نتایج این تحقیق اکنون در ژورنال رابط جامعه سلطنتی منتشر شده است .

ساخت ربات نرم چند بخش با اتصال سه محرک HEB. الف) قالب چاپی سه بعدی با دو نیمه و هسته ای که برای ریختن الاستومر سیلیکون استفاده می شود. وسط: یک محفظه محرک واحد. سمت راست: یک ربات سه بخش ساخته شده در دو مقیاس متفاوت. یک پنی انگلیسی برای مقیاس نشان داده شده است. ب) نمای مقطعی ربات که اتاقهای مختلف را نشان می دهد. هر محفظه دارای لوله ورودی و خروجی بود. ضعف کافی برای گسترش آزاد اتاقها فراهم شده است. ج) بالا: رئوس مطالب اشکال سلولی در حین حرکت اوگلنوئید. پایین: روبات نرم ساخته شده است که فرم euglenoid bioinspired را تکرار می کند. اعتبار: RSIF ، doi: 10.1098 / rsif.2018.0301.
استراتژی های مهندسی Biomimetic به محققان الهام بخش است که به دنبال طرح هایی از پادشاهی حیوانات و ایجاد روبات های بیولوژیکی باشند . اوژنینوئیدها فلاژل های تک سلولی هستند ، که به دلیل ویژگی گیاهان و حیوانات مانند آنها ، در آزمایشگاه به عنوان مدل مورد مطالعه قرار گرفته اند . ارگانیسم ها برای شنا کردن با تعداد کم رینولدز از استراتژی های منحصر به فردی استفاده می کنند و مطالعات مربوط به تحرک آنها نسبتاً اخیر است. سلولهای ارگانیسم به طور معمول مجهز به یک یا چند فلاژلا برای شنا هستند ، در حالیکه نوع دیگری از حرکت کندتر را با نام حرکت اوژننوئید نیز به نمایش می گذارند ، که در آن سلول دچار تغییر چشمگیر در شکل می شود. در مطالعه حاضر ، Digumarti و همکاران. شکل دوم از حرکت را برای مهندسی یک ربات نرم و کاربردی بر اساس رفتار میکروارگانیسم استفاده کرد.

دلیل تکاملی تغییر تغییر شکل در حین حرکت اوژننوئید ناشناخته است ، اگرچه اعتقاد بر این است که تغییر شکل در اندازه سلول در پاسخ به محرکهای قوی مانند نور ، گرما ، شوک شیمیایی یا تماس بوجود می آید. هنگامی که میکروارگانیسم ها در یک پیچ و خم میکروسکوپی پر از مایع قرار گرفتند که شبیه محیط طبیعی آنها بود ، بسیاری از آنها حرکت اوژننوئیدی را نشان دادند ، که نشان می دهد حرکت برای محیط های محدود مناسب است. حرکت از این طبیعت می تواند برای ربات bioinspired در زمینه رباتیک نرم برای عبور از محیط های درهم ریخته با استفاده از تغییر شکل بدن بزرگ مفید باشد.

در این مطالعه ، نویسندگان طرح ، اصل تحریک و روش ساخت را به مهندس EuMoBot ، یک روبات نرم نشان می دهند که حرکت اوگلنویید را نشان می دهد. حرکت از طریق یک مایع نسبت به حرکت میکروارگانیسم طبیعی اندازه گیری شد. از آنجا که مکانیسمهای اساسی تغییر شکل قبلاً با جزئیات مورد مطالعه قرار گرفته بودند ، Digumarti و همکاران. در شکل ماکروسکوپی اوژننوئید به شکل روباتیک بدون تکرار تغییرات در سطح میکروسکوپی متمرکز شده است. محققان برای تولید محرکهای سیال نرم ، دستگاهی شبیه به آویز را طراحی کردند که تحت عنوان محرک هایپر الاستیک (HEB) محرک را همانطور که قبلاً توسط همان گروه تحقیقاتی تفصیل شده بود ، طراحی کرد.

الف) نشان دادن انطباق ربات در حین گسترش بین پیچ های سفت و سخت. ب) توالی تصاویر در شروع و پایان یک چرخه حرکتی روی یک میز صاف. ج) ربات که با استفاده از یک راه راه از نوع کرم اینچ داخل لوله می رود. اعتبار: RSIF ، doi: 10.1098 / rsif.2018.0301.
مهندسان شکل محرک را با استفاده از قالب چاپی 3 بعدی تشکیل دادند. آنها دو ربات را در ابعاد مختلف ساختند. آنها سه محفظه محرک ریخته و به دنبال آن الاستومر مخلوط شده با رنگدانههای تزریق شده در قالب برای درمان یک شبه و تشکیل یک محفظه سفید شفاف. روبات نرم bioinspired حاوی یک محفظه تورم / انحطاط برای تکرار شکل اوگلنوئید و دستیابی به شباهت در حرکت است.

محققان برای آزمایش حرکت رباتهای مهندسی ، آنها را در مخزن پر از محلول متیل سلولز در آب قرار دادند. ربات ها در هر آزمایش از حجم داخلی ثابت برخوردار بودند و مایع داخلی آنها از یک محفظه به اتاق دیگر منتقل می شد و تکثیر حرکت موج انبساطی را که مخصوص اوژننوئیدها بود ، تولید می کردند. هر دو روبات با تغییر شکل بدن ، توانایی شنا کردن را نشان دادند. اختلاف در سرعت به حجم سیال پمپ شده در محفظه های ربات نرم بستگی دارد. دانشمندان شباهت هیدرودینامیکی بین ربات نرم و میکروارگانیسم نسبت به اعداد رینولد را در هر دو اندازه مشاهده کردند. این ربات نرم صرفاً به کار در یک محیط سیال به عنوان همتای بیولوژیکی خود محدود نمی شد ،

http://mediajx.com/story8040787/پمپ-وکیوم-اصفهان

تیمی از محققان Technion و دانشگاه حیفا روش جدید بینایی رایانه ای را برای حل معماهای باستان شناسی تهیه کرده اند. در مقاله خود ، که از قبل روی arXiv منتشر شده است ، آنها یک الگوریتم کلی را معرفی می کنند که می تواند به طور خودکار قطعاتی از آثار باستانی را مجدداً جمع کند.

محققان در مقاله خود می نویسند: "حل پازل سالهاست که یک مشکل جذاب است." "این مناطق دارای برنامه های بیشماری است ، مانند اسناد خرد شده ، ویرایش تصویر ، زیست شناسی و باستان شناسی."

محققان در تلاشند تا ابزاری را توسعه دهند که به طور خودکار بتواند پازل ها را برای ده ها سال حل کند. اولین حل کننده محاسباتی ، که در سال 1964 معرفی شد ، توانست با معماهای نه قطعه ای مقابله کند. امروزه ، بیشترین تکنیک های مدرن برای حل پازل به گونه ای طراحی شده اند که با استفاده از تطبیق رنگ ، تطبیق شکل یا ترکیبی از هر دو ، روی تصاویر طبیعی کار کنند.

محققان تکنیون و دانشگاه حیفا تصمیم گرفتند که در حوزه باستان شناسی به حل معما بپردازند. در زمان کشف آنها ، اکثر اشیاء باستان شناسی در وضعیت ضعیف یا قطعه ای قرار دارند. بنابراین ، باستان شناسان به صورت دستی این قطعات را مجدداً جمع می کنند تا بتوانند آنها را بررسی کنیم. ابزارهای دید در رایانه می توانند با خودکار کردن حل معماهای باستان شناسی ، این روند دشوار و وقت گیر را بسیار ساده کنند.

طرح کلی الگوریتم. اعتبار: درچ ، تال و شیمشونی.
محققان در مقاله خود توضیح می دهند: "ما فقط بر این موضوع تمرکز می کنیم که میراث فرهنگی به عنوان یک هدف مهم در سراسر جهان به رسمیت شناخته شده است ، بلکه به این دلیل است که حوزه باستان شناسی محدودیت های تکنیک های رایج در حال حاضر را کشف می کند." "آثار باستان شناسی" تمیز "و" رفتار زیبایی نیستند "؛ بلکه شکسته ، فرسایش یافته ، پر سر و صدا هستند و در نهایت بسیار سخت به الگوریتم هایی که آنها را تجزیه و تحلیل می کند یا مجدداً چالش برانگیز است. یک منطقه برنامه بسیار چالش برانگیز. "

محققان رویکردی را توسعه داده اند که سه تفاوت عمده بین معماهای قطعه مربعی تصاویر طبیعی و تصاویر مصنوعات باستان شناسی را نشان می دهد ، که با سایش ، محو شدن رنگ و تداوم در ارتباط هستند. در مصنوعات باستان شناسی ، سایش اغلب شکافهایی بین قطعات ایجاد می کند و همخوانی با قطعات مجاور را دشوار می کند.

علاوه بر این ، محو شدن رنگ می تواند منجر به لبه های مات شود ، که باید از لبه ها و شیب های واقعی متمایز شوند. سرانجام ، در معماهای تصویری طبیعی با قطعات مربع ، تعداد مشخصی از تحولات در بین هر جفت قطعه وجود دارد ، اما در مصنوعات باستان شناسی ، تحولات معتبر متعلق به یک فضای مداوم است و بیشتر معماها را پیچیده می کند.

نقاشی ها با استفاده از انواع الگوهای گل و لای خشک به قطعات شکسته شدند و هر قطعه به طور تصادفی چرخانده شد. پارتیشن هندسی متفاوت است ، و همچنین الگوهای و رنگ ها. بعضی از آنها الگوهای تکراری زیادی دارند ، که حل این مثالها را دشوارتر می کند. بعضی از آنها فقط چند رنگ دارند که مناطق بزرگ را اشغال می کنند ، در حالی که برخی دیگر رنگ های متنوع تری دارند. با این وجود ، الگوریتم ما موفق به تجدید بی نظمی این نمونه ها شد. اعتبار: درچ ، تال و شیمشونی.
محققان می نویسند: "ما الگوریتم جدیدی را پیشنهاد می کنیم که این مشکلات را برطرف می کند." "این مبتنی بر چهار ایده اصلی است. اول ، برای پرداختن به سایش قطعه ، پیشنهاد می کنیم که هر قطعه را قبل از نصب مجدد استخراج کنید. این مسئله مشکل تداوم را کاهش می دهد (پیش بینی نحوه" ادامه "قطعه) که با آن روبرو هستیم. دوم ، ما یک روش نمونه گیری تحول را پیشنهاد می کنیم ، که مبتنی بر مفهوم فضای پیکربندی است ، و مخصوصاً متناسب با مشکل ما است. "

به گفته محققان ، در هسته هر حل و فصل پازل این سؤال نهفته است: چه چیزی باعث ایجاد یک مسابقه خوب می شود؟ برای پاسخ به این ، آنها از معیار جدیدی استفاده کردند که ویژگی های منحصر به فرد معماهای باستان شناسی را شامل می شود ، از جمله شکاف بین قطعات ، محو شدن رنگ ، لبه های شفاف ، طول مرزهای متناسب و تحولات نادرست. علاوه بر این ، الگوریتم آنها قطعات را بر اساس اعتماد به نفس آنها در مسابقه ، که تحت تأثیر منحصر به فرد بودن مسابقه و اندازه قطعه قرار می گیرد قرار می دهد.

محققان الگوریتم خود را بر روی ده ها مورد باستان شناسی واقعی از موزه بریتانیا و نقاشی های دیواری از کلیساها در سراسر جهان ارزیابی کردند. آنها دریافتند که عملکرد بسیار خوبی دارد و با موفقیت مجدد بخش عمده ای از این آثار باستانی شکسته شده و نقاشی های دیواری را از بین برد.

https://www.namasha.com/v/gFaRKlVT

اگر گزارش نشود که گوگل در پاسخ به یافته هایی مبنی بر اینکه یک اشکال موتور جستجو در را باز می کند ، باز می دارد ، مطابق آنچه که سال گذشته توسط ویتز بوکما مشخص شد ، خوشحال شد که تماشای Google را به راحتی درک کرد خوشحال شد.

" خودنمایی 2017 جستجو در گوگل حقه بازی اشکال بالاخره ثابت" این خبر را از بود آندروید اخبار ؛ موتور جستجوگر زمین همچنین گزارش داد که گوگل روی آن کار می کند. خب چه حیرت داشت؟

تعدادی از سایت ها از جمله Threatpost روز پنجشنبه گفتند که نتایج جستجوی کارت گرافیک Google می تواند برای ایجاد اخبار جعلی جعل شود . چگونه می توان تکنیک را با تلاش برای کلاهبرداری از بین برد؟ Tara Seals در Threatpost گفت که "با افزودن دو پارامتر به هر URL جستجوی Google".

بوکما در وبلاگ نوشت: "با اضافه کردن دو پارامتر به هر URL جستجوی Google ، می توانید نتایج جستجو را با کارت دانش دانش مورد نظر خود جایگزین کنید."

برای سازندگان بدجنس که امیدوار به تزریق اطلاعات به عنوان اطلاعات ضد اطلاعات هستند ، به نظر می رسد که یک اسباب بازی جایزه به نفع آنها می تواند در نمودار دانش باشد که در برابر کلاهبرداریها آسیب پذیر باشد.

Ilonut Ilascu، BleepingComputer : "نمودار ها دانش با یک دکمه به اشتراک آمده شما می توانید برای ایجاد یک لینک کوتاه شده برای توزیع آسان از پرس و جو جستجو با استفاده از URL کامل شامل یک پارامتر ( 'kgmid') با یک کد شناسایی برای کارت دانش گراف. نمایش داده با نتایج Google. "همانطور که معلوم است ، شما می توانید این پارامتر را به هر URL معتبر جستجوی Google اضافه کنید ، و آن را به شما کارت دانش دانش را در کنار نتایج جستجو از جستجوی جستجو نشان می دهد."

محقق Wietze Beukema موضوع کارتهای دانش (Knowledge Cards) را مطرح کرده بود ، که جعبه هایی در سمت راست صفحه جستجو هستند که حاوی اطلاعات مربوط به هر نوع جستجوی جستجو نوع کاربر در جستجوی Google هستند. جستجوی یک مبحث ، نتایج جستجوی عادی و همچنین کارت دانش را با حقایق اصلی درباره موضوع ارائه می دهد.

همچنین ، Threatpost گفت ، می توانید با اضافه کردن پارامتر & kponly به نتایج URL برای هر پرس و جو داده شده ، URL ایجاد کنید که فقط کارت دانش دانش را نشان می دهد و از هر نتیجه جستجو چشم پوشی می کند.

در تصویر بزرگتر ، این مربوط به گوگل نیست فقط به چیزی به نام نمودار دانش . کاربران رایانه به جستجوی Google خود تکیه می کنند تا اطلاعات واقعی و نه عمداً جعل شده به آنها بدهند. بنابراین ، مردم می پرسیدند ، این یک تکنیک کلاهبرداری است که نتایج جعلی ایجاد می کند ، این چیست؟ برخی از ناظران اظهار داشتند كه این امر غیر از سردردهای معمولی در مورد قربانی شدن خبرهای جعلی است. درک این مسئله دشوارتر بود زیرا این رویداد نه شخصی بلکه سیستمی را که کاربران به آن اعتماد دارند درگیر می کند.

اگر مغز متبحر از رسانه های ما گزارشی از وضعیت آب و هوا بود ، احتمالاً در حالت ابری و ابری قرار دارد و احتمال اینکه دچار سرگیجه شود. همانطور که دانیل گلایتلی اظهار داشت ، "این شرکت تا حد زیادی شهرت خود را بر اساس ماهیت قابل اعتماد جستجوهای خود بنا کرده است."

Beukema را به هیچ سلامتی به کارتهای دانش 2019 دعوت نکنید. Beukema در وبلاگ خود نوشت: "در حالی که اطلاعات اغلب به طور مستقیم از ویکی پدیا وارد می شوند ، این همیشه اتفاق نمی افتد. متاسفانه نمودار دانش به شما نمی گوید که اطلاعات را از کجا بدست آورده است."

با این حال ، آن را به راحتی به عنوان یک Informaton جعبه ای ارائه می شود و دیدن آن بسیار زحمت دارد. در واقع ، او اعتراف کرد ، "من خودم را به اتکا به اطلاعات ارائه شده توسط گوگل به جای مطالعه نتایج جستجو ، گرفتار کرده ام و مطمئن هستم که شما هم دارید."

وی افزود: "از همه اینها ، این یک پیوند مشروعیت جستجوی گوگل است و از آنجا که ما آموزش دیده ایم که به پاسخهای ارائه شده توسط گوگل اعتماد کنیم ، باید حقیقت داشته باشد ، درست است؟" اشتباه. و Beukema می خواست به Google اطلاع دهد که چه چیزی ممکن است. Threatpost گفت ، سال گذشته ، وی گزارش اشکال داد . سیلس گفت كه وی از غیرفعال كردن پارامتر "& kponly به ویژه" حمایت می كند. همانطور که وی در وبلاگ خود نوشت ، "گزارش اشکالاتی که من حدود یک سال پیش ارائه دادم بسته شد زیرا این آسیب پذیری به اندازه کافی آسیب پذیر تلقی نشده است."

دانیل گلایتلی در سرفصل های اندرویدی ، اتفاقات بعدی را شرح داده است ، که "در نهایت گوگل در تلاش برای رفع اشکال در موتور جستجوی خود است که باعث می شود نتایج به دست آمده فریب داده شود و برای اولین بار توسط ویتز بوکما در سال 2017 گزارش شد." تنها یک چروک جزئی برای این پایان خوش وجود دارد. او نمی داند کی. Golightly گفت: "اما غول جستجو هیچ نوع جدول زمانی را برای زمان اجرای این طرح ارائه نداده است."

باری شوارتز سردبیر اخبار موتور جستجوگر زمین است و پست او در 9 ژانویه گفت: " در نهایت تکنیک دستکاری پنل دانش در حال جلب توجه جدی غول جستجو است." وی گزارش داد كه سخنگوی گوگل به Search Engine Land گفت: "ما نگرانی در مورد پتانسیل بازیگران بد برای ایجاد تحریف گمراه كننده در صفحات نتایج جستجوی خود به اشتراک می گذاریم ، و در تلاشند تا این مسئله را برطرف كنیم."

شوارتز افزود: "ما معتقدیم گوگل اکنون در تلاش است تا از این نوع دستکاری در نتایج جستجو جلوگیری کند. اما ما نمی دانیم که چقدر طول می کشد تا حل شود ."

https://www.namasha.com/v/sVom78jN

زندگی در شرایط شدید مستلزم سازگاری خلاقانه است. برای گونه های خاصی از باکتری هایی که در محیط های بدون اکسیژن وجود دارند ، این به معنای پیدا کردن راهی برای تنفس است که شامل اکسیژن نمی شود. این میکروبهای هاردی ، که در اعماق مین ها ، در پایین دریاچه ها و حتی در روده انسان یافت می شوند ، یک شکل منحصر به فرد از تنفس را تکامل داده اند که شامل دفع و پمپاژ الکترون ها است. به عبارت دیگر ، این میکروب ها در واقع می توانند برق تولید کنند.

دانشمندان و مهندسان در حال بررسی راه های مهار این نیروگاه های میکروبی برای اجرای سلول های سوختی و تصفیه آب فاضلاب از جمله موارد دیگر هستند. اما پایین آوردن خواص الکتریکی میکروب یک چالش بوده است: سلول ها بسیار کوچکتر از سلول های پستانداران هستند و رشد در شرایط آزمایشگاهی بسیار دشوار است.

اکنون مهندسان MIT یک روش میکروسیالی را ایجاد کرده اند که می تواند به سرعت نمونه های کوچک باکتری ها را پردازش کرده و خاصیت خاصی را که با توانایی باکتری ها در تولید برق ارتباط دارد ، اندازه گیری کند. آنها می گویند که این خاصیت ، به عنوان قطبش پذیری شناخته می شود ، می تواند برای ارزیابی فعالیت الکتروشیمیایی باکتری به شیوه ای ایمن تر و کارآمدتر در مقایسه با تکنیک های فعلی مورد استفاده قرار گیرد.

Qianru Wang ، فوق دکتری در گروه مهندسی مکانیک MIT می گوید: "چشم انداز این است که از بین قویترین نامزدها برای انجام وظایف مطلوب انسانی که سلولها می خواهند انجام دهند ، استفاده شود."

کالن بیو ، استادیار مهندسی مکانیک در MIT می افزاید: "اخیراً کارهایی وجود دارد که نشان می دهد ممکن است طیف وسیع تری از باکتری هایی که دارای خاصیت تولید برق هستند ، وجود داشته باشد." "بنابراین ، ابزاری که به شما امکان می دهد آن ارگانیسم ها را مورد بررسی قرار دهید می تواند بسیار مهمتر از آن چیزی باشد که فکر می کردیم. فقط تعداد معدودی از میکروب ها نیستند که می توانند این کار را انجام دهند."

بیو و وانگ نتایج خود را امروز در Advanced Science منتشر کرده اند .

درست بین قورباغه ها

باکتریهای تولید کننده برق این کار را با تولید الکترون در سلولهای خود انجام می دهند ، سپس آن الکترونها را از طریق کانالهای ریز تشکیل شده توسط پروتئینهای سطحی ، در فرایندی که به عنوان انتقال الکترونی خارج سلولی یا EET انجام می شود ، از طریق غشای سلولی خود منتقل می کنند.

تکنیک های موجود برای بررسی فعالیت الکتروشیمیایی باکتری ها شامل رشد دسته های زیادی از سلول ها و اندازه گیری فعالیت پروتئین های EET - یک فرآیند دقیق و وقت گیر است. تکنیک های دیگر به منظور پاکسازی و بررسی پروتئین ها نیاز به پارگی سلول دارد. بیو برای ارزیابی عملکرد الکتریکی باکتریها به دنبال روشی سریعتر و کمتر مخرب بود.

برای 10 سال گذشته ، گروه وی در حال ساخت تراشه های میکروسیالی بوده و دارای کانال های کوچک بوده و از طریق آنها میکرولیتر نمونه های باکتری ها جریان می یابد. هر کانال در وسط پیچ خورده است تا یک پیکربندی ساعت شنی تشکیل شود. هنگامی که یک ولتاژ در یک کانال اعمال می شود ، بخش پین شده (تقریباً 100 برابر کوچکتر از بقیه کانال) ، یک فشار را بر روی میدان الکتریکی قرار می دهد ، و آن را 100 برابر از میدان اطراف می کند. شیب میدان الکتریکی پدیده ای را ایجاد می کند که به نام دی الکتریک یا نیرویی شناخته می شود که سلول را در برابر حرکت خود فشار می آورد که ناشی از میدان الکتریکی است. در نتیجه ، دی الکتریک می تواند ذره ای را دفع کند یا بسته به ویژگی سطح آن ذره ، در ولتاژهای مختلف اعمال شده ، آن را متوقف کند.

محققان از جمله Buie از Dielectroforesis برای مرتب کردن سریع باکتری ها با توجه به خصوصیات عمومی مانند اندازه و گونه ها استفاده کرده اند. این بار ، بوی این سوال را مطرح کرد که آیا این تکنیک می تواند فعالیت الکتروشیمیایی باکتری ها را خنثی کند - یک خاصیت بسیار لطیف تر.

وانگ می گوید: "اساساً ، مردم از دیلیکتروفورز برای جدا کردن باکتری هایی که مثلاً قورباغه ای از یک پرنده متفاوت بودند ، استفاده می کردند ، در حالی که ما در تلاشیم تا بین خواهران و برادران قورباغه تفاوت های جزئی تری داشته باشیم."

یک همبستگی الکتریکی

محققان در مطالعه جدید خود از مجموعه میکروسیالیک خود برای مقایسه انواع مختلف باکتریها استفاده کردند که هر یک از آنها یک فعالیت الکتروشیمیایی متفاوت و شناخته شده است. سویه ها شامل "نوع وحشی" یا سویه طبیعی باکتری ها هستند که به طور فعال در سلول های سوخت میکروبی الکتریسیته تولید می کنند ، و چندین سویه که محققان از نظر ژنتیکی مهندسی شده اند. به طور کلی ، این تیم قصد داشتند ببینند آیا بین توانایی الکتریکی یک باکتری و چگونگی رفتار آن در یک دستگاه میکروفلوئیدی تحت نیروی دی الکتریک تحت فشار وجود دارد.

این تیم نمونه های میکرولیتر از هر باکتری بسیار کوچک را از طریق کانال میکروسیالی شکل یک ساعته تشکیل داده و به آرامی ولتاژ را در کانال ، یک ولت بر ثانیه ، از 0 تا 80 ولت تقویت کردند. آنها با استفاده از روش تصویربرداری معروف به سرعت تصویر ذرات ، مشاهده کردند که میدان الکتریکی حاصل سلولهای باکتریایی را از طریق کانال سوق می دهد تا اینکه به بخش پینک شده نزدیک شویم ، جایی که زمینه بسیار قوی تر عمل می کند تا باکتری ها را از طریق دی الکتریک و باکتری به عقب برگرداند و آنها را به دام بیندازد.

بعضی از باکتریها در ولتاژهای کمتری قرار گرفتند و برخی دیگر در ولتاژهای بالاتر. وانگ به "ولتاژ به دام افتادن" برای هر سلول باکتری توجه کرد ، اندازه سلول آنها را اندازه گیری کرد ، و سپس از یک شبیه سازی رایانه ای برای محاسبه قطبیت سلول استفاده کرد - اینکه یک سلول برای پاسخ به میدان الکتریکی خارجی چقدر آسان است که قطب های برقی را تشکیل دهد .

از محاسبات او ، وانگ فهمید که باکتریهایی که از نظر الکتروشیمیایی فعال تر هستند ، دارای قطبش پذیری بالاتری هستند. او این ارتباط را بین همه باکتریهای گروه آزمایش شده مشاهده کرد.

وانگ می گوید: "ما شواهد لازم را داریم كه می بینیم بین قطب پذیری و فعالیت الکتروشیمیایی ارتباط قوی وجود دارد." "در حقیقت ، قطبش پذیری ممکن است چیزی باشد که بتوانیم از آن به عنوان پراکسی استفاده کنیم تا میکروارگانیسم هایی با فعالیت الکتروشیمیایی بالا را انتخاب کنند."

وانگ می گوید ، حداقل برای سویه های اندازه گیری شده ، محققان می توانند با اندازه گیری قطبش پذیری خود ، میزان تولید برق خود را اندازه گیری کنند - چیزی که این گروه می تواند به راحتی ، کارآمد و غیر مخرب با استفاده از تکنیک میکروسیالی خود پیگیری کند.

همکاران این تیم در حال حاضر از این روش برای آزمایش سویه های جدید باکتری ها استفاده می کنند که اخیراً به عنوان تولیدکننده بالقوه برق شناخته شده اند.

وانگ می گوید: "اگر همین روند همبستگی مربوط به آن سویه های جدیدتر باشد ، این روش می تواند کاربرد بیشتری داشته باشد ، در تولید انرژی پاک ، تولید انرژی زیستی و تولید سوخت های زیستی."

https://www.namasha.com/v/dFHRrToj

محققان دانشگاه میشیگان به جای ایجاد لایه رشته های پلاستیکی به صورت لایه ای ، رویکرد جدیدی برای چاپ 3 بعدی شکل پیچیده ای از یک مایع مایعات را تا 100 برابر سریعتر از فرآیند های چاپ 3 بعدی معمولی بالا می برد.

چاپ 3 بعدی می تواند بازی را برای مشاغل تولیدی نسبتاً كوچك تغییر دهد و كمتر از 10،000 مورد مشابه تولید كند ، زیرا این بدان معنی است كه اشیاء بدون نیاز به قالب ساخته شده به بالا تا 10،000 دلار می توانند ساخته شوند. اما آشناترین شکل چاپ 3 بعدی که نوعی مانند ساخت اشیاء 3 بعدی با یک سری خط 1D است ، نتوانسته است این فاصله را در بازه های زمانی تولید معمولی یک یا دو هفته پر کند.

تیموتی اسکات ، دانشیار UM مهندسی شیمی که با همکاری مارک برنز ، رهبری توسعه روش چاپ 3 بعدی جدید را با مارک برنز گفت ، "با استفاده از رویکردهای متعارف ، واقعاً قابل دستیابی نیست اگر صدها دستگاه داشته باشید." مهندسی در UM.

روش آنها رزین مایع را با استفاده از دو چراغ کنترل می کند تا محل اتصال رزین را سخت کند و در آنجا مایع باقی بماند. این باعث می شود تیم بتواند رزین ها را در الگوهای پیچیده تر تثبیت کند. آنها می توانند به جای یک سری خطوط 1D یا مقطع 2 بعدی ، یک پایه آرامش 3 بعدی در یک شات ایجاد کنند. تظاهرات چاپ آنها شامل یک شبکه ، یک قایق اسباب بازی و یک بلوک M است.

برنز ، استاد مهندسی شیمی و مهندسی زیست پزشکی گفت: "این یکی از اولین چاپگرهای 3 بعدی واقعی است که تاکنون ساخته شده است."

بازی

00:00
00:18
بی صدا

تنظیمات
PIP
ورود به حالت تمام صفحه
بازی
این روش چاپ سه بعدی از دو منبع نوری استفاده می کند ، یکی برای شروع واکنش جامد سازی و دیگری برای متوقف کردن آن ، کنترل دقیق چاپ را هم در زمان و هم در اختیار شما قرار می دهد. بلوک M در این فیلم در حالی که به طور مداوم از حمام رزین بیرون کشیده می شود چاپ می شود. اعتبار: ایوان دوگری ، دفتر ارتباطات و بازاریابی ، دانشکده مهندسی دانشگاه میشیگان.
اما رویکرد واقعی 3 بعدی هیچ چیز ساده ای نیست - لازم بود بر محدودیت های تلاش های قبلی برای چاپ vat غلبه کرد. یعنی ، رزین تمایل دارد تا بر روی پنجره ای که نور از آن عبور می کند ، جامد شود و کار را با شروع کار متوقف کند.

با ایجاد یک منطقه نسبتاً بزرگ که در آن هیچ انجماد ایجاد نمی شود ، می توان از رزین های ضخیم تر - به طور بالقوه با افزودنی های پودر تقویت کننده - برای تولید اشیاء با دوام تر استفاده کرد. این روش همچنین بهترین کیفیت ساختاری چاپ 3-D رشته را دارد ، زیرا این اشیاء در رابط های بین لایه ها دارای نقاط ضعفی هستند.

اسکات گفت: "شما می توانید مواد بسیار سخت تر و بسیار مقاوم در برابر سایش را بدست آورید."

یک راه حل اولیه برای مشکل جامد کردن در پنجره ، پنجره ای بود که اکسیژن را از طریق آن می گذراند. اکسیژن به درون رزین نفوذ کرده و جامد شدن را در نزدیکی پنجره متوقف می کند و فیلمی از مایع را به وجود می آورد که باعث می شود سطح تازه چاپ شده جدا شود.

اما از آنجا که این شکاف تقریباً به اندازه یک تکه نوار شفاف ضخیم است ، رزین باید خیلی پر آب و هوا باشد تا به اندازه کافی سریع در شکاف ریز بین شیء تازه جامد شده و پنجره به محض کشیدن جریان یابد. این چاپ دارای وات محدود به محصولات کوچک و سفارشی است که با آن ها نسبتاً آرام مانند دستگاه های دندانپزشکی و کفی کفش استفاده می شود.

تیم میشیگان با جایگزین کردن اکسیژن با چراغ دوم برای متوقف کردن جامد ، شکاف بسیار بیشتری را بین جسم و پنجره ایجاد می کند - میلی متر ضخامت - اجازه می دهد تا رزین هزاران بار سریعتر جریان یابد.

رمز موفقیت شیمی شیمی رزین است. در سیستم های معمولی ، فقط یک واکنش وجود دارد. هر جا که نور درخشید ، یک فوتوکتایاتور رزین را سخت می کند. در سیستم میشیگان نیز یک فتوی مهار کننده وجود دارد که به طول موج متفاوت نور پاسخ می دهد.

تیم میشیگان می تواند به جای صرفاً کنترل یکپارچه سازی در یک هواپیمای 2 بعدی ، همانطور که تکنیک های فعلی چاپ دیافراگم انجام می دهد ، بتواند دو نوع نور را برای سخت تر کردن رزین در هر مکان 3 بعدی در نزدیکی پنجره نور طراحی کند.

UM برای محافظت از چندین جنبه ابداعی این رویکرد ، سه برنامه ثبت اختراع ثبت کرده است و اسکات در حال آماده سازی یک شرکت نوپا است.

مقاله ای که این تحقیق را توصیف می کند ، با عنوان "تولید سریع و افزودنی پیوسته با استفاده از الگوی مهار پلیمریزاسیون حجمی ، در مجله Science Advances منتشر خواهد شد .

https://www.namasha.com/v/vqciaSWB

محققان دانشگاه Wollongong ، دانشگاه Deakin ، دانشگاه Monash و دانشگاه Kyushu چارچوبی را تهیه کرده اند که می تواند برای ساختن یک دستیار هوشمند مدیریت پروژه چابک با هوش مصنوعی از آن استفاده شود. مقاله خود، در آرشیو قبل از منتشر شده است، در 41 پذیرفته شده است ST کنفرانس بین المللی مهندسی نرم افزار (ICSE) 2019، در ایده های جدید و در حال ظهور نتایج پیگیری.

"تحقیق ما با تجربه ما مشغول به کار در صنعت و با رانده شد" هوا خانهء سد، یکی از محققان که این مطالعه را انجام داده است، گفت TechXplore . "ما چالش های واقعی را در اجرای پروژه های نرم افزاری چابک و عدم وجود پشتیبانی جدی معنی دار برای تیم های نرم افزاری و دست اندرکاران مشاهده کردیم. ما همچنین شاهد توانایی بالقوه هوش مصنوعی در ارائه پشتیبانی قابل توجه برای مدیریت پروژه های چابک ، نه تنها در خودکارسازی کارهای روزمره ، بلکه در یادگیری و برداشت بینشهای ارزشمند از داده های پروژه برای تهیه پیش بینی ها و برآورد ها ، برنامه ریزی و توصیه به اقدامات مشخص. "

به گفته محققان ، ابزارهای هوش مصنوعی (AI) به زودی می توانند مدیریت پروژه را متحول کنند و با خودکار کردن کارهای تکراری و با حجم بالا ، بهره وری را افزایش دهند. ابزارهای هوش مصنوعی همچنین می توانند پیش بینی ها و تخمین های خطر محور تحلیلی را ارائه دهند ، کارهای اصلی دولت را کامل کنند و توصیه های عملی را ارائه دهند

دم گفت: "هدف ما اطمینان از این است که هوش مصنوعی تبدیل به یک بازیگر تبدیل شود و تمرین مدیریت پروژه نرم افزاری را برای افزایش کیفیت و بهره وری نرم افزار تبدیل کند."

مطالعه انجام شده توسط دیم و همکارانش ، استفاده احتمالی از هوش مصنوعی را برای مدیریت پروژه چابک ، که طی چند سال گذشته به طور فزاینده ای محبوب شده است ، مورد بررسی قرار داده است. تیم های نرم افزاری با استفاده از روش های مدیریت پروژه چابک مانند Scrum ، می توانند به سرعت و با استفاده از یک روش تکرار شونده ، راهنمایی و برنامه ریزی فرآیندهای پروژه را با کیفیت ارائه دهند. محققان چارچوب جدیدی را برای استفاده از فناوریهای هوش مصنوعی از جمله یادگیری عمیق ، یادگیری تقویتی ، پردازش زبان طبیعی ، جستجوی تکاملی و عوامل هوشمند در چارچوب مدیریت پروژه چابک پیشنهاد کردند.

دم گفت: "این ترکیب فن آوری های هوش مصنوعی می تواند تقریباً در هر مرحله از چرخه حیات یک پروژه چابک پشتیبانی کند." "این می تواند به صاحبان محصول کمک کند تا موارد باقیمانده محصول را شناسایی کنند (به عنوان مثال داستانها و کارهای کاربر) ، تصحیح آنها (مثلاً تجزیه حماسه در تعدادی از داستانهای کاربر ، تقسیم داستانهای کاربر به داستانهای کوچک و شکستن یک داستان کاربر به تعدادی کار). و همچنین موارد تکراری و وابستگی ها را تشخیص دهد. همچنین می تواند به تیم های چابک در برنامه ریزی اسپرینت کمک کند ، به عنوان مثال با انتخاب موارد موجود در بقیه محصولات برای حداکثر سرعت دویدن آینده ، توصیه بهینه برنامه های اسپرینت یا پیش بینی خطرات و کاهش های آتی. "

چارچوب تهیه شده توسط محققان به دلیل عدم وجود ابزارهای مؤثر ، چهار حوزه اصلی در مدیریت پروژه چابک را به ویژه به چالش کشیده است. این موارد عبارتند از: شناسایی موارد باقیمانده ، پالایش موارد باقیمانده و برنامه ریزی با حداکثر سرعت دویدن ، و همچنین نظارت فعالانه بر پیشرفت اسپرینت و مدیریت ریسک.

دم گفت: "مهمترین مشارکت ما در اینجا تعیین نقشه راه بزرگی و جاه طلبانه برای تحقیقات آینده و توسعه مجموعه ابزارهای هوش مصنوعی برای مدیریت پروژه چابک است ." "همانطور که در مقاله ذکر کردیم ، AI به تیمهای انسانی کمک خواهد کرد ، نه جایگزین. افراد ، تعامل و همکاری هنوز عناصر اصلی موفقیت پروژه هستند که در مانیفست چابک بیان شده است. AI می تواند به عنوان یک تسریع کننده ویژه برای تیم های چابک خدمت کند. و به این ترتیب به افزایش نرخ موفقیت پروژه کمک می کند. "

محققان یک دستیار پروژه چابکی با هوش مصنوعی را پیش بینی می کنند که می تواند با کاربران مکالمه کند و از آنها در کار خود پشتیبانی کند. این سیستم هوش مصنوعی می تواند یک موتور تحلیلی ، یک موتور برنامه ریزی ، یک موتور بهینه سازی و یک موتور گفتگو مکالمه ای داشته باشد.

دام و همکارانش اکنون در حال ساختن ابزارهای نمونه اولیه برای هر یک از مؤلفه های مشخص شده در چارچوب خود هستند. پس از نهایی شدن همه این مؤلفه ها ، آنها قصد دارند سیستم خود را بر روی مجموعه ای از 150 پروژه منبع باز ارزیابی کنند.

سد گفت: "ما قبلاً چندین مؤلفه از چارچوب خود را توسعه داده ایم ، از جمله برنامه ریزی اسپرینت ، تخمین نقطه داستان و تخمین خطر تاخیر." "تحقق چشم انداز مندرج در مقاله ما یک پروژه بزرگ است و ما به طور جدی به دنبال شرکای صنعت هستیم تا در توسعه قطعات یا چارچوب کامل با ما همکاری کنند."

https://www.namasha.com/v/HbqTlRqr

با گذشت سال ، بسیاری از صحبت ها کلمه خودمختار را محاصره می کنند و محدود به DS های بزرگ رانندگی و هواپیماهای بدون سرنشین نیست. R برای خرده فروشی اضافه کنید و یک مفهوم رو به رشد در خرید خودمختار دارید.

مصرف کننده همه این موارد را دارد - لمس دست اول ، احساس ، بو ، نمایش محصول مورد نظر به علاوه قدرت دیجیتالی بدون انتظار در خط پرداخت. در نتیجه مارکهای تجاری را می توان بخاطر برچسب زدن به این سبک خرید ببخشید.

مفهوم خرید استقلال که زمانی در بین فروشندگان و صاحبان فروشگاه ها صورت می گرفت می تواند به نجات آن دسته از فروشگاه های آجر و ملات که ادعا می شود افراد معتبر قربانی ظهور خرید اینترنتی شوند ، کمک کند. در تخصصی موبایل ، کوهن Coberly گفت: "آنچه ما در حال به جای دیدن در سراسر ایالات متحده است مرگ است، اما تکامل نیست." واقعا - جدا؟ واقعا - جدا.

خود را با سبد خرید بخرید. اگر شما کوکی های بدون گلوتن خانم Tam را دوست داشتید ، به شما این امکان را می دهد که درباره آنچه انتخاب می کنید بدانید. یک پیشنهاد ویژه در فروشگاه توجه شما را جلب می کند و در صفحه نیز ظاهر می شود. لیوان های کاغذی ، کیمچی ، نخ دندان؟ نقشه فروشگاه روی صفحه شما را از طریق فروشگاه راهنمایی می کند.

این روز در زندگی یک فروشگاه خریدار است که یک سبد خرید فناوری می تواند به وجود آورد.

EMarketerRetail از نظرسنجی ژوئن 2018 توسط RIS News گزارش داد ، که از شرکت کنندگان درمورد شیوه تغییر رفتار خرید خود در مقایسه با 5 سال پیش پرسید. "گزینه پیشرو خرید جدید که توسط مصرف کنندگان خواسته شده است ، فناوری" گرفتن و رفتن "است (که در آن مشتریان می توانند با استفاده از تلفن های هوشمند خود اقدام به خودپرداخت کنند) ؛ 59٪ گفتند که مایلند از این استفاده کنند و 9٪ نیز از آن استفاده کرده اند."

در یک نظرسنجی جهانی از 2،250 کاربر اینترنتی که توسط شرکت ارائه دهنده سیستم عامل مدیریت خرده فروشی iVend Retail انجام شده است ، با همکاری تحقیقات بازار AYTM ، "تقریباً یک سوم از پاسخ دهندگان گفتند که دوست دارند با استفاده از چرخ دستی های خرید دیجیتال ، پرداخت های خودکار را انجام دهند."

مطمئناً Caper شرکتی است که وزن خود را پشت مفهوم خرید چاق و چله می کشد. Caper یک سبد خرید هوشمند با آینده ای جاه طلبانه به شما می دهد که مستلزم شناخت تصویر و یادگیری ماشین است.

Josh Constine در TechCrunch نوشت : "این استارتاپ با استفاده از یک اسکنر بارکد داخلی و سوپر کارت اعتباری ، سبد خرید را ایجاد می کند ، اما در حال نهایی سازی این فن آوری است که به لطف سه دوربین تشخیص تصویر و یک سنسور وزن می تواند به صورت خودکار اسکناس های مورد نظر خود را اسکن کند. ادعا می کند مردم بعد از اینکه فروشگاه ها به چرخ دستی های آن مجهز شده اند ، 18 درصد بیشتر در هر بازدید خریداری می کنند.

EMarketerRetail از نظرسنجی ژوئن 2018 توسط RIS News گزارش داد ، که از شرکت کنندگان درمورد شیوه تغییر رفتار خرید خود در مقایسه با 5 سال پیش پرسید.

"گزینه پیشرو خرید جدید که توسط مصرف کنندگان خواسته می شود ، فناوری" گرفتن و رفتن "بود (که در آن مشتریان می توانند با استفاده از تلفن های هوشمند خود اقدام به خودپرداخت کنند) ؛ 59٪ گفتند که آنها مایلند از این استفاده کنند و 9٪ نیز از آن استفاده کرده اند."

یافته دیگر: در یک نظرسنجی جهانی از 2،250 کاربر اینترنتی که توسط شرکت ارائه دهنده سیستم عامل مدیریت خرده فروشی iVend Retail انجام شده است ، با همکاری تحقیقات بازار AYTM ، "تقریباً یک سوم از پاسخ دهندگان گفتند که دوست دارند با استفاده از سبد خریدهای دیجیتال ، پرداختهای خودکار را انجام دهند ."

بنیانگذار و مدیر عامل شرکت كپر ، لیندن گائو به خوبی از فرصت سودآوری از این روند آگاه است. از Gao در TechCrunch نقل قول شده است . "این معنی ندارد که شما می توانید با تلفن خود یک کابین سفارش دهید یا با تلفن خود هتل رزرو کنید ، اما نمی توانید از تلفن خود برای پرداخت هزینه استفاده کنید و از فروشگاه خارج شوید. شما هنوز هم باید در صف بایستید. "

کافر می خواهد کاملاً بدون اسکناس برود و بخش هایی از دو فروشگاه آزمایشی خود از این فناوری استفاده می کنند. به گزارش TechCrunch ، دوربین های موجود در سبد خرید از تشخیص تصویر با یک سنسور وزن همسان هستند تا بتوانند آنچه را که در سبد خرید شما می اندازند تشخیص دهند .

هم گائو و هم مدیر عملیات كاپر ادواردو سانچز اریارت در مورد فناوری این شركت به عنوان یك الگوی برای كمك به بقال فروشی ها ، به همان اندازه كه رضایت مشتری را دارند ، صحبت می كنند.

گائو این پیام را دریافت می کند: همه بقالی ها وقتی به فناوری های دیگری برای چک کردن اتومبیل نشان می دادند که در آنها نیاز به نصب دوربین و سنسور در سرتاسر فروشگاه های خود داشتند ، هیجان زده نمی شدند.

در اخبار منتشر شده Caper آمده است: "بقال فروشان چنین تغییر عملیاتی و زیرساختی را خطری غیر منطقی برای مشاغل عادی خود می دانند."

تلاش كاپر برای ایستادن از بسته در خریدهای مستقل این است كه سبد خرید نسل بعدی آن تا جایی كه از طریق دوربین هایی كه در سقف نصب می شوند كار نكرد. بلکه دستان خود را روی یک سبد خرید هوشمند هوش مصنوعی با صفحه نمایش قرار می دهید که به شما اطلاع می دهد و راهنمایی می کند: شمع های معطر در راهرو 2 هستند. شما 2 پوند انگور در سبد خرید دارید. "صاحبان فروشگاه می توانند چرخ دستی های Caper را در فروشگاه های خود قرار دهند و یک تجربه پرداخت خودکار را که مکمل تجارت فعلی آنها است ، فعال کنند ."

سایت این شرکت اعلام کرده است که فناوری Cart "در حال حاضر به بقالی ها کمک کرده است که میانگین سبد را 18٪ افزایش دهند ، و ما می دانیم که Caper یک راه حل در حال تغییر بازی و مقیاس پذیر است که در حال شکل گیری شیوه خرید مشتریان برای خرید مواد غذایی است."

سبد خرید فعلی Caper شامل اسکن بارکد یک مورد و سپس پرتاب آن به سبد خرید است. TechCrunch اطلاعات بیشتری در مورد این نسخه 1 داشت: سبد خرید Caper به شما امکان می دهد تا بارکد های آیتم های خود را اسکن کرده و با استفاده از ضربه تند وشدید زدن کارت اعتباری یا شیر آب Apple / Android ، کارت را بپردازند و رسید آنها به آنها ایمیل شود.

بریتنی Rosten در SLASHGEAR : "نسخه دقیق خواهد بخشی بارکد از بین بردن، آن را ممکن است به سادگی با قرار دادن اقلام در سبد خرید در حالی که ساخته شده است در تکنولوژی به رسمیت می شناسد چه هستند."

"اما هر بار که آنها را اسکن، سبد خرید است که در واقع در نظر گرفتن 120 عکس ها و دقیقا وزن موارد برای آموزش الگوریتم های بینایی ماشین جست و خیز در چه گائو تشبیه چگونه تسلا است میدل ایست ژورنال به سمت خود رانندگی، گفت:" تک کرانچ .

کریس آلبرشت در The Spoon نیز به همین ترتیب گزارش داد که تکرارهای بعدی ، در حال حاضر در آثار ، بارکد را برداشته و از ترکیبی از دید رایانه ای و مقیاس های وزن داخلی برای تعیین خریدها استفاده می کند. مشتری خرید را تمام می کند و در صفحه داخلی آن می پردازد.

در اطلاعیه مطبوعاتی کافر خاطرنشان شد كه فروشگاه های مواد غذایی مجبور نیستند فروشگاه های خود را جهت فعال كردن صندوق های صندوق پول ، از فروشگاه های خود استفاده كنند. آیا خرده فروشان بیشتری سبد خرید خود را برای چرخ دستی های متصل Caper عوض می کنند؟

مفهوم چرخ دستی های بدون اسکن شامل یادگیری عمیق و دید ماشین است. دوربین ها در سبد خرید سوار شده اند. این صفحه نمایش در اختیار انواع مختلفی از اطلاعات ، نقشه فروشگاه ، مکان یابی کالا ، تبلیغات و معاملات می باشد. مواردی را بر اساس محتویات موجود در سبد خرید توصیه می کند.

خریداران با نسخه فعلی بارکد را قبل از افزودن محصولات به سبد خرید خود اسکن می کنند. خریداران باید به صورت دستی اسکن بارکد هر یک از آیتم قبل از قرار دادن آن در سبد خرید خود، به طوری که این فرآیند به صورت خودکار به عنوان جست و خیز امیدوار است که در نه آینده ، گفت: Coberly در تخصصی موبایل .

فیلم Caper Smart Cart از 9 ژانویه توسط Caper AI ارسال شد. یک زن یک سبد صفحه نمایش را به طرف راهروهای سوپر مارکت سوار می کند. او به دنبال پول بیش از حد به دنبال جستجوی معامله در یک سوپر مارکت است اما این داستان دیگری است. او برای ماکارونی های ارگانیک که به طعم و مزه در خامه و چمن سبز قرار دارد ، تکه تکه می کند ، که برای به رسمیت شناختن تصویر استفاده می شود. او ماکارونی های داخل روند را در سبد خرید خود قرار می دهد که به معنای نشان دادن فیوژن حسگر است.

در حال پوزخند زدن ، او به نظر می رسد نشان خوبی از گوجه فرنگی گوجه فرنگی ندارد و برای گوجه فرنگی آلی که از 1.99 دلار به 99 سنت در هر پوند کاهش می یابد ، اسپرینت می کند. این نشان می دهد که دستگاه Caper همچنین یک سبد اطلاع رسانی با وزن است. روی محصولات پنیر متنوع ، سایر خریدها و تشخیص بدون اسکن پرداخت و برو. نه یک سکه یا صورت حساب خرد شده.

بیشتر بخوانید:

https://virgool.io/@pishtazpump.ir/%D9%BE%D9%85%D9%BE-%D9%88%DA%A9%DB%8C%D9%88%D9%85-%D8%AF%D8%B1-%D9%BE%D8%B2%D8%B4%DA%A9%DB%8C-t95kl2qfacxz

یكی از مسائل مهم سیستم های پایدار انرژی ، چگونگی ذخیره انرژی تولید شده از باد ، خورشیدی و امواج است. در حال حاضر ، هیچ فناوری موجود ذخیره انرژی و بازیابی انرژی در مقیاس بزرگ را برای انرژی پایدار با هزینه اقتصادی و محیطی کم فراهم نمی کند.

میکروبهای الکتروشیمیایی مهندسی شده می توانند بخشی از محلول باشند. این میکروب ها قادر به وام گرفتن الکترون از انرژی خورشیدی یا بادی و استفاده از انرژی برای جدا کردن مولکول های دی اکسید کربن از هوا هستند. سپس میکروب ها می توانند اتم های کربن را برای تولید سوخت های زیستی مانند ایزوبوتانول یا پروپانول تولید کنند که می تواند در یک ژنراتور سوزانده شود یا به عنوان مثال به بنزین اضافه شود.

برز بارستو ، استادیار مهندسی بیولوژیک و محیط زیست در دانشگاه کرنل گفت: "ما فکر می کنیم زیست شناسی نقش مهمی در ایجاد زیرساخت پایدار انرژی ایفا می کند ." "بعضی از نقش ها نقش های حمایتی و بعضی دیگر نقش های اصلی خواهند داشت ، و ما در تلاش هستیم همه مکان هایی را پیدا کنیم که زیست شناسی بتواند در آن کار کند."

Barstow نویسنده ارشد "ذخیره انرژی الکتریکی با سیستم های بیولوژیکی مهندسی شده" است که در مجله مهندسی زیست شناسی منتشر شده است .

اضافه کردن عناصر مهندسی شده برقی (مصنوعی یا غیر بیولوژیکی) می تواند این رویکرد را حتی از میکروب ها به تنها و کارآمدتر و کارآمدتر کند. در عین حال ، داشتن گزینه های بسیاری نیز گزینه های مهندسی زیادی ایجاد می کند. این مطالعه اطلاعات را برای تعیین بهترین طراحی بر اساس نیاز ارائه می دهد.

فرشید سلیمیجازی ، دانشجوی فارغ التحصیل آزمایشگاه Barstow و اولین نویسنده مقاله گفت: "ما رویکرد جدیدی را پیشنهاد می کنیم که در آن مهندسی الکتروشیمیایی بیولوژیکی و غیر بیولوژیکی بخوبی ایجاد کنیم تا روش جدیدی برای ذخیره انرژی ایجاد شود."

فتوسنتز طبیعی در حال حاضر نمونه ای را برای ذخیره انرژی خورشیدی در مقیاس بزرگ و تبدیل آن به سوخت های زیستی در یک حلقه کربن بسته ارائه می دهد. این انرژی تقریباً شش برابر انرژی خورشیدی در سال را جذب می کند که تمام تمدن در همان زمان از آن استفاده می کند. اما ، فتوسنتز در برداشت نور خورشید واقعاً ناکارآمد است ، و کمتر از یک درصد از انرژی مورد نظر را در سلولهای فتوسنتز کننده جذب می کند.

میکروبهای الکتریکی به ما اجازه می دهند برداشت بیولوژیکی نور را با فتوولتائیک جایگزین کنیم. این میکروب ها می توانند الکتریسیته را در متابولیسم خود جذب کرده و از این انرژی برای تبدیل CO2 به سوخت های زیستی استفاده کنند. این رویکرد قول زیادی برای ساخت سوخت های زیستی در راندمان بالاتر نشان می دهد.

میکروبهای برقی همچنین امکان استفاده از انواع دیگر برق تجدید پذیر ، و نه فقط انرژی خورشیدی را فراهم می آورد تا بتواند این تبدیل ها را تأمین کند. همچنین ، برخی از انواع میکروب های مهندسی شده می توانند بیوپلاستیک هایی را که می توانند دفن شوند ایجاد کنند ، از این طریق دی اکسید کربن (یک گاز گلخانه ای) را از هوا خارج کرده و آن را در زمین توالی می کنند. با تبدیل یک بیوپلاستیک یا سوخت های زیستی دوباره به الکتریسیته می توان باکتری ها را برای بازگشت روند . این فعل و انفعالات همه می توانند در دمای اتاق و فشار رخ دهند ، که برای کارایی مهم است.

نویسندگان خاطرنشان كردند كه روشهای پمپ وکیوم آبی غیر بیولوژیكی برای استفاده از برق برای تثبیت كربن (جذب كربن از دی اکسید كربن به ترکیبات ارگانیك ، مانند سوختهای زیستی) شروع به مطابقت می كنند و حتی از توانایی میكروبها نیز فراتر می روند. با این حال ، فن آوری های الکتروشیمیایی در ایجاد انواع مولکول های پیچیده لازم برای سوخت های زیستی و پلیمرها خوب نیستند. میکروبهای الکتریکی مهندسی شده می توانند برای تبدیل این مولکولهای ساده به آنهایی که بسیار پیچیده تر هستند طراحی شوند.

ترکیبی از میکروب های مهندسی شده و سیستم های الکتروشیمیایی می تواند تا حد زیادی از راندمان فتوسنتز تجاوز کند. به همین دلایل ، به گفته نویسندگان ، طرحی که با این دو سیستم ازدواج کند ، امیدوار کننده ترین راه حل را برای ذخیره انرژی ارائه می دهد.

سلیمیازی گفت: "از محاسباتی که انجام داده ایم ، فکر می کنیم قطعاً امکان پذیر است."

این مقاله شامل داده های عملکرد در مورد طرح های بیولوژیکی و الکتروشیمیایی برای تثبیت کربن است. مطالعه حاضر "اولین باری است که هر کس اطلاعاتی را که شما نیاز دارید برای مقایسه یک کارآیی سیب به سیب از کارآیی کلیه این حالت های مختلف رفع کربن ، جمع آوری کرده است."

در آینده محققان قصد دارند از داده های جمع آوری شده خود استفاده كنند تا تمام ترکیبات احتمالی اجزای الکتروشیمیایی و بیولوژیك را آزمایش كنند و بهترین انتخاب ها را از بین بسیاری از گزینه ها پیدا كنند.

محققان MIT با هدف ایجاد استدلال بیشتر شبیه به انسان در وسایل نقلیه خودمختار ، سیستمی را ایجاد کرده اند که فقط از نقشه های ساده و داده های بصری استفاده می کند تا اتومبیل های بدون راننده بتوانند از مسیرها در محیط های جدید و پیچیده حرکت کنند.

رانندگان انسانی با استفاده از ابزارهای مشاهده و ابزارهای ساده ، در پیمایش جاده هایی که قبلاً رانندگی نکرده اند ، بسیار خوب هستند. ما به سادگی با آنچه در اطراف خود می بینیم مطابق آنچه در دستگاههای GPS می بینیم ، تعیین می کنیم که کجا هستیم و کجا باید برویم. خودروهای بدون راننده اما با این استدلال اساسی مبارزه می کنند. در هر منطقه جدید ، ابتدا اتومبیل ها باید تمام جاده های جدید را نقشه برداری و تجزیه و تحلیل کنند که بسیار زمان بر است. این سیستم ها همچنین به نقشه های پیچیده وابسته هستند - که معمولاً توسط اسکن های 3 بعدی ساخته می شوند - که برای تولید و پردازش در پرواز از نظر محاسباتی فشرده هستند.

محققان MIT در مقاله ای که در کنفرانس بین المللی رباتیک و اتوماسیون این هفته ارائه شده است ، یک سیستم کنترل مستقل را توصیف می کنند که الگوهای فرمان رانندگان انسانی را هنگام یادگیری جاده ها در یک منطقه کوچک ، "فقط" می آموزد. نقشه ساده GPS مانند. سپس ، سیستم آموزش دیده می تواند با تقلید از راننده انسانی ، یک اتومبیل بدون راننده را در طول مسیر برنامه ریزی شده در یک منطقه کاملاً جدید کنترل کند.

به طور مشابه با رانندگان انسانی ، این سیستم همچنین هرگونه عدم تطابق بین نقشه آن و ویژگی های جاده را تشخیص می دهد . این به سیستم کمک می کند تا وضعیت ، سنسورها یا نقشه برداری آن را نادرست تشخیص دهد تا مسیر اتومبیل را اصلاح کند.

برای آموزش سیستم در ابتدا ، یک اپراتور انسانی یک تویوتا پریوس بدون راننده را مجهز به چندین دوربین و یک سیستم ناوبری اصلی GPS کنترل می کرد - جمع آوری داده ها از خیابان های حومه محلی از جمله ساختارهای مختلف جاده و موانع. با استقرار خودمختار ، سیستم با موفقیت در اتومبیل مسیری را از پیش برنامه ریزی شده در یک منطقه جنگلی متفاوت ، که برای آزمایش های وسایل نقلیه خودمختار تعیین شده بود ، پیمایش کرد.

الکساندر امینی ، نویسنده اول ، دانشجوی فارغ التحصیل MIT می گوید: "با سیستم ما ، شما نیازی به آموزش در همه جاده ها از قبل ندارید." "شما می توانید نقشه جدیدی را برای اتومبیل بارگیری کنید تا از طریق جاده هایی که قبلاً ندیده اید ، حرکت کند."

دانیلا روس ، مدیر آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) و اندرو و ارنا ویتربی استاد مهندسی برق و علوم کامپیوتر اضافه می کنند: "هدف ما دستیابی به ناوبری مستقل است که برای رانندگی در محیط های جدید قوی باشد." . "به عنوان مثال ، اگر ما وسیله نقلیه خودمختاری را برای رانندگی در محیط شهری مانند خیابان های کمبریج آموزش دهیم ، سیستم همچنین باید بتواند به راحتی در جنگل رانندگی کند ، حتی اگر این محیطی باشد که قبلاً ندیده است."

گای روزمن ، محقق در موسسه تحقیقات تویوتا و سرتاک کارامان ، استادیار هوانوردی و فضانوردی در MIT ، به روی کاغذ می پیوندند.

ناوبری نقطه به نقطه

سیستم های ناوبری سنتی داده ها را از سنسورها از طریق چندین ماژول سفارشی شده برای کارهایی مانند محلی سازی ، نقشه برداری ، تشخیص اشیاء ، برنامه ریزی حرکت و کنترل فرمان پردازش می کنند. سالهاست که گروه Rus سیستم های ناوبری "پایان به پایان" را تولید می کند ، که داده های حسی ورودی و فرمان های خروجی را پردازش می کند ، بدون نیاز به هر ماژول تخصصی.

با این حال ، تاکنون ، این مدل ها به شدت طراحی شده اند تا با خیال راحت جاده را رعایت کنند ، بدون اینکه هیچ مقصدی واقعی را در ذهن داشته باشند. در مقاله جدید ، محققان سیستم انتهای خود را برای هدایت از هدف به مقصد ، در محیطی که قبلاً دیده نشده بود ، پیش بردند. برای انجام این کار ، محققان سیستم خود را آموزش دادند تا توزیع احتمالی کامل را در تمام فرمانهای فرمان ممکن در هر لحظه در حین رانندگی پیش بینی کنند.

این سیستم از یک مدل یادگیری ماشینی به نام شبکه عصبی حلقوی (CNN) استفاده می کند ، که معمولاً برای تشخیص تصویر استفاده می شود. در حین آموزش ، سیستم نحوه هدایت از راننده انسانی را تماشا و یاد می گیرد. CNN چرخش فرمان را با انحنای جاده ای که از طریق دوربین ها و نقشه ورودی مشاهده می کند ، مرتبط می کند. سرانجام ، این احتمال فرمان را برای موقعیت های مختلف رانندگی ، مانند جاده های مستقیم ، تقاطع های چهار طرفه یا T شکل ، چنگال ها و چرخش ها می آموزد.

روس می گوید: "در ابتدا ، در یک تقاطع T شکل ، جهت های مختلفی وجود دارد که ماشین می تواند چرخش کند." "مدل با تفکر در مورد همه آن جهت ها شروع می شود ، اما با توجه به اینکه اطلاعات بیشتری درمورد آنچه مردم انجام می دهند ، مشاهده می کند که برخی از افراد به چپ می چرخند و برخی به سمت راست می چرخند ، اما هیچ کس به راست نمی رود. مستقیم پیش رو به عنوان ممکن رد می شود. جهت ، و مدل می آموزد که ، در تقاطعات T شکل ، فقط می تواند به چپ یا راست حرکت کند. "

نقشه چه می گوید؟

در آزمایش پمپ وکیوم ، محققان سیستم را با نقشه با مسیری تصادفی انتخاب شده وارد سیستم می كنند. هنگام رانندگی ، سیستم ویژگی های تصویری را از دوربین استخراج می کند ، که این امکان را برای پیش بینی ساختارهای جاده فراهم می آورد. به عنوان مثال ، یک علامت توقف فاصله یا شکست خط در کنار جاده را به عنوان نشانه هایی از تقاطع آینده مشخص می کند. در هر لحظه ، از توزیع احتمالی پیش بینی شده دستورات فرمان استفاده می کند تا به احتمال زیاد یکی را دنبال کند تا مسیر خود را انتخاب کند.

نکته مهم ، محققان می گویند ، این سیستم از نقشه هایی استفاده می کند که به راحتی ذخیره و پردازش می شوند. سیستم های کنترل خودکار به طور معمول از اسکن های LIDAR برای ایجاد نقشه های گسترده و پیچیده استفاده می کنند که تقریباً 4000 گیگابایت (4 ترابایت) از داده ها را برای ذخیره فقط در شهر سان فرانسیسکو به دست می آورند. برای هر مقصد جدید ، ماشین باید نقشه های جدیدی ایجاد کند ، که به مقدار پردازش داده ها بالغ می شود. نقشه های مورد استفاده سیستم محققان ، با استفاده از فقط 40 گیگابایت داده ، کل دنیا را ضبط می کند.

در حین رانندگی خودمختار ، سیستم همچنین به طور مداوم داده های بصری خود را با داده های نقشه مطابقت می دهد و هرگونه عدم همخوانی را یادداشت می کند. انجام این کار به وسیله نقلیه خودمختار کمک می کند تا در مکانی که در جاده قرار دارد ، بهتر تعیین کند. و این اطمینان را می دهد که اگر از اطلاعات ورودی متناقض تغذیه شود ، اتومبیل در امن ترین مسیر باقی می ماند: اگر مثلاً ماشین در حال عبور از جاده مستقیم و بدون چرخش باشد ، و GPS نشان می دهد که ماشین باید به سمت راست بپیچد ، ماشین می داند که را نگه دارد. مستقیم رانندگی کنید یا متوقف شوید

در حالی که 160 شرکت در سراسر جهان متعهد شده اند از "100 درصد انرژی تجدید پذیر" استفاده کنند ، این به معنای "انرژی 100٪ عاری از کربن" نیست. براساس یک مطالعه جدید استنفورد که امروز در ژول منتشر شد ، این اختلاف با رشد کمتر شبکه های برق متکی خواهد شد . نویسندگان می نویسند ، اشخاص متعهد به مبارزه با تغییرات آب و هوا می توانند و باید مزایای زیست محیطی راهبردهای تجدیدپذیر خود را با دقت اندازه گیری کنند.

روشهای کنونی تخمین میزان انتشار گازهای گلخانه ای به طور متوسط سالانه استفاده می كنند ، حتی اگر میزان كربن برق در شبکه می تواند در طول روز در بعضی از مناطق تغییر زیادی كند. در سال 2025 ، استفاده از میانگین های سالانه در کالیفرنیا می تواند بیش از 50 درصد کاهش کربن مربوط به انرژی خورشیدی را در مقایسه با میانگین ساعتی انجام دهد. یکی از یافته های این تجزیه و تحلیل این است که انرژی باد نه خورشیدی باید موج بعدی سرمایه گذاری برای کالیفرنیا باشد. تجزیه و تحلیل های مشابه می تواند گزینه های مختلفی از قبیل انرژی هسته ای ، انرژی زمین گرمایی و انتقال دوربرد در سایر مناطق را نشان دهد.

سالی بنسون ، نویسنده مقاله و همكار مؤسسه انرژی پیشكورت برای انرژی ، گفت: "برای تضمین 100٪ كاهش تولید گازهای تجدید پذیر از انرژی تجدید پذیر ، مصرف انرژی باید با تولید انرژی تجدید پذیر به صورت ساعتی همسان شود."

بنسون ، استاد گروه مهندسی منابع انرژی در دانشکده زمین ، انرژی و علوم زیست محیطی ، گفت: "فقط خرید انرژی خورشیدی بیشتر در شبکه ای که در حال حاضر تعداد زیادی خورشیدی داشته باشد منجر به انتشار صفر نمی شود."

سالانه در مقابل حسابداری ساعتی

شرکتهایی که ادعا می کنند 100 درصد قابل تجدید هستند ، در واقع همه استفاده از انرژی خود را با تجدیدپذیر پوشش نمی دهند ، چنان که برخی تصدیق می کنند. در عوض ، آنها انرژی تجدید پذیر کافی را تولید می کنند تا 100 درصد یا بیشتر از مصرف برق آنها در طول سال مطابقت داشته باشد. برای خریدهای انرژی تحت تسلط انرژی خورشیدی ، یک واحد تولیدی به مراتب بیشتر از آنچه که در بعد از ظهر استفاده می کند ، تولید می کند و مازاد آن را می فروشد. سپس در شب شب برق را از شبکه خریداری می کند که اگر با سوختن سوخت های فسیلی تولید شود ، بسیار کربن تر است.

استفاده از میانگین های سالانه از محتوای کربن انرژی شبکه فقط زمانی معتبر است که نوسانات در تولید تجدیدپذیر اندک باشد ، یا هنگامی که می توان تمام تجدیدپذیرهای اضافی را ذخیره کرد. مکانهایی مانند کالیفرنیا ، هاوایی و برخی از کشورهای اروپایی به دلیل تجدیدپذیرهای موجود ، نوسانات زیادی در مقدار کربن را تجربه می کنند و هنوز ظرفیت کافی برای ذخیره انرژی اضافی برق ندارند. به نقل از این مقاله ، در كالیفرنیا ، كاهش عمدی در تولید انرژی خورشیدی و باد یا "كاهش باد" به 3 درصد از کل انرژی تولید شده در دو ماه گذشته رسیده است.

بنابراین ، تفاوت در سود زیست محیطی بین باد و خورشیدی در روشهای حسابداری امروزی ، زمان روز تحویل نیرو را نشان نمی دهد. در عوض ، تفاوت بین انتشار گازهای گلخانه ای از تولید باد و خورشیدی تنها به تفاوت ردپای کربن بین این دو فناوری مربوط می شود.

دکتری مهندسی منابع انرژی گفت: "هر دو رد کربن از یک مصرف کننده بزرگ و همچنین ارزش زیست محیطی دارایی های انرژی تجدید پذیر به شبکه ارتباطی آنها بستگی دارد." دانشجو ژاک دو چالاردار ، نویسنده اصلی این مطالعه. "استفاده از داده های ساعتی بهترین راه برای سنجش منافع زیست محیطی از تجدیدپذیرها است ، و هر جا که تولید تجدیدپذیر در حال رشد باشد ، این امر به طور فزاینده ای واقع می شود."

سرمایه گذاری در تجدید پذیر غیر خورشیدی

مشکل سرمایه گذاری در پنل های خورشیدی بیشتر در کالیفرنیا این است که خروجی غالباً باعث نمی شود که ژنراتورهای مبتنی بر سوخت فسیلی خاموش شوند ، زیرا آنها در زمان روز بیکار هستند و پانل های خورشیدی قدرت تولید می کنند. در مطالعه موردی این مقاله که یک بار ثابت فرضیه 1 مگاوات در کالیفرنیا را به خود اختصاص داده است ، برآورد کربن سالانه و ساعتی کوتاه مدت تفاوت معنی داری در سال 2018 نشان نداد. اما تا سال 2025 ، دو روش تخمین به طور گسترده ای متفاوت بودند.

با استفاده از حسابداری سالانه ، یک استراتژی 100 درصد خورشیدی در سال 2025 ، انتشار کربن را 119 درصد از ردپای شرکت فرضی شرکت فرضی کاهش می دهد. طبق این مطالعه ، با استفاده از انتشار ساعتی ، 66 درصد کاهش می یابد. برای یک استراتژی 100 درصد انرژی بادی ، میانگین سالانه 131 درصد کاهش کربن را نشان می دهد که در واقع با استفاده از داده های ساعتی به 135 درصد می رسد.

دی Chalendar گفت: "در کالیفرنیا ، گاز اغلب منبع تولید حاشیه است و از میزان انتشار شبکه بالاتر از میزان انتشار بالاتر است ، به همین دلیل خرید تجدیدپذیر می تواند باعث رد شدن کربن منفی شود." "یک مصرف کننده با 100 درصد منبع انرژی تجدید پذیر می تواند علاوه بر رد کربن خود ، اثر کربن شبکه را کاهش دهد ."

ذخیره انرژی

روش های حسابداری کربن قیمت پمپ وکیوم ساعتی می تواند به مصرف کنندگان بزرگ کمک کند تا مصرف انرژی کم کربن از شبکه را افزایش دهند. با اطلاعات دقیق تر ، مصرف کنندگان می توانند مصرف انرژی انعطاف پذیر را به زمان روز پاکترین برق شبکه منتقل کنند. این داده ها همچنین به مصرف کنندگان کمک می کند تا تصمیم بگیرند که آیا آنها باید در پروژه های بزرگ ذخیره انرژی به عنوان اقتصادی ترین راه برای دستیابی به اهداف کربن خود سرمایه گذاری کنند. این امر به این دلیل است که ذخیره انرژی باعث می شود تا مصرف کنندگان در دوره های کم کربن برق را از شبکه بکشند و آن را برای استفاده بعدی ذخیره کنند.

به عنوان مثال ، دانشگاه استنفورد اخیراً سیستم گرمایش و سرمایش خود را الکتریسیته کرده و برای کاهش تولید گازهای گلخانه ای به یک سوم از سطح اوج سال 2014 ، ذخیره حرارتی اضافه کرده است. طبق مطالعه ای که در اوایل این ماه توسط نویسندگان این مقاله منتشر شد ، استنفورد با استفاده از ذخیره انرژی خود برای به حداکثر رساندن خرید برق در بعد از ظهر که انرژی خورشیدی بر شبکه کالیفرنیا تسلط دارد ، می تواند میزان انتشار گازهای گلخانه ای و سرمایش را تا 40 درصد دیگر کاهش دهد .

در این مقاله ، تجزیه و تحلیل های خاص در موقعیت مکانی می تواند انواع مختلف سرمایه گذاری و استراتژی کم کربن را برای مناطق دیگر نشان دهد. به عنوان مثال ، در بریتانیا ، شدت کربن شبکه در شب در حال حاضر کم تر است ، به این معنی که انواع مختلف سرمایه گذاری های تجدید پذیر یا رفتارهای مصرفی ممکن است بهتر باشد. از طرف دیگر ، انتقال الکتریسیته با برد دور نیز می تواند به اشخاص امکان انتقال برق کم کربن در جاهای دیگر را در صورت وجود بیش از حد برق و انتقال کم کربن کم در صورت وجود حداقل تولید برق تجدیدپذیر ، فراهم کند.

بنسون گفت: "حسابداری کربن شفاف ، دقیق و معنی دار ضروری است." "و اگر به درستی انجام شود ، می توانیم سرمایه گذاری های مناسبی را در انرژی تجدید پذیر انجام دهیم و یک شبکه پایدارتر ایجاد کنیم."

ردیف پانل های خورشیدی آبی که مناظر و پشت بام ها را به هم می ریزند ، معمولاً از سیلیکون بلورین ساخته شده اند ، نیمه هادی کارگاه تقریباً در هر وسیله الکترونیکی یافت می شود.

طی یک دهه گذشته ، محققان دانشگاه ایالتی کلرادو با ساختن و آزمایش مواد جدیدی که فراتر از قابلیت های سیلیکون هستند ، مطالعات پیشگام را در جهت بهبود عملکرد و هزینه انرژی خورشیدی انجام داده اند . آنها روی ماده ای متمرکز شده اند که نوید جایگزینی سیلیکون را با نام تادورید کادمیوم نشان می دهد.

با همکاری شرکای دانشگاه لافبورو در انگلستان ، محققان مرکز تحقیقات فتوولتائیک Next Generation National University (CSU) که از بنیاد ملی علوم پشتیبانی شده پشتیبانی می کند ، یک پیشرفت اساسی را در چگونگی بهبود عملکرد سلول های خورشیدی فیلم نازک کادمیوم تلورید کادمیوم و حتی بیشتر از آن گزارش داده اند. مواد ، سلنیوم. نتایج آنها در اوایل ماه جاری در مجله Nature Energy منتشر شد و موضوع مقاله "اخبار و دیدگاه ها" است.

كورت بارت ، مدیر مركز فتوولتائیكس نسل بعدی و استاد تحقیقات تحقیقات در گروه مهندسی مکانیك گفت: "مقاله ما به درک اساسی مربوط می شود كه چه اتفاقی می افتد.

تاکنون به خوبی درک نشده بود که چرا اضافه شدن سلنیوم رکورد ضعیف کارایی سلول تلورید کادمیوم سلول خورشیدی - نسبت بازده انرژی به ورودی نور را - بیش از 22 درصد داشته است. به همراه همكاران CSU WS Sampath و Amit Munshi ، بارت و يك تيم بين المللي آن راز را حل كرده اند. آزمایشات آنها نشان داد سلنیوم بر غلبه بر عوارض اتمی کریستال های تلورید کادمیوم غلبه می کند و مسیری جدید را برای الکتریسیته گسترده و ارزان تر خورشیدی تولید می کند.

فیلم های نازک کادمیوم تلورید پمپ وکیوم که تیم CSU در آزمایشگاه ایجاد می کند از مواد 100 برابر کمتری نسبت به صفحات خورشیدی سیلیکون معمولی استفاده می کند . بنابراین ساخت آنها آسان تر است و نور خورشید را تقریباً در طول موج ایده آل جذب می کنند. برق تولید شده توسط سلولهای فتوولتائیک کادمیوم تلورید کمترین هزینه موجود در صنعت خورشیدی است که در بسیاری از مناطق جهان از منابع مبتنی بر سوخت فسیلی استفاده نمی کند.

براساس این مقاله ، الکترونهایی که هنگام برخورد نور خورشید به صفحه خورشیدی تحت درمان با سلنیوم تولید می شوند ، در معرض نقص مواد ، که در مرزهای بین دانه های کریستالی واقع شده اند ، به دام می افتند و از بین می روند. این مقدار توان استخراج شده از هر سلول خورشیدی را افزایش می دهد. تیم با کار با مواد ساخته شده در CSU از طریق روش های پیشرفته رسوب ، این رفتار غیر منتظره را با اندازه گیری میزان نور از صفحات حاوی سلنیوم کشف کردند.

از آنجا که سلنیوم به طور مساوی در تابلوها توزیع نمی شود ، آنها لومینسانس ساطع شده از مناطقی را که سلنیوم کم و بدون حضور وجود دارد و مناطقی که سلنیوم بسیار متمرکز بود ، مقایسه کردند.

تام فیدوشیا ، نویسنده اصلی مقاله و دکتری گفت: "مواد سلولی خورشیدی که عاری از نقص باشد ، در انتشار نور بسیار کارآمد است ، بنابراین به شدت لامپ می شود." دانشجوی دانشگاه لافبورو ، با استاد مایکل والز همکاری می کند. "وقتی اطلاعاتی را دیدید که مناطق غنی از سلنیم بسیار روشن تر از تلورید خالص کادمیوم هستند ، کاملاً واضح است و تأثیر بسیار چشمگیری دارد."

محققان Fraunhofer IPA ، در اشتوتگارت ، آلمان ، اخیراً MobiKa ، یک ربات موبایل کم هزینه و با قابلیت تعامل دو حالته (صدا و متن) با انسان ها را توسعه داده اند. این روبات که در مقاله ای از قبل منتشر شده در arXiv ارائه شده است ، می تواند برای کمک به سالمندان بسیار مفید باشد.

پیشرفت های اخیر در روباتیک ، امکان توسعه روبات هایی را فراهم آورده است که می توانند به انسانها در خانه خود و در مراکز درمانی کمک کنند. این روبات ها می توانند با کمک به آنها در انجام کارهای روزانه ، به تعدادی از افراد از جمله سالمندان کمک کنند ، و آنها را به مصرف دارو یا انجام درمانهای اساسی یادآوری کند.

فلورنز گراف ، همكار تحقيقاتي در Fraunhofer IPA كه مطالعه را انجام داده ، گفت: "تاريخچه روبات هاي تلفن همراه براي مراقبت هاي بهداشتي در Fraunhofer IPA در گذشته به بيش از 20 سال مي رسد." "نمونه ای از این سرویس ، روبات سرویس Care-O-bot است که از سال 1998 بینش محصول و تظاهرات کننده ای بوده است. هم اکنون در نسل چهارم آن موجود است ، و در حال حاضر به عنوان دستیار خرید در فروشگاه های لوازم الکترونیکی مشغول به خدمت است. هدف اصلی ما این است که فن آوری های توسعه یافته را به سیستم عامل های تخصصی و در نتیجه مقرون به صرفه تر انتقال دهید. "

گراف و همکارانش با جابجایی تمرکز خود بر روی سکوهای تخصصی تر ، توانستند یک ربات مقرون به صرفه تر که مبتنی بر فناوریهای نرم افزاری جدید مانند ابزارهای ناوبری است ، بسازند. محققان در پروژه اخیر با بودجه عمومی ، نمونه ای از MobiKa را در یک مرکز مراقبت های بهداشتی در دنیای واقعی معرفی کردند و تعامل آن با افراد سالخورده را ارزیابی کردند .

گراف توضیح داد: "MobiKa یک ربات خدماتی برای استفاده در منزل یا مراکز مراقبت است که در حال حاضر به عنوان نمونه اولیه در دسترس است." "این روبات شامل یک سکوی متحرک ، چرخ محور و یک تبلت با قابلیت تنظیم ارتفاع باریک است.

اعتبار: Fraunhofer IPA.
این ربات متحرک می تواند به صورت مستقل در محیط های پویا و در حال تغییر حرکت کند. همچنین قادر است افراد را با استفاده از نرم افزار شناسایی شخص و الگوریتم برای شناسایی و نزدیک شدن افراد به افراد ، شناسایی و نزدیک کند. MobiKa می تواند با دو طریق ارتباط برقرار کند: با تولید متن روی رایانه لوحی یا از طریق پاسخ های صوتی.

گراف گفت: "برای ما از اهمیت ویژه ای برخوردار بود كه می توان از این ربات اقتصادی استفاده كرد." وی گفت: "بنابراین ، ما اجزایی را به همان اندازه ساده و مقرون به صرفه در اختیار قرار داده ایم. برخلاف سایر روبات های تعامل ، ما MobiKa را به روشی کاربردی و عمد غیر انسانی طراحی کردیم. به لوازم خانگی یا رباتهای موجود "

محققان پس از ارزیابی MobiKa در یک آزمایشگاه ، آن را در یک خانه مراقبت از سالمندان مبتلا به زوال عقل آزمایش کردند. این آزمایشات به آنها امکان می دهد درک بهتری از چگونگی درک این ربات توسط کاربران داشته باشند و مناطقی را که می توانند بهبود پیدا کنند ، شناسایی کنند.

گراف گفت: "نه تنها ما با نمایندگان نهایی کاربر ، در مورد برنامه پمپ وکیوم آب در گردش با جزئیات صحبت نکردیم." وی گفت: "ما همچنین آزمایش های عملی را در خانه سالمندان انجام دادیم که در آن MobiKa به مدت چند هفته با تعدادی از سالمندان در تعامل موفق شد. طراحی عملکردی MobiKa به ما کمک کرد تا سطح بالایی از پذیرش را بدست آوریم ، زیرا افراد مسن نیز آن را به عنوان یک مکمل می بینند. به جای اینکه به عنوان جایگزینی برای انسانها باشد. یافته مهم دیگر مطالعه ما این بود که تعامل انسان و روبات نیاز به شخصی سازی و همچنین به روزرسانی برای حفظ علاقه کاربران به دوره های طولانی تر دارد. "

اگرچه محققان تاکنون فقط MobiKa را در یک مرکز مراقبت از سالمندان آزمایش کرده اند ، اما به زودی می توان آن را در سایر تنظیمات دیگر اعمال و ارزیابی کرد. به عنوان مثال ، محققان قصد دارند MobiKa را به سایر موسسات تحقیقاتی واگذار كنند تا بتوانند از آن در پروژه های خود استفاده كنند. در همین حال ، آنها همچنین به دنبال شرکت هایی هستند که علاقه مند به تولید روبات در مقیاس بزرگتر و آماده سازی آن برای تولید هستند.

گراف افزود: "ما ایده های دیگری برای توسعه بیشتر داریم." "با ادغام نرم افزار تشخیص شی ، از این ربات می توان برای یافتن مقالاتی استفاده کرد که کاربر در خانه خود جای داده است. ما همچنین می توانیم یک قفسه اضافی را به روبات وصل کنیم که این امر به آن کمک می کند تا کاربران با تحرک محدود برای حمل و نقل کمک کنند. اشیاء روزمره و بنابراین از استقلال خود در خانه حمایت می کنند. "

مقاله ای که در مورد شاهکار هوش مصنوعی در حال حاضر در مورد arXiv بحث شده است ، به تماشاچیان فناوری می دهد و دلیل دیگری برای احساس این موضوع عصر Enfrightenment است.

"یادگیری مخالف چند شاته ای از مدلهای سر گفتگوی عصبی واقع گرایانه" توسط اگور زاخاروف ، علیاکساندرا شیشیا ، اگور بورکوف و ویکتور لمپیتسکی تکنیک خود را نشان می دهد که می تواند عکس ها و نقاشی ها را به سرهای گفتگوی متحرک تبدیل کند. مؤسسات وابسته نویسنده شامل مرکز هوش مصنوعی سامسونگ ، مسکو و انستیتوی علوم و فناوری Skolkovo است.

بازیکن کلیدی در این همه؟ سامسونگ سال گذشته مراکز تحقیقاتی در مسکو ، کمبریج و تورنتو افتتاح شد و نتیجه نهایی ممکن است عناوین بیشتری در تاریخ هوش مصنوعی باشد.

بله ، مونا لیزا می تواند به نظر برسد که اگر او به میزبان تلویزیون خود می گوید که چرا طرفداران نرم کننده موهای مو است. آلبرت انیشتین می تواند به نظر برسد که به هیچ وجه طرفدار محصولات بدون مو است.

آنها نوشتند که "ما با توجه به مجموعه ای از نشانه های چهره ، که باعث انیمیشن مدل می شود ، ما مشکل ترکیب تصویرهای شخصی شده عکاسی را در نظر می گیریم." یادگیری یک شات از یک قاب واحد ، حتی ممکن است.

Khari Johnson ، VentureBeat ، خاطرنشان كرد كه آنها می توانند بدون تكیه به روشهای سنتی مانند مدل سازی سه بعدی ، سر از صحبت های متحرک واقع بینانه از تصاویر ایجاد كنند .

نویسندگان خاطرنشان كردند: "به طور واضح ، سیستم قادر است پارامترهای تولید كننده و تبعیض آمیز را به روشی خاص برای شخص موردنظر قرار دهد ، به گونه ای كه آموزش می تواند براساس فقط چند تصویر انجام شود و به سرعت انجام شود ، علی رغم نیاز به تنظیم ده ها. از میلیون ها پارامتر. "

رویکرد آنها چیست؟ ایوان مهتا در وب سایت بعدی خوانندگان را با قدم هایی که تکنیک آنها را تشکیل می داد قدم زد.

"سامسونگ گفت که این مدل در طی یادگیری سه شبکه عصبی ایجاد می کند . اول ، شبکه جاسازی شده ایجاد می کند که فریم های مربوط به علائم چهره را با بردارها پیوند می دهد. سپس با استفاده از آن داده ها ، یک شبکه ژنراتور ایجاد می کند که علائم را در فیلم های سنتز شده ترسیم می کند. سرانجام ، شبکه تبعیض آمیز ، رئالیسم و ایجاد قاب های تولید شده را ارزیابی می کند. "

نویسندگان "فرا یادگیری طولانی" را در مجموعه وسیعی از فیلم ها توصیف کرده اند ، و قادر به یادگیری چند و یک باری از مدل های گفتگوی عصبی افراد قبلاً ناشناخته به عنوان مشکلات آموزش مخالف ، با ژنراتورها و ظرفیت های بالا هستند.

چه کسی از این سیستم استفاده می کند؟ گزارشات ذکر شده telepresence ، بازی های چند نفره و صنعت جلوه های ویژه است.

با این وجود ، جانسون و دیگران که گزارش های خود را ارائه می دهند ، نادیده نگرفته اند که خطر پیشرفت فناوری را در دستان اشتباهی نادیده می گیرد ، جایی که بدخواهان می توانند جعلی با مقاصد بد تولید کنند.

جانسون نوشت: "چنین فناوری می تواند به وضوح مورد استفاده قرار گیرد تا ایجاد عمیق کند ."

بنابراین ، ما ممکن است بخواهیم به این فکر مکث کنیم. دقیقاً همین نویسندگان اکنون به طور اتفاقی به نتایج "جعلی عمیق" که ناشی از برخی پروژه های هوش مصنوعی است اشاره می کنند. و نویسندگان تعجب می كنند كه این مرحله سامسونگ در فناوری ممكن است به معنای عمیق باشد.

جان کریستین دیدگاهی در آینده نگر داشت . "در طول چند سال گذشته ، ما شاهد ظهور سریع فناوری پمپ وکیوم آبی" عمیق "بودیم که از یادگیری ماشینی برای تجزیه و تحلیل فیلم افراد واقعی استفاده می کند - و سپس ویدیوی قانع کننده ای را از آنها انجام می دهیم تا کارهایی را انجام دهند که هرگز انجام نمی دهند یا گفتن چیزهایی که هرگز نگفتند. "

جو سلسمان در CNET: "پیشرفت سریع هوش مصنوعی بدین معنی است که هر زمان که یک محقق در پیشرفت عمیق و تبلیغاتی دست به دست هم بدهد ، بازیگران بد می توانند با استفاده از ابزارهای هیئت منصفه خود به تقلید از آن بپردازند."

جالب است که هرچه بیشتر مردم از جعل هوش مصنوعی آگاهی داشته باشند ، راحت تر می توانند برخی از انیمیشن ها را جعلی جعلی قرار دهند یا خیر؟ نظر بیننده در مورد صفحه ویدیو: "در آینده باج خواهی غیرممکن است زیرا همه می دانند که به راحتی می توانید از هر چیزی ویدیویی بسازید."

فرود هواپیماهای بدون سرنشین چند روتور هموار است. تلاطم پیچیده با جریان هوا از هر روتور که از زمین بلند می شود ایجاد می شود زیرا زمین در هنگام نزول نزدیک تر می شود. این آشفتگی به خوبی درک نشده است و جبران آن به راحتی برای هواپیماهای بدون سرنشین مستقل آسان نیست. به همین دلیل برخاستن و فرود اغلب دو سخت ترین قسمت هواپیمای بدون سرنشین است. هواپیماهای بدون سرنشین معمولاً به آرامی به سمت فرود می چرخند و سرانجام قطع می شوند و فاصله باقی مانده را به زمین می اندازند.

در مرکز سیستم ها و فناوری های خودمختاری Caltech (CAST) ، کارشناسان هوش مصنوعی با کارشناسان کنترل همکاری کرده اند تا سیستمی را تولید کنند که از یک شبکه عصبی عمیق برای کمک به هواپیماهای بدون سرنشین خودمختار "یاد بگیرد" چگونه با ایمن تر و سریع تر فرود بیایند ، در حالی که دست کم می گیرند. قدرت. سیستمی که آنها ایجاد کرده اند ، با نام "لاندر عصبی" ، یک کنترلر مبتنی بر یادگیری است که موقعیت و سرعت هواپیمای بدون سرنشین را ردیابی می کند ، و مسیر فرود و سرعت روتور آن را براساس آن اصلاح می کند تا به نرم ترین سطح فرود برسد.

Soon-Jo Chung ، استاد برن ، هوافضا در این زمینه می گوید: "این پروژه توانایی کمک به هواپیماهای بدون سرنشین را به راحتی و با خیال راحت پرواز می کند ، به خصوص در صورت وجود بادگیرهای غیرقابل پیش بینی ، و باتری کمتری مصرف کنید زیرا هواپیماهای بدون سرنشین می توانند سریعتر فرود بیایند." بخش مهندسی و علوم کاربردی (EAS) و دانشمند تحقیق در JPL ، که Caltech مدیریت ناسا را بر عهده دارد. این پروژه همکاری بین متخصصان هوش مصنوعی چونگ و کالتک (AI) آنیما آناندکومار ، استاد برن استاد محاسبات و علوم ریاضی و ییسونگ یو ، استادیار محاسبات و علوم ریاضی است.

مقاله ای که توصیف Lander Landing (عصب عصبی) است ، در تاریخ 22 ماه مه در کنفرانس بین المللی مهندسین برق و الکترونیک (IEEE) کنفرانس بین المللی رباتیک و اتوماسیون ارائه شد. تحقیقات به طور مشترک توسط چونگ و یو ، و همچنین شیخن شی و مایکل او "کانل ، که دانشجویان دکتری گروه کنترل و رباتیک هوافضا در چانگ هستند نظارت می شود.

اعتبار: موسسه فناوری کالیفرنیا
شبکه های عصبی عمیق (DNNs) سیستم های AI هستند که از سیستم های بیولوژیکی مانند مغز الهام می گیرند. قسمت "عمیق" این نام به این واقعیت اشاره دارد که ورودی داده ها از طریق چندین لایه مجذوب می شوند ، که هر یک از اطلاعات ورودی را به روشی متفاوت برای فریب جزئیات پیچیده پردازش می کنند. DNN ها قادر به یادگیری خودکار هستند ، که باعث می شود آنها برای کارهای تکراری مناسب باشند.

برای اطمینان از اینکه عملکرد پمپ وکیوم هواپیمای بدون سرنشین تحت هدایت DNN پرواز می کند ، این تیم از تکنیکی موسوم به عادی سازی طیفی استفاده کرده است ، که خروجی های شبکه عصبی را هموار می کند به طوری که پیش بینی های مختلفی با تغییر در ورودی ها یا شرایط ایجاد نمی کند. پیشرفت در فرود با بررسی انحراف از مسیر ایده آل در فضای 3 بعدی اندازه گیری شد. سه نوع آزمایش انجام شد: یک فرود عمودی. فرود قوس نزولی؛ و پرواز که در آن هواپیمای بدون سرنشین از سطح شکسته عبور می کند - مانند لبه یک جدول - که در آن تأثیر تلاطم از سطح زمین به شدت متفاوت خواهد بود.

سیستم جدید خطای عمودی را 100 درصد کاهش می دهد و زمین های کنترل شده را امکان پذیر می کند و رانش جانبی را تا 90 درصد کاهش می دهد. در آزمایشات خود ، سیستم جدید به جای اینکه در حدود 10 تا 15 سانتی متر از سطح زمین گیر کند ، به فرود واقعی می رسد ، همانطور که کنترل کننده های پرواز معمولی اصلاح نشده اغلب انجام می دهند. علاوه بر این ، در طول آزمایش اسکیینگ ، Neural Lander یک انتقال بسیار نرمتر را ایجاد کرد زیرا هواپیمای بدون سرنشین از جابجایی در داخل جدول به پرواز در فضای آزاد فراتر از لبه منتقل شد.

یو می گوید: "با خطای کمتری ، Neural Lander قادر به فرود سریعتر ، روانتر و یکدست شدن در سطح زمین است." این سیستم جدید در آیرودرو سه طبقه بلند CAST مورد آزمایش قرار گرفت که می تواند تنوع تقریباً بی حد و حصر از شرایط باد در فضای بیرونی را شبیه سازی کند. در سال 2018 افتتاح شد ، CAST یک تسهیلات 10000 متر مربعی است که محققان EAS ، JPL و بخش زمین شناسی و سیاره ای Caltech در حال ایجاد اتحادیه برای ایجاد نسل بعدی سیستم های خودمختار هستند و ضمن پیشبرد زمینه های تحقیقات پهپاد ، اکتشافات خود مختار ، و سیستمهای bioinspired.

محققان دانشگاه میشیگان در گامی به سمت روبات های یك خانه كه می توانند به سرعت در فضاهای غیرقابل پیش بینی و بی نظم حرکت كنند ، الگوریتمی را توسعه داده اند كه به ماشین ها اجازه می دهد تا از محیط های خود مرتباً سریعتر از روش های قبلی استفاده كنند.

کارتیک دسینگ ، دانشجوی فارغ التحصیل رشته علوم کامپیوتر و مهندسی و نویسنده اصلی مقاله در مورد کار منتشر شده در Science Robotics ، گفت: درک ربات یکی از بزرگترین تنگناها در تهیه روبات های کمکی توانمند است که می توانند در منازل افراد مستقر شوند .

"در محیط های صنعتی ، جایی که ساختار وجود دارد ، روبات ها می توانند کارهایی مانند ساختن ماشین را خیلی سریع انجام دهند. اما ما در محیط های غیرساختمانی زندگی می کنیم و ما می خواهیم روبات ها بتوانند با درهم و برهمی ما کنار بیایند."

از نظر تاریخی ، روبات ها به طور مؤثر در محیط های ساخت یافته ، در پشت ریل های محافظ یا قفس برای ایمن نگه داشتن انسان و فضای کاری این روبات تمیز و منظم کار می کنند. با این حال ، محیط زیست انسان ، محل کار یا خانه معمولاً نوعی اشیاء در حالتهای مختلف است: مقالات روی صفحه کلید ، کیسه های پنهان کردن کلیدهای ماشین یا پیش بند مخفیگاه های نیمه باز.

الگوریتم جدید این تیم با نام Pull Message Passing برای تبلیغات غیرپارامتری اعتقاد نامگذاری شده است. در 10 دقیقه می تواند درک دقیقی از موقعیت یک موقعیت یا موقعیت و جهت گیری یک سطح از دقت را انجام دهد که رویکردهای قبلی بیش از یک ساعت و نیم طول می کشد.

این تیم این کار را با یک ربات Fetch نشان دادند. آنها نشان دادند كه الگوریتم آنها می تواند به طور صحیح مجموعه ای از زیر شلوار را حتی در صورت پوشیده بودن از پتو ، وقتی كه یك كشو نیمه باز است ، یا وقتی بازوی ربات خود در حال پنهان كردن است ، یك سنسور كامل از كشوها را بدرستی درک و استفاده كند. این الگوریتم همچنین می تواند فراتر از یک کمد ساده به یک شی با مفاصل پیچیده متعدد بپردازد. آنها نشان دادند كه این روبات می تواند بدن خود و بازوی گریپس را به دقت درك كند.

"مفاهیم موجود در الگوریتم ما ، مانند Nonparametric Believe Propagation ، قبلاً در بینایی رایانه ای استفاده شده اند و بسیار خوب در ضبط عدم قطعیت های دنیای ما عمل می کنند. چاد جنکینز ، استاد علوم کامپیوتر و مهندسی کامپیوتر و عضو هیئت علمی هسته اصلی موسسه روباتیک میشیگان گفت: "عملی نیست تا یک ربات تعاملی برای کمک به کارهای روزمره."

تکنیک های قبلی به "پیام رسانی فشار" متکی بودند

تکنیک انتشار غیرپارامتری اعتقاد به همراه تکنیک ارسال پیام ذرات مشابه برای اولین بار در سال 2003 منتشر شد. به این دلیل است که تصاویر یا فیلم های دو بعدی نسبت به صحنه های سه بعدی درگیر در درک ربات به قدرت و زمان محاسباتی کمتری نیاز دارند.

این رویکردهای اولیه با ترجمه آن به یک الگوی گرافیکی از گره ها و لبه ها ، صحنه ای را درک می کنند که نشان دهنده هر یک از اجزای یک شی و روابط آنها بین یکدیگر است. الگوریتم ها سپس به مجموعه ای از محدودیت ها ، فرضیه ها را ایجاد می کنند یا به مکانها و جهت گیری های مؤلفه می پردازند. این عقاید ، که محققان ذرات می نامند ، در طیف وسیعی از احتمالات متفاوت است.

برای محدود کردن محتمل ترین مکان ها و جهت گیری ها ، مؤلفه ها از "پیام رسانی فشار" استفاده می کنند تا اطلاعات مکان احتمالی را از طریق گره ها و پشت ارسال کنند. سپس اطلاعات مکان با داده های سنسور مقایسه می شود. این روند چندین تکرار طول می کشد تا در نهایت به یک باور دقیق از یک صحنه برسیم.

به عنوان مثال ، با توجه به یک کمد با سه کشو ، هر یک از اجزای شیء - در این حالت ، هر کشو و خود کمد - یک گره خواهد بود. محدودیت این است که کشوها باید در کمد باشند و کشوها به صورت عمودی حرکت کنند.

اطلاعات موجود در بین گره ها ، با مشاهدات واقعی از سنسورها ، مانند تصویر 2 بعدی و ابر 3 بعدی ارائه می شود. پیام ها از طریق تکرار تکرار می شوند تا زمانی که بین باورها و داده های سنسور توافق حاصل شود.

الگوریتم های جدید به "کشیدن پیام" پمپ وکیوم تغییر می کنند

برای ساده کردن خواسته های مربوط به محاسبات ، دسینگ و تیم میشیگان از آنچه به عنوان "ارسال پیام" نامیده می شوند استفاده کردند. رویکرد آنها کاکوفونی پیامهای متراکم و پراهمیت را به مکالمه مختصر بین اجزای یک شی تبدیل می کند.

در این مثال ، به جای اینکه کمد اطلاعات را فقط پس از محاسبه اطلاعات سایر کشوها ، به محل کشو ارسال کند ، کمد ابتدا با کشوها را بررسی می کند. این از هر کشو می خواهد که اعتقاد خود را در مورد مکان خود داشته باشد ، سپس با دقت ، این باور را در برابر اطلاعات سایر کشوها وزن کند. این دقیقاً همانطور که رویکرد فشار ، درک دقیقی از صحنه را از طریق تکرار اتفاق می دهد.

برای مقایسه مستقیم رویکرد جدید خود با رویکردهای قبلی ، آنها آن را در یک صحنه ساده 2 بعدی از یک دایره با چهار بازوی مستطیل پنهان شده در میان الگوی دایره ها و مستطیل های مشابه آزمایش کردند.

رویکردهای قبلی برای ارسال پیام به بیش از 20 دقیقه زمان پردازش نیاز داشت ، در حالی که روش جدید تیم کمتر از دو دقیقه طول می کشد و با افزایش تعداد اعتقادات یا ذرات ، این پیشرفت از نظر نمایی سریعتر می شود.