حیات در جستجوی حیات...

-کارل سیگن
@science_fun

سفر در زمان ...
@science_fun

در جهان آخرین مرز سرعت، سرعت نور است; حال اگر شما با سرعتی نزدیک به نور حرکت کنید، به سرعت‌تان هرگز افزوده نخواهد شد بلكه این انرژی فقط به جرم شما اضافه شده و شما فقط سنگین‌تر خواهید شد
@science_fun

سازمان اروپایی تحقیقات اتمی
CERN
@science_fun

#داستان_علمی
امواج رادیویی و ترمز های شرکت جنرال موتورز

امواج رادیویی کاربرد گسترده ای در مخابرات دارد زیرا براحتی تولید می شوند و برد زیادی دارند و از ساختمان ها و موانع هم عبور می کنند.

در دهه 1970 شرکت جنرال موتورز تصمیم گرفت اتومبیل های کادیلاک جدید خود را به ترمز ضد قفل کامپیوتری ABC مجهز کند.در این سیستم وقتی راننده ترمز می گیرد کامپیوتر مرکزی پالس هایی به ترمز می فرستد که آنها را چندین بار در ثانیه باز و بسته می کند و ترمز ها دیگر قفل نمی کنند.

یکی از روز های آفتابی یکی از پلیس های گشت بزرگراه ایالت اویاهو تصمیم گرفت رادیو بیسیم جدید خود را امتحان کند.با این کار اتومبیل کادیلاکی که در نزدیکی او حرکت می کرد بلافاصله مثل یک اسب چموش شروع به حرکات عجیب کرد.وقتی افسر اتومبیل خاطی را متوقف کرد راننده ادعا کرد که هیچ کاری انجام نداده و اتومبیل به یکباره دیوانه شده.

بعدا روشن شد که این اتومبیل ها همه جا خوب کار می کنند و فقط در ایالت اویاهو آن هم وقتی پلیس می دیدند دیوانه می شدند.تا مدت ها شرکت جنرال موتورز سرگردان بود و نمی توانست بفهمد چرا کادیلاک در همه جا جز بزرگراه های ایالت اویاهو خوب کار می کند.فقط بعد از تحقیقات گسترده بود که معلوم شد مدار های سیم کشی کادیلاک برای فرکانس سیستم رادیویی جدید پلیس بزرگراه اویاهو تبدیل به یک آنتن خوب می شود و پالس های این رادیو سیستم ABS را فعال می کتد.

@science_fun

ساخت یک شبکۀ عصبی که با سرعت نور عمل می‌کند!
@science_fun

گروهی از محققان در دانشگاه کالیفرانیا نوع جدیدی از شبکه‌ عصبی را طراحی کردند – شبکه‌ای که بجای الکتریسیته از نور استفاده می‌کند. این گروه در مقاله‌ای که در مجله‌ Science منتشر شده ایده‌هایشان، دستگاه کاری، عملکرد آن و انواع کاربردهای چنین شبکه‌ای را شرح دادند.

شبکه‌های یادگیری عمیق در واقع سیستم‌های کامپیوتری هستند که با مشاهده‌ی نمونه‌های زیادی از انواع داده «یاد می‌گیرند» و سپس از الگوهایی استفاده می‌کنند که برای تفسیر داده‌های جدید توسعه پیدا می‌کنند. محققان یک روش برای ساخت یک شبکه‌ی یادگیری عمیق پیدا کردند که اصلأ از الکتریسیته استفاده نمی‌کند – در عوض از نور استفاده می‌کند. آنها این شبکه را شبکه‌ی عصبی عمیق یا به طور مخفف D2NN انکساری می‌نامند.

برای ساخت چنین شبکه‌ای، محققان ورقه‌های پلاستیکی کوچکی را ساختند و با استفاده از یک پرینتر سه بُعدی چاپ کردند. هر ورقه یک لایه از نورون‌های مجازی را نشان می‌دهد – هر نورون می‌تواند مثل همتای بیولوژیکی‌اش عمل کند و نور ورودی را منتقل کند یا بازتاب دهد. آنها در نمونه‌شان از پنج ورقه استفاده کردند که به طور رو در رو باهم قرار گرفته بودند و یک فضای کوچک بین آنها وجود داشت. وقتی این سیستم در حال اجرا بود، نور لیزر در ورقه‌ی اول تابیده شد و راه خود را تا ورقه‌های دوم، سوم، چهارم و پنجم پیدا کرد به گونه‌ای که اطلاعات مربوط به یک شی که در جلوی دستگاه قرار گرفته بود را نشان داد. یک حسگر در پشت نور را خواند و نتایج را تفسیر کرد.


برای آزمایش این ایده، محققان تصمیم گرفتند یک شبکه‌ عصبی فیزیکی بسازند که قادر به تشخیص اعداد صفر تا ۹ باشد و سپس یافته‌ها را گزارش دهد. در عمل، یک عدد بر روی صفحه نمایش به این سیستم نشان داده شد و سیستم نیز با شناسایی آن عدد و سپس نمایش آن با استفاده از حسگرش واکنش نشان داد. این سیستم ۵۵۰۰۰ تصویر اسکن شده از اعداد را دریافت کرد. این مرحلۀ یادگیری مستلزم کاربرد الکتریسیته بود زیرا در کامپیوتری اجرا می‌شد که داده‌های سیستم را تأمین می‌کرد. با آزمایش این سیستم با نمایش هزاران عدد به آن، محققان گزارش دادند که این سیستم دارای دقت ۹۵ درصد است. آنها اشاره کردند که دستگاهشان اثباتی بر این مفهوم است و بعنوان روشی برای توسعه‌های دستگاه‌هایی برای کاربردهای سرعتی سودمند می‌باشد.

منبع: techxplore.com

@science_fun

تصويري از انجام محاسبات نجومي و حل معادلات فيزيكي در سال ١٩٦١ توسط تعدادي از دانشمندان ناسا!
كاري كه الان به راحتي با ساده ترين نرم افزار هاي كامپيوتري مي توان انجام داد.
@science_fun

قوانين فيزيك مدرن معمولا با عقل جور در نمي آيند اما جواب هاي درست و قابل قبولي در آزمايش ها داشته اند.اما چرا؟!
لاورنس كراوس در اين مورد توضيح مي دهد.
@science_fun

پيام ارزشمند برتراند راسل براي آيندگان...
@science_fun

محاسبات كوانتومي
(quantum computing)
لاورنس كراوس
@science_fun

محاسبات كامپيتري كه امروزه متداول است بر اساس مقادير بولي و جبر مرتبط با آن است كه جبر بولي نام گرفته است كه كار با اعداد سيستم دودويي يا همان صفر و يك است.اين نوع نگرش كاملا نگرشي كلاسيك و بر معناي رياضيات با قطعيت صورت بندي شده است.در واقع چون ما براي هر بيت از اطلاعات دو حالت در نظر مي گيريم در نهايت محاسبات در يكي از آن دو حالت انجام مي گيرد.

يك آزمايش فرضي در نظر بگيريد كه در آن شما دو حالت مربوط به هر بيت را با يك الكترون كه داراي اسپين بالا (بيت يك) يا پايين (بيت صفر) است نشان دهيم.ويژگي كه بر ذرات زير اتمي حاكم است ديگر بر اساس مكانيك كلاسيك شناخته شده نيست و ما شاهد پديده هايي مانند عدم قطعيت در مورد وضعيت ذره در هر لحظه و ويژگي هاي عجيب تر مانند تونل زني كوانتومي (اين ويژگي را هم بعدا بهتر توضيح مي دهيم) و ما بايد تمام محاسبات را به صورت كوانتيك انجام دهيم.همان آزمايش قبلي را در نظر بگيريد اگر ما هر بيت را با اسپين الكترون نشان دهيم در واقع چون ما در وضعيت الكترون قطعيت نداريم ما كليه حالاتي كه براي آن ممكن است در آن واحد داريم.يعني ما يك تابع احتمال براي وضعيت الكترون داريم كه شامل همه حالات است.

حال اگر يك الكترون تمام اين حالات ممكن را با هم دارد پس چند محاسبه همزمان كه مربوط به هر حالت (در اينجا اسپين الكترون) است در حال انجام است.
@science_fun

تراشه‌ای شبیه‌ به سیناپس‌های مغزی
@science_fun

تراشه‌ای شبیه‌ به سیناپس‌های مغزی

مهندسان در MIT موفق به طراحی تراشه‌ای شده‌اند که درست مانند اتصالات مغزی عمل می‌کند، یعنی دارای اتصالات یا سیناپس‌های مصنوعی است. در حال حاضر مغز انسان از هر رایانه‌ای دیگری در جهان قدرتمند‌تر است، از ۸۰ میلیارد نورون برخوردار است و بالای ۱۰۰ تریلیارد سیناپس دارد که نورون‌ها را به یکدیگر متصل ساخته و عبور و مرور سیگنال‌ها را کنترل می‌کند.

عملکرد تراشه‌های کنونی رایانه‌ای براساس ارسال سیگنال‌ها به زبان دودوئی است، هر بخش از اطلاعات به صفر و یک کد‌گذاری می‌شوند، یا سیگنال‌های خاموش/روشن. برای مقایسه این روند با عملکرد مغز در سال ۲۰۱۳ یکی از قدرتمند‌ترین ابررایانه‌های جهان فعالیت مغز را شبیه‌سازی کرد و نتایج بسیار ناچیزی به دست آورد. در این آزمایش ابررایانه K با استفاده از ۸۲۹۴۴ پردازشگر و یک پتابایت حافظه اصلی (برابر مجموع حافظه ۲۵۰ هزار رایانه خانگی) مورد استفاده قرار گرفت.

در چنین شرایطی، شبیه‌سازی یک ثانیه از فعالیت ۱٫۷۳ میلیارد نورون که توسط ۱۰٫۴ تریلیارد سیناپس به یکدیگر متصل شده‌ بودند، ۴۰ دقیقه زمان صرف کرد. اما اگر تراشه‌ها از اتصالات شبه سیناپسی برخوردار باشند، امکان انتقال تنوع بیشتری از سیگنال‌ها توسط رایانه به وجود خواهد آمد و زمینه آموزش شبه سیناپسی فراهم خواهد شد.

سیناپس‌ها واسطه میان سیگنال‌های ارسال شده به سوی مغز هستند و نورون‌ها متناسب با تعداد و نوع یون‌هایی که در سرتاسر سیناپس‌ها جاری هستند فعال می‌شوند. این روند به مغز در تشخیص الگو‌ها، به خاطر سپردن حقایق و انجام وظایف کمک می‌کند. شبیه‌سازی این فرایند تا به امروز کار دشواری بوده‌ است، اما محققان MIT اکنون تراشه‌ای را طراحی کرده‌اند که از سیناپس‌های مصنوعی از جنس ژرمانیوم سیلیکونی برخوردار است و امکان کنترل دقیق قدرت جریان الکتریکی جاری درون تراشه‌ها را فراهم می‌کند،‌ درست مانند کنترل یون‌های جاری در میان نورون‌ها.

محققان برای ایجاد این تراشه شبکه‌ای از ژرمانیوم سیلیکون ایجاد کردند، که از کانالی یک‌بعدی برای عبور یون‌ها برخوردار بود تا عبور یون‌ها از مسیری ثابت و همیشگی تضمین شود. از این شبکه برای ساخت تراشه‌ای نورومورفیک استفاده شد: زمانی که جریان برق وارد تراشه می‌شد، تمامی سیناپس‌ها جریانی ثابت را نمایش می‌دادند، و نوسان جریان در آن تنها چهار درصد بود. نوسان جریان در یک تک سیناپس نیز به بیش از یک درصد نمی‌رسید.

در یک عملیات شبیه‌سازی از این تراشه برای شناسایی نمونه‌های دستخط استفاده شد و تراشه توانست اینکار را با دقتی ۹۵ درصدی انجام دهد. شبکه عصبی آزمایش شده، متشکل از سه لایه از صفحات عصبی که توسط دو لایه سیناپس مصنوعی از هم جدا شده‌ بودند، توانست ده‌ها هزار دستخط را با دقت ۹۵ درصدی از یکدیگر تشخیص دهد. قدم بعدی ساخت تراشه‌ای است که خود به تنهایی از قدرت تشخیص دادن نمونه‌های خطی از یکدیگر برخوردار است و در نهایت این پژوهش قرار است به ساخت ابزارهای شبکه عصبی قابل حمل منتهی شود. تراشه‌ای به اندازه سر انگشت که بتواند کار یک ابررایانه را انجام دهد.

منبع: https://www.sciencealert.com/mit-engineers-design-test-artificial-synapse-neural-network-ai
@science_fun

نمای خیره‌کننده زمین در زمان راهپیمایی فضایی

@science_fun

دوگانگی موج و ذره(21 مگابایت)

برایان گرین

@science_fun

💢 معرفی تحقیقات برجسته کوچر بیرکار توسط Christopher Hacon

#ICM2018
@qomat

💢 سخنرانی کوچر بیرکار در #ICM2018، برخلاف فیلدز مدالیست های گذشته سخنرانی بیرکار ساده تر و قابل فهم تر برای تمامی شرکت کنندگان بود.

#ICM2018
@qomat

اين تفكر بسيار هيجان انگيز است كه اتم هاي درون بدن ما زماني جزئي از ستارگان غول پيكر بوده اند و جالبتر اينكه بيشتر اتم هاي سنگين كه در بدن ما و در سطح زمين به وفور يافت مي شوند بعد از انفجار همين ستاره ها به وجود آمده اند و كلا درصد كمي از مواد سازنده جهان را دارند(٩٢درصد هليوم و هيدروژن و ٨ درصد بقيه اتم ها!).اين نوع نگرش شايد اول احساس كوچك بودن را به شما بدهد ولي عميق تر كه نگاه كنيد مي بينيد كه شما جزئي از اين عالم بزرگ هستيد و به قول تايسون انگار كيهان در درون ماست.كارل سيگن مي گفت انگار ما راهي براي كيهان هستيم تا خود را بشناسد.
@science_fun

مهربانی، زیبایی و حقیقت، ایده آل هایی هستند که همواره راه را به من نشان داده و شهامت رو به رو شدن با چهره جدید زندگی را به من بخشیده اند، اینشتین

@science_fun

اندازه منظومه شمسى ما درمقايسه بايک اَبَرسياهچاله و جرم معادل آن با جرم خورشيد

@science_fun