sanatvacuum@gmail.com

محققان دانشگاه شنژن اخيراً روشي را براي تشخيص تصاوير ايجاد شده توسط شبكه هاي عصبي عميق ابداع كرده اند. مطالعه آنها ، پيش از انتشار در arXiv ، مجموعه اي از ويژگي ها را براي ضبط آمار تصاوير رنگي مشخص كرده است كه مي توانند تصاوير توليد شده با استفاده از ابزارهاي هوش مصنوعي فعلي را تشخيص دهند.

"تحقيقات ما با توسعه سريع تصوير مدل هاي مولد و گسترش جعلي توليد الهام گرفته شده بود تصاوير ،" بن لي، يكي از محققان كه اين مطالعه را انجام داده است، گفت: فناوري XPLORE . "با ظهور مدلهاي پيشرفته توليد تصوير ، مانند شبكه هاي مخالف مولد (GAN) و autododers هاي متغير ، تصاوير ايجاد شده توسط شبكه هاي عميق ، روز به روز بيشتر مي شوند ، و ديگر شناسايي آنها با چشم انسان آسان نيست ، كه اين امر مستلزم امنيت جدي است. خطرات "
اخيراً ، چندين محقق و بسترهاي رسانه اي جهاني نگراني خود را در مورد خطرات ناشي از شبكه هاي عصبي مصنوعي آموزش ديده براي توليد تصاوير ابراز كرده اند. به عنوان مثال ، الگوريتم هاي يادگيري عميق مانند شبكه هاي مخالف مولد (GAN) و خودكار تنظيم كننده هاي متغير مي توانند براي توليد تصاوير و فيلم هاي واقع بينانه براي اخبار جعلي استفاده شوند يا مي توانند كلاهبرداري هاي آنلاين و جعل اطلاعات شخصي در رسانه هاي اجتماعي را تسهيل كنند.
الگوريتم هاي GAN براي توليد تصاوير به طور فزاينده اي واقع بينانه از طريق يك فرايند آزمايشي و خطا آموزش داده مي شوند كه در آن يك الگوريتم تصاوير را توليد مي كند و ديگري ، تشخيص دهنده ، بازخورد مي گيرد تا اين تصاوير واقعي تر شود. به فرض ، اين تبعيض آميز همچنين مي تواند براي تشخيص تصاوير نادرست از تصاوير واقعي آموزش يابد. با اين حال ، اين الگوريتم ها در درجه اول از تصاوير RGB به عنوان ورودي استفاده مي كنند و اختلاف در اجزاي رنگ را در نظر نمي گيرند ، از اين رو عملكرد آنها به احتمال زياد رضايت بخش نخواهد بود.
نمونه اي از تصوير صورت توليد شده از مجموعه داده هاي تهيه شده توسط مقاله "رشد پيشرونده GAN ها براي بهبود كيفيت ، پايداري و تنوع". اعتبار: كاراس و همكاران.در مطالعه خود ، لي و همكارانش تفاوت بين تصاوير ايجاد شده توسط GAN و تصاوير واقعي را مورد تجزيه و تحليل قرار دادند و مجموعه اي از ويژگي هايي را ارائه دادند كه به طور موثر مي تواند به طبقه بندي آنها كمك كند. روش حاصل با تجزيه و تحليل تفاوت در اجزاي رنگ بين تصاوير واقعي و توليد شده كار مي كند.
هاودونگ لي ، يكي از محققان توضيح داد: "ايده اصلي ما اين است كه خطوط لوله توليد تصاوير واقعي و تصاوير توليد شده كاملاً متفاوت هستند ، بنابراين دو كلاس از تصاوير بايد داراي خواص مختلفي باشند." وي گفت: "در حقيقت ، آنها از خطوط لوله مختلفي وارد مي شوند. به عنوان مثال ، تصاوير واقعي با استفاده از دستگاه هاي تصويربرداري مانند دوربين ها و اسكنرها براي گرفتن يك صحنه واقعي ايجاد مي شوند ، در حالي كه تصاوير توليد شده به صورت كاملاً متفاوتي با استفاده از اتصال ، اتصال و فعال سازي از شبكه هاي عصبي . اين اختلافات مي تواند منجر به ويژگيهاي آماري مختلف شود.

 محققان دريافتند كه اگرچه تصاوير توليد شده و تصاوير واقعي در فضاي رنگ RGB يكسان به نظر مي رسند ، اما از نظر آماري كاملاً متفاوت در اجزاي كروميانس HSV و YCbCr هستند. آنها همچنين هنگام جمع آوري اجزاي رنگ R ، G و B با يكديگر اختلافاتي را مشاهده كردند.
مجموعه اي از ويژگي هاي پيشنهادي آنها ، كه شامل ماتريس هاي همزمان ايجاد شده از تصوير باقيمانده فيلتر بالاي گذر از چندين مؤلفه رنگي است ، از اين تفاوت ها سوء استفاده مي كند و اختلافات رنگي بين تصاوير واقعي و توليد شده را ضبط مي كند. اين مجموعه از ابعاد كم است و مي تواند حتي در هنگام آموزش بر روي مجموعه داده تصوير كوچك عملكرد خوبي داشته باشد.
نمودارهاي آمار تصوير براي تصاوير واقعي (آبي) و شبكه هاي عميق (DNG) تصاوير (قرمز) در اجزاي مختلف رنگ ايجاد مي كنند. در مؤلفه R ، دو هيستوگرام تا حد زيادي با هم همپوشاني دارند. با اين حال ، در جزء H يا با جمع آوري اجزاي R ، G ، B با هم ، هيستوگرام ها از هم جدا مي شوند. اعتبار: لي و همكاران.لي و همكارانش عملكرد روش خود را بر روي سه مجموعه داده تصوير آزمايش كردند: CelebFaces Attributes، CelebA با كيفيت بالا و Labels Faces in the Wild. يافته هاي آنها بسيار اميدوار كننده بود ، و مجموعه اي از ويژگي هاي عملكرد خوب در هر سه مجموعه داده است.
هاودونگ لي گفت: "معني دارترين يافته مطالعه ما اين است كه تصاوير حاصل از شبكه هاي عميق را مي توان با استخراج ويژگي هاي برخي از اجزاي رنگي به راحتي تشخيص داد ، اگرچه تصاوير توليد شده ممكن است از نظر بصري از چشم انسان قابل تشخيص نباشند." "هنگامي كه نمونه هاي تصوير توليد شده يا مدل هاي توليدي در دسترس هستند ، ويژگي هاي پيشنهادي مجهز به طبقه بندي باينري مي توانند به طور موثر بين تصاوير ايجاد شده و تصاوير واقعي تمايز قايل شوند. هنگامي كه مدل هاي توليدي ناشناخته هستند ، ويژگي هاي پيشنهادي به همراه يك طبقه بندي كننده تك طبقه نيز مي توانند رضايت بخش باشند. كارايي."
اين مطالعه مي تواند تعدادي از پيامدهاي عملي داشته باشد. ابتدا اين روش مي تواند به شناسايي تصاوير جعلي به صورت آنلاين كمك كند.
چارچوب كلي روش پيشنهادي. تصوير ورودي ابتدا در اجزاي رنگي مختلف تجزيه مي شود و سپس باقيمانده هر جزء رنگ محاسبه مي شود. براي محاسبه وقايع ، اجزاي R ، G و B جمع مي شوند ، در حالي كه اجزاي H ، S ، Cb و Cr به طور مستقل پردازش مي شوند. سرانجام ، تمام بردارهاي همزمان با هم جمع مي شوند و براي بدست آوردن نتيجه تصميم به طبقه بندي تغذيه مي شوند. اعتبار: لي و همكاران.يافته هاي آنها همچنين حاكي از آن است كه چندين خاصيت رنگي ذاتي تصاوير واقعي هنوز به طور مؤثر توسط مدل هاي توليدي موجود تقليد نشده اند. در آينده مي توان از اين دانش براي ساخت مدلهاي جديد استفاده كرد كه حتي تصاوير واقعي تر نيز توليد مي كنند.
سرانجام ، مطالعه آنها ثابت مي كند كه خطوط لوله نسل مختلف كه براي توليد تصاوير واقعي و تصاوير توليد شده استفاده مي شوند ، در خواص تصاوير توليد شده منعكس مي شوند. اجزاي رنگي فقط يكي از راه هاي تفاوت اين دو نوع تصوير را شامل مي شوند ، بنابراين مطالعات بعدي مي توانند روي ديگر خصوصيات متمركز شوند.
جيوو هوانگ ، يكي از محققان گفت: "ما در آينده قصد داريم با استفاده از يافته هاي اين تحقيق ، مدل هاي توليد تصوير را بهبود بخشيم." "به عنوان مثال ، از جمله اندازه گيري نابرابري اجزاي رنگي براي تصاوير واقعي و ايجاد شده در عملكرد هدفمند مدل GAN مي تواند تصاوير واقعي تري توليد كند. ما همچنين سعي خواهيم كرد ساير اطلاعات ذاتي را از خط لوله توليد تصوير واقعي مانند الگوي سنسور اهرم كنيم. نويزها يا خصوصيات آرايه فيلتر رنگ ، براي ايجاد روشهاي مؤثرتر و قوي تر براي شناسايي تصاوير توليد شده. "

http://dirstop.com/story5844710/قيمت-اكچويتور

به طور معمول ، هنگامي كه معماران يا مهندسين ساختمان جديدي را طراحي مي كنند ، تنها در پايان فرآيند - اگر هميشه - تجزيه و تحليل چرخه زندگي از تأثيرات زيست محيطي ساختمان انجام مي شود. و تا آن زمان ، ممكن است خيلي دير شود كه تغييرات مهمي ايجاد كند. اكنون ، يك سيستم سريعتر و آسان تر براي انجام چنين تحليل هايي مي تواند همه اين موارد را تغيير دهد ، و آناليز را از ابتدا به عنوان بخشي جدايي ناپذير از روند طراحي تبديل كند.

فرايند جديد ، كه در مقاله اي توسط محققان MIT جرمي گرگوري ، فرانتز-يوزف اولم و راندولف كيرچين و مجله فارغ التحصيل اخير دكتري جوشوا هستر در ژورنال ساختمان و محيط زيست شرح داده شده است. '18 ، به اندازه كافي ساده است كه مي تواند در نرم افزاري كه قبلاً توسط طراحان ساختمان استفاده مي شود ادغام شود تا اين امر به يك فرايند طراحي آنها تبديل شود.
تجزيه و تحليل چرخه زندگي ، معروف به LCA ، يك فرايند بررسي تمام مواد است. عناصر طراحي؛ مكان و جهت گيري. گرمايش ، سرمايش و ساير سيستمهاي انرژي؛ و از نظر هزينه ، تأثيرات زيست محيطي يا هر دو مورد تخريب نهايي يك ساختمان انتظار مي رود. اولم ، استاد مهندسي عمران و محيط زيست و مدير مركز توافق پايداري بتن MIT (CSH) ، مي گويد كه معمولاً LCA اعمال مي شود "فقط هنگامي كه يك ساختمان به طور كامل طراحي شده باشد ، بنابراين ابزاري پس از مرگ است اما ابزاري براي طراحي واقعي نيست. "" اين همان چيزي است كه تيم تصميم به تصحيح گرفت.
او مي گويد: "ما مي خواهيم چگونگي ايجاد ارتباط بين استفاده از LCA را در پايان فرآيند و استفاده معماران و مهندسان از آن به عنوان ابزاري براي طراحي استفاده كنيم." سوال بزرگ اين بود كه آيا ممكن است ارزيابي هاي LCA را در فرآيند طراحي وارد كند بدون آنكه محدوديت هاي زيادي را در انتخاب طراحي اعمال كند ، بنابراين اين امر براي طراحان ساختمان ناپديد نمي شود. اولم با تعجب پرسيد: "LCA چقدر قابليت انعطاف پذيري طرح را محدود مي كند؟"
اندازه گيري آزادي طراحي
براي پرداختن به طور سيستماتيك به اين سؤال ، تيم مجبور بود روشي را براي سنجش انعطاف پذيري انتخاب هاي طراحي به روش كمي ارائه دهد. آنها با استفاده از آن اصطلاح در فيزيك "آنتروپي" را قياس كردند. در فيزيك ، سيستمي با آنتروپي بيشتر "داغ تر" است و مولكول هاي آن به سرعت در حال چرخش هستند. در استفاده تيم از اين اصطلاح ، آنتروپي بالاتر نشان دهنده تنوع بيشتري از گزينه هاي موجود در يك نقطه معين است ، در حالي كه آنتروپي پايين تر نشان دهنده محدوده انتخاب هاي محدود تري است.
در كمال تعجب محققان ، آنها دريافتند كه استفاده از سيستم LCA تأثير بسيار كمي در كاهش دامنه انتخاب طراحي دارد. اولم مي گويد: "اين قابل توجه ترين نتيجه است." وي مي گويد: هنگام معرفي LCA در مراحل اوليه فرايند طراحي ، "شما به سختي انعطاف پذيري طراحي را لمس مي كنيد." اولم مي گويد: "من اطمينان داشتم كه به مصالحه خواهيم رسيد" ، جايي كه انعطاف پذيري طراحي براي دستيابي به عملكرد بهتر چرخه زندگي بايد محدود باشد. "اما در واقع ، نتايج به من اشتباه نشان داد."

 سيستم به طيف گسترده اي از تأثيرات آب و هوايي از يك ساختار جديد ، از جمله هر سه مرحله نگاه مي كند: ساخت و ساز ، از جمله بررسي انرژي تجسم يافته در تمام مصالح مورد استفاده در ساختمان. بهره برداري از ساختمان ، از جمله تمام منابع انرژي مورد نياز براي ارائه خدمات گرمايش ، سرمايش و خدمات الكتريكي. در پايان خدمت ، جداسازي و دفع نهايي يا دفع مجدد سازه.
براي ارزيابي تأثير چرخه زندگي در انتخاب طراحي نياز به بررسي طيف وسيعي از عوامل است. اين موارد عبارتند از: آب و هواي موقعيت مكاني (براي تحقيقات خود ، آنها آريزونا و نيو انگلستان را به عنوان دو مورد بسيار متفاوت از اقليم ايالات متحده انتخاب كردند). ابعاد و جهت گيري ساختمان؛ نسبت ديوارها به ويندوز از هر طرف؛ مواد مورد استفاده براي ديوارها ، پايه ها و بام. نوع سيستمهاي گرمايشي و سرمايشي مورد استفاده؛ و غيره با تصميم گيري هر يك از اين عوامل ، دامنه امكانات ساختمان باريك تر و باريك تر مي شود - اما خيلي بيشتر از هر فرآيند طراحي معمولي نيست.
در هر نقطه ، برنامه "همچنين مي تواند اطلاعات زيادي درباره چيزهايي كه هنوز تعريف نشده اند" ارائه دهد ، "اساساً منوي انتخاباتي را ارائه مي دهد كه مي تواند منجر به طراحي دوستدار محيط زيست شود." MIT و مدير CSH كه از اين پروژه پشتيباني مي كند.
محققان مي گويند ، گرچه به ويژه براي كاهش تأثير آب و هواي يك ساختمان طراحي شده است ، از همان ابزار نيز مي توان براي بهينه سازي يك ساختمان براي ساير معيارها ، مانند صرفه جويي در هزينه استفاده كرد.
زود رسيدن
فكر كردن در مورد مسائلي مانند سرنوشت نهايي يك ساختمان در پايان عمر عملياتي آن ، تمايل دارد كه "به همان ترتيب مورد علاقه معمار طراحي نباشد ، وقتي آنها براي اولين بار روي يك طرح كار مي كنند" ، در مقايسه با عوامل فوري تر مانند اولم مي گويد كه چگونه ساختمان به مشتري نگاه خواهد كرد ، و هر نوع عملكرد خاص براي سازه را برآورده مي كند. اما اگر ابزارهاي جديد LCA درست در نرم افزار طراحي مورد استفاده قرار بگيرند ، آنگاه نشانه هايي از چگونگي تأثيرگذاري بر انتخاب نتيجه مي تواند بر نتايج تأثير بگذارد ، دائماً در دسترس خواهد بود و قادر خواهد بود به راحتي بر روي گزينه ها حتي در راههاي كوچك و ظريف در مراحل اوليه تأثير بگذارد.
اولم مي گويد با مقايسه فرايند طراحي با و بدون استفاده از چنين ابزارهايي ، محققان دريافتند كه انتشار كلي گازهاي گلخانه اي مرتبط با يك ساختمان مي تواند "75٪ كاهش يابد" بدون كاهش انعطاف پذيري روند طراحي.
اولم آن را با شاخص هايي در يك سالن بدنسازي مقايسه مي كند كه بازخوردي راجع به ميزان كالري كالري در هر نقطه از رژيم ورزش سوزانده مي شود ، و انگيزه اي مداوم براي بهبود نتايج فراهم مي كند - بدون آنكه هيچ وقت تجربياتي را انجام دهد كه شخص بايد چه كاري انجام دهد يا چگونه بايد آنها را انجام دهد.
در حالي كه اين برنامه در حال حاضر براي ارزيابي خانه هاي تك خانواده اي نسبتاً ساده طراحي شده است - كه نمايانگر اكثريت قريب به اتفاق فضاهاي زندگي در ايالات متحده است ، اين تيم اميدوار است آن را گسترش دهد تا بتواند در ساختمان هاي مسكوني يا تجاري بسيار بزرگتري نيز كار كند.
******chain مي گويد ، در اين مرحله ، نرم افزاري كه تيم طراحي كرده است يك بسته مستقل است ، بنابراين "يكي از وظايف ما در پيش رو اين است كه در واقع انتقال به ساختن آن به برخي از ابزارهاي نرم افزاري كه در آنجا هستند" براي طراحي معماري انتقال دهيد. .
كيرچين مي گويد ، در حالي كه ابزارهاي نرم افزاري زيادي براي كمك به ارزيابي اثرات زيست محيطي يك ساختمان وجود دارد ، "ما بسياري از معماران را نمي بينيم كه از اين ابزارها استفاده مي كنند." او مي گويد ، اما اين تا حدودي به اين دليل است كه اين موارد خيلي تجويز نمي شوند ، و به سمت طراحي مطلوب و محدود كردن گزينه هاي طراح اشاره مي كنند. وي مي گويد: "تئوري ما اين است كه به هر طراح نمي خواهيم گفته شود كه چگونه اين طرح بايد باشد. نقش آنها طراحي بدون محدوديت هاي ناخواسته است."

http://socialmediainuk.com/story5569771/قيمت-اكچويتور

همه روزه ميليون ها مقاله در رسانه هاي اجتماعي و سيستم عامل هاي ديگر منتشر مي شوند و تعداد زيادي كليك و اشتراك از طرف كاربراني كه در وب حركت مي كنند دريافت مي كنند. بسياري از اين مقالات حاوي اطلاعات مفيدي هستند كه در صورت استخراج مي توانند براي جمع آوري بانكهاي اطلاعاتي دانش يا ارائه خدمات بازيابي دانش و پاسخگويي به سؤال مورد استفاده قرار گيرند.

محققان آكادمي علوم چين (CAS) براي استخراج قطعه دانش و اسناد حاشيه نويسي ، يك مدل عصبي حلقوي (CNN) طراحي كرده اند. روش آنها ، كه بر روي كاغذ از قبل منتشر شده در arXiv مشخص شده بود ، با وجود آموزش براي مدت زمان كوتاهتر ، عملكرد بهتري نسبت به ابزارهاي موجود نشان داد.
محققان در مقاله خود اصطلاح "سند دانش" را به عنوان "سندي كه حاوي قطعه هاي دانش چندگانه است ، تعريف مي كنند كه مفاهيم ، خصوصيات موجودات يا روابط موجودات را توصيف مي كند". تاكنون اكثر پايگاههاي دانش مانند YAGO يا DBpedia دانش را بر اساس ويكي پديا ، WordNet ، GeoNames و ساير منابع آنلاين استخراج مي كنند. اما ، در مقايسه با سيستم عامل هاي رسانه هاي اجتماعي ، اين منابع غالباً حاوي اطلاعات محدود و غير انعطاف پذير هستند.
محققان در مقاله خود نوشتند: "يك پايگاه دانش اخير ديگر ، Probase ، با 2.7 ميليون مفهوم ، به طور خودكار از بزرگترين جسد ، كه شامل 326 ميليون جمله دانش است كه از 1.68 ميليارد صفحه وب استخراج شده است ، استفاده شد." "با اين حال ، اين جملات فقط توسط الگوهاي هارست استخراج مي شوند. براي استخراج قطعه هاي دانش بيشتر براي ساختن دانش هاي جامع تر ، روشهاي مبتني بر معنايي براي تكميل جمله هاي مبتني بر الگوي قبلي مورد نياز است."
نمونه سند دانش جملات آبي و قرمز به ترتيب قطعه دانايي و ناآشنايي است. در اين سند 25 نكته در مورد خريد املاك و مستغلات ارائه شده است. اعتبار: ژو و همكاران.قطعات و مقالات دانش نيز مي تواند مورد استفاده قرار گيرد براي توسعه خدمات بازيابي دانش و پاسخگويي به سؤال. به عنوان مثال ، اين سرويس ها به سؤالات مطرح شده توسط كاربراني كه به دنبال كمك براي يك مشكل خاص هستند ، پاسخ مي دهد. با توجه به اين كاربردها ، محققان CAS تصميم گرفتند كه يك مدل مبتني بر CNN تهيه كنند كه بتواند معنايي يك سند را تجزيه و تحليل كند ، مشخص كند كه آيا اين دانش است يا نه ، و قطعه هاي اطلاعاتي را از آن استخراج مي كنيد.
محققان در مقاله خود توضيح مي دهند: "به طور خاص ، ما SSNN را پيشنهاد مي كنيم ، كه يك مدل مشترك مبتني بر CNN است ، تا مفهوم انتزاعي اسناد را در حوزه هاي مختلف بطور مشترك بفهمد و قضاوت كند كه آيا يك سند دانش دارد يا نه". "با جزئيات بيشتر ، ساختار شبكه SSNN" تقسيم سطح پايين ، تقسيم سطح بالا "است ، كه در آن لايه هاي سطح پايين براي دامنه هاي مختلف به اشتراك گذاشته مي شوند در حالي كه لايه هاي سطح بالا فراتر از CNN به طور جداگانه آموزش داده مي شوند تا درك كنند. اختلاف دامنه هاي مختلف. "

 مدلي كه توسط محققان ابداع شده است ، راه حلي براي پايان دادن به حاشيه نويسي اسناد ارائه مي دهد كه مستلزم مهندسي ويژگي هاي گسترده و وقت گير نيست. آنها همچنين ويژگي هاي دستي را توسعه دادند و براي تكميل كار ، يك مدل طبقه بندي كننده SVM آموزش دادند.
نمونه سند دانش جملات آبي و قرمز به ترتيب قطعه دانايي و ناآشنايي است. در اين سند مهارت هاي چرخش رانندگي ارائه شده است. اعتبار: ژو و همكاران.محققان اثربخشي مدل خود را بر روي مجموعه اي از اسناد واقعي از سه حوزه محتوا در WeChat ، يك پيام رسان چيني ، رسانه هاي اجتماعي و بستر پرداخت تلفن همراه ايجاد شده توسط Tencent ارزيابي كردند. يافته هاي آنها بسيار اميدوار كننده بود ، زيرا SSNN عملكرد بهتري نسبت به ساير مدل هاي CNN داشت ، در حالي كه به لطف فرآيندهاي آموزش كوتاه تر و كارآمدتر ، باعث صرفه جويي در وقت و حافظه مي شود.
محققان در مقاله خود نوشتند: "در مقايسه با ساختن چندين CNN اختصاصي براي دامنه ، اين مدل مشترك نه تنها باعث صرفه جويي در زمان آموزش مي شود بلكه دقت پيش بيني را به وضوح بهبود مي بخشد." "برتري مدل پيشنهادي در يك مجموعه داده واقعي از سيستم عامل هاي عمومي Wechat نشان داده شده است."
در آينده ، از مدل SSNN ارائه شده در اين مطالعه مي توان براي ساخت بانك اطلاعاتي دانش جامع تر استفاده كرد. همچنين مي تواند به توسعه سرويس هاي نوآورانه اي پاسخ دهد كه به سرعت و به صورت جامع در زمان واقعي به سؤالات كاربران پاسخ مي دهند.

http://prbookmarkingwebsites.com/story5103382/قيمت-اكچويتور

هوم هواپيماهاي بدون سرنشين كه با يك ليزر قابل شارژ مجدد هستند. بنابراين چه مدت مي توانند قبل از فرود ، پرواز كنند؟ چگونه در مورد "هرگز ذهن"؟ مي توانيم منتظر ديدن اين ايده در عمل باشيم. New Scientist در تاريخ 3 سپتامبر داستاني داشت كه ارتش آمريكا در حال ساخت هواپيماي بدون سرنشين ليزري براي موانع استقامت جانوران بود.

اين سيستم در ذهن شامل يك ليزر با شليك از سطح زمين است كه مي تواند يك هواپيماي بدون سرنشين نظامي را در اواسط پرواز قدرت دهد.
ديلي ميل گفت كه اين سيستم ليزر مي شود بشاش قدرت به سلول هاي فتوولتائيك بر روي هواپيماهاي بدون سرنشين و فوتوريسم گفت كه "مهم اين است هدف قرار دادن يك سلول فتوولتائيك در هواپيماهاي بدون سرنشين، كه پس از آن تبديل نور از ليزر به برق است. ارتش اميدوار است تا قادر به انجام اين كار تا 500 متر (.31 مايل) از راه دور باشيد. "
اين پروژه داراي نام بلندپروازانه Stand-off Ubiquitous Power / Energy Replenishment - Power BeamingDemo (SUPER PBD) است.
مكانيك محبوب اعلام كرد كه دارپا براي اين آزمايش در شارژ ليزر ، Silent Falcon ، يك خورشيدي الكتريكي با برد طولاني ، UAS با دوام طولاني (سيستم هاي هواپيماي بدون سرنشين) را انتخاب كرد.
درايو گفت: "سكوت فالكون با ساخت پهپادهاي با انرژي خورشيدي با استقامت طولاني ، برد طولاني ، به نام خود ساخته است ."
چه اميدي است كه اين آزمايش انجام شود؟ هدف اين است كه اثبات امكان "شارژ مجدد UAS با نيروي الكتريكي در هنگام پرواز با استفاده از منبع نور ليزر ، امكان بارهاي نامحدود طولاني پرواز با استفاده از چرخه هاي هماهنگ" پرواز "و" پرواز و شارژ "از بين بردن نياز به سوخت رساني به سوخت ، "گفت UAS Vision.
اين كانسپت يكي از هواپيماهاي بدون سرنشين است كه در هر دو بخش تجاري و نظامي قادر به پرواز براي هفته ها "انجام يك قرارداد يا مأموريت" است ، به قول كايل ميوزوكامي ، مكانيك محبوب ، "تا زمان انجام كار فرود نمي آيد."
رهبر DARPA پروژه ، دكتري جوزف ا. Abate ، اين حرف را براي گفتن داشت. "ما معتقديم كه اين پروژه نشان مي دهد كه سوخت گيري از راه دور از سيستم هاي DoD از طريق پرتوي انرژي با ليزر با انرژي بالا براي افزايش زمان كار ماموريت در محيط هاي مورد مناقشه و از راه دور مي تواند در آينده نزديك به جنگنده تحويل داده شود."

 در مورد نظرات بيشتر در مورد برنامه هاي كاربردي ، ماركو مارگاريتوف در The Drive خاطرنشان كرد: " موارد استفاده قدرتمند براي اين فناوري بي پايان است و شامل مأموريت هاي جستجو و نجات گسترده و بررسي هاي گسترده در مورد مناطق حادثه ديده تا عمليات نظامي و گسترش دسترسي به اينترنت است. ابتكار عمل
Margaritoff موارد استفاده را از بين برد. "به جاي نيروي هوايي كه دو بار در روز براي كمك به گارد ملي هوايي كاليفرنيا در مبارزه با فاجعه بار Carr Fire اقدام به استخدام يك دستگاه برداشتگر مي كند ، به عنوان مثال ، فن آوري فوق مي تواند كمك مستمر و مستمر را براي مناطق روستايي يا دورافتاده با كمبود كامل زيرساخت ها فراهم كند. هواپيماهاي بدون سرنشين مانند اين امكان پذير است كه توسط دولت هاي محلي اجاره داده شود تا دسترسي تلفن همراه و اينترنت را براي تسهيل بازسازي كارآمدتر در زمين فراهم كند. با اضافه كردن يك پهپاد كه هرگز نيازي به فرود و سوخت گيري ندارد ، يك جعبه ساخت و ساز كاملاً جديد ظاهر مي شود. "
اما چگونه كار مي كند؟ ميوزوكامي توضيح داد كه چگونه در مكانيك محبوب . وي گفت: " اپراتورهاي هواپيماهاي بدون سرنشين هدف قرار دادن پرتو ليزر در پنل هاي خورشيدي است. عكس هاي منظم از انرژي ليزر مي توانند هواپيما را تا جايي كه بتوانند به طور نامحدود در بالاي هوا بمانند شارژ كنند ."
مارك پريگ ، ديلي ميل : "اين سيستم با شليك يك ليزر در سلول فتوولتائيك پهپاد كار مي كند ، كه سپس نور را به همان روشي كه يك صفحه انرژي خورشيدي انجام مي دهد ، نور را به برق تبديل مي كند."
ايده عالي است يا نه؟ ديويد هامبلينگ در New Scientist ، هواپيماهاي بدون سرنشين را براي ارتش براي گردآوري اطلاعات توصيف كرد و گفت: "بسيار قدرتمند است ، به اين معني كه زمان پرواز آنها به نيم ساعت يا كمتر مي رسد". استقامت نگراني هواپيماهاي بدون سرنشين است. بديهي است ، يك راه حل پيشنهادي براي مشكل گرسنه با علاقه خواهد بود.
Futurism ، با اين حال ، "چندين موانع براي غلبه بر قبل از سيستم ليزري با قدرت بدون سرنشين آن براي ميدان نبرد آماده است". مانع بزرگ اين است كه هواپيماهاي بدون سرنشين را ذوب نكرد.
"روند مقدار زيادي از گرما، كه مي تواند ذوب خطر ايجاد هواپيماهاي بدون سرنشين ، گفت:" ارين وينيك در MIT فناوري .
Futurism گفت: تيم تحقيقاتي ارتش در حال كار بر روي راهي براي اطمينان از اتلاف گرماي اضافي بدون ايجاد خسارت به پهپاد بودند. اين شامل اطمينان از برخورد پرتو در جاهايي است كه در نظر گرفته شده است.
بعد چي؟ كريستين Houser در فوتوريسم گزارش ارتش به سمت قادر بودن به قدرت يك هواپيماي بدون سرنشين بر روي زمين در اوايل 2019. گام بعدي به كار شد قدرت يك هواپيماي بدون سرنشين در هوا. هوسر گفت كه ممكن است در سال 2020 اتفاق بيفتد. "هنگامي كه يك سيستم عملياتي برقرار شود ، ارتش فقط بايد نعمت تنظيم كننده ها را بدست آورد و هواپيماهاي بدون سرنشين با ليزر آن براي برخاستن آماده خواهند شد."
http://bookmark-template.com/story6997061/قيمت-اكچويتور

Google ، از روز اول ، با ورود به مشاغل يافتن اطلاعات ، بسيار بزرگ شد. سالها بعد ، گوگل در مورد تجارت داده ها درباره تجارت جدي صحبت مي كند. Google در حال راه اندازي يك موتور جستجوي جديد براي كمك به دانشمندان است تا مجموعه داده هاي مورد نياز خود را پيدا كنند.

روز چهارشنبه ، ناتاشا نوي ، دانشمند تحقيقاتي گوگل AI ، از راه اندازي جستجوي Dataset گوگل خبر داد . اكنون اگر دانشمند باشيد ، يا به جستجوي داده براي كار و داستانهاي خود و كنجكاوي فكري خود ، اكنون به داده هاي داده دسترسي آسان مي دهيد.
هدف اين است كه شما را بيشتر از يك رابط واحد. جان فينگاس در Engadget به اين موضوع پرداخت كه چگونه مي تواند از جستجوي داده ها سود ببرد.
"اين ابزار دسترسي مستقيم تري به داده هاي ارائه شده در يك استاندارد باز فراهم مي كند كه مشخص مي كند چه كسي اطلاعات را ايجاد كرده ، چگونه جمع آوري شده است و چگونه اجازه استفاده از آن را داده ايد. شما نه تنها مي توانيد داده هاي اقليمي را براي يك گزارش رديابي كنيد ، بلكه اطمينان حاصل كنيد كه استفاده مناسب و قانوني است. "
اين يك فشار جهاني (مانند بين المللي) است كه به زودي با پشتيباني از زبان هاي اضافي به زبان هاي مختلفي كار مي كند. جيمز وينسنت در The Verge به نقل از نوي: "من فكر مي كنم طي چند سال گذشته تعداد مخازن منفجر شده است."
وي گفت: "به سادگي آنچه را كه مي خواهيد وارد كنيد و ما به شما كمك مي كنيم تا به مجموعه داده هاي منتشر شده در سايت ارائه دهنده مخزن هدايت شويم." در حال حاضر ، مجموعه داده ها و داده هاي مرتبط تمايل به پخش در چندين مخزن داده دارند و ممكن است دريابيد كه اطلاعات مربوط به اين مجموعه داده ها توسط موتورهاي جستجو مرتبط يا فهرست نشده است . براي شخصي كه جستجو را انجام مي دهد ، كشف داده در بهترين حالت خسته كننده مي شود.
آنها به طور جدي در حال پشتيباني از يك اكوسيستم هستند كه ارائه دهندگان مجموعه داده ها از طريق راهنمايي هايي كه Google تهيه كرده است ، براي توصيف داده هاي خود "به روشي كه گوگل (و ساير موتورهاي جستجو) مي توانند محتواي صفحات خود را بهتر بشناسند ، حمايت مي كنند." گفت
آنها از استاندارد استاندارد schema.org براي رويكرد خود در اين باره استفاده كردند. در ليست خواسته هاي Noy: همه ارائه دهندگان مجموعه داده پشت اين استاندارد مشترك قرار مي گيرند. اميد است مخزن داده هاي بيشتر از استاندارد schema.org براي توصيف مجموعه داده هاي خود استفاده كنند. به گفته نواي ، اين مجموعه داده ها بخشي از "اكوسيستم قوي" هستند.
"يك ابزار جستجو مانند اين تنها به اندازه ابرداده اي است كه ناشران داده مي خواهند آنها را ارائه دهند. ما اميدواريم كه بسياري از شما از استانداردهاي باز براي توصيف داده هاي خود استفاده كنيد ، به كاربران ما اين امكان را مي دهد تا داده هاي مورد نظر خود را پيدا كنند. ""
جان فينگاس در Engadget : "در حال حاضر با يك منبع قطعي فاصله ندارد. اين يك شروع است ، اما گوگل اميدوار نيست كه اين امر ديگران را ترغيب كند تا داده هاي عمومي خود را بيشتر جستجو كنند."
و اگر همه اين موارد كافي نباشد ، Google مي تواند در استفاده بيشتر از اطلاعات مربوط به داده ها ، مسيرهايي را بكشد.
با توجه به The Verge ، Jeni Tennison ، رئيس موسسه Open Data ، گفت كه در حالت ايده آل گوگل مجموعه داده هاي خود را از نحوه استفاده از Dataset Search منتشر مي كند. وي گفت كه گوگل بايد مجموعه اي از داده هاي مربوط به جستجوي مجموعه داده را كه توسط Dataset Search نمايه مي شود ، منتشر كند. او به نقل از او:
تنيسون مي گويد: "ساده درك چگونگي جستجوي افراد مهم است ... چه نوع اصطلاحاتي را به كار مي برند ، چگونه آنها را بيان مي كنند." "اگر بخواهيم با نحوه جستجوي داده ها و دسترسي بيشتر آنها به اين مسئله آشنا شويم ، بسيار خوب خواهد بود اگر گوگل داده هاي خود را در اين مورد باز كند." به عبارت ديگر ، وي افزود ، Google بايد مجموعه اي از داده هاي مربوط به جستجوي مجموعه داده را منتشر كند كه توسط Dataset Search نمايه مي شود.
http://bookmark-dofollow.com/story6999247/قيمت-اكچويتور

در قانون اساسي كه در اواخر ماه اوت به تصويب رسيد ، كاليفرنيا متعهد شد كه يك شبكه برق 100 درصد عاري از كربن ايجاد كند - بار ديگر كشورها ، ايالت ها و شهرها را در پيشبرد سياست هاي تهاجمي براي كاهش انتشار گازهاي گلخانه اي رهبري كند. اكنون ، يك مطالعه توسط محققان MIT دستورالعمل هايي را براي راه هاي مقرون به صرفه و قابل اعتماد براي ساخت چنين سيستم الكتريكي صفر با كربن ارائه كرده است.

اين مطالعه نشان مي دهد كه بهترين روش براي مقابله با توليد گازهاي گلخانه اي از استفاده از فراگيرترين منابع الكتريسيته كم كربن است.
در سالهاي اخير هزينه هاي باتري ، انرژي خورشيدي و باتري هاي ذخيره انرژي به سرعت كاهش يافته است ، و برخي از محققان ، سياستمداران و طرفداران اين امر را راهنمايي مي كند كه اين منابع به تنهايي مي توانند از شبكه عاري از كربن استفاده كنند. اما مطالعه جديد نشان مي دهد كه در طيف گسترده اي از سناريوها و مكانها ، جابجايي اين منابع با منابع عاري از كربن كه مي توان براي پاسخگويي به تقاضا در همه فصول و در دوره هاي طولاني از جمله هسته اي ، زمين گرمايي ، زيست شناسي و طبيعي استفاده كرد. گاز با ضبط كربن مسيري كم هزينه تر و كم خطرتر به يك شبكه عاري از كربن است.
يافته هاي جديد در مقاله اي منتشر شده است كه امروز در ژورنال ژول ، توسط دانشجوي دكتري MIT ، Nestor Sepulveda ، جسي جنكينز ، دكترا منتشر شده است. '18 ، دكتراي فرناندو د سيسترنس '14 ، و استاد علوم و مهندسي هسته اي و ريچارد لستر ، پروستر دانشيار.
نياز به اثربخشي هزينه
جنكينز مي گويد: "در اين مقاله به دنبال راهكارهاي محكمي هستيم تا ما را به يك منبع برق صفر با كربن تبديل كنند ، اين مهمترين تلاش براي كاهش ريسك تغييرات آب و هوا در اقتصاد است." براي دستيابي به اين هدف ، "ما نه تنها بايد در بخش برق به انتشار صفر برسيم بلكه بايد با هزينه كم اين كار را انجام دهيم كه برق جايگزيني جذاب براي نفت ، گاز طبيعي و زغال سنگ در حمل و نقل ، گرما است. و بخش هاي صنعتي ، كه در آن دكربن زدايي به طور معمول حتي بيشتر از برق به چالش كشيده مي شود. "
سپولوندا همچنين با تأكيد بر اهميت مسيرهاي مقرون به صرفه براي برق بدون كربن ، افزود: در دنياي امروز "ما مشكلات زيادي داريم و تغييرات آب و هوايي بسيار پيچيده و مهم است ، اما تنها نيست ، بنابراين هر دلار اضافي ما براي پرداختن به تغييرات آب و هوايي هزينه مي كنيم همچنين دلار ديگري است كه نمي توانيم از آن براي مقابله با ساير مشكلات جامعه ، مانند رفع فقر يا بيماري استفاده كنيم. " بنابراين ، براي تحقيقات مهم است كه نه تنها گزينه هاي قابل دستيابي فني را براي دفع گاززدايي از برق ، بلكه براي يافتن راه هايي براي دستيابي به كاهش كربن با مناسب ترين هزينه ممكن ، جستجو كنيد.

 براي ارزيابي هزينه هاي استراتژي هاي مختلف براي گندزدايي عميق در توليد برق ، اين تيم به بررسي نزديك به 1000 سناريو مختلف كه شامل فرضيه هاي مختلف در مورد در دسترس بودن و هزينه فن آوري هاي كم كربن ، تغييرات جغرافيايي در دسترس بودن با منابع تجديد پذير ، و سياست هاي مختلف در مورد آنها است استفاده كنيد.
با توجه به سياست ها ، تيم دو رويكرد متفاوت را با هم مقايسه كردند. رويكرد "محدودكننده" فقط استفاده از انرژي خورشيدي و باد به علاوه ذخيره سازي باتري را مجاز مي كند ، كه با اقدامات كاهش و تغيير زمان تقاضاي برق و همچنين خطوط انتقال از راه دور براي كمك به يكنواختي تغييرات محلي و منطقه اي افزود. رويكرد "فراگير" از همه اين فناوري ها استفاده مي كند اما همچنين امكان استفاده از منابع عاري از كربن مانند انرژي هسته اي ، بيولوژيكي و گاز طبيعي را با استفاده از سيستمي براي گرفتن و ذخيره سازي انتشار كربن فراهم مي كند. در هر موردي كه تيم مورد مطالعه قرار مي داد ، تركيبي از منابع موجود مقرون به صرفه تر بود.
صرفه جويي در هزينه رويكرد فراگيرتر نسبت به مورد محدودتر قابل توجه بود. از جمله منابع كم كربن مداوم ، يا "محكم" در مخلوط منابع كربن صفر ، هزينه هاي مختلف را از 10٪ به 62٪ كاهش مي دهد ، در بسياري از سناريوهاي مورد بررسي. اين مهم است كه بدانيد ، نويسندگان تأكيد مي كنند ، زيرا در بسياري موارد مقررات موجود و پيشنهادي و مشوق هاي اقتصادي ، دامنه محدودتري از منابع انرژي را ترجيح مي دهند ،
لستر مي گويد: "نتايج اين تحقيق ، آنچه را كه در هر دو طرف بحث متعارف در مورد تغيير اقليم ايجاد شده است ، به چالش مي كشد. "بر خلاف ترسها مبني بر اينكه تلاشهاي مؤثر براي كاهش اقليم بسيار گران خواهد بود ، كار ما نشان مي دهد كه حتي كربن زدايي عميق در بخش برق نيز با هزينه اضافي نسبتاً متوسط ​​قابل دستيابي است. اما برخلاف تصور اينكه برق بدون كربن مي تواند با استفاده از باد ، انرژي خورشيدي و باتري هاي ذخيره سازي به تنهايي ، تجزيه و تحليل ما روشن مي كند كه هزينه هاي اجتماعي براي دستيابي به گاززدايي عميق از اين طريق احتمالاً بسيار گران تر از آنچه لازم است است. "
يك طبقه بندي جديد براي منابع برق
تيم با بررسي گزينه هاي توليد برق جديد در سناريو هاي مختلف ، اين تيم دريافتند كه روش سنتي براي توصيف انواع مختلف منبع انرژي در صنعت برق - "baselload" ، "بار زير" و "اوج" منابع قديمي است. با توجه به روشي كه از منابع جديد استفاده مي شود مفيدتر است.
در عوض ، آنها پيشنهاد مي كنند ، مناسب تر است كه در مورد منابع انرژي در سه دسته جديد فكر كنيم: منابع "صرفه جويي در مصرف سوخت" ، كه شامل انرژي خورشيدي ، باد و رودخانه (يعني بدون سدها) است. منابع "سريع پشت سر هم" ، پاسخ هاي سريع اما كوتاه مدت به نوسانات تقاضا و عرضه برق ، از جمله ذخيره باتري و فناوري ها و استراتژي هاي قيمت گذاري براي تقويت پاسخگويي به تقاضا. منابع "محكم" مانند هسته اي ، آبي با مخازن بزرگ ، بيوگاز و زمين گرمايي.
Sepulveda خاطرنشان مي كند: "از آنجا كه ما نمي توانيم با اطمينان از هزينه هاي آينده و در دسترس بودن بسياري از اين منابع مطلع شويم ،" موارد مورد مطالعه طيف گسترده اي از امكانات را در بر مي گرفت ، تا بتوانيم نتيجه گيري كلي از اين مطالعه را در كل از اين محدوده قوي كنيم. عدم قطعيت ها "
دامنه سناريو
اين گروه طيف وسيعي از پيش بيني هاي انجام شده ، ساخته شده توسط آژانس هايي مانند آزمايشگاه ملي انرژي تجديدپذير ، راجع به هزينه هاي مورد انتظار منابع مختلف انرژي طي دهه هاي آينده ، از جمله هزينه هاي مشابه هزينه هاي امروز و پيش بيني شده براي كاهش هزينه ها به عنوان سيستم هاي جديد يا بهبود يافته توسعه داده شده و آنلاين آورده شده است براي هر فناوري ، محققان يك هزينه ميان رده پيش بيني شده را به همراه يك برآورد كم هزينه و كم هزينه بالا انتخاب كردند و سپس بسياري از تركيبات اين هزينه هاي احتمالي آينده را مورد مطالعه قرار دادند.
تحت هر سناريويي مواردي كه محدود به استفاده از فن آوري هاي صرفه جويي در مصرف سوخت و سريع انفجار بودند ، نسبت به مواردي كه از منابع كم كربن كم استفاده مي شدند ، هزينه كلي برق نيز بالاتر بود ، "حتي با خوش بينانه ترين مجموعه فرضيات در مورد كاهش هزينه هاي آينده ، "Sepulveda مي گويد.
جنكينز مي افزايد: "اين درست است ،" حتي وقتي مثلاً فرض كنيم كه هسته اي به اندازه امروز گران تمام مي شود و باد و خورشيدي و باتري ها بسيار ارزان تر مي شوند. "
نويسندگان همچنين دريافتند كه در تمام موارد باطري خورشيدي-بادي ، با حركت سيستمها به سمت انتشار صفر ، هزينه برق به سرعت افزايش مي يابد ، اما هنگامي كه منابع قدرت شركت نيز در دسترس هستند ، هزينه هاي برق با كاهش انتشار آلاينده ها به تدريج بيشتر مي شود. صفر
جنكينز مي گويد: "اگر تصميم بگيريم كه ذغال سنگ زدايي را در درجه اول با باد ، خورشيدي و باتري دنبال كنيم ،" ما به طور موثري "به همه راه مي رويم" و شركت در اين سياره را در رسيدن به هزينه هاي بسيار كم براي همه اين منابع "شرط مي بنديم." خطوط انتقال ولتاژ بالا در مقياس قاره و ايجاد تقاضاي برق بسيار انعطاف پذيرتر .
در مقابل ، "سيستم الكتريكي كه از منابع كم كربن كاملي به همراه انرژي خورشيدي ، باد و ذخيره سازي استفاده مي كند مي تواند با افزايش متوسط ​​متوسط ​​در هزينه حتي با فرضيات بدبينانه مبني بر اينكه ارزان بودن اين منابع عاري از كربن يا توانايي ما براي باز كردن قفل مي شوند ، به انتشار صفر برسد. جنكينز مي گويد ، تقاضاي انعطاف پذير يا شبكه را گسترش دهيد. " او مي گويد ، اين نشان مي دهد كه چگونه اضافه كردن منابع كم كربن كمك "يك استراتژي محافظت مؤثر است كه هم هزينه و هم ريسك را براي سيستمهاي دفع گاززدايي كاملاً قدرت كاهش مي دهد."

http://mediajx.com/story8048172/قيمت-اكچويتور

وقتي صحبت از توليد انرژي مي شود ، متأسفانه هيچ چيز به عنوان ناهار رايگان وجود ندارد.

از آنجا كه جهان گذار در مقياس بزرگ خود را به سمت منابع انرژي كم كربن آغاز مي كند ، بسيار مهم است كه جوانب مثبت و منفي هر يك از آنها به خوبي درك شود و تأثيرات زيست محيطي انرژي تجديدپذير ، كوچك كه ممكن است در مقايسه با زغال سنگ و گاز باشد ، در نظر گرفته شده اند.
در دو مقاله منتشر شده در نامه تحقيقات زيست محيطي و ژول محققان دانشگاه -Harvard پيدا است كه انتقال به باد يا خورشيدي قدرت در ايالات متحده مي منطقه پنج تا 20 برابر بيشتر از زمين از آنچه قبلا تصور، و اگر چنين مقياس بزرگ نياز مزارع بادي شد ساخته شده ، دماي متوسط ​​سطح بيش از قاره ايالات متحده را 0.24 درجه سانتيگراد گرم مي كند.
ديويد كيت ، استاد فيزيك كاربردي گوردون مك كي ، در دانشكده مهندسي و علوم كاربردي هاروارد جان A. پالسون (SEAS) گفت: "باد با هر اندازه گيري از محيط زيست ذغال سنگ مي كشد ، اما اين بدان معنا نيست كه تأثيرات آن ناچيز است." نويسنده ارشد مقالات. "ما بايد به سرعت از سوخت هاي فسيلي فاصله بگيريم تا انتشار گازهاي كربن متوقف شود. با انجام اين كار ، بايد بين فن آوري هاي مختلف كم كربن ، انتخاب هايي انجام دهيم كه همه اينها داراي تأثيرات اجتماعي و زيست محيطي هستند."
كيت همچنين استاد سياست هاي عمومي در مدرسه هاروارد كندي است.
يكي از اولين اقدامات براي درك تأثيرات زيست محيطي فن آوري هاي تجديدپذير ، درك چگونگي مساحت زمين براي تأمين نيازهاي انرژي آينده ايالات متحده است. حتي با شروع تقاضاي انرژي امروز ، مساحت زمين و تراكم قدرت مرتبط با آن مورد نياز مدتهاست كه توسط كارشناسان انرژي مورد بحث قرار گرفته است.
در تحقيقات قبلي ، كيت و همكاران خود از ظرفيت توليد مزارع بادي در مقياس بزرگ استفاده كردند و نتيجه گرفتند كه توليد نيروي باد در دنياي واقعي بيش از حد تخمين زده شده است زيرا آنها غفلت مي كردند كه دقيقاً از تعامل بين توربين ها و جو استفاده كنند. در تحقيقات سال 2013 ، كيت توضيح داد كه چگونه هر توربين بادي "سايه باد" را در پشت خود ايجاد مي كند و در آنجا هوا با پره هاي توربين كاهش يافته است. امروزه مزارع بادي در مقياس تجاري ، توربين هاي فضايي را به دقت مورد استفاده قرار مي دهند تا از تأثير اين سايه هاي بادي كاسته شوند ، اما با توجه به اين انتظار كه مزارع بادي همچنان با افزايش تقاضا براي برق ناشي از باد ، از گسترش و تعامل و تأثيرات آب و هوايي مرتبط جلوگيري كنند.

 با اين حال ، آنچه از اين تحقيقات قبلي گم شده بود ، مشاهدات براي پشتيباني از مدل سازي بود. سپس ، چند ماه پيش ، سازمان زمين شناسي ايالات متحده با استفاده از اين مجموعه داده ، مكان 57636 توربين بادي در اطراف ايالات متحده را منتشر كرد و در تركيب با چندين پايگاه داده ديگر دولت آمريكا ، كيت و همكار فوق ليسانس لي ميلر توانستند چگالي توان 411 را تعيين كنند. مزارع بادي و 1150 نيروگاه خورشيدي فتوولتائيك كه در ايالات متحده آمريكا در سال 2016 فعاليت مي كنند.
ميلر گفت: "در مورد باد ، ما فهميديم كه چگالي متوسط ​​انرژي يعني سرعت توليد انرژي تقسيم شده توسط منطقه احاطه كننده نيروگاه بادي - 100 برابر كمتر از تخمين هاي برخي از متخصصان برجسته انرژي است." نويسنده اول هر دو مقاله. اكثر اين تخمين ها تعامل توربين و جو را در نظر نگرفتند. "براي يك توربين بادي جدا شده ، فعل و انفعالات مهم نيستند ، اما هنگامي كه مزارع بادي بيش از پنج تا 10 كيلومتر عمق داشته باشند ، اين تعامل ها تأثير عمده اي بر روي تراكم قدرت."
چگالي قدرت باد مبتني بر مشاهدات نيز بسيار پايين تر از تخمين هاي مهم وزارت انرژي ايالات متحده (DOE) و هيئت بين دولتي در مورد تغيير آب و هوا (IPCC) است.
براي انرژي خورشيدي ، ميانگين چگالي توان (اندازه گيري شده در وات بر متر مربع) 10 برابر بيشتر از انرژي باد است ، اما همچنين بسيار پايين تر از تخمين هاي كارشناسان برجسته انرژي است.
اين تحقيق نشان مي دهد كه مزارع بادي نه تنها به زمين هاي بيشتري احتياج دارند تا به اهداف انرژي تجديد پذير پيشنهادي برسند بلكه در چنين مقياس وسيع ، به يك بازيگر فعال در سيستم آب و هوا تبديل مي شوند.
سوال بعدي ، همانطور كه در ژورنال ژول مورد بررسي قرار گرفت ، اين بود كه چنين مزارع بادي در مقياس بزرگ چه تأثيري بر سيستم آب و هوايي خواهد گذاشت.
براي برآورد تأثيرات انرژي باد ، كيت و ميلر با استفاده از يك مدل استاندارد پيش بيني آب و هوا ، يك پايه را براي شرايط اقليمي 2012-2014 آمريكا ايجاد كردند. سپس ، آنها يك سوم قاره آمريكا را با توربين هاي بادي كافي براي پاسخگويي به تقاضاي برق فعلي ايالات متحده پوشش دادند. محققان دريافتند كه اين سناريو دماي سطح قاره آمريكا را 0.24 درجه سانتيگراد گرم مي كند و بيشترين تغيير در شب اتفاق مي افتد كه دماي سطح تا 1.5 درجه سانتيگراد افزايش مي يابد. اين گرم شدن نتيجه توربين هاي بادي است كه بطور فعال جو را در نزديكي زمين و در ارتفاع بالا مخلوط مي كنند و همزمان از حركت جو خارج مي شوند.
اين تحقيق بيش از ده مطالعه ديگر را كه گرمايش در نزديكي مزارع بادي عملياتي ايالات متحده را مشاهده كردند ، پشتيباني مي كند. ميلر و كيت شبيه سازي هاي خود را با مطالعات مشاهده اي ماهواره اي مبتني بر ماهواره در شمال تگزاس مقايسه كردند و دريافتند كه دماي هوا تقريباً مداوم است.
ميلر و كيت سريع مي گويند بعيد است كه ايالات متحده به اندازه انرژي بادي كه سناريوي خود را شبيه سازي مي كند ، توليد كند ، اما گرمايش موضعي در پيش بيني هاي حتي كوچكتر اتفاق مي افتد. سوال بعدي اين است كه بدانيد چه زمان فوايد فزاينده كاهش توليد گازهاي گلخانه اي تقريباً برابر با تأثيرات فوري انرژي باد است.
محققان دانشگاه هاروارد دريافتند كه اثر گرم شدن در قاره آمريكا ناشي از توربين هاي بادي در واقع بزرگتر از تأثير كاهش انتشار در قرن اول فعاليت آن است. اين امر به اين دليل است كه تأثير گرمايش بيشتر در مزرعه بادي محلي است ، در حالي كه غلظت گازهاي گلخانه اي بايد قبل از تحقق اين مزايا در سطح جهاني كاهش يابد.
ميلار و كيت محاسبه انرژي خورشيدي را تكرار كردند و دريافتند كه تأثيرات اقليمي آن ده برابر كمتر از باد است.
كيت مي گويد: "تأثيرات مستقيم آب و هوايي انرژي باد فوري است ، در حالي كه فوايد كاهش انتشار به آرامي جمع مي شود." "اگر ديدگاه شما 10 سال آينده باشد ، در واقع انرژي باد از بعضي جهات تأثير آب و هوا بيشتر از زغال سنگ يا بنزين است.
كيت گفت: "كار نبايد به عنوان يك نقد اساسي در مورد قدرت باد تلقي شود." "برخي از تأثيرات آب و هوايي باد سودمند خواهد بود. چندين مطالعه جهاني نشان مي دهد كه انرژي بادي مناطق قطبي را خنك مي كند. در عوض ، كار بايد به عنوان اولين قدم براي جدي تر شدن در مورد ارزيابي اين تأثيرات براي همه تجديدپذيرها ديده شود. اميدواريم كه مطالعه ما ، همراه با مشاهدات مستقيم اخير ، نقطه عطفي را علامتگذاري مي كند كه تأثيرات اقليمي نيروي باد در تصميم گيري هاي استراتژيك در مورد دفع گاززدايي از سيستم انرژي مورد توجه جدي قرار مي گيرد . "

http://bookmarkbirth.com/story5532517/پمپ-وكيوم-آبي

روز پنجشنبه در يك گزارش منتشر شده ، تراشه هاي ريز موجود در تجهيزات رايانه اي توليد شده در چين به عنوان بخشي از تلاش گسترده پكن براي سرقت اسرار فناوري ايالات متحده مورد استفاده قرار گرفت.

در گزارش بلومبرگ نيوز آمده است : اين تراشه ها ، اندازه يك دانه برنج ، در تجهيزات ساخته شده براي آمازون استفاده شده است ، كه ابتدا به مقامات آمريكايي و اپل و احتمالاً براي ساير شركت ها و آژانس هاي دولتي هشدار داده شده است.
بلومبرگ اظهار داشت: تحقيقات مخفيانه سه ساله ، كه هنوز هم باز باقي مانده است ، باعث شد جاسوسان بتوانند يك "درگاه خفا" را به تجهيزات رايانه اي بپيوندند ، يك ورودي مبتني بر سخت افزار است كه براي كشف يك هك نرم افزاري موثرتر و سخت تر خواهد بود.
بلومبرگ با استناد به مقامات آمريكايي بي نام ، گفت كه يگان هاي ارتش آزاديبخش خلق درگير عملياتي بودند كه تراشه ها را بر روي تجهيزات توليد شده در چين براي شركت Super Micro Computer Inc مستقر در آمريكا قرار داده بود.
Supermicro ، به گفته بلومبرگ ، همچنين تجهيزات لازم را براي مراكز داده وزارت دفاع ، عمليات پهپاد سيا و شبكه‌هاي پرواز ناوگان دريايي توليد كرده است.
در اين گزارش آمده است كه آمازون هنگام دستيابي به نرم افزار Elemental ، اين مشكل را كشف كرد و بررسي امنيتي تجهيزات ساخته شده براي Elemental توسط Supermicro مستقر در كاليفرنيا را آغاز كرد.
طبق گفته هاي بلومبرگ ، تراشه هاي جاسوسي براي مادربردها طراحي شده است - مراكز عصبي تجهيزات رايانه اي - كه در مراكز داده اي كه توسط اپل ، خدمات وب آمازون و ديگران استفاده مي شود.
اپل در بيانيه اي اظهار داشت: "هيچوقت تراشه هاي مخرب ،" دستكاري سخت افزاري "يا آسيب پذيري هايي را كه عمداً در هر سرور كاشته شده اند ، نيافت.
در بيانيه آمازون به AFP آمده است: "در هيچ زمان ، گذشته يا حال ، ما تاكنون هيچ مشكلي در رابطه با سخت افزار اصلاح شده يا تراشه هاي مخرب در مادربردهاي Supermicro در هر سيستم ابتدايي يا آمازون پيدا نكرده ايم."
Supermicro را نمي توان فوراً براي اظهار نظر يافت ، اما بلومبرگ گفت كه اين شركت هرگونه اطلاعاتي درباره جاسوسي يا تحقيقات را انكار كرده است.

http://bookmarkport.com/story5694422/پمپ-وكيوم-آبي

محققان Ecole Centrale de Lyon اخيراً چارچوب توسعه جديدي را با الهام از مكانيسم هاي حافظه بلند مدت و استدلال در انسان ابداع كرده اند. اين چارچوب ، در مقاله اي ارائه شده در IEEE ICDL-Epirob در توكيو و از قبل در ArXiv منتشر شده ، به روبات ها اين امكان را مي دهد تا بطور خودمختار پارامترهاي هايپر تنظيم شده از هرگونه عمل و / يا ماژول بينايي را كه به عنوان يك جعبه سياه درمان مي شود ، بهينه كنند.

در سالهاي اخير ، محققان روبات هايي ساخته اند كه مي توانند كارهاي مختلفي را انجام دهند. با اين وجود ، محيطي كه اين رباتها در آن كار مي كنند اغلب محدود است. دليل اين امر اين است كه در رباتيك ، اكثر الگوريتم ها توسط كارشناسان انساني بصورت دستي ساخته و بهينه مي شوند تا چالش هاي احتمالي روباتي را كه ممكن است در يك شرايط معين با آن روبرو شوند ، پيش بيني كنند .
"با اين حال ، هنگام برخورد با ابهامات ، به عنوان مثال ، هنگامي كه روبات در طول زندگي خود مجبور به برخورد با اشياء جديد شود ، هميشه تكيه بر برنامه هاي اضافي و بهينه سازي از مهندسان انساني عملي نيست: ربات مجبور است به تنهايي ياد بگيرد." ماكسيم پيت ، يكي از محققاني كه اين تحقيق را انجام داده است ، به TechXplore گفت. "ما مي خواهيم مكانيزم هاي يادگيري به روبات ها ارائه دهيم تا آنها بتوانند خودمختار باشند و با موقعيت هاي مختلف سازگار شوند ، حتي در شرايطي كه پيش بيني نمي شود."
در حال توسعه روبات هايي كه بطور خودكار با موقعيت هاي مختلف مطابقت دارند مي تواند تعدادي از كاربردهاي مفيد را داشته باشد ، به عنوان مثال در زمينه رباتيك صنعتي ، جايي كه بازوهاي روباتيك نياز به اشياء ناشناخته از بخش هاي همگن دارند.
اعتبار: پيت و همكاران.پيت توضيح داد: "ما مي خواستيم كه روبات به طور مستقل پارامترهاي يك نرم افزار مبتني بر بينايي (كاميدو توسط سيلان) را براي هر شيء در كمتر از چند ساعت بهينه كند ." وي گفت: "براي اين كار ، از يك چارچوب توسعه اي استفاده كرديم كه هدف آن تكرار چگونگي يادگيري كودكان در مورد جهان است. به ويژه ، ما مي خواهيم از شباهت بين اشياء استفاده كنيم تا روند انتقال يادگيري را با انتقال دانش يك وظيفه به كار ديگر مشابه سرعت بخشيم. ""
چارچوب رشدي كه توسط پيت و همكارانش ارائه شده است ، با هدف ايجاد يادگيري مادام العمر و باز از مهارت هاي جديد در روبات ها از طريق فرايندي مشابه آنچه در كودكان انساني مشاهده مي شود ، است. براي دستيابي به اين هدف ، چارچوب آنها شامل يك حافظه بلند مدت است كه در آن روبات ها تجربيات خود را ذخيره مي كنند ، همچنين توانايي هاي استدلال را براي آنها فراهم مي كند تا عناصر مفيد را در داده هاي ذخيره شده خود شناسايي كنند.
"روش بهينه سازي بيزي به عنوان يك استراتژي" آزمايش و خطا "هوشمند عمل مي كند: روبات تخمين مي زند كه كدام مجموعه از پارامترها بهتر است بر اساس نتايج ارزيابي قبلي ارزيابي شود." "به طور خلاصه ، اين روش به طور مؤثر ربات را در كاوش پارامترهاي پيرامون مقادير مورد آزمايش قرار نمي دهد ، بلكه به سمت مقادير پتانسيل بالا هدايت مي كند."

 عليرغم كارآيي اين تكنيك ، محققان مي خواستند همگرايي يادگيري روبات را افزايش دهند تا بهينه سازي بهتري داشته باشند. از اين رو روش هاي بهينه سازي سنتي بيزي مطلوب نبودند ، زيرا با اين روش ، يادگيري ربات از ابتدا براي هر شي جديد كه با آن روبرو شود ، از ابتدا شروع مي شود. محققان براي پرداختن به اين محدوديت از استراتژي مبتني بر شباهت بينايي استفاده كردند.
اعتبار: پيت و همكاران.پيت گفت: "ما مي خواستيم از تجربه قبلي اين ربات براي كارهاي متفاوت اما مشابه استفاده كنيم." "بنابراين ، هنگامي كه با يك شي جديد روبرو مي شويم ، ما روبات را مجبور مي كنيم در ابتدا راه حل هايي را كه براي اشياء مشابه بهينه شده است كشف كند. به عنوان مثال ، اگر روبات مي داند چگونه يك پرتقال را بفهمد و حالا بايد سيب را بدست آورد ، ما روبات را مجبور مي كنيم تا سيب را با استفاده از استراتژي "گرفتن نارنجي" درك كنيد. ما با سؤال از ماژول شباهت بصري كه اشياء شبيه به موارد جديد هستند ، اين كار را انجام مي دهيم و بهترين راه حل ها را براي اين اشياء مشابه از حافظه بلند مدت استخراج مي كنيم . "
محققان چارچوب خود را در يك محيط شبيه سازي ارزيابي كردند. آنها دريافتند كه استراتژي يادگيري انتقال مبتني بر شباهت بصري بسيار سودمندتر از يادگيري فراموشي است ، كه در آن روبات ها هر بار كه وظيفه جديدي انجام مي دهند ، استراتژي ها را از ابتدا ياد مي گيرند.
تاكنون چارچوب هاي توسعه در وهله اول در چارچوب روباتيك اجتماعي مورد بررسي قرار گرفته است ، به عنوان مثال ، در شخصي سازي كمك هاي روبات هاي اجتماعي به نيازها يا ترجيحات كاربرانشان.
پيت گفت: "استفاده از اين چارچوب در مجموعه رباتيك صنعتي به نتايج قانع كننده اي منجر شد و اين بدان معني است كه زمينه هاي روباتيك اجتماعي و صنعتي براي آموختن چيزهاي زيادي از يكديگر دارند." "جنبه جالب ديگر مطالعه ما اين است كه چارچوب بهينه سازي يك الگوريتم" جعبه سياه "است ، به اين معني كه ما چيزي در مورد نحوه كار آن نمي دانيم. ما پارامترهايي را براي آن ارائه مي دهيم و در عوض ، نمره اي را براي دريافت مي كنيم كيفيت آنها. اين بدان معني است كه مي تواند براي برنامه ها و الگوريتم هاي مختلف (حتي خارج از زمينه رباتيك) نيز كه به تنظيم دقيق مكرر نياز دارند ، اعمال شود. "
http://socialnetworkadsinfo.com/story5719319/پمپ-وكيوم-آبي

هرگز فرض نكنيد مي توانيد آخرين خنده را در پيش بيني هاي آي بي ام داشته باشيد. در حقيقت ، بندرت تصور مي شود كه آي بي ام درباره راه هايي كه ممكن است فناوري به جلو حركت كند ، بي پايه است. نه اينكه IBM تنها صداي خردمند است كه مكث مي كند. اما در مارس ، IBM اين كلمه را پخش مي كرد كه مي ديد محاسبات كوانتومي در طي پنج سال جريان اصلي را طي مي كند .

IBM Research ويدئويي را با يادداشت هايي منتشر كرد كه مي گويد "محاسبات كوانتومي ديگر منحصر به جامعه علمي نخواهد بود ، بلكه در عوض توسط دسته هاي جديدي از متخصصان و توسعه دهندگان كه به دنبال اين روش نوظهور محاسبات هستند ، براي حل مشكلات كه زماني غيرقابل حل تلقي مي شوند ، مورد استفاده قرار خواهد گرفت."
علامت پنج ساله هنوز در تقويم خاموش است ، اما خوب ، اكنون زمان مناسب براي بازي سريع و به عقب ، مثل خيلي واقعي است. شركتهايي كه روي محاسبات كوانتومي متمركز شده اند از مردم مي خواهند بدانند كه چه مي آيد.
شان كاپيتان در شركت سريع ماهيت آنچه كه ممكن است از نظر محاسبات سنتي تغيير كند را آنگونه كه ما مي دانيم تغيير داده است. "تا همين اواخر ، محاسبات كوانتومي تا حد زيادي در زيرزمين هاي علمي اتفاق افتاده است - با سيستم هاي بزرگي كه در داخل كابينت هاي يخچال و فريزر در آزمايشگاه هاي دانشگاه و دولت قرار گرفته اند ، يا در كارهاي كوچك در شركت هاي غني از پول نقد مانند گوگل."
در ضمن ، اين ايده در بعضي از غول هاي فني از بين نمي رود تا به افراد ساده اجازه دهيد لاستيك هاي آينده را لگد بزنند. همه افراد از جمله غول هاي فناوري كه مي خواهند محاسبات كوانتومي را از آزمايشگاه بگيرند ، كسب مي كنند.

شركت Fast روز پنجشنبه گفت كه D-Wave ، IBM و Rigetti به عموم مردم اين امكان را مي دهند تا "برنامه هاي رايانه هاي كوانتومي مبتني بر ابر" را اجرا كنند.
( HPCwire : "Rigetti Computing در اوايل ماه سپتامبر خدمات Quantum Cloud Cloud خود (QCS) را راه اندازي كرد. IBM پخش كننده كوانتومي طولاني مدت با ارائه ابر خود ، IBM Q Experience را در سال 2016 راه اندازي كرد."))
HPCwire گفت ، "ايده هر سه شركت مشتركاً استفاده از ابر براي آموزش و زمان محاسبات كوانتومي براي تسريع در توسعه اكوسيستم كوانتومي محاسبات است ، به ويژه در بين توسعه دهندگان و كاربران ناآگاه از محاسبات كوانتومي."
كاپيتان گفت ، سرويس جديد آنلاين ، به نام D-Wave Leap ، به مواد آموزشي ، ابزار برنامه نويسي ، جامعه كاربر و 1 دقيقه كار با كامپيوتر كوانتومي در زمان واقعي دسترسي دارد. HPCwire گفت: "جلسه كوتاه خود در مورد Leap ، پيشنهاد كرد كه اين يك پلتفرم آسان و به آساني براي منابع تازه كار و افرادي كه در زمينه مفاهيم محاسبات كوانتومي داراي منابع بسياري هستند ، سرچشمه مي گيرد ."

http://socialrus.com/story5196221/پمپ-وكيوم-آبي