tehranvacuum

چگونه زمان تغییر کرده است همین چند سال پیش ، آمریکایی ها از حضور در منازل اجتماعی ناراحت کننده بودند ، اما اطمینان داشتند که می توانند توفو را از دنده اصلی بگویند.

در جدیدترین مطالعه ، تقریباً نیمی از 47 درصد افرادی که در مورد رباتها شنیده بودند ، بسیار یا تا حدودی اطمینان داشتند که می توانند این نوع حسابها را در رسانه های اجتماعی تشخیص دهند . در مطالع earlier قبلی ، 84 درصد قابل ملاحظه تر نسبت به کشف اخبار آرایش ابراز اطمینان کردند.

اینجا؛ این چنین است که مرکز تحقیقات پیو درباره آن زمان و زمان حال توضیح داده است: "حدود نیمی از کسانی که درباره رباتها شنیده اند (47٪) بسیار یا قدری اطمینان دارند که می توانند آنها را تشخیص دهند و فقط 7٪ بسیار اعتماد به نفس دارند. -در ده (38٪) خیلی مطمئن نیستند ، و 15٪ می گویند به هیچ وجه اطمینان ندارند این برخلاف اعتماد به نفس آمریکایی ها در توانایی کشف اخبار ساختگی است: در یک نظرسنجی در دسامبر 2016 ، 84 ٪ آمریكایی ها نسبت به توانایی خود در تشخیص اخبار ساختگی بسیار یا کمی اطمینان داشتند. "

بنابراین ، سریع به اکتبر سال 2018 بروید و به نظر می رسد که بیشتر آمریکایی ها نمی توانند بین یک نظر انسانی و تفسیر شده توسط یک ربات خودکار تمایز قایل شوند. و آنها سرگرم کننده نیستند؛ برای یافتن شماره ربات های اجتماعی در نظرسنجی محبوبیت ، باید همه راه جنوب را حرکت دهید.

گالن استورینگ ، دانشمند علوم محاسباتی و نامی سومیدا ، تحلیلگر تحقیق ، مقاله ای را نوشت که گزارش از نظرسنجی و یافته های آن است.

وی گفت: "در حالی که بسیاری از آمریکایی ها از وجود ربات های رسانه های اجتماعی آگاه هستند ، کمتر کسی اطمینان دارد که بتواند آنها را شناسایی کند. حدود نیمی از کسانی که درباره رباتها (47٪) شنیده اند بسیار یا قدری اطمینان دارند که می توانند این حسابها را در رسانه های اجتماعی تشخیص دهند. فقط 7٪ اظهار داشتند که بسیار مطمئن هستند. در مقابل ، 84٪ آمریکایی ها به توانایی خود در تشخیص اخبار ساختگی در یک مطالعه قبلی ابراز اطمینان کردند. "

با بررسی جدید مرکز تحقیقات پیو ، تفکر آمریکایی درباره حساب های خودکار در سیستم عامل های رسانه های اجتماعی مورد بررسی قرار گرفت و نشان داد که بسیاری فکر می کنند ربات های اجتماعی تأثیر منفی بر نحوه اطلاع رسانی مردم دارند. مخالفت با هر سازمان یا فردی که از رباتها برای به اشتراک گذاشتن اطلاعات نادرست استفاده می کند ، آشکار بود. اکثریت ها همچنین با استفاده از ربات ها برای به دست آوردن پیروان رسانه های اجتماعی بیشتر و یک حزب سیاسی با استفاده از ربات ها برای به اشتراک گذاشتن اطلاعاتی که از نامزدی طرفدار یا مخالف هستند ، با یک مشهور مخالف بودند.

"حدود دو سوم آمریکایی ها در مورد ربات های رسانه های اجتماعی شنیده اند ، که اکثر آنها معتقدند از آنها بدرفتاری استفاده می شود . "

این دو نویسنده مقاله گفتند: "حدود هشت در ده نفر از كسانی كه درباره رباتها شنیده اند (81٪) تصور می كنند كه حداقل مقدار عادلانه ای از خبرهایی كه مردم از رسانه های اجتماعی دریافت می كنند ، از این حسابها ناشی می شود ، از جمله 17٪ كه فکر می کنند عالی است و حدود دو سوم (66٪) فکر می کنند که رسانه های اجتماعی تأثیر منفی بر چگونگی آگاهی آمریکایی ها از وقایع جاری دارند ، در حالی که تعداد کمتری (11٪) معتقدند که اینها تأثیرات مثبتی دارند. "

Stocking و Sumida آنچه را که توسط رباتهای رسانه های اجتماعی منظور شده اند تعریف کردند - "حسابهایی که به تنهایی و بدون درگیری انسانی فعالیت می کنند ، برای ارسال و تعامل با دیگران در سایت های رسانه های اجتماعی ".

شانون لیائو ، The Verge ، متوجه چیز جالبی در مورد افراد امروزی شد ، به این ترتیب که نمی توان آنها را بر اساس سن طبقه بندی کرد و نه با ترغیب سیاسی. کسانی که رباتها را دوست نداشتند از آن خطوط عبور کردند.

"صرف نظر از اینکه فرد جمهوریخواه یا دموکرات باشد یا جوان یا پیر باشد ، بیشتر فکر می کنند که رباتها بد هستند. و هرچه فرد از ربات های رسانه های اجتماعی آگاهی داشته باشد ، کمتر از آن حمایت می کند که از رباتها برای اهداف مختلف استفاده می شود ، مانند فعالین جلب توجه به موضوعات یا یک حزب سیاسی با استفاده از رباتها برای تبلیغ نامزدها. "

نظرسنجی مرکز تحقیقات پیو از حدود 4581 بزرگسال آمریکایی در ماه های جولای و آگوست به دست آمد.

یک سؤال برای تجزیه و تحلیل دقیق تر است. چرا درصد کمی ، هرچند کوچک ، در مورد دروغ گفتن به این نکته مثبت ، در مورد دروغ بودن ، اطلاعاتی بدست آورد که اطلاعات بدون بسته حقوق یا رشته های خودکار کلمه ای نباشد؟ همانطور که یکی از اظهار نظر کنندگان در The Verge اظهار داشت ، این ممکن است به سادگی ماهیت انسانی باشد. اگر گیاه برای تیم یا سروران یا مقامات رسمی است که ما از آن استفاده می کنیم ، پس دوست داریم با تبلیغات ، ساده و ساده موافق باشیم. همچنین ، شخص نباید با پیام های خودکار ارائه شده توسط سازمان های دولتی برای ارسال به روزرسانی های اضطراری برای ایمنی ما ، "دروغ گفتن" اشتباه کند.

علاوه بر این ، موضوعی که برای تجزیه و تحلیل دقیق تر است این است که ، مهم نیست که چه طعم دروغ ، ما دروغ را دوست نداریم - اما میدان بازی تبلیغاتی امروز کاملاً لایه بردار و گیج کننده است. بازدید کنندگان سایت که علیه اظهار نظرهای مضحک مخالفت می کنند ، سریعاً می توانند این نظرات را از نظر "رباتها" بچرخانند ، هنگامی که ممکن است توسط افراد فرصت طلب انسانی برای ارائه کارفرمایان یا دوستان یا بت های خود ، حساب های جعلی را اجرا کنند. اینها از جانب انسان است بنابراین به راحتی در تعریف حسابهای خودکار نمی گنجند.

آیا بیشتر و بیشتر رباتها می توانند برای توانایی ما در بیرون کشیدن حقیقت در مقابل تبلیغات و ترقی بیشتر با اوقات مشاغل خانگی باشند؟ از این گذشته ، سال گذشته در اقیانوس اطلس : "به طور کلی ، ربات ها - خوب و بد - مسئول 52٪ از ترافیک وب هستند ، طبق گزارش جدید شرکت امنیتی Imperva که ارزیابی سالانه فعالیت بات ها را به صورت آنلاین صادر می کند. 52 آمار برجسته قابل توجه است زیرا نشانگر نوک مقیاس از گزارش سال گذشته است. "

http://bookmarkbirth.com/story5532517/پمپ-وکیوم-آبی

اگر صحبت های حق ثبت اختراع چیزی است که می توان از نظر تلفن های آینده سامسونگ به نظر برسد ، نگاه کنید. اختراع ثبت شده سامسونگ با WIPO برای "سنسور بیومتریک و دستگاه از جمله" در تاریخ 18 اکتبر منتشر شد.

تمرکز ثبت اختراع روی یک اسکنر اثر انگشت در صفحه نوری است. خبرنگاران در برجسته کردن آنچه که مفهوم سامسونگ درگیر است ، تعقیب می کنند. حق ثبت اختراع سیستمی را نشان می دهد که در آن حسگر اثر انگشت به دهانه روی مدار چاپی وصل می شود. سامسونگ مراقب است از حفظ فاصله ایمن از صفحه نمایش اطمینان حاصل کند.

استفان مایوود در BiometricUpdate.com گفت: قرار دادن سنسور سامسونگ در زیر صفحه نمایش خواهد بود و ناحیه اطراف این حسگر حساس به فشار است .

این همان چیزی است که آنتون نقی ، سردبیر Pocketnow ، بین خطوط موجود در این ایده ثبت اختراع مشاهده کرده است: "سامسونگ به آرامی در حال رسیدن به نقطه حذف اسکنر اثر انگشت به طور کلی است. سازنده تلفن در ابتدا اسکنر را از جلو به سمت دیگر منتقل می کند. به عقب برگردید ، و احتمالاً مرحله دوم پنهان كردن آن را در پشت شیشه انجام خواهد داد . "

مانند چندین گزارشگر دیگر ، عمر سهیل در Wccftech فکر می کرد که ثبت اختراع جدید سامسونگ می تواند راه خود را به Galaxy S10 تبدیل کند و از طریق تلفن دارای یک سنسور اثر انگشت نوری ترجمه شود .

( اخیراً فوربس خاطرنشان كرد كه سامسونگ Galaxy S10 را با دوربین های عقب سه گانه و طرح های رنگی شیب چشم نواز عرضه خواهد كرد .))

با این حال ، ابرار الهتی CNET گفت که هنوز مشخص نیست که آیا این ویژگی ها در گلکسی S10 یا سایر تلفن های آینده نمایش داده شده است یا خیر. "اگر این کار را کنند ، این بدان معنی است که صفحه نمایش می تواند کل صفحه تلفن را پر کند ."

گزارشگران تأکید کردند که اهمیت این معنی است که این شرکت اکنون می خواهد اسکنر اثر انگشت خود را توسعه دهد. چرا اهمیت دارد: افکار این بود که این تلفن حامل اولتراسونیک Qualcomm است اما در اینجا بحث حق ثبت اختراع وجود دارد و این نشان می دهد که سامسونگ به فکر نگه داشتن خواننده اثر انگشت در خانه است.

اگر سامسونگ حسگر نمایشگر خود را به جای گرفتن آن از Qualcomm بسازد ، بدین معنی است که سامسونگ دو بار در مورد برون سپاری چنین کاری و اعتماد به نفس سایر تولید کنندگان فکر کرده است.

در مورد پیامدهای طراحی تلفن ، حواشی اخیر درباره تلفن های آینده سامسونگ فقط مربوط به مکان های سنسور نیست بلکه آنچه در مورد ویژگی های دوربین اتفاق می افتد است.

جو فدویوا در روز جمعه در XDA-Developers.com نوشت : "شکاف راه حلی برای جلوگیری از شکاف است قبل از اینکه سازندگان بدانند که چگونه می توان تمام حاشیه ها و سنسورها را به طور کامل از بین برد . سامسونگ صفحه نمایش یک شرکت است که در حال کار بر روی یک راه حل است ." بنابراین ، "چیست اگر دوربین می تواند در زیر نمایشگر باشد؟ این راه حلی است که سامسونگ برای آن شلیک می کند. "

این پست درباره آینده تلفن های هوشمند منعکس شده است ، جایی که دستگاه ها "تقریباً 100٪ صفحه نمایش در جلو دارند و هیچ سنسور و گودی در آن حضور ندارند."

علاوه بر حسگر اثر انگشت به عنوان کانون ثبت اختراع ، انتظار داشته باشید که صدای وزوز زیادی در مورد دوربین ها بشنوید.

XDA-Developer.com گفت: "Samsung Display یک رویداد " AMOLED Forum "با حدود 20 شرکت کننده در چین برگزار کرد و در آنجا است که آنها واقعاً در مورد ویژگی های" زیر نمایش "صحبت کرده اند.

" نوآوری های جدید ظاهرا شامل یک سنسور دوربین ، خواننده اثر انگشت ، فناوری صوتی و سیستم حساس به لمس است که همه در زیر صفحه ساخته شده اند. نسبت بدن، گفت: "جی Bonggolto در Neowin.net .

http://bookmarkport.com/story5694422/پمپ-وکیوم-آبی

این بسته بندی ها فرآیند 7 نانومتری LPP EUV سامسونگ را که سالها در حال توسعه است ، خاموش کرده اند. خبرها حاکی است که سامسونگ اکنون با استفاده از این فرآیند وارد مرحله بعدی تولید تراشه شده است.

پالس گزارش داد که "این شرکت اعلام کرده است که با استفاده از فرآیند کم قدرت 7 نانومتری به علاوه (LPP) با فناوری لیتوگرافی شدید ماوراء بنفش که این شرکت بیش از یک دهه برای توسعه آن صرف کرده است ، تراشه های انبوه تولید خواهد کرد ."

در اخبار منتشر شده این شرکت آمده است که سامسونگ انتظار دارد تا سال 2020 ظرفیت اضافی را با خط جدید EUV برای مشتریانی که برای تولید تراشه های نسل بعدی نیاز به تولید حجم بالا دارند ، تأمین کند.

(تحقیقات و توسعه سامسونگ در EUV در دهه 2000 آغاز شد. یکی از عوامل مؤثر در پیشرفت آنها ، دستیابی به تجهیزات مناسب در امکانات خود از طریق مشارکت با ارائه دهندگان ابزار ، برای اطمینان از ثبات ویفرهای EUV بود.)

ناظران فناوری تمرکز جدی سامسونگ را در مورد چگونگی بهره گیری از فناوری الگوی EUV نشان داده اند و می دانند که دیگر موردی نبوده اما چه موقع بوده است.

در ماه مارس ، مارك ریچاردز در EE Times گفت لیتوگرافی شدید ماوراء بنفش فوق العاده (EUV) سرانجام در آستانه ورود به تولید حجم بود .

ZDNet در ماه ژوئن گزارش داد كه سامسونگ نخستین نگاه مفصل را به پلتفرم 7 نانومتری خود ارائه كرد كه ZDNet گفت احتمالاً این روش تراشه سازی برای استفاده از نوعی لیتوگرافی است كه ده ها سال در این آثار بوده است.

جان موریس نوشت که سامسونگ احتمالاً با استفاده از نور فوق العاده بنفش شدید ، "در حدود 30 سال توسعه" لیستی از لیتوگرافی بنام EUV را معرفی کرده است .

براندون هیل در HotHardware رویکرد EUV و مزایای آن را روشن کرد. "به جای استفاده از تکنیک های متعارف غوطه وری آرگون فلوراید ، EUV سامسونگ در عوض از نور موج 13.5 نانومتر (در مقابل 193 نانومتر) برای افشای ویفرهای سیلیکون استفاده می کند. علاوه بر این ، EUV امکان استفاده از یک ماسک واحد (به جای 4) را فراهم می کند تا بعداً ویفر سیلیکونی ایجاد کند. این منجر به کاهش پیچیدگی و هزینه تولید می شود. "

ماهها بعد ، در 18 اکتبر ، این بیانیه تحت عنوان "سامسونگ الکترونیک تولید فرایند 7nm LPP مبتنی بر EUV را آغاز می کند."

به طور خاص ، سامسونگ مرحله توسعه را پشت سر گذاشته و تولید ویفر گره فرآیند خود ، 7LPP را آغاز کرده است ، که با عنوان "7 نانومتر (نانومتر) LPP (Low Power Plus) با فناوری لیتوگرافی افراطی ماوراء بنفش (EUV) توصیف شده است."

چرا این مهم است: معرفی گره فرآیند EUV نشان دهنده یک انقلاب آرام در صنعت نیمه هادی است.

چارلی بائه سامسونگ سامسونگ گفت: "تغییر اساسی در ساخت ویفرها به مشتریان ما این فرصت را می دهد تا به طور قابل توجهی زمان محصولات خود را در بازار با توان بالاتر ، کاهش لایه ها و بازده بهتر بهبود بخشند." روند 7LPP آنها می تواند در مقایسه با فرآیند غیر EUV تعداد ماسک ها را حدود 20٪ کاهش دهد.

موریس در ماه ژوئن با اشاره به این کاهش مراحل ماسک گفت: "با استفاده از EUV در 7 نانومتر ، سامسونگ می تواند مخاطبین و برخی لایه های فلزی را با یک قدم واحد به جای استفاده از ArFi 193 نانومتری با قرار گرفتن در معرض متعدد ، ساخت. سامسونگ پیشتر گفته بود که این امر باعث کاهش مراحل ماسک می شود. "

سامسونگ نمیفهمد است یک راه ساده سازی روند تولید با کاهش تعداد: ترجمه لایه ، گفت: مورد نیاز بر روی هر تراشه SilconAnGLE .

بعد چی؟ "این شرکت نشان می دهد که با چه کسی خواهد بود که اولین مشتری به اعمال تراشه 7nm خود را، اما آن را با هدف گسترش خطوط EUV تا سال 2020، گفت:" پالس .

سامسونگ به عنوان تولید کننده نیمه هادی ، میلیارد ها دلار برای گسترش ظرفیت و فناوری پیشرفته پردازش تحقیق و توسعه سرمایه گذاری کرده است .

AnandTech در مورد محلی از این فعالیت ، جزئیاتی را به اشتراک گذاشت. بیلی تالیس و آنتون شیلوف گفتند: سامسونگ تراشه 7LPP EUV خود را در Fab S3 در هواسونگ کره جنوبی تولید می کند. "این شرکت می توانید پردازش 1500 ویفر یک روز در هر یک از ASML Twinscan NXE آن: 3400B EUVL گام و سیستم اسکن با 280 W نور منبع ."

http://socialnetworkadsinfo.com/story5719319/پمپ-وکیوم-آبی

دانشمندان رایانه در TU Wien (وین) با ترسیم الهام از زیست شناسی ، هوش مصنوعی را بهبود می بخشند. رویکردهای جدید با تلاش کمی شگفت آور به نتایج شگفت انگیز می رسند.

یک مغز طبیعی رشد کرده کاملاً متفاوت از یک برنامه رایانه ای معمولی عمل می کند. این کد از متشکل از دستورالعمل های منطقی روشن استفاده نمی کند ، این یک شبکه از سلول ها است که با یکدیگر ارتباط برقرار می کنند. شبیه سازی چنین شبکه هایی بر روی رایانه می تواند به حل مشکلاتی که دشوار هستند در عملیات منطقی تقسیم شوید ، کمک کند.

در TU Wien (وین) با همکاری محققان انستیتوی فناوری ماساچوست (MIT) ، رویکرد جدیدی برای برنامه نویسی چنین شبکه های عصبی اکنون ایجاد شده است که تکامل زمانی سیگنال های عصبی را به روشی کاملاً متفاوت مدل می کند. این الهام گرفته از موجودی به خصوص ساده و تحقیق شده ، کوره گرد C. elegans بود. مدارهای عصبی از سیستم عصبی آن بر روی کامپیوتر شبیه سازی شده و سپس این مدل با الگوریتم های یادگیری ماشین سازگار شده است. با این روش ، می توان کارهای بسیار قابل توجهی را با تعداد بسیار کمی سلول عصبی شبیه سازی شده حل کرد - برای مثال پارک کردن یک ماشین. حتی اگر شبکه الهام گرفته از کرم فقط از 12 نورون تشکیل شده باشدمی توان آن را آموزش داد تا یک ربات مریخ نورد به یک مکان معین هدایت شود. رامین حسنی از انستیتوی مهندسی کامپیوتر در TU Wien هم اکنون کار خود را در کنفرانس TEDx در وین در تاریخ 20 اکتبر ارائه داده است.

می توان نشان داد که این شبکه های عصبی رمان بسیار متنوع هستند. مزیت دیگر این است که پویایی داخلی آنها قابل درک است - برخلاف شبکه های عصبی مصنوعی استاندارد ، که اغلب به عنوان یک "جعبه سیاه" مفید اما غیرقابل تصور تلقی می شوند.

شبکه عصبی: لایه های مختلف نورون بهم پیوسته. اعتبار: دانشگاه صنعتی وین
سیگنال ها در شبکه های شاخه

رامین حسنی می گوید: "شبکه های عصبی باید آموزش ببینند". "شما یک ورودی خاص ارائه می دهید و اتصالات بین نورون ها را طوری تنظیم می کنید که خروجی مورد نظر تحویل داده شود."

برای مثال ورودی می تواند یک عکس باشد و خروجی می تواند نام شخص موجود در تصویر باشد. رادو گروسو از موسسه مهندسی کامپیوتر TU Wien می گوید: "زمان معمولاً نقش مهمی در این فرآیند ندارد." برای اکثر شبکه های عصبی ، تمام ورودی ها به یکباره تحویل داده می شوند ، بلافاصله منجر به خروجی مشخص می شوند. اما در طبیعت همه چیز بسیار متفاوت است.

به عنوان مثال ، تشخیص گفتار همیشه وابسته به زمان است ، همانطور که ترجمه های همزمان یا توالی حرکات در واکنش به یک محیط متغیر واکنش نشان می دهند. رامین حسنی می گوید: "چنین کارهایی را می توان با استفاده از آنچه ما RNN می نامیم ، یا شبکه های عصبی مکرر" انجام داد. " "این معماری است که می تواند توالی را ضبط کند ، زیرا باعث می شود نورونها آنچه را که قبلاً رخ داده است به خاطر بیاورند."

حسنی و همکارانش معماری جدیدی از RNN را بر اساس یک مدل نورون بیوفیزیکی و سیناپس ارائه می دهند که امکان پویایی متفاوت با زمان را فراهم می کند. رامین حسنی می گوید: "در یک مدل RNN استاندارد ، بین نورون یک و نورون دو ارتباط مستقیمی وجود دارد ، که مشخص می کند فعالیت نورون یک تا چه میزان بر فعالیت نورون دو تأثیر می گذارد." "در معماری رمان RNN ما ، این پیوند یک کارکرد غیرخطی از زمان است."

اعتبار: دانشگاه صنعتی وین
مغز کرم که می تواند ماشین را پارک کند

اجازه دادن به فعالیت های سلول و پیوند بین سلول ها با گذشت زمان تغییر می کند امکانات کاملاً جدیدی را باز می کند. رامین حسنی ، ماتیاس لچنر و همكارانشان به لحاظ نظری نشان دادند كه معماری آنها می تواند به طور اصولی پویایی دلخواه را به دست آورد. برای نشان دادن تطبیق پذیری رویکرد جدید ، آنها یک شبکه عصبی کوچک را توسعه داده و آموزش دادند: "ما دوباره یک مدار عصبی را از سیستم عصبی نماتد C. elegans دوباره ترسیم کردیم. این مسئول تولید یک رفتار بازتابی ساده - لمسی- ماتیاس لچنر ، که هم اکنون در انستیتوی علوم و فناوری (IST) اتریش مشغول به کار است ، می گوید: " "این شبکه عصبی برای کنترل برنامه های زندگی واقعی شبیه سازی و آموزش داده شده است."

موفقیت قابل توجه است: شبکه کوچک و ساده با تنها 12 نورون می تواند (پس از آموزش مناسب) وظایف چالش برانگیز را حل کند. به عنوان مثال ، برای مانور وسیله نقلیه به یک فضای پارکینگ در یک مسیر از پیش تعریف شده آموزش داده شده است. حسنی می گوید: "خروجی شبکه عصبی ، که به طور طبیعی می تواند حرکت کرم های نماتد را کنترل کند ، برای هدایت و تسریع یک وسیله نقلیه مورد استفاده قرار می گیرد." "ما به صورت تئوری و تجربی نشان دادیم كه شبكه های عصبی رمان ما می توانند کارهای پیچیده ای را در زندگی واقعی و در محیط های فیزیك شبیه سازی شده حل كنند."

روش جدید مزیت مهم دیگری دارد: بینش بهتری در مورد عملکرد داخلی شبکه عصبی ارائه می دهد. شبکه های عصبی قبلی ، که اغلب از هزاران گره تشکیل شده بودند ، چنان پیچیده بوده اند که فقط نتایج نهایی را می توان مورد تجزیه و تحلیل قرار داد. به دست آوردن درک عمیق تر از آنچه در درون جریان دارد به سختی امکان پذیر نبود. تجزیه و تحلیل شبکه کوچکتر اما بسیار قدرتمند تیم وین آسان تر است ، بنابراین دانشمندان می توانند حداقل تا حدی بفهمند که سلولهای عصبی چه عاملی را ایجاد می کنند. حسنی می گوید: "این یک مزیت بزرگ است که ما را به تحقیق بیشتر در مورد خصوصیات آنها تشویق می کند."

http://socialrus.com/story5196221/پمپ-وکیوم-آبی

محققان معمولاً با نظارت بر دو نوع الکترومغناطیس fields میدانهای الکتریکی و نور عملکرد مغز را بررسی می کنند. با این حال ، بیشتر روش های اندازه گیری این پدیده ها در مغز بسیار تهاجمی است.

مهندسان MIT اکنون تکنیک جدیدی را برای کشف یا فعالیت الکتریکی یا سیگنال های نوری در مغز با استفاده از یک سنسور حداقل تهاجمی برای تصویربرداری با رزونانس مغناطیسی (MRI) ابداع کرده اند .

MRI معمولاً برای اندازه گیری تغییرات جریان خون که بطور غیرمستقیم نشان دهنده فعالیت مغز است ، مورد استفاده قرار می گیرد ، اما تیم MIT نوع جدیدی از سنسور MRI را طراحی کرده است که می تواند جریان های الکتریکی ریز و همچنین نور تولید شده توسط پروتئین های لامپ را تشخیص دهد. (تکانه های الکتریکی از ارتباطات داخلی مغز بوجود می آیند ، و سیگنال های نوری توسط انواع مولکول هایی تولید می شوند که توسط شیمیدان ها و مهندسی های زیستی تولید می شوند.)

Aviad Hai ، یک عضو مرکز MIT و نویسنده اصلی این تحقیق می گوید: "MRI راهی برای حس کردن چیزهایی از خارج از بدن به روشی کم تهاجمی ارائه می دهد." "نیازی به اتصال سیم به مغز نیست. ما می توانیم سنسور را کاشت کرده و فقط آن را در آنجا بگذاریم."

این نوع سنسور می تواند دانشمندان علوم اعصاب را به روش مکانی دقیق برای مشخص کردن فعالیت های الکتریکی در مغز بگذارد. محققان می گویند این ماده همچنین می تواند برای اندازه گیری نور استفاده شود و می تواند برای اندازه گیری مواد شیمیایی مانند گلوکز سازگار باشد.

آلن جاسانوف ، استاد دانشگاه MIT در مهندسی بیولوژیک ، علوم مغز و شناختی و علوم و مهندسی هسته ای و عضو وابسته موسسه MIT برای تحقیقات مغز MIT MIT ، نویسنده ارشد مقاله است که در شماره 22 اکتبر منتشر می شود مهندسی زیست پزشکی طبیعت . ویرجینیا Postdocs Virginia Spanoudaki و Benjamin Bartelle همچنین نویسندگان این مقاله هستند.

تشخیص میدان های برقی

آزمایشگاه Jasanoff قبلاً سنسورهای MRI ایجاد کرده است که می توانند انتقال دهنده های کلسیم و انتقال دهنده های عصبی مانند سروتونین و دوپامین را تشخیص دهند. در این مقاله ، آنها می خواستند رویکرد خود را برای کشف پدیده های بیوفیزیکی مانند برق و نور گسترش دهند. در حال حاضر دقیق ترین روش برای کنترل فعالیت الکتریکی در مغز ، قرار دادن الکترود است که بسیار تهاجمی است و می تواند باعث آسیب بافت شود. الکتروانسفالوگرافی (EEG) روشی غیر تهاجمی برای اندازه گیری فعالیت الکتریکی در مغز است ، اما این روش نمی تواند منشا فعالیت را مشخص کند.

محققان برای ایجاد سنسورهایی که می توانند زمینه های الکترومغناطیسی را با دقت مکانی تشخیص دهند ، فهمیدند که می توانند از یک وسیله الکترونیکی - به طور خاص ، آنتن رادیویی ریز استفاده کنند.

MRI با شناسایی امواج رادیویی ساطع شده توسط هسته اتمهای هیدروژن در آب کار می کند. این سیگنال ها معمولاً توسط یک آنتن رادیویی بزرگ در یک اسکنر MRI شناسایی می شوند. برای این مطالعه ، تیم MIT آنتن رادیویی را به اندازه فقط چند میلی متر کاهش داد تا بتواند مستقیماً در مغز کاشته شود تا امواج رادیویی ایجاد شده توسط آب در بافت مغز را دریافت کند.

سنسور جدید می تواند در مغز کاشته شود تا دانشمندان بتوانند فعالیت الکتریکی یا نور ساطع شده از پروتئین های لومینسان را تحت نظر داشته باشند. اعتبار: موسسه فناوری ماساچوست
این سنسور در ابتدا با همان فرکانس تنظیم شده است. امواج رادیویی که توسط اتمهای هیدروژن ساطع می شوند. هنگامی که سنسور سیگنال الکترومغناطیسی را از بافت خارج می کند ، تنظیم آن تغییر می کند و سنسور دیگر با فرکانس اتم های هیدروژن مطابقت ندارد . هنگامی که این اتفاق می افتد ، هنگامی که سنسور توسط یک دستگاه MRI خارجی اسکن می شود ، تصویر ضعیف تری ایجاد می شود.

محققان نشان دادند كه سنسورها می توانند سیگنالهای الکتریکی مشابه آنچه كه توسط پتانسیلهای عمل ایجاد می شوند ( پالسهای برقی كه توسط سلولهای عصبی منفرد شلیك می شوند) یا پتانسیلهای میدان محلی (مجموع جریانهای الکتریکی تولید شده توسط گروهی از سلولهای عصبی) را انتخاب كنند.

جاسانوف می گوید: "ما نشان دادیم که این دستگاه ها به ترتیب از نظر پتانسیل های مقیاس بیولوژیکی ، به ترتیب میلی ولت ها ، قابل مقایسه با آنچه که بافت بیولوژیکی به ویژه در مغز ایجاد می کند ، حساس هستند."

محققان آزمایش های دیگری را در موش انجام دادند تا بررسی کنند آیا سنسورها می توانند سیگنال هایی را در بافت زنده مغز بگیرند. برای این آزمایشها ، آنها سنسورهایی را برای تشخیص نور ساطع شده توسط سلولهای مهندسی شده برای بیان پروتئین لوسیفراز طراحی کردند.

محققان می گویند که به طور طبیعی ، مکان دقیق لوسیفراز در هنگام عمق مغز یا سایر بافت ها مشخص نمی شود ، بنابراین سنسور جدید راهی برای گسترش سودمندی لوسیفراز و مشخص کردن سلولهای منتشره از نور ارائه می دهد. لوسیفراز معمولاً به همراه ژن مورد علاقه دیگری در سلولها ساخته می شود و به محققان این امکان را می دهد تا با اندازه گیری نور تولید شده ، ژنها موفقیت آمیز باشند.

سنسورهای کوچکتر

یکی از مهمترین مزیت های این سنسور این است که دیگر نیازی به منبع تغذیه نیست ، زیرا سیگنال های رادیویی که اسکنر MRI خارجی منتشر می کند برای تأمین انرژی سنسور کافی است.

Hai که در ماه ژانویه به عضویت هیئت علمی در دانشگاه ویسکانسین در مادیسون خواهد بود ، قصد دارد تا سنسورها را کوچکتر کند تا بتواند تعداد بیشتری از آنها را تزریق کند و این امکان را فراهم می کند تا از میدان های نوری یا الکتریکی در یک منطقه بزرگتر مغز استفاده شود. در این مقاله ، محققان مدل سازی انجام دادند که نشان داد یک سنسور 250 میکرون (چند دهم میلی متر) باید قادر باشد فعالیت الکتریکی را به ترتیب 100 میلی ولت ، مشابه با مقدار جریان در یک پتانسیل عمل عصبی تشخیص دهد.

آزمایشگاه Jasanoff علاقه مند به استفاده از این نوع سنسورها برای تشخیص سیگنال های عصبی در مغز است و آنها پیش بینی می کنند که می توان از آن برای نظارت بر پدیده های الکترومغناطیسی در نقاط دیگر بدن ، از جمله انقباضات عضلات یا فعالیت های قلبی نیز استفاده کرد.

جاسانوف می گوید: "اگر سنسورها به سفارش صدها میکرون بودند. این همان چیزی است که مدل سازی پیشنهاد می کند در آینده برای این فناوری باشد ، پس می توانید تصور کنید که یک سرنگ تهیه کنید و یک دسته کامل از آنها توزیع کنید و فقط آنها را در آنجا بگذارید." . "این کار با ارائه حسگرهای توزیع شده روی بافت ، بسیاری از خوانشهای محلی را فراهم می کند ."

http://gorillasocialwork.com/story5832922/پمپ-وکیوم-آبی

مهندسان دانشگاه کلرادو بولدر تکنیک چاپ 3 بعدی را ایجاد کرده اند که امکان کنترل موضعی از استحکام یک جسم را فراهم می کند و راه های جدید زیست پزشکی را باز می کند که ممکن است روزی شامل شریان های مصنوعی و بافت اندام باشد.

این مطالعه که اخیراً در ژورنال Nature Communications منتشر شده است ، یک روش چاپ لایه به لایه را نشان می دهد که شامل دانه ریز ، کنترل برنامه ریزی بر استحکام است و به محققان اجازه می دهد هندسه پیچیده رگ های خونی را که بسیار ساختار یافته و در عین حال باید تقلید کنند ، تقلید کنند. زنده ماندن

این یافته ها می تواند روزی منجر به درمان های بهتر و شخصی تر برای افرادی که از فشار خون بالا و سایر بیماری های عروقی رنج می برند ، باشد.

شیاوبو یین ، استادیار گروه مهندسی مکانیک CU بولدر و نویسنده ارشد این تحقیق گفت: "این ایده اضافه کردن خصوصیات مکانیکی مستقل به ساختارهای 3 بعدی بود که می توانند از بافت طبیعی بدن تقلید کنند." "این فناوری به ما امکان ایجاد ریزساختارهایی را می دهد که می توان برای مدل های بیماری سازی سفارشی سازی کرد."

رگهای خونی سخت شده با بیماری های قلبی عروقی همراه هستند ، اما مهندسی راه حلی برای شریان زنده و جایگزینی بافت از لحاظ تاریخی چالش برانگیز بوده است.

محققان برای غلبه بر این موانع ، راهی منحصر به فرد برای بهره‌گیری از نقش اکسیژن در تنظیم شکل نهایی یک ساختار پرینت 3 بعدی پیدا کردند .

یونگ هوی دینگ ، یک پژوهشگر فوق دکترا در مهندسی مکانیک و نویسنده اصلی این تحقیق گفت: "اکسیژن معمولاً چیز بدی است زیرا باعث پختگی ناقص می شود." "در اینجا ، ما از لایه ای استفاده می کنیم که سرعت ثابت نفوذ اکسیژن را امکان پذیر می کند."

دینگ گفت ، محققان با نگه داشتن کنترل دقیق بر روی اکسیژن و قرار گرفتن در معرض نور متعاقب آن ، این امکان را دارند که کنترل کنند که چه مناطقی از یک شیء جامد شده و سخت تر یا نرم تر شوند - همه در حالی که هندسه کلی را یکسان نگه دارند.

دینگ گفت: "این یک پیشرفت عمیق است و اولین قدم تشویق کننده به سوی هدف ما از ایجاد ساختارهایی که مانند یک سلول سالم عمل می کنند باید عملکرد داشته باشد."

محققان به عنوان تظاهرات ، سه نسخه از یک ساختار ساده را چاپ کردند: یک پرتوی بالا که توسط دو میله پشتیبانی می شود. سازه ها از نظر شکل ، اندازه و مواد یکسان بودند اما با سه تغییر در استحکام میله چاپ شده بودند: نرم / نرم ، سخت / نرم و سخت / سخت. میله های سخت تر از پرتوی بالا پشتیبانی می کردند در حالی که میله های نرمتر به آن اجازه می دادند به طور کامل یا جزئی فروپاشی کند.

محققان این شاهکار را با شکل یک رزمنده کوچک چینی تکرار کردند و آنرا چاپ کردند تا لایه های بیرونی سخت بماند در حالی که فضای داخلی نرم باقی می ماند ، و به همین ترتیب جنگجو را با یک بیرونی سخت و قلب دلپذیر رها می کند.

پرینتر اندازه تبلت در حال حاضر قادر به کار با مواد بیولوژیکی به اندازه 10 میکرون یا تقریباً یک دهم از عرض موی انسان است. محققان خوشبین هستند که مطالعات آینده به پیشرفت قابلیتها حتی بیشتر کمک خواهد کرد.

یین گفت: "چالش ایجاد یک مقیاس دقیق تر برای واکنشهای شیمیایی است." "اما ما فرصت فوق العاده ای را برای این فناوری و پتانسیل ایجاد بافت مصنوعی در پیش رو داریم."

http://ztndz.com/story7349389/پمپ-وکیوم-آبی

برای محافظت از روبات های پرواز بدون اینکه مانع پرواز آنها شوند ، متخصصان امپریال پاسخ هایی در هنر باستانی اریگامی پیدا کردند.

دانشمندان دانشکده آزمایشگاه رباتیک هوایی Imperial College لندن با الهام از هنر باستانی کاغذ دیواری ، هواپیماهای بدون سرنشین را به کمک بالشتک های سبک وزن و ضربه ای مجهز کرده اند تا در برابر ضربات و ضایعات محافظت کنند.

تحقیقات آنها ، که در Science Robotics به چاپ رسیده است ، نشان می دهد که چگونه هواپیماهای بدون سرنشین مجهز به سیستم محافظ Rotary Origami (Rotorigami) در اثر برخورد یک نیروی و آسیب کمتری متحمل می شوند ، و بنابراین می توانند پرواز را پس از برخورد با موانع حفظ کنند.

دکتر پویا سره ، نویسنده اصلی ، که رهبری تحقیقات را در بخش هوانوردی ایمپریال انجام داده و هم اکنون آزمایشگاه مهندسی طراحی خلاق را در دانشگاه لیورپول هدایت می کند ، گفت: "با استفاده از یک لایه محافظ الهام گرفته از اریگامی ، راهی را برای پرواز مینیاتوری ایجاد کرده ایم. روبات ها با اطمینان و کارآمد در فضاهای محدود یا درهم ریخته حرکت می کنند. "

تاشو تحت فشار؟

دکتر Sareh و همکارانش یک ورق پلاستیکی سبک و نازک از پلاستیک را در نوادگان Miura-ori جمع کردند - یک الگوی اریگامی ساده که مخصوصاً برای کاربردهای مهندسی مناسب است.

آنها ساختار محافظ را در اطراف یک قاب داخلی در حال چرخش ساخته اند (در تصویر بالا). این ساختار تمام پیشرانها را به یکباره از برخورد جانبی در امان نگه داشته و به نگه داشتن وسیله نقلیه در هوا در حین و بعد از برخورد کمک می کند.

محققان تأثیر هواپیماهای بدون سرنشین مجهز به روتورگامی را با طرح های موجود آزمایش و مقایسه کردند. آنها دریافتند که ساختار محافظ به کاهش نیروی ضربه کمک می کند و به پهپاد از چرخش کنترل نشده بعد از ضربه کمک می کند. هواپیمای بدون سرنشین را بعد از آن نگه دارید.

دکتر ساره گفت: "ما با موفقیت یک سپر سبک وزن ، جذب کننده ، چرخشی برای هواپیماهای بدون سرنشین ساخته ایم که باعث می شود آنها در برابر تصادفات مقاومت بیشتری داشته باشند."

جلوگیری از تصادفات

اگرچه هواپیماهای بدون سرنشین مجهز به نرم افزارهای شناسایی و جلوگیری از موانع هستند ، اما اغلب در جلوگیری از موانعی که تشخیص آنها راحت تر مانند ویندوز و سیم است ، ناکام هستند. بنابراین تجهیزات سپر از هواپیماهای بدون سرنشین در برابر هرگونه تصادف و تصادف محافظت می کند.

محقق اصلی پروژه ، دکتر میرکو کواچ ، مدیر آزمایشگاه رباتیک هوایی در امپریال در بخش هوانوردی ، گفت: "بسیاری از حشرات مانند مگس ها یا زنبورها از ترکیبی از تکنیک های جلوگیری از ضربه و مقاومت در برابر ضربه استفاده می کنند. برخورد سیستم های حس و اجتناب - اما در صورت بروز تصادف نیز ساختارهای محافظتی دارند. ما این مفهوم را در اینجا به کار خود اعمال کردیم. "

دکتر کوواچ افزود: "من معتقدم که وسایل نقلیه هوایی آینده فناوری های جلوگیری از تصادف را با سخت افزار جدید ایمنی و مقاومت در برابر ضربه که از مواد و سازه های جدید استفاده می کند ، ترکیب می کند."

در مرحله بعد ، تیم بررسی می کند که چگونه از بالا و پایین پهپادها آسیب را کاهش دهد. دکتر ساره گفت: "ما به برخورد های جانبی پرداخته ایم - اکنون باید چگونگی محافظت از پهپادها را از بالا و پایین بررسی کنیم."

دکتر کوواچ افزود: "این یک نمونه عالی از نسل جدید" روبات های هوایی نرم "است که می تواند موانع را با خیال راحت و کارآمد انجام دهد."

در آینده ، آنها می خواهند از طرح سپر اریگامی خود در هواپیماهای بدون سرنشین بزرگتر که در جنگلهای بارانی حرکت می کنند ، استفاده کنند و یا آنهایی که دارای بارهای سنگین مانند انتقال خون برای انتقال هستند - اگرچه توجه داشته باشند که استفاده از هواپیماهای بدون سرنشین کاملاً مستقل در عملیات بدون نظارت راه دور است.

کار ارائه شده در این مقاله توسط شورای تحقیقات مهندسی و علوم فیزیکی انگلستان (EPSRC) تأمین شد.

http://opensocialfactory.com/story4692610/پمپ-وکیوم-آبی

محققان با ادغام هنر باستانی اریگامی با فناوری قرن بیست و یکم ، رویکردی یک مرحله ای برای ساختن سازه های پیچیده اریگامی ایجاد کرده اند که وزن سبک ، قابلیت انعطاف پذیری و قدرت می تواند کاربردهایی در همه چیز داشته باشد از دستگاه های زیست پزشکی گرفته تا تجهیزات مورد استفاده در اکتشافات فضا. تاکنون ساختن چنین سازه هایی شامل چندین مرحله ، بیش از یک ماده و مونتاژ قطعات کوچکتر است.

گلوسیو H. پائولینو ، رئیس صندلی ریموند آلن جونز و استاد دانشکده مهندسی عمران و محیط زیست در جورجیا گفت: "آنچه ما در اینجا داریم اثبات مفهوم یک سیستم یکپارچه برای ساخت اریگامی های پیچیده است . این برنامه کاربردهای بالقوه فوق العاده ای دارد." پژوهشکده فناوری و پیشرو در زمینه رو به رشد مهندسی اریگامی یا استفاده از اصول اریگامی ، ریاضیات و هندسه برای ساختن موارد مفید. پاییز گذشته Georgia Tech اولین دانشگاه در این کشور شد که دوره مهندسی اریگامی را ارائه داد ، که پائولینو تدریس می کرد.

محققان از نوع نسبتاً جدیدی از چاپ 3 بعدی به نام Digital Light Processing (DLP) برای ایجاد ساختارهای اوریگامی پیشگامانه استفاده کردند که نه تنها قادر به نگه داشتن وزن قابل توجهی هستند بلکه می توانند بارها و بارها در یک عمل مشابه فشار آهسته و دوباره پرتاب شوند. کشیدن آکاردئون هنگامی که پائولینو برای اولین بار از این ساختارها یا "لوله های زیپ دار" در سال 2015 خبر داد ، آنها از کاغذ ساخته شده و به چسبندگی احتیاج داشتند. در کار فعلی ، لوله های زیپ دار - و ساختارهای پیچیده ای که از آنها ساخته شده است - از یک پلاستیک (یک پلیمر) تشکیل شده اند و نیازی به مونتاژ ندارند.

این کار در شماره اخیر نشریه Soft Matter منتشر شده است ، مجله ای که توسط انجمن سلطنتی شیمی شیمی منتشر شده است. نویسندگان اصلی پائولینو هستند. H. جری چی ، دانشکده Woodruff در دانشکده مهندسی مکانیک جورج دبلیو وودروف در جورجیا. و Daining Fang از دانشگاه پکن و موسسه فناوری پکن. نویسندگان دیگر زنگ ژائو ، دانشجوی مهمان در جورجیا فناوری در حال حاضر در دانشگاه پکن است. Qiang Zhang از دانشگاه پکن و شیائو کوانگ و جیانگتائو وو از جورجیا تکنیک.

شیائو کوانگ ، کارشناسی ارشد پس از دکتری جورجیا تکنیک ، تراکم پذیری سازه های اوریگامی ایجاد شده از طریق چاپ سه بعدی دیجیتال پردازش نور را نشان می دهد. اعتبار: کریستوفر مور ، جورجیا تکنیک
یک فناوری نوظهور

انواع مختلفی از فناوریهای چاپ 3 بعدی وجود دارد. آشناترین ، جوهر افشان ، حدود 20 سال است که وجود دارد. اما تاکنون ایجاد ساختارهای پرینت 3 بعدی با ویژگی های توخالی پیچیده مرتبط با اریگامی پیچیده دشوار بوده است زیرا حذف مواد پشتیبان لازم برای چاپ این سازه ها چالش برانگیز است. علاوه بر این ، بر خلاف کاغذ ، مواد چاپی 3 بعدی بدون شکستن نمی توانند چندین بار جمع شوند.

DLP و برخی مهندسین خلاق را وارد کنید. به گفته چی ، یک رهبر در زمینه های نوظهور که با گروه Fang در دانشگاه پکن همکاری می کند ، DLP مدتی در آزمایشگاه بوده است ، اما تجاری سازی فقط از حدود پنج سال پیش آغاز شده است. برخلاف سایر روشهای چاپ 3 بعدی ، با چاپ لایه های پی در پی رزین مایع که توسط نور ماوراء بنفش درمان و یا سخت می شود ، ساختارهایی ایجاد می کند.

برای کار فعلی ، محققان ابتدا رزین جدیدی تولید کردند که هنگام درمان ، بسیار قوی است. چی گفت: "ما می خواستیم ماده ای را تهیه کنیم که نه تنها نرم باشد بلکه صدها بار نیز بدون شکستن قابل جمع شدن است." رزین ، به نوبه خود ، کلید اصلی یک عنصر مهم کار است: لولا های ریز. این لولا که در امتداد چین هایی که ساختار اوریگامی در آن قرار دارد رخ می دهد ، امکان تاشو را فراهم می آورند زیرا از یک لایه نازک تر رزین ساخته شده است تا پنل های بزرگتر که آنها جزئی از آن هستند. (پانل ها بخش عمده ای از سازه را تشکیل می دهند.)

شیائو کوانگ ، کارشناسی ارشد پس از دکتری جورجیا تکنیک ، تراکم پذیری سازه های اوریگامی ایجاد شده از طریق چاپ سه بعدی دیجیتال پردازش نور را نشان می دهد. اعتبار: کریستوفر مور ، جورجیا تکنیک
با هم رزین و لولا جدید کار کردند. این تیم از DLP برای ایجاد چندین ساختار اریگامی اعم از سلولهای اریگامی جداگانه استفاده کرده است که لوله های فشرده از یک پل پیچیده تشکیل شده از بسیاری از لوله های فشرده تشکیل شده است. همه تحت آزمایش قرار گرفتند كه نشان داد آنها نه تنها قادر به تحمل حدود 100 برابر وزن ساختار اریگامی هستند ، بلكه می توانند به طور مكرر تاشو و بدون شکستن نیز كشیده شوند. چی گفت: "من قطعه ای دارم که حدود شش ماه پیش چاپ کردم که تمام مدت برای مردم نشان می دهم و هنوز هم خوب است."

بعدی چیست؟

بعد چی؟ از جمله موارد دیگر ، چی در تلاش است تا چاپ را آسانتر کند و در عین حال به کاوش روش های چاپ مواد با خواص مختلف نیز بپردازد. در همین حال ، تیم پائولینو اخیراً الگوی اریگامی جدیدی را در رایانه ایجاد کرده است که از آن هیجان زده است اما او نتوانسته از نظر جسمی بسازد زیرا بسیار پیچیده است. وی گفت: "من فکر می کنم سیستم جدید می تواند آن را زنده کند."

http://dirstop.com/story5842456/پمپ-وکیوم-آبی

محققان مرکز تحقیقات نوآوری در فناوری اطلاعات دانشگاهی آکادمیا سینایکا ، در تایوان ، اخیراً یک شبکه جدید تولیدکننده ی دشمن (GAN) ایجاد کرده اند که دارای سلولهای عصبی باینری در لایه خروجی ژنراتور است. این مدل ، که در مقاله ای که از قبل در ArXiv منتشر شده است ، ارائه شده است ، می تواند به طور مستقیم پیش بینی های ارزش دودویی را در زمان آزمون تولید کند.

تاکنون ، رویکردهای GAN در مدل سازی توزیع مداوم به نتایج قابل توجهی دست یافته اند. با این وجود ، بکارگیری GAN ها برای داده های گسسته تاکنون چالش برانگیز بوده است ، به ویژه به دلیل مشکلات در بهینه سازی توزیع مدل به سمت توزیع داده های هدف در یک فضای گسسته با ابعاد بالا.

هائو ون دونگ ، یکی از محققانی که این تحقیق را انجام داده است ، به Tech Xplore گفت: "من در حال حاضر در زمینه تولید موسیقی در آزمایشگاه موسیقی و هوش مصنوعی در آکادمی سینا کار می کنم. به نظر من آهنگسازی را می توان به عنوان یک سری از تصمیمات تعبیر کرد. به عنوان مثال ، در مورد ابزار دقیق ، آکورد و حتی یادداشتهای دقیق برای استفاده. برای حرکت به سمت دستیابی به چشم انداز بزرگ یک آهنگساز عالی AI ، من به خصوص علاقه مند هستم که آیا مدل های عمیق مولد مانند GAN ها قادر به تصمیم گیری هستند. این کار بررسی کرد که آیا ما می توانیم GAN را آموزش دهیم که از نورونهای باینری استفاده کند تا تصمیم باینری با استفاده از backpropagation ، الگوریتم آموزش استاندارد را بگیرد.

دونگ و مشاور او یی هسوان یانگ مدلی را تهیه کردند که می تواند به طور مستقیم پیش بینی های دوتایی را در زمان تست تولید کند. سپس آنها از آن برای تولید ارقام دوتایی MNIST و مقایسه عملکرد انواع مختلف نورونهای باینری ، اهداف GAN و معماری شبکه استفاده کردند.

نمونه رقم های تولید شده و خروجی های از قبل بکار رفته (یعنی مقادیر متوسط و دارای ارزش واقعی و واقعی قبل از عمل دانه بندی ، بخش 2.2 را ببینید) برای مدل پیشنهادی که توسط MLP ها اجرا شده و با هدف WGAN-GP آموزش داده شده است. مدل پیشنهادی با SBN (از قبل فعال شده). اعتبار: دونگ و یانگ.
دونگ گفت: "به طور خلاصه ، BinaryGAN یک GAN است که نورونهای باینری ، نورون هایی را که یک یا صفر در لایه خروجی ژنراتور تولید می کنند ، تصویب می کند." "یک GAN دارای دو مؤلفه اصلی است: ژنراتور و تشخیص دهنده. ژنراتور قصد دارد نمونه های داده جعلی را تولید کند که بتوانند تشخیص دهنده را در طبقه بندی نمونه های تولید شده به عنوان واقعی فریب دهند. از طرف دیگر ، هدف از تشخیص دهنده تشخیص جعلی است. از داده های واقعی. بازخورد ارائه شده توسط تشخیص دهنده برای بهبود ژنراتور استفاده می شود. پس از آموزش ، از ژنراتور می توان برای تولید نمونه جدید داده استفاده کرد. "

محققان توانستند به طور مؤثر BinaryGAN ، مدل تولیدی آنها را با نورونهای باینری آموزش دهند. یافته های آنها همچنین نشان می دهد که استفاده از برآوردگرهای شیب می تواند یک روش امیدوار کننده برای توزیع مدلهای گسسته با GAN ها باشد.

هیستوگرام از خروجی های از قبل برای مدل ارائه شده و پیش بینی های احتمالی برای مدل با ارزش واقعی است. این دو مدل هر دو توسط MLP ها اجرا شده و با هدف WGAN-GP آموزش داده می شوند. اعتبار: دونگ و یانگ.
دونگ گفت: "با استفاده از برآوردگرهای گرادیان ، ما توانستیم با استفاده از الگوریتم backpropagation ، BinaryGAN را آموزش دهیم." "علاوه بر این ، باینری شدن به کار رفته در مدل منجر به ویژگی های متمایز از نمایش های میانی شده توسط شبکه های عصبی عمیق می شود. این مسئله همچنین بر اهمیت شامل عملیات بایناریزاسیون در آموزش تأکید می کند ، به طوری که می توان این عملیات Binarization را نیز بهینه کرد."

اکنون دونگ و یانگ به دنبال اعمال یک GAN هستند که نورونهای باینری را برای تحقق نمودار محاسبه شرطی اتخاذ می کند. در این مثال ، با توجه به تصمیمات گرفته شده توسط نورونهای باینری شبکه ، برخی از مؤلفه ها فعال و غیرفعال می شوند .

نمودار سیستم از مدل ارائه شده توسط MLPs. توجه داشته باشید که نورونهای باینری فقط در لایه خروجی ژنراتور استفاده می شوند. اعتبار: دونگ و یانگ.
دونگ گفت: "این مهم است زیرا به ما این امکان را می دهد تا یک مدل پیچیده تر ایجاد کنیم که به تصمیمات اتخاذ شده در لایه های اولیه شبکه متکی باشد." "برای مثال ، ما می توانیم آهنگساز هوش مصنوعی بسازیم که یاد می گیرد ابتدا تصمیم بگیرد که سازها و آکورد را تصمیم بگیرد و سپس براساس آن آهنگسازی کند."

http://socialmediainuk.com/story5567485/پمپ-وکیوم-آبی

اگرچه ، وسایل بالگرد از اواسط دهه 1970 وجود داشته است ، اما هنوز هم طیف گسترده ای از اشکال ، اندازه ها و زاویه ها وجود دارد.

اگر تاکنون از پنجره یک هواپیمای تجاری عکسی گرفته اید ، به احتمال زیاد یک شلیک بزرگ از آن استفاده می کنید - آن قسمت از بال در نوک آن که زاویه به سمت بالا دارد. این تغییر کمی در شکل بال می تواند کارهای زیادی انجام دهد. این کشیدن را کاهش می دهد ، که می تواند به سرعت بالاتری ترجمه شود و یا اینکه یک خلبان را به عقب برگرداند و باعث صرفه جویی در سوخت شود. همچنین به کاهش گردابهای بال که می تواند برای هواپیماهای پرواز در پی پرواز آنها مشکل ساز باشد کمک می کند.

اگرچه ، وسایل بالگرد از اواسط دهه 1970 وجود داشته است ، اما هنوز هم طیف گسترده ای از اشکال ، اندازه ها و زاویه ها وجود دارد. هدف از محققان دانشگاه ایلینویز ، فیلیپ آنسل ، کای جیمز ، و دانشجوی فارغ التحصیل Prateek Ranjan بود که به تجزیه و تحلیل بالگردها برای یافتن ویژگی های بهینه برای رسیدن به کمترین میزان درگیری خالص برای هواپیما پرداخت.

"بسیاری از مطالعات آکادمیک در مورد طراحی بال های غیر مسطح ، بالهای نصب شده را با چرخش شدید 90 درجه در نوک ها ایده آل می کنند ، هرچند که بسیاری از موارد به طور بالقوه با داشتن این اتصالات تیز اشتباه هستند. زیرا هواپیماهای انفرادی مجموعه منحصر به فرد از محدودیت ها و الزامات را دارند. آنزل ، استادیار گروه مهندسی هوافضا در دانشکده مهندسی دانشگاه ایلینویز ، گفت: انجام کلیات در مورد نحوه طراحی هواپیما دشوار است. وی گفت: "با این وجود ، وقتی به سیستم های بالدار غیر مسطح نگاه می کردیم ، مسئله را به چیزی بسیار خاص و عادی تقطیر کردیم. ما از روشی برای بهینه سازی چند وجهی استفاده کردیم که ابتدا با الگوریتم های ریاضی بسیار ساده برای درک بهتر طراحی استفاده کردیم. فضای داخل به علاوه یا منفی 10 درصد دقت ، سپس شبیه سازی های پیشرفته تر را اجرا کنید تا درک کنید که چگونه بالگرد روی میدان جریان و عملکرد بال تأثیر می گذارد. "

در تحقیقات خود ، این تیم بر روی طراحی بالهای غیر خطی ، معروف به پیكربندی های بال Hyper Elliptic Cambered Span (HECS) ، كه در آن می توان طرح عمودی بال را با استفاده از معادله یك قدم بیش از حد توصیف كرد ، متمرکز شد.

آنسل گفت: "ما هندسه بال را به چیزی بسیار ساده تقسیم کردیم." "ما عدم برنامه ریزی بال را بیان کردیم - چقدر منحنی است ، چه بال های بال بالایی دارند ، و غیره. — با استفاده از معادلات برای یک بیضوی بیش فعالی. اکنون می توانیم به راحتی مقادیر موجود در معادله را تغییر دهیم تا بال بهترین عملکرد را پیدا کنیم. در هنگام معامله کردن ، انحنای واضح تر یا صاف تر با رسیدن نوک ، و همچنین ارتفاعات بالشتک بزرگتر یا کوچکتر. "

آنسل گفت: این الگوریتم با یک بالابر ثابت ، یک دهانه پیش بینی شده ثابت ، یک لحظه خمشی ثابت از بال و یک وزن ثابت شروع به کار می کند تا از بال هایی استفاده شود که دارای حداقل کشش باشد و در نهایت کارآمد تر باشد.

آنسل گفت: "در حالی که دیگران بالهای غیر مسطح را با طرح های بالگرد مخلوط مورد مطالعه قرار داده اند ، اکثر آنها فقط جنبه موسوم به" نامرئی "درگ بال را مورد توجه قرار داده اند ، و از منابع پیچیده درگ ناشی از ویسکوزیته هوا غافل شده اند." وی افزود: "اما این تنها نیمی از تصویر است. در فرمول ما ، این منابع کششی چسبناک را درج کرده ایم زیرا این کار تأثیر قابل توجهی در بازده خالص بال دارد. به عنوان مثال ، با اضافه کردن می توان کشیدن نامرئی بال را آسان کرد. بال های بسیار بلند در نکاتی با اتصالات بسیار تیز وجود دارد. با این وجود ، یک جریمه کشش چسبناک مشخص با این کار وجود دارد که باعث کاهش اثربخشی چنین طراحی در عمل می شود. "

کای جیمز همچنین گفت: "با انجام یک روش دقیق بهینه سازی عددی ، ما توانستیم به طور منظم فضای طراحی های ممکن را کشف کنیم و در نهایت طرح هایی را بدست آوریم که ممکن است غیر معمول به نظر برسند ، و این که هرگز با اتکا به شهود صرف نمی توانسته ایم پیش بینی کنیم." استادیار گروه مهندسی هوافضا.

آنسل گفت این چارچوب بهینه سازی یکپارچه به وضعیت فعلی طراحی بال با سرعت کم کمک می کند اما ممکن است منجر به بهبود طراحی بال های معمولی فعلی نیز بشود که در رژیم پرواز فرعی فعالیت می کنند.

تحقیق در مورد مقاله ، "تنظیمات Spam Optical Hyper Elliptic Cambered Span for Minimal Drag" ، توسط Prateek Ranjan ، Phillip Ansell و Kai James انجام شد. در مجله هواپیما ظاهر می شود .

http://prbookmarkingwebsites.com/story5101186/پمپ-وکیوم-آبی