Forwarded from شورای صنفی دانشکده فیزیک و مهندسی انرژی
Forwarded from شورای صنفی دانشکده فیزیک و مهندسی انرژی
🔴💥معرفی کتاب💥🔴
درباره ی زمان
*نویسنده : ادم فرانک (Adam Frank)؛
پروفسور استروفیزیک در دانشگاه روچستر
تاریخچه علوم محاسباتی مانند ریاضیات و فیزیک در اکثر منابع موجود است؛ سیر تحولات از تالس تا هاوکینگ و محققان حال حاضر دنیا.
اما ارتباط این علوم با تاریخچه فرهنگ انسانی، کمتر مورد توجه قرار گرفته است؛ از جمله، نخستین اندازه گیریهای بشر مربوط به مدار ماه تا نظریه های جایگزین مهبانگ .
زمان و اندازه گیری آن بخش مهمی از کتاب است. ساعتهای اولیه، تناوبهای طبیعی و شتابی که بشر با آن زندگی خود را سپری میکند ، تاخیر در روند رشد محصولات کشاورزی تا سرمایه تلف شده در ارتباطات الکترونیکی.
رشد فرهنگ و نحوه ی به وجود آمدن الهگان و خدایان از انسان های اولیه تا دوران امروزی ، اینکه پایه و اساس خرافات ادیان ابراهیمی در نتیجه تعلیمات ارسطو و نحوه ی نگرش او و معاصران او نسبت به گیتی است، وجود آسمانهای چندگانه ، خاموش شدن ستاره ها ، ریختن آسمان ، گسترانیده بودن زمین مانند فرش و... که بازتاب های آن در کتب اسلامی فراوان است و در جنگ های صلیبی این آموزش ها به همراه بسیاری از آموزش های دیگر به کلیسا ها رسید و آنها ارسطو را غسل تعمید داده و مسیحی کردند و علم بدون دلیل در قرون وسطی رواج یافت.
سپس به ساعت های مکانیکی در رنسانس میرسیم. علت اینکه چرا در هر شهر باستانی حداقل یک برج ساعت یافت میشود و تکامل ساعت های دقیقه شمار در حوالی انقلاب صنعتی و علم ترمودینامیک که یکی از اساس های مهم این واقعه بود .
با بررسی علم کوانتوم و نظریات انیشتین و پیامد های آن و همچنین اقدامات هابل به نیروهای هسته ای و تاریخچه نظریه های پیدایش میرسیم که از عالم پایای هویل تا مهبانگ گاموف ادامه پیدا میکند اما نکته مهم در انتهای این جریانات تاریخی و بررسی ها این است که نظریه های جایگزینی برای مهبانگ تعریف میشود که پیامد های مهبانگ را دارند؛ مانند پرتوهای پس زمینه کیهانی که خلا های علمی مهبانگ را به حداقل میرساند.
بررسی چیستی زمان و سوال های بی پاسخ درباره وجود آن، آخرین و پرمفهوم ترین بخش مورد بررسی کتاب است. نظریه هایی که با انکار زمان نیز پیش بینی هایی درست دارند، یا نظریه جان ویلر در مورد قانون بی قانونی در طی زمان و بررسی اینکه آیا قانونی وجود دارد که ثابت کند زمان در یک جهت درجریان است یا به عبارتی سفر در زمان را غیر ممکن کند. با بررسی قانون دوم ترمو دینامیک، این جهت فقط در یک سو است اما نظریه های خارج از تک گیتی(Universe) را بررسی میکند که این واقعه را لزوما سیری تکرار شونده و برگشت پذیر نتیجه میدهند و در آخر به تفحص فرهنگ امروزی و نظریه های قابل تامل و رادیکال های مخالف علوم طبیعی میپردازد.
✏گردآورنده: محمد هادی عبدی
✅@PSA_AUT
درباره ی زمان
*نویسنده : ادم فرانک (Adam Frank)؛
پروفسور استروفیزیک در دانشگاه روچستر
تاریخچه علوم محاسباتی مانند ریاضیات و فیزیک در اکثر منابع موجود است؛ سیر تحولات از تالس تا هاوکینگ و محققان حال حاضر دنیا.
اما ارتباط این علوم با تاریخچه فرهنگ انسانی، کمتر مورد توجه قرار گرفته است؛ از جمله، نخستین اندازه گیریهای بشر مربوط به مدار ماه تا نظریه های جایگزین مهبانگ .
زمان و اندازه گیری آن بخش مهمی از کتاب است. ساعتهای اولیه، تناوبهای طبیعی و شتابی که بشر با آن زندگی خود را سپری میکند ، تاخیر در روند رشد محصولات کشاورزی تا سرمایه تلف شده در ارتباطات الکترونیکی.
رشد فرهنگ و نحوه ی به وجود آمدن الهگان و خدایان از انسان های اولیه تا دوران امروزی ، اینکه پایه و اساس خرافات ادیان ابراهیمی در نتیجه تعلیمات ارسطو و نحوه ی نگرش او و معاصران او نسبت به گیتی است، وجود آسمانهای چندگانه ، خاموش شدن ستاره ها ، ریختن آسمان ، گسترانیده بودن زمین مانند فرش و... که بازتاب های آن در کتب اسلامی فراوان است و در جنگ های صلیبی این آموزش ها به همراه بسیاری از آموزش های دیگر به کلیسا ها رسید و آنها ارسطو را غسل تعمید داده و مسیحی کردند و علم بدون دلیل در قرون وسطی رواج یافت.
سپس به ساعت های مکانیکی در رنسانس میرسیم. علت اینکه چرا در هر شهر باستانی حداقل یک برج ساعت یافت میشود و تکامل ساعت های دقیقه شمار در حوالی انقلاب صنعتی و علم ترمودینامیک که یکی از اساس های مهم این واقعه بود .
با بررسی علم کوانتوم و نظریات انیشتین و پیامد های آن و همچنین اقدامات هابل به نیروهای هسته ای و تاریخچه نظریه های پیدایش میرسیم که از عالم پایای هویل تا مهبانگ گاموف ادامه پیدا میکند اما نکته مهم در انتهای این جریانات تاریخی و بررسی ها این است که نظریه های جایگزینی برای مهبانگ تعریف میشود که پیامد های مهبانگ را دارند؛ مانند پرتوهای پس زمینه کیهانی که خلا های علمی مهبانگ را به حداقل میرساند.
بررسی چیستی زمان و سوال های بی پاسخ درباره وجود آن، آخرین و پرمفهوم ترین بخش مورد بررسی کتاب است. نظریه هایی که با انکار زمان نیز پیش بینی هایی درست دارند، یا نظریه جان ویلر در مورد قانون بی قانونی در طی زمان و بررسی اینکه آیا قانونی وجود دارد که ثابت کند زمان در یک جهت درجریان است یا به عبارتی سفر در زمان را غیر ممکن کند. با بررسی قانون دوم ترمو دینامیک، این جهت فقط در یک سو است اما نظریه های خارج از تک گیتی(Universe) را بررسی میکند که این واقعه را لزوما سیری تکرار شونده و برگشت پذیر نتیجه میدهند و در آخر به تفحص فرهنگ امروزی و نظریه های قابل تامل و رادیکال های مخالف علوم طبیعی میپردازد.
✏گردآورنده: محمد هادی عبدی
✅@PSA_AUT
🔴💥آشکار شدن ذرات عجیب X در پلاسمای کوارک-گلوئون برای اولین بار توسط LHC💥🔴
این یافته می تواند تعریف جدیدی از نوع مواد فراوان موجود در جهان آغازین ارائه دهد.
در اولین میلیونیم ثانیه های پس از مهبانگ ، جهان یک پلاسمای تریلیون درجه ای غلتان از کوارک ها و گلوئون ها بود (ذرات اولیه ای که در زمان کوتاهی با هم ترکیبات بی شماری تشکیل دادند، پیش از آنکه به اندازه کافی برای تشکیل نوترون ها پروتون و ماده معمولی سرد شوند و به حالت های پایدارتری برسند).
در این آشوب( chaos) قبل از سرد شدن، بخش کوچکی از این کوارک ها و گلوئون ها به صورت تصادفی با هم برخورد کردند و ذراتی با عمر کوتاه به نام ذرات X (X particles) را تشکیل دادند. دلیل این نامگذاری، ساختار ناشناخته و رازآلود آنها بود.
اینک پس از گذشت قریب بر 14 میلیارد سال، این ذرات به شدت کمیاب هستند. با این حال فیزیکدانان ادعا می کنند این امکان وجود دارد که از طریق ادغام کوارک ها در شتابدهنده ذرات در جریان برخورد های پر انرژی، جرقه های مشابه ای از کوارک-گلوئون تشکیل شوند.
حال فیزیکدانان آزمایشگاه علوم هسته ای دانشگاه MIT و مکانهایی دیگر، مدرکی مبنی بر وجود ذرات X را در پلاسمایی از کوارک-گلوئون که توسط LHC در CERN ساخته شده بود، یافته اند.
این تیم از تکنیک های یادگیری ماشین ("machine learning") برای غربال کردن اطلاعات بیش از 13 میلیارد برخورد یونی استفاده کرده اند که هر یک از این برخورد ها قریب بر 10 هزار ذرات باردار تولید می کند. در میان این سوپ پر انرژی و چگال، محققان تیم توانستند حدود 100عدد از ذرات X را شناسایی کنند. نوع ذرات X ای که این تیم موفق به یافتن آن شد ،، ذرات X (3872) نام دارد که علت نامگذاری آن، جرم تخمین زده شده مربوط به آن است.
نتایج تحقیق این هفته در جورنال Physical Review Letters منتشر شد و به عنوان اولین باری که محققان توانستند ذرات X را در پلاسمای کوارک گلوئون (محیطی که امیدوارند بتواند ساختار تاکنون ناشناخته ذرات X را برای ما روشن کند) شناسایی کنند، به ثبت رسید.
✏مترجم: محمد رستمی
🔗جزییات بیشتر و لینک اصلی خبر:
✔ https://scitechdaily.com/large-hadron-collider-first-detection-of-exotic-x-particles-in-quark-gluon-plasma/
🔗لینک مقاله:
📝https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.128.032001
این یافته می تواند تعریف جدیدی از نوع مواد فراوان موجود در جهان آغازین ارائه دهد.
در اولین میلیونیم ثانیه های پس از مهبانگ ، جهان یک پلاسمای تریلیون درجه ای غلتان از کوارک ها و گلوئون ها بود (ذرات اولیه ای که در زمان کوتاهی با هم ترکیبات بی شماری تشکیل دادند، پیش از آنکه به اندازه کافی برای تشکیل نوترون ها پروتون و ماده معمولی سرد شوند و به حالت های پایدارتری برسند).
در این آشوب( chaos) قبل از سرد شدن، بخش کوچکی از این کوارک ها و گلوئون ها به صورت تصادفی با هم برخورد کردند و ذراتی با عمر کوتاه به نام ذرات X (X particles) را تشکیل دادند. دلیل این نامگذاری، ساختار ناشناخته و رازآلود آنها بود.
اینک پس از گذشت قریب بر 14 میلیارد سال، این ذرات به شدت کمیاب هستند. با این حال فیزیکدانان ادعا می کنند این امکان وجود دارد که از طریق ادغام کوارک ها در شتابدهنده ذرات در جریان برخورد های پر انرژی، جرقه های مشابه ای از کوارک-گلوئون تشکیل شوند.
حال فیزیکدانان آزمایشگاه علوم هسته ای دانشگاه MIT و مکانهایی دیگر، مدرکی مبنی بر وجود ذرات X را در پلاسمایی از کوارک-گلوئون که توسط LHC در CERN ساخته شده بود، یافته اند.
این تیم از تکنیک های یادگیری ماشین ("machine learning") برای غربال کردن اطلاعات بیش از 13 میلیارد برخورد یونی استفاده کرده اند که هر یک از این برخورد ها قریب بر 10 هزار ذرات باردار تولید می کند. در میان این سوپ پر انرژی و چگال، محققان تیم توانستند حدود 100عدد از ذرات X را شناسایی کنند. نوع ذرات X ای که این تیم موفق به یافتن آن شد ،، ذرات X (3872) نام دارد که علت نامگذاری آن، جرم تخمین زده شده مربوط به آن است.
نتایج تحقیق این هفته در جورنال Physical Review Letters منتشر شد و به عنوان اولین باری که محققان توانستند ذرات X را در پلاسمای کوارک گلوئون (محیطی که امیدوارند بتواند ساختار تاکنون ناشناخته ذرات X را برای ما روشن کند) شناسایی کنند، به ثبت رسید.
✏مترجم: محمد رستمی
🔗جزییات بیشتر و لینک اصلی خبر:
✔ https://scitechdaily.com/large-hadron-collider-first-detection-of-exotic-x-particles-in-quark-gluon-plasma/
🔗لینک مقاله:
📝https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.128.032001
SciTechDaily
Large Hadron Collider: First Detection of Exotic “X” Particles in Quark-Gluon Plasma
The findings could redefine the kinds of particles that were abundant in the early universe. In the first millionths of a second after the Big Bang, the universe was a roiling, trillion-degree plasma of quarks and gluons — elementary particles that briefly…
🔴💥سیستم هوش مصنوعی به سرعت نحوه اتصال دو پروتئین را پیش بینی می کند ! ( MIT News) 💥🔴
قسمت اول:
مدل یادگیری ماشین می تواند به دانشمندان در سرعت بخشیدن به توسعه داروهای جدید کمک کند.
آنتی بادی ها، پروتئین های کوچکی که توسط سیستم ایمنی تولید می شوند، می توانند به قسمت های خاصی از ویروس بچسبند تا آن را خنثی کنند. در حالی که دانشمندان به مبارزه با SARS-CoV-2، ویروسی که باعث کووید-19 میشود، ادامه میدهند، یکی از سلاحهای احتمالی آنتیبادی مصنوعی است که با پروتئینهای اسپایک ویروس برای جلوگیری از ورود ویروس به سلول انسانی متصل میشود.
برای ایجاد یک آنتی بادی مصنوعی موفق، محققان باید دقیقاً بفهمند که این اتصال چگونه اتفاق می افتد. پروتئینها، با ساختارهای سهبعدی تودهای که حاوی چینهای زیادی هستند، میتوانند در میلیونها ترکیب به هم بچسبند؛ بنابراین یافتن تجمیع پروتئینی مناسب در میان نامزدهای تقریباً بیشماری بسیار زمانبر است.
برای سادهسازی این فرآیند، محققان MIT یک مدل یادگیری ماشین ایجاد کردند که میتواند به طور مستقیم مجموعهای را که هنگام اتصال دو پروتئین به هم تشکیل میشود، پیشبینی کند. تکنیک آنها بین 80 تا 500 برابر سریعتر از روشهای نرمافزاری پیشرفته است و اغلب ساختارهای پروتئینی را پیشبینی میکند که به ساختارهای واقعی نزدیکتر هستند که به صورت تجربی مشاهده شدهاند.
این تکنیک می تواند به دانشمندان کمک کند تا برخی از فرآیندهای بیولوژیکی را که شامل برهمکنش های پروتئینی هستند، مانند همانندسازی و ترمیم DNA، بهتر درک کنند. همچنین می تواند روند توسعه داروهای جدید را سرعت بخشد.
ادامه دارد... .
✅@PSA_AUT
قسمت اول:
مدل یادگیری ماشین می تواند به دانشمندان در سرعت بخشیدن به توسعه داروهای جدید کمک کند.
آنتی بادی ها، پروتئین های کوچکی که توسط سیستم ایمنی تولید می شوند، می توانند به قسمت های خاصی از ویروس بچسبند تا آن را خنثی کنند. در حالی که دانشمندان به مبارزه با SARS-CoV-2، ویروسی که باعث کووید-19 میشود، ادامه میدهند، یکی از سلاحهای احتمالی آنتیبادی مصنوعی است که با پروتئینهای اسپایک ویروس برای جلوگیری از ورود ویروس به سلول انسانی متصل میشود.
برای ایجاد یک آنتی بادی مصنوعی موفق، محققان باید دقیقاً بفهمند که این اتصال چگونه اتفاق می افتد. پروتئینها، با ساختارهای سهبعدی تودهای که حاوی چینهای زیادی هستند، میتوانند در میلیونها ترکیب به هم بچسبند؛ بنابراین یافتن تجمیع پروتئینی مناسب در میان نامزدهای تقریباً بیشماری بسیار زمانبر است.
برای سادهسازی این فرآیند، محققان MIT یک مدل یادگیری ماشین ایجاد کردند که میتواند به طور مستقیم مجموعهای را که هنگام اتصال دو پروتئین به هم تشکیل میشود، پیشبینی کند. تکنیک آنها بین 80 تا 500 برابر سریعتر از روشهای نرمافزاری پیشرفته است و اغلب ساختارهای پروتئینی را پیشبینی میکند که به ساختارهای واقعی نزدیکتر هستند که به صورت تجربی مشاهده شدهاند.
این تکنیک می تواند به دانشمندان کمک کند تا برخی از فرآیندهای بیولوژیکی را که شامل برهمکنش های پروتئینی هستند، مانند همانندسازی و ترمیم DNA، بهتر درک کنند. همچنین می تواند روند توسعه داروهای جدید را سرعت بخشد.
ادامه دارد... .
✅@PSA_AUT
🔴💥سیستم هوش مصنوعی به سرعت نحوه اتصال دو پروتئین را پیش بینی می کند! (MIT News) 💥🔴
قسمت دوم:
یادگیری عمیق( Deep Learning) در ثبت تعاملات بین پروتئین های مختلف که نوشتن تجربی آن برای شیمیدانان یا زیست شناسان دشوار است، بسیار خوب است. برخی از این تعاملات بسیار پیچیده هستند و مردم راه های خوبی برای بیان آنها پیدا نکرده اند. Octavian-Eugen Ganea، فوق دکترای آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) و نویسنده ارشد مقاله میگوید: این مدل یادگیری عمیق میتواند این نوع تعاملات را از دادهها یاد بگیرد.
نویسنده همکار Ganea، Xinyuan Huang، دانشجوی کارشناسی ارشد در ETH زوریخ است. نویسندگان مشترک MIT عبارتند از رجینا بارزیلای، استاد ممتاز دانشکده مهندسی هوش مصنوعی و سلامت در CSAIL، و Tommi Jaakkola، استاد مهندسی برق توماس سیبل در CSAIL و یکی از اعضای مؤسسه دادهها، سیستمها و جامعه است.
- چسبندگی پروتئین( Protein attachment)
مدلی که محققان توسعه دادند، به نام Equidock، بر روی اتصال بدنه سفت و سخت متمرکز است – که زمانی اتفاق میافتد که دو پروتئین با چرخش یا انتقال در فضای سهبعدی به هم متصل میشوند، اما شکل آنها فشرده یا خم نمیشود.
این مدل ساختارهای سه بعدی دو پروتئین را می گیرد و آن ساختارها را به نمودارهای سه بعدی تبدیل می کند که می توانند توسط شبکه عصبی پردازش شوند. پروتئین ها از زنجیره ای از اسیدهای آمینه تشکیل می شوند و هر یک از آن اسیدهای آمینه با یک گره در نمودار نشان داده می شود.
محققان دانش هندسی را در مدل گنجاندهاند؛ بنابراین درک میکند که چگونه اجسام در صورت چرخش یا انتقال در فضای سهبعدی میتوانند تغییر کنند. این مدل همچنین دارای دانش ریاضی است که تضمین میکند پروتئینها همیشه به همان روش متصل میشوند، مهم نیست در کجای فضای سه بعدی وجود دارند. به این ترتیب پروتئین ها در بدن انسان جا می گیرند.
ادامه دارد... .
✅@PSA_AUT
قسمت دوم:
یادگیری عمیق( Deep Learning) در ثبت تعاملات بین پروتئین های مختلف که نوشتن تجربی آن برای شیمیدانان یا زیست شناسان دشوار است، بسیار خوب است. برخی از این تعاملات بسیار پیچیده هستند و مردم راه های خوبی برای بیان آنها پیدا نکرده اند. Octavian-Eugen Ganea، فوق دکترای آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) و نویسنده ارشد مقاله میگوید: این مدل یادگیری عمیق میتواند این نوع تعاملات را از دادهها یاد بگیرد.
نویسنده همکار Ganea، Xinyuan Huang، دانشجوی کارشناسی ارشد در ETH زوریخ است. نویسندگان مشترک MIT عبارتند از رجینا بارزیلای، استاد ممتاز دانشکده مهندسی هوش مصنوعی و سلامت در CSAIL، و Tommi Jaakkola، استاد مهندسی برق توماس سیبل در CSAIL و یکی از اعضای مؤسسه دادهها، سیستمها و جامعه است.
- چسبندگی پروتئین( Protein attachment)
مدلی که محققان توسعه دادند، به نام Equidock، بر روی اتصال بدنه سفت و سخت متمرکز است – که زمانی اتفاق میافتد که دو پروتئین با چرخش یا انتقال در فضای سهبعدی به هم متصل میشوند، اما شکل آنها فشرده یا خم نمیشود.
این مدل ساختارهای سه بعدی دو پروتئین را می گیرد و آن ساختارها را به نمودارهای سه بعدی تبدیل می کند که می توانند توسط شبکه عصبی پردازش شوند. پروتئین ها از زنجیره ای از اسیدهای آمینه تشکیل می شوند و هر یک از آن اسیدهای آمینه با یک گره در نمودار نشان داده می شود.
محققان دانش هندسی را در مدل گنجاندهاند؛ بنابراین درک میکند که چگونه اجسام در صورت چرخش یا انتقال در فضای سهبعدی میتوانند تغییر کنند. این مدل همچنین دارای دانش ریاضی است که تضمین میکند پروتئینها همیشه به همان روش متصل میشوند، مهم نیست در کجای فضای سه بعدی وجود دارند. به این ترتیب پروتئین ها در بدن انسان جا می گیرند.
ادامه دارد... .
✅@PSA_AUT
🔴💥سیستم هوش مصنوعی به سرعت نحوه اتصال دو پروتئین را پیش بینی می کند ! (MIT News)💥🔴
قسمت سوم:
با استفاده از این اطلاعات، سیستم یادگیری ماشین، اتمهای دو پروتئین را شناسایی میکند که به احتمال زیاد برهمکنش میکنند و واکنشهای شیمیایی را تشکیل میدهند که به عنوان نقاط binding-pocket شناخته میشوند. سپس از این نقاط برای قرار دادن دو پروتئین در کنار هم در یک مجمع استفاده می کند.
اگر بتوانیم از روی پروتئینها بفهمیم که کدام بخشهای مجزا احتمالاً این نقاط اتصال دهنده هستند، آنگاه تمام اطلاعاتی که برای قرار دادن این دو پروتئین در کنار هم نیاز داریم، به دست میآوریم. گانیا توضیح میدهد که با فرض اینکه بتوانیم این دو مجموعه از نقاط را پیدا کنیم، میتوانیم نحوه چرخش و انتقال پروتئینها را پیدا کنیم تا یک مجموعه با مجموعه دیگر مطابقت داشته باشد.
یکی از بزرگترین چالش های ساخت این مدل، غلبه بر کمبود داده های آموزشی بود. گانیا میگوید از آنجایی که دادههای سه بعدی تجربی بسیار کمی برای پروتئینها وجود دارد، بهویژه مهم است که دانش هندسی را در Equidock بگنجانیم. بدون آن محدودیتهای هندسی، مدل ممکن است همبستگیهای نادرست را در مجموعه داده پیدا کند.
-ثانیه در مقابل ساعت!
پس از آموزش مدل، محققان آن را با چهار روش نرم افزاری مقایسه کردند. Equidock قادر است کامپلکس پروتئین نهایی را تنها پس از یک تا پنج ثانیه پیش بینی کند. همه خطوط پایه بسیار طولانی تر، از 10 دقیقه تا یک ساعت یا بیشتر طول می کشد.
در معیارهای کیفی، که محاسبه میکند کامپلکس پروتئینی پیشبینیشده چقدر با کامپلکس پروتئین واقعی مطابقت دارد، Equidock اغلب با خطوط پایه قابل مقایسه بود، اما گاهی اوقات ضعیف عمل میکرد.
ما هنوز از یکی از خطوط پایه عقب هستیم. روش ما هنوز می تواند بهبود یابد، و هنوز هم می تواند مفید باشد. میتوان از آن در یک غربالگری مجازی بسیار بزرگ استفاده کرد؛ جایی که میخواهیم بفهمیم چگونه هزاران پروتئین میتوانند برهمکنش داشته باشند و کامپلکسها را تشکیل دهند. روش ما میتواند برای تولید مجموعهای از نامزدهای اولیه بسیار سریع مورد استفاده قرار گیرد و سپس میتوان آنها را با برخی از روشهای سنتی دقیقتر، اما کندتر تنظیم کرد.»
علاوه بر استفاده از این روش با مدلهای سنتی، تیم میخواهد فعل و انفعالات اتمی خاصی را در Equidock بگنجاند تا بتواند پیشبینیهای دقیقتری انجام دهد. به عنوان مثال، گاهی اوقات اتم های پروتئین ها از طریق فعل و انفعالات آبگریز، که شامل مولکول های آب است، متصل می شوند.
همچنینGanea میگوید که تکنیک آنها میتواند برای توسعه مولکولهای کوچک و شبیه دارو نیز به کار رود. این مولکولها به روشهای خاصی با سطوح پروتئینی متصل میشوند؛ بنابراین تعیین سریع نحوه اتصال میتواند جدول زمانی توسعه دارو را کوتاه کند.
در آینده، آنها قصد دارند Equidock را تقویت کنند تا بتواند پیشبینیهایی برای اتصال پروتئین انعطافپذیر انجام دهد. بزرگترین مانع، کمبود داده برای آموزش است؛ بنابراین Ganea و همکارانش در حال کار برای تولید داده های مصنوعی هستند که می توانند برای بهبود مدل از آنها استفاده کنند.
🔗لینک خبر
✔https://news.mit.edu/2022/ai-predicts-protein-docking-0201
✅@PSA_AUT
قسمت سوم:
با استفاده از این اطلاعات، سیستم یادگیری ماشین، اتمهای دو پروتئین را شناسایی میکند که به احتمال زیاد برهمکنش میکنند و واکنشهای شیمیایی را تشکیل میدهند که به عنوان نقاط binding-pocket شناخته میشوند. سپس از این نقاط برای قرار دادن دو پروتئین در کنار هم در یک مجمع استفاده می کند.
اگر بتوانیم از روی پروتئینها بفهمیم که کدام بخشهای مجزا احتمالاً این نقاط اتصال دهنده هستند، آنگاه تمام اطلاعاتی که برای قرار دادن این دو پروتئین در کنار هم نیاز داریم، به دست میآوریم. گانیا توضیح میدهد که با فرض اینکه بتوانیم این دو مجموعه از نقاط را پیدا کنیم، میتوانیم نحوه چرخش و انتقال پروتئینها را پیدا کنیم تا یک مجموعه با مجموعه دیگر مطابقت داشته باشد.
یکی از بزرگترین چالش های ساخت این مدل، غلبه بر کمبود داده های آموزشی بود. گانیا میگوید از آنجایی که دادههای سه بعدی تجربی بسیار کمی برای پروتئینها وجود دارد، بهویژه مهم است که دانش هندسی را در Equidock بگنجانیم. بدون آن محدودیتهای هندسی، مدل ممکن است همبستگیهای نادرست را در مجموعه داده پیدا کند.
-ثانیه در مقابل ساعت!
پس از آموزش مدل، محققان آن را با چهار روش نرم افزاری مقایسه کردند. Equidock قادر است کامپلکس پروتئین نهایی را تنها پس از یک تا پنج ثانیه پیش بینی کند. همه خطوط پایه بسیار طولانی تر، از 10 دقیقه تا یک ساعت یا بیشتر طول می کشد.
در معیارهای کیفی، که محاسبه میکند کامپلکس پروتئینی پیشبینیشده چقدر با کامپلکس پروتئین واقعی مطابقت دارد، Equidock اغلب با خطوط پایه قابل مقایسه بود، اما گاهی اوقات ضعیف عمل میکرد.
ما هنوز از یکی از خطوط پایه عقب هستیم. روش ما هنوز می تواند بهبود یابد، و هنوز هم می تواند مفید باشد. میتوان از آن در یک غربالگری مجازی بسیار بزرگ استفاده کرد؛ جایی که میخواهیم بفهمیم چگونه هزاران پروتئین میتوانند برهمکنش داشته باشند و کامپلکسها را تشکیل دهند. روش ما میتواند برای تولید مجموعهای از نامزدهای اولیه بسیار سریع مورد استفاده قرار گیرد و سپس میتوان آنها را با برخی از روشهای سنتی دقیقتر، اما کندتر تنظیم کرد.»
علاوه بر استفاده از این روش با مدلهای سنتی، تیم میخواهد فعل و انفعالات اتمی خاصی را در Equidock بگنجاند تا بتواند پیشبینیهای دقیقتری انجام دهد. به عنوان مثال، گاهی اوقات اتم های پروتئین ها از طریق فعل و انفعالات آبگریز، که شامل مولکول های آب است، متصل می شوند.
همچنینGanea میگوید که تکنیک آنها میتواند برای توسعه مولکولهای کوچک و شبیه دارو نیز به کار رود. این مولکولها به روشهای خاصی با سطوح پروتئینی متصل میشوند؛ بنابراین تعیین سریع نحوه اتصال میتواند جدول زمانی توسعه دارو را کوتاه کند.
در آینده، آنها قصد دارند Equidock را تقویت کنند تا بتواند پیشبینیهایی برای اتصال پروتئین انعطافپذیر انجام دهد. بزرگترین مانع، کمبود داده برای آموزش است؛ بنابراین Ganea و همکارانش در حال کار برای تولید داده های مصنوعی هستند که می توانند برای بهبود مدل از آنها استفاده کنند.
🔗لینک خبر
✔https://news.mit.edu/2022/ai-predicts-protein-docking-0201
✅@PSA_AUT
MIT News
Artificial intelligence system rapidly predicts how two proteins will attach
A new machine learning system can predict the structure formed when two proteins dock, in a process that’s between 50 to 800 times faster than some software-based methods. This could help scientists better understand biological processes or speed the development…
🔴💥قانون دوم ترمودینامیک💥🔴
⭕️ فیزیکدانان معتقدند اگر قانونی فیزیکی ، عملی را ممنوع نکند ، آن عمل لزوما ممکن است.
❓طبق فرض بالا، آیا قانونی وجود دارد تا سفر در زمان را نقض کند یا به خرافات رگناروکی (apocalypse) پایان دهد؟
⚪رادلف کلازیوس آلمانی در قرن ۱۹ ، در بررسی حالات فرمول بندی شده توسط سدی کارنو برای فرایند های ترمودینامکی خاص (هم دما و بی دررو ) ، به این نتیجه رسید که همواره مقداری گرما هدر میرود که با بررسی های بیشتر به بیان خاصی از قانون دوم ترمودینامیک رسید.
⚪تعریف قانون دوم بر حسب آنتروپی عبارت است از اینکه: نظم یک سیستم ایزوله، همواره در حال کاهش است .
تعریف بسیار ساده است اما کمی گمراه کننده!
اگر اعتقاد دارید که نظم در بی نظمی است، تعریف بالا صدق نمی کند؛ بنابراین باید نظم و بی نظمی را از لحاظ فیزیکی بررسی کنیم.
نظم را پراکندگی انرژی به صورت متراکم و یکسان تعریف می کنیم؛ بنابراین بی نظمی بصورت متفرق و غیر یکسان تعریف می شود.
⚪اگر سیستمی را در نظر بگیریم ، می بینیم حالت های بسیار زیاد پیکربندی وجود دارد تا سیستم بی نظم باشد اما حالت های بسیار محدود منظم نیز وجود دارد و می دانیم اگر سیستم بسته ای را به حال خودش بگذاریم، طی زمان، حداکثر حالات پیکربندی آنتروپی را تجربه خواهد کرد ؛ مثلا کپسولی از گاز در شرایط ایزوله و بی جاذبه وجود دارد. احتمال اینکه تمام گاز فقط در ۱ میکرو متر مکعب کپسول پیکر بندی شود صفر نیست اما آنقدر کوچک است که برای اتفاق افتادن آن باید زمانی بسیار بیشتر از عمر خود صبر کنیم .
⚪این به این معنی است که پیکان زمانی برای آنتروپی یکسویه است؛ به این معنا که سفر در زمان از این دیدگاه غیر ممکن است (این نتیجه برای پل های روزن_انشتین صادق نیست. )
البته لازم به ذکر است که از نتایج بالا، حالت های اولیه برای شروع تورم ابتدایی بسیار محدود است (?Creator_freewillism?)، و شروع حیات از پیوند های بین اتمی تا موجودات پیچیده تر با گرفتن انرژی از منبع خارجی (برای زمین، خورشید) ممکن است .
▫️" تنها قانون فیزیکی که معتقدم در چهارچوب خودش هیچوقت سرنگون نخواهد شد ، قانون دوم ترمودینامیک است. "
~ آلبرت انیشتین
✏نویسنده: محمد هادی عبدی
✅@PSA_AUT
⭕️ فیزیکدانان معتقدند اگر قانونی فیزیکی ، عملی را ممنوع نکند ، آن عمل لزوما ممکن است.
❓طبق فرض بالا، آیا قانونی وجود دارد تا سفر در زمان را نقض کند یا به خرافات رگناروکی (apocalypse) پایان دهد؟
⚪رادلف کلازیوس آلمانی در قرن ۱۹ ، در بررسی حالات فرمول بندی شده توسط سدی کارنو برای فرایند های ترمودینامکی خاص (هم دما و بی دررو ) ، به این نتیجه رسید که همواره مقداری گرما هدر میرود که با بررسی های بیشتر به بیان خاصی از قانون دوم ترمودینامیک رسید.
⚪تعریف قانون دوم بر حسب آنتروپی عبارت است از اینکه: نظم یک سیستم ایزوله، همواره در حال کاهش است .
تعریف بسیار ساده است اما کمی گمراه کننده!
اگر اعتقاد دارید که نظم در بی نظمی است، تعریف بالا صدق نمی کند؛ بنابراین باید نظم و بی نظمی را از لحاظ فیزیکی بررسی کنیم.
نظم را پراکندگی انرژی به صورت متراکم و یکسان تعریف می کنیم؛ بنابراین بی نظمی بصورت متفرق و غیر یکسان تعریف می شود.
⚪اگر سیستمی را در نظر بگیریم ، می بینیم حالت های بسیار زیاد پیکربندی وجود دارد تا سیستم بی نظم باشد اما حالت های بسیار محدود منظم نیز وجود دارد و می دانیم اگر سیستم بسته ای را به حال خودش بگذاریم، طی زمان، حداکثر حالات پیکربندی آنتروپی را تجربه خواهد کرد ؛ مثلا کپسولی از گاز در شرایط ایزوله و بی جاذبه وجود دارد. احتمال اینکه تمام گاز فقط در ۱ میکرو متر مکعب کپسول پیکر بندی شود صفر نیست اما آنقدر کوچک است که برای اتفاق افتادن آن باید زمانی بسیار بیشتر از عمر خود صبر کنیم .
⚪این به این معنی است که پیکان زمانی برای آنتروپی یکسویه است؛ به این معنا که سفر در زمان از این دیدگاه غیر ممکن است (این نتیجه برای پل های روزن_انشتین صادق نیست. )
البته لازم به ذکر است که از نتایج بالا، حالت های اولیه برای شروع تورم ابتدایی بسیار محدود است (?Creator_freewillism?)، و شروع حیات از پیوند های بین اتمی تا موجودات پیچیده تر با گرفتن انرژی از منبع خارجی (برای زمین، خورشید) ممکن است .
▫️" تنها قانون فیزیکی که معتقدم در چهارچوب خودش هیچوقت سرنگون نخواهد شد ، قانون دوم ترمودینامیک است. "
~ آلبرت انیشتین
✏نویسنده: محمد هادی عبدی
✅@PSA_AUT
Forwarded from شورای صنفی دانشکده فیزیک و مهندسی انرژی
🔴💥محاسبات کوانتومی: محققین به 100 میلیون عملیات کوانتومی دست یافته اند که
قدرت پردازشی زیادی است که در پنج ثانیه ای انجام میشود.
قسمت اول:
محققان آزمایشگاه ملی آرگون در وزارت انرژی ایالات متحده (DOE) و دانشگاه شیکاگو، به رکورد جدیدی در حفظ بیتهای کوانتومی (کیوبیت) در حالت کوانتومی coherent برای بیش از پنج ثانیه دست یافتهاند. این تحقیق که در مجله Science Advances منتشر شده است، به عنوان یک گام جدید مهم در استخراج کار مفید از رایانههای کوانتومی مورد ستایش قرار میگیرد - گامی که باید عملکرد محاسبات کوانتومی را به سمت لحظه برتری کوانتومی که بسیار مورد جستجو قرار میگیرد، کاهش دهد.
نگهداری سیستمهای محاسباتی کوانتومی در حالتهای coherent بسیار دشوار است. ماهیت شکننده "آشوب منظم یا ordered chaos" به گونه ای است که اطلاعات کیوبیت و اتصال کیوبیت (درهم تنیدگی) معمولاً در مقیاس های بسیار کمتر از یک ثانیه بدتر می شود.
پژوهش جدید coherency محاسبات کوانتومی را به مقیاسهای زمانی قابل درک برای انسان میآورد. محققان با استفاده از تکنیکی که آنها را "خوانش تک شات" نامیدهاند، از پالسهای لیزری دقیق برای افزودن تک تک الکترونها به کیوبیتها استفاده کردند.
النا گلن، دانشجوی فارغ التحصیل دانشگاه شیکاگو، گفت: «نور ساطع شده فقدان یا حضور الکترون و تقریباً 10000 برابر سیگنال بیشتر را منعکس می کند». "با تبدیل حالت کوانتومی شکننده خود به بارهای الکترونیکی پایدار، میتوانیم وضعیت خود را بسیار بسیار آسانتر اندازهگیری کنیم. با این تقویت سیگنال، هر بار که بررسی میکنیم کیوبیت در چه وضعیتی است، میتوانیم پاسخ قابل اعتمادی دریافت کنیم. این نوع اندازهگیری "خوانش تک شات" نامیده می شود و با آن می توانیم بسیاری از فناوری های کوانتومی مفید را باز کنیم."
ادامه دارد... .
✅@PSA_AUT
قدرت پردازشی زیادی است که در پنج ثانیه ای انجام میشود.
قسمت اول:
محققان آزمایشگاه ملی آرگون در وزارت انرژی ایالات متحده (DOE) و دانشگاه شیکاگو، به رکورد جدیدی در حفظ بیتهای کوانتومی (کیوبیت) در حالت کوانتومی coherent برای بیش از پنج ثانیه دست یافتهاند. این تحقیق که در مجله Science Advances منتشر شده است، به عنوان یک گام جدید مهم در استخراج کار مفید از رایانههای کوانتومی مورد ستایش قرار میگیرد - گامی که باید عملکرد محاسبات کوانتومی را به سمت لحظه برتری کوانتومی که بسیار مورد جستجو قرار میگیرد، کاهش دهد.
نگهداری سیستمهای محاسباتی کوانتومی در حالتهای coherent بسیار دشوار است. ماهیت شکننده "آشوب منظم یا ordered chaos" به گونه ای است که اطلاعات کیوبیت و اتصال کیوبیت (درهم تنیدگی) معمولاً در مقیاس های بسیار کمتر از یک ثانیه بدتر می شود.
پژوهش جدید coherency محاسبات کوانتومی را به مقیاسهای زمانی قابل درک برای انسان میآورد. محققان با استفاده از تکنیکی که آنها را "خوانش تک شات" نامیدهاند، از پالسهای لیزری دقیق برای افزودن تک تک الکترونها به کیوبیتها استفاده کردند.
النا گلن، دانشجوی فارغ التحصیل دانشگاه شیکاگو، گفت: «نور ساطع شده فقدان یا حضور الکترون و تقریباً 10000 برابر سیگنال بیشتر را منعکس می کند». "با تبدیل حالت کوانتومی شکننده خود به بارهای الکترونیکی پایدار، میتوانیم وضعیت خود را بسیار بسیار آسانتر اندازهگیری کنیم. با این تقویت سیگنال، هر بار که بررسی میکنیم کیوبیت در چه وضعیتی است، میتوانیم پاسخ قابل اعتمادی دریافت کنیم. این نوع اندازهگیری "خوانش تک شات" نامیده می شود و با آن می توانیم بسیاری از فناوری های کوانتومی مفید را باز کنیم."
ادامه دارد... .
✅@PSA_AUT
🔴💥محاسبات کوانتومی: محققین به 100 میلیون عملیات کوانتومی دست یافته اند که
قدرت پردازشی زیادی است که در پنج ثانیه ای انجام میشود.
قسمت دوم:
افزودن تک تک الکترون ها شبیه فشار دادن دکمه تنظیم مجدد در رایانه شخصی شما است، اما برای حالت های کوانتومی! تمام خطاهای بارگذاری شده قبلی را حذف می کند (کیوبیت ها به هرگونه تداخل خارجی حساس هستند)، به حالت های coherent اجازه می دهد تا خود را "تداوم بخشند". ایده پل زدن قلمرو کوانتومی و الکترونی است و انتخاب ماده بسیار مهم است: محققان از قابلیتهای ذاتی کاربید سیلیکون استفاده کردند که میتواند در هر دو قلمرو عمل کند.
کریس اندرسون از دانشگاه شیکاگو، نویسنده اول مقاله، گفت: «ما اساساً مترجمی ساختهایم که از حالتهای کوانتومی به قلمرو الکترونها، که زبان الکترونیک کلاسیک هستند، مانند آنچه در گوشی هوشمند شما وجود دارد، تبدیل کند. ما میخواهیم نسل جدیدی از دستگاههایی بسازیم که به تک الکترونها حساس هستند، اما حالتهای کوانتومی را نیز میزبانی میکنند.
کاربید سیلیکون میتواند هر دو را انجام دهد و به همین دلیل است که فکر میکنیم واقعا میدرخشد.
در حالی که ممکن است زیاد به نظر نرسد، زمان در محاسبات به طور متفاوتی جریان دارد. رفتن از حالتهای کوانتومی پایدار به ترتیب کسری از ثانیه تا پنج ثانیه، مقدار زمان مفید محاسباتی استخراجشده از کیوبیتهای موجود را افزایش میدهد. علاوه بر این، راههای جدیدی را برای افزایش قدرت پردازش فراتر از تعداد کیوبیت خالص باز میکند - محققان محاسبه میکنند که میتوانند حدود 100 میلیون عملیات کوانتومی را در آن برش پنج ثانیهای انجام دهند. بنابراین شاید محاسبات کوانتومی خیلی زودتر از حد انتظار تهدیدی برای بیت کوین و دولت فعلی، طرح های رمزگذاری تجاری و شخصی باشد؟
دیوید آوشالوم، دانشمند ارشد در آزمایشگاه ملی آرگون، میگوید: «غیر معمول است که اطلاعات کوانتومی در این مقیاسهای زمانی انسانی حفظ شود. "پنج ثانیه برای ارسال یک سیگنال با سرعت نور به ماه و بازگشت کافی است. اگر به انتقال اطلاعات از یک کیوبیت به کسی از طریق نور فکر می کنید، بسیار قدرتمند است. آن نور همچنان وضعیت کیوبیت را به درستی منعکس می کند حتی پس از آن تقریباً 40 بار دور زمین چرخید - راه را برای ایجاد یک اینترنت کوانتومی توزیع شده هموار کرد.
این فناوری را میتوان با محاسبات کوانتومی مبتنی بر فوتونیک برای یک شبکه محاسباتی کوانتومی توزیعشده مقیاسپذیر و با سرعت نور جفت کرد. محققان انتظار دارند که نتایج آنها امکان توسعه تکرارکننده های کوانتومی را فراهم کند. همچنین امید است که از طریق استفاده از کاربید سیلیکون، مکانهایی برای فناوریهای معمولی CMOS (نیمهرسانای اکسید فلزی متقارن مکمل) برای ادغام سیستمهای مبتنی بر اسپین الکترون در دستگاههای الکتریکی کلاسیک که به بارهای تکی حساس هستند، وجود داشته باشد.
🔗لینک خبر:
✔https://www.tomshardware.com/news/quantum-computing-researchers-achieve-100-million-quantum-operations
✅@PSA_AUT
قدرت پردازشی زیادی است که در پنج ثانیه ای انجام میشود.
قسمت دوم:
افزودن تک تک الکترون ها شبیه فشار دادن دکمه تنظیم مجدد در رایانه شخصی شما است، اما برای حالت های کوانتومی! تمام خطاهای بارگذاری شده قبلی را حذف می کند (کیوبیت ها به هرگونه تداخل خارجی حساس هستند)، به حالت های coherent اجازه می دهد تا خود را "تداوم بخشند". ایده پل زدن قلمرو کوانتومی و الکترونی است و انتخاب ماده بسیار مهم است: محققان از قابلیتهای ذاتی کاربید سیلیکون استفاده کردند که میتواند در هر دو قلمرو عمل کند.
کریس اندرسون از دانشگاه شیکاگو، نویسنده اول مقاله، گفت: «ما اساساً مترجمی ساختهایم که از حالتهای کوانتومی به قلمرو الکترونها، که زبان الکترونیک کلاسیک هستند، مانند آنچه در گوشی هوشمند شما وجود دارد، تبدیل کند. ما میخواهیم نسل جدیدی از دستگاههایی بسازیم که به تک الکترونها حساس هستند، اما حالتهای کوانتومی را نیز میزبانی میکنند.
کاربید سیلیکون میتواند هر دو را انجام دهد و به همین دلیل است که فکر میکنیم واقعا میدرخشد.
در حالی که ممکن است زیاد به نظر نرسد، زمان در محاسبات به طور متفاوتی جریان دارد. رفتن از حالتهای کوانتومی پایدار به ترتیب کسری از ثانیه تا پنج ثانیه، مقدار زمان مفید محاسباتی استخراجشده از کیوبیتهای موجود را افزایش میدهد. علاوه بر این، راههای جدیدی را برای افزایش قدرت پردازش فراتر از تعداد کیوبیت خالص باز میکند - محققان محاسبه میکنند که میتوانند حدود 100 میلیون عملیات کوانتومی را در آن برش پنج ثانیهای انجام دهند. بنابراین شاید محاسبات کوانتومی خیلی زودتر از حد انتظار تهدیدی برای بیت کوین و دولت فعلی، طرح های رمزگذاری تجاری و شخصی باشد؟
دیوید آوشالوم، دانشمند ارشد در آزمایشگاه ملی آرگون، میگوید: «غیر معمول است که اطلاعات کوانتومی در این مقیاسهای زمانی انسانی حفظ شود. "پنج ثانیه برای ارسال یک سیگنال با سرعت نور به ماه و بازگشت کافی است. اگر به انتقال اطلاعات از یک کیوبیت به کسی از طریق نور فکر می کنید، بسیار قدرتمند است. آن نور همچنان وضعیت کیوبیت را به درستی منعکس می کند حتی پس از آن تقریباً 40 بار دور زمین چرخید - راه را برای ایجاد یک اینترنت کوانتومی توزیع شده هموار کرد.
این فناوری را میتوان با محاسبات کوانتومی مبتنی بر فوتونیک برای یک شبکه محاسباتی کوانتومی توزیعشده مقیاسپذیر و با سرعت نور جفت کرد. محققان انتظار دارند که نتایج آنها امکان توسعه تکرارکننده های کوانتومی را فراهم کند. همچنین امید است که از طریق استفاده از کاربید سیلیکون، مکانهایی برای فناوریهای معمولی CMOS (نیمهرسانای اکسید فلزی متقارن مکمل) برای ادغام سیستمهای مبتنی بر اسپین الکترون در دستگاههای الکتریکی کلاسیک که به بارهای تکی حساس هستند، وجود داشته باشد.
🔗لینک خبر:
✔https://www.tomshardware.com/news/quantum-computing-researchers-achieve-100-million-quantum-operations
✅@PSA_AUT
Tom's Hardware
Quantum Computing: Researchers Achieve 100 Million Quantum Operations
That's a lot of processing power being used in five-second workloads.
🔴💥انجمن علمی فیزیک ونجوم دانشگاه صنعتی امیرکبیر برگزار می کند:
💥💫وبینار بزرگداشت بانوان در علم💫💥
💫به مناسبت ۱۱ فوریه، روز جهانی بانوان در علم💫
🚺 با حضور سخنرانان محترم:
⭐خانم دکتر نگار اشعری آستانی، عضو هیئت علمی دانشگاه صنعتی امیرکبیر
⭐خانم دکتر فرزانه شایگانفر، عضو هیئت علمی دانشگاه صنعتی امیرکبیر
⭐خانم دکتر فرح مرصوصی، عضو هیئت علمی دانشگاه صنعتی امیرکبیر
📆روز و زمان برگزاری: چهارشنبه ۱۴۰۰/۱۱/۲۷ -
⏰ساعت ۱۰:۰۰ الی ۱۲:۰۰
🔗لینک شرکت در وبینار:
✔http://meetings.aut.ac.ir/scientific-so/
⁉ برای پرسش هرگونه سوال با انجمن علمی فیزیک ونجوم در ارتباط باشید.
شرکت برای عموم آزاد است.
✅@PSA_AUT
💥💫وبینار بزرگداشت بانوان در علم💫💥
💫به مناسبت ۱۱ فوریه، روز جهانی بانوان در علم💫
🚺 با حضور سخنرانان محترم:
⭐خانم دکتر نگار اشعری آستانی، عضو هیئت علمی دانشگاه صنعتی امیرکبیر
⭐خانم دکتر فرزانه شایگانفر، عضو هیئت علمی دانشگاه صنعتی امیرکبیر
⭐خانم دکتر فرح مرصوصی، عضو هیئت علمی دانشگاه صنعتی امیرکبیر
📆روز و زمان برگزاری: چهارشنبه ۱۴۰۰/۱۱/۲۷ -
⏰ساعت ۱۰:۰۰ الی ۱۲:۰۰
🔗لینک شرکت در وبینار:
✔http://meetings.aut.ac.ir/scientific-so/
⁉ برای پرسش هرگونه سوال با انجمن علمی فیزیک ونجوم در ارتباط باشید.
شرکت برای عموم آزاد است.
✅@PSA_AUT
Physics' way, E2
<unknown>
📼 راه فیزیک، اپیزود دوم
💥 تهیه شده توسط انجمن علمی فیزیک و نجوم دانشگاه صنعتی امیرکبیر
🎙 این اپیزود: الکترومغناطیس
👤 دستاندركاران:
مدیر مسئول: پریا امین پور
مسئول هماهنگی: محمد صادق زاده
گردآوری: مائده نخبه روستا
گوینده: فاطمه محمودیان
ادیت و میکس: محمد حسین فروتن
🗓 تاریخ انتشار: ۲۳ بهمن ۱۴۰۰
🌐 راه فیزیک را در CastBox دنبال کنید.
✅@PSA_AUT
💥 تهیه شده توسط انجمن علمی فیزیک و نجوم دانشگاه صنعتی امیرکبیر
🎙 این اپیزود: الکترومغناطیس
👤 دستاندركاران:
مدیر مسئول: پریا امین پور
مسئول هماهنگی: محمد صادق زاده
گردآوری: مائده نخبه روستا
گوینده: فاطمه محمودیان
ادیت و میکس: محمد حسین فروتن
🗓 تاریخ انتشار: ۲۳ بهمن ۱۴۰۰
🌐 راه فیزیک را در CastBox دنبال کنید.
✅@PSA_AUT
🔴💥معرفی کتاب💥🔴
📝چرخه های زمان، اثری از راجر پنروز
✏درباره نویسنده:
راجر پنروز زاده 8 اوت 1931 فیزیکدان و ریاضیدان اهل انگلیس و استاد بازنشسته دانشگاه آکسفورد است. نقش پنروز در مورد سیاه چاله ها حائز اهمیت است. از کتاب های آکادمیک او میتوان به تکنیک های توپولوژی دیفرانسیلی در نسبیت، اسپینورها و فضا-زمان اشاره کرد.
در کنار دیگر همکاری ها و آثار، او در سال 2020 نیمی از جایزه نوبل را در فیزیک دریافت کرد.
✏درباره کتاب:
کتاب طرح کلی ای در مورد مدل کیهان شناسی چرخه ای منسجمِ پنروز ارائه می دهد که بسطی از نسبیت عام است اما مخالف نظریه ریسمان چند بعدی و بسط کیهانی است.
مدل کیهان شناسی چرخه ای پنروز، یک مدل کیهانی در حیطه ی نسبیت عام است. در این مدل هستی از طریق بی نهایت چرخه تکرار میشود، با بی نهایت شبه زمانی آینده از هر تکرار قبلی که با تکینگی بیگ بنگ بعدی تعریف می شود. ساختار اصلی آن، اتصال توالی متناهی از (FLRW) فضازمان های باز است که هرکدام بیگ بنگی را دنباله ی یک گسترش آینده ی نامتناهی ارائه میدهند.
✏گردآورنده: رضا علی نژاد
✅@PSA_AUT
📝چرخه های زمان، اثری از راجر پنروز
✏درباره نویسنده:
راجر پنروز زاده 8 اوت 1931 فیزیکدان و ریاضیدان اهل انگلیس و استاد بازنشسته دانشگاه آکسفورد است. نقش پنروز در مورد سیاه چاله ها حائز اهمیت است. از کتاب های آکادمیک او میتوان به تکنیک های توپولوژی دیفرانسیلی در نسبیت، اسپینورها و فضا-زمان اشاره کرد.
در کنار دیگر همکاری ها و آثار، او در سال 2020 نیمی از جایزه نوبل را در فیزیک دریافت کرد.
✏درباره کتاب:
کتاب طرح کلی ای در مورد مدل کیهان شناسی چرخه ای منسجمِ پنروز ارائه می دهد که بسطی از نسبیت عام است اما مخالف نظریه ریسمان چند بعدی و بسط کیهانی است.
مدل کیهان شناسی چرخه ای پنروز، یک مدل کیهانی در حیطه ی نسبیت عام است. در این مدل هستی از طریق بی نهایت چرخه تکرار میشود، با بی نهایت شبه زمانی آینده از هر تکرار قبلی که با تکینگی بیگ بنگ بعدی تعریف می شود. ساختار اصلی آن، اتصال توالی متناهی از (FLRW) فضازمان های باز است که هرکدام بیگ بنگی را دنباله ی یک گسترش آینده ی نامتناهی ارائه میدهند.
✏گردآورنده: رضا علی نژاد
✅@PSA_AUT
انجمن علمی فیزیک و نجوم دانشگاه صنعتی امیرکبیر
🔴💥انجمن علمی فیزیک ونجوم دانشگاه صنعتی امیرکبیر برگزار می کند: 💥💫وبینار بزرگداشت بانوان در علم💫💥 💫به مناسبت ۱۱ فوریه، روز جهانی بانوان در علم💫 🚺 با حضور سخنرانان محترم: ⭐خانم دکتر نگار اشعری آستانی، عضو هیئت علمی دانشگاه صنعتی امیرکبیر ⭐خانم دکتر فرزانه…
🔴💥اطلاعیه💥🔴
⭐با تشکر از سخنرانان محترم وبینار «بزرگداشت بانوان در علم» و گرامیداشت روز بانوان در علم،
لینک ضبط شده وبینار، به صورت زیر است:
🔗http://meetings.aut.ac.ir/ptdtnisfzrhf/?OWASP_CSRFTOKEN=bd52a4d121a31977f7fac723c7208078df10cced8350b3b80cefee4094625fa7
💫رسانه باشید.
✅@PSA_AUT
⭐با تشکر از سخنرانان محترم وبینار «بزرگداشت بانوان در علم» و گرامیداشت روز بانوان در علم،
لینک ضبط شده وبینار، به صورت زیر است:
🔗http://meetings.aut.ac.ir/ptdtnisfzrhf/?OWASP_CSRFTOKEN=bd52a4d121a31977f7fac723c7208078df10cced8350b3b80cefee4094625fa7
💫رسانه باشید.
✅@PSA_AUT
🔴💥دانشمندان بعد های ساختگی ایجاد میکنند تا قوانین بنیادین عالم را بهتر درک کنند! 💥🔴
انسان ها عالم را در 3 بعد تجربه میکنند اما جمعی در ژاپن راهی برای ایجاد بعد های ساختگی غیر واقعی توسعه داده اند تا با کمک آن بتوانند قوانین بنیادین جهان را بهتر درک کنند و احتمال دارد که از آن برای تکنولوژی های پیشرفته نیز به کار ببرند.
این تیم نتایج خود را 28 ژانویه 2022 در ژورنال Science Advances منتشر کردند.
توپولوژی به شاخه ای از هندسه مربوط است که از نظر ریاضی به توصیف فضاهایی با ویژگی های حفظ شده در انحراف پیوسته (continuous distortion) همانند پیچش در نوار موبیوس(mobius strip) میپردازد. به گفته نویسنده این مقاله،Toshihiko Baba، زمانی که توپولوژی چنین فضایی با مباحث مربوط به نور ترکیب میشود، این فضا های فیزیکی میتوانند به راهی هدایت شوند تا به محققان اجازه القای پدیده های فوق پیچیده را بدهند.
در دنیای واقعی یک مکعب نسبت به یک مربع و یک مربع نسبت به یک خط اطلاعات بیشتری را ارائه میدهد. همچنین که دانش بیشتری برای توصیف آن به طوردقیق نیاز است.
در فوتونیک توپولوژی (topological photonics) محققان میتوانند تعدادی بعد اضافی به یک سیستم مورد مطالعه اضافه کنند. این کار به آنها اجازه میدهد تا درجه آزادی بیشتری برای دستکاری چند جانبه در خواص داشته باشند که پیش از این با بعد های واقعی غیر قابل دسترس بوده است.
محققان این گروه از روشی برای اضافه کردن یک بعد ساختگی روی یک حلقه سیلیکونی تشدید کننده استفاده کرده اند که از پیش برای ساخت Complementary Metal–Oxide–Semiconductor (نیمرسانای اکسید فلزی مکمل) که در واقع نوعی چیپ کامپیوتری است که میتواند مقداری داده در خود ذخیر کند، استفاده شده بود. یک حلقه تشدیدگر با پارامتر های خاصی(همانند پهنای باند) امواج نوری را کنترل و پخش میکند.
انعطاف این سیستم در تغییر، که شامل بازتنظیمی خود در مواقع لازم است، میتواند به شکل بعد های ثابت در فضای واقعی ظاهر شود. به گفته Toshihiko این موضوع میتواند به محققان کمک کند تا از محدودیت های بعد های واقعی عبور کنند و بتوانند واقعیت های فراتر از سه بعد را درک کنند.
✏مترجم: محمد رستمی
🔗لینک اصلی خبر :
✔https://scitechdaily.com/scientists-create-synthetic-dimensions-to-better-understand-the-fundamental-laws-of-the-universe/
انسان ها عالم را در 3 بعد تجربه میکنند اما جمعی در ژاپن راهی برای ایجاد بعد های ساختگی غیر واقعی توسعه داده اند تا با کمک آن بتوانند قوانین بنیادین جهان را بهتر درک کنند و احتمال دارد که از آن برای تکنولوژی های پیشرفته نیز به کار ببرند.
این تیم نتایج خود را 28 ژانویه 2022 در ژورنال Science Advances منتشر کردند.
توپولوژی به شاخه ای از هندسه مربوط است که از نظر ریاضی به توصیف فضاهایی با ویژگی های حفظ شده در انحراف پیوسته (continuous distortion) همانند پیچش در نوار موبیوس(mobius strip) میپردازد. به گفته نویسنده این مقاله،Toshihiko Baba، زمانی که توپولوژی چنین فضایی با مباحث مربوط به نور ترکیب میشود، این فضا های فیزیکی میتوانند به راهی هدایت شوند تا به محققان اجازه القای پدیده های فوق پیچیده را بدهند.
در دنیای واقعی یک مکعب نسبت به یک مربع و یک مربع نسبت به یک خط اطلاعات بیشتری را ارائه میدهد. همچنین که دانش بیشتری برای توصیف آن به طوردقیق نیاز است.
در فوتونیک توپولوژی (topological photonics) محققان میتوانند تعدادی بعد اضافی به یک سیستم مورد مطالعه اضافه کنند. این کار به آنها اجازه میدهد تا درجه آزادی بیشتری برای دستکاری چند جانبه در خواص داشته باشند که پیش از این با بعد های واقعی غیر قابل دسترس بوده است.
محققان این گروه از روشی برای اضافه کردن یک بعد ساختگی روی یک حلقه سیلیکونی تشدید کننده استفاده کرده اند که از پیش برای ساخت Complementary Metal–Oxide–Semiconductor (نیمرسانای اکسید فلزی مکمل) که در واقع نوعی چیپ کامپیوتری است که میتواند مقداری داده در خود ذخیر کند، استفاده شده بود. یک حلقه تشدیدگر با پارامتر های خاصی(همانند پهنای باند) امواج نوری را کنترل و پخش میکند.
انعطاف این سیستم در تغییر، که شامل بازتنظیمی خود در مواقع لازم است، میتواند به شکل بعد های ثابت در فضای واقعی ظاهر شود. به گفته Toshihiko این موضوع میتواند به محققان کمک کند تا از محدودیت های بعد های واقعی عبور کنند و بتوانند واقعیت های فراتر از سه بعد را درک کنند.
✏مترجم: محمد رستمی
🔗لینک اصلی خبر :
✔https://scitechdaily.com/scientists-create-synthetic-dimensions-to-better-understand-the-fundamental-laws-of-the-universe/
SciTechDaily
Scientists Create Synthetic Dimensions To Better Understand the Fundamental Laws of the Universe
Humans experience the world in three dimensions, but a collaboration in Japan has developed a way to create synthetic dimensions to better understand the fundamental laws of the Universe and possibly apply them to advanced technologies. They published their…