پروژه ماشین خودران گوگل برای اولین بار در سال ۲۰۱۰ کلید خورد و از آن زمان تاکنون این کمپانی راه طولانی را طی کرده است. ماشین‌های بدون راننده گوگل اکنون می‌توانند جاده‌ها را حتی در کنار دوچرخه‌سواران به آرامی طی کنند و همچنین قادر به تشخیص چراغ چشمک‌زن وسایل نقلیه اضطراری نیز هستند.

کمپانی مانتین ویوو چندان با تصادفات جاده‌ای بیگانه نیست. ماشین خودران گوگل در چند سال گذشته حوادث زیادی را پشت سر گذاشته و اکنون حادثه بزرگ دیگری گریبان این ماشین بدون راننده را گرفته است. البته لازم به ذکر است که ناوگان خودروی بدون راننده گوگل به ندرت در این چنین حوادث گیر افتاده، این برخورد بسیار شدید بوده است.

یک ماشین بدون راننده گوگل که یک لکسوس SUV بوده در هنگام عبور از خیابان با یک خودروی ون تجاری برخورد می‌کند، از شواهد اینگونه پیداست که مقصر اصلی راننده ون بوده است. گفته شده که این حادثه، یکی از بدترین حوادثی بوده که تاکنون یکی از تولیدات غول مانتین ویوو در آن دخیل بوده است. در تصویر زیر که در توئیتر به اشتراک گذاشته شده به خوبی می‌توانید ببینید که سمت راست این ماشین چگونه آسیب دیده است. آسیب‌هایی نیز به سپر و درب کاپوت ون نیز وارد آمده است. این تصادف در مانتین ویوو کالیفرنیا و در گوشه‌ای از چهارراهی به وقوع پیوست که خیابان‌های W El Camino و کالدرون را به هم وصل می‌کند.

به گفته شاهدان عینی این حادثه، کارکنان گوگل پس از این تصادف در کنار جاده به انتظار یک یدک‌کش ایستاده بودند. شاهدان به این نکته نیز اشاره داشته‌اند که ماشین بدون راننده گوگل در این تصادف مقصر نبوده و این راننده ون است که با بی‌احتیاطی کامل از خیابان عبور می‌کرد. کمپانی گوگل تاکنون هیچ واکنشی به این حادثه انجام نداده است؛ اما به ‌احتمال زیاد این کمپانی در گزارش ماهیانه آزمایشات مربوط به ماشین‌های خودران خود این موضوع را نیز ذکر خواهد کرد. این گزارش احتمالا در آغاز ماه اکتبر منتشر خواهد شد.

فقر جوامع، یکی از بزرگ‌ترین معضلات دنیای امروزی است. فقر نشانه‌های بسیاری دارد اما شاید برایتان جالب باشد که بدانید یکی از روش‌های جدید برای شناخت مناطق محروم، بررسی چهره این مناطق از فضا است. چیزی که به خوبی در تصاویر ماهواره‌ای پدیدار است.

همه می‌دانند که هر چه مناطق بیشتری در شب از نور برخوردار باشند، توسعه‌یافته‌تر و غنی‌تر هستند. محققان از این شیوه برای تخمین فقر در مناطقی استفاده کردند که داده‌های دقیقی از آن‌ها در دست نیست. البته برآوردها براساس نور شب بیشتر بر پایه حدس هستند و اطلاعات زیادی در مورد تفاوت ثروت در میان اقشار بسیار فقیر ارائه نمی‌کنند. این تکنیک تصویربرداری می‌تواند کار سازمان‌های امدادرسانی را برای شناسایی مناطق نیازمند کمک تسهیل کرده و حتی به دولت‌ها برای توسعه سیاست‌های بهتر کمک کند.

دانشمندان دانشگاه استنفورد به یک رایانه، سه منبع داده شامل تصاویر نور شب، تصاویر روز و اطلاعات پیمایشی واقعی را ارائه کردند تا الگوریتمی را برای پیش‌بینی میزان غنی یا فقیر بودن مناطق ایجاد کنند. این روش که در مجله ساینس منتشر شده، توانسته فقر را به جزئیات بیشتری نسبت به روش‌های پیشین برآورد کند.

ساخت این الگوریتم شامل یک فرآیند دومرحله‌ای موسوم به “یادگیری انتقال” بود. در مرحله اول، دانشمندان تصاویر روز و شب پنج کشور آفریقایی اوگاندا، تانزانیا، نیجریه، مالاوی و رواندا را به یک شبکه عصبی رایانه‌ای نشان دادند. آن‌ها با استفاده از تکنیک‌های یادگیری عمیق، به رایانه آموزش دادند تا محل نورهای شبانه را با نگاه کردن به تصاویر روز و جستجو برای ارتباط آنها پیش‌بینی کنند.

این مدل برای مثال یاد گرفت که اگر تعداد خانه بیشتری در یک منطقه باشد، احتمالا نور بیشتری در شب تولید می‌کند. محققان با آموزش دادن به رایانه‌ها در مورد این‌که کدام ویژگی‌های روز با نور شبانه مرتبط است، می‌توانند پیش‌بینی بهتری در مورد مناطق فقیر داشته باشند.

آن‌ها در مرحله دوم از یک مدل متفاوت موسوم به مدل رگرسیون خط‌الراس استفاده کردند. این مدل از قبل ارتباط بین ویژگی‌های منطقه و نور را می‌داند. دانشمندان سپس اطلاعات بیشتری به آن ارائه کردند که شامل داده‌های پیمایشی واقعی از خدمات بهداشت جمعیتی و مطالعه ارزیابی استانداردهای زندگی بانک جهانی بودند. البته این مدل به تنهایی برای سنجش فقر در یک شهر سودمند نبود.

گام بعدی محققان، آموزش این الگوریتم برای بررسی کشورهای دیگر به منظور نقشه‌برداری بهتر از فقر جوامع در سراسر جهان است.

به گزارش مهر، محققان دانشگاه ام‌آی‌تی آمریکا تکنیک جالبی را در پنجره‌ها توسعه داده‌اند که بدون استفاده از کرکره یا پرده می‌توان به سرعت در صورت نیاز شیشه‌ها را مات کرد.

در این شیوه از مواد الکتروکرومیک که برای تغییر فوری رنگ شیشه از حالت شفاف به تقریبا مشکی با استفاده از جریان الکتریسیته استفاده می‌شود، استفاده شده است.

البته این برای اولین بار نیست که چنین روشی برای مات کردن پنجره‌ها به کار گرفته می‌شود اما به گفته محققان دانشگاه ام‌آی‌تی، دستاورد جدید آن‌ها در مقایسه با سایر روش‌های فعلی بسیار زودتر و با مصرف انرژی کمتری تغییر وضعیت رنگ شیشه پنچره را انجام می‌دهد.

در سایر شیوه‌ها تغییر حالت رنگ شفاف پنجره به مات، چند دقیقه زمان می‌برد و در بعضی از شیوه‌ها پنجره‌ها چندان مات هم نمی‌شوند، ضمن این‌که در روش‌های فعلی، جریان ولتاژ برق باید برای مات نگه داشتن پنجره به صورت مستمر برقرار باشد که این روند مصرف انرژی را افزایش می‌دهد.

در روش جدید فقط زمانی‌که پنجره به حالت مات تغییر وضعیت پیدا می‌کند، جریان الکتریسیته نیاز است. 

محققان آمریکایی در چهارچوب پنجره‌ها از موادی شبیه به اسفنج با نام «متال اورگانیک» استفاده می‌کنند که موجب ایجاد رسانای سریع بین الکترون‌ها و یون‌ها می‌شود. 

در واقع از جریان برق برای ایجاد شارژ منفی در پنجره و از یون‌های مثبت برای خنثی کردن جریان استفاده می‌شود و این فرآیند باعث تغییر رنگ می‌شود. به عبارت دیگر دو رنگ سبز و قرمز با هم ترکیب می‌شوند و رنگ تقریبا مشکی برای مات کردن پنجره به وجود می‌آید.

منبع: بیتوته

محققان موفق به ساخت اولین کامپیوتر کوانتومی شدند. این کامپیوتر نه‌ تنها می‌تواند مثل بقیه‌ی کامپیوترهای معمولی برنامه‌ریزی شود بلکه قابلیت برنامه‌ریزی مجدد را نیز دارد. این کامپیوتر کوانتومی تنها از پنج اتم ساخته شده، که گام بزرگی به سوی ساخت کامپیوترهای کوانتومی مقیاس‌پذیر به حساب می‌آید، که می‌تواند باعث تغییر پردازش داده‌های امروزی شود.

 کامپیوترهای کوانتومی که از واحدهای اطلاعاتی به نام بیت «bits» تعریف شده‌اند، به طور فزاینده‌ای بسیار قدرتمندتر از کامپیوترهای امروزی می‌باشند. از سوی دیگر پردازنده‌های کوانتومی از واحدی به نام کیوبیت ساخته شده، که می‌تواند یک “۱”، “۰”، یا هر دو را در یک زمان داشته باشد. در پردازش کوانتومی یک کیوبیت یا بیت کوانتومی واحد پایه‌ای پردازش کوانتومی و رمزنگاری کوانتومی بوده و مشابه بیت در رایانه‌های کلاسیک می‌باشد در یک سامانه کلاسیکی، هر بیت در هر لحظه یا در حالت صفر و یا در حالت یک است، کیوبیت ها می‌توانند در هر لحظه صفر، یک، هر دوی آنها یا هر عددی بین آنها را اختیار کنند.

به علاوه چنین قابلیتی، کامپیوتر های کوانتومی می‌توانند همه این داده‌های گوناگون را در یک زمان پردازش کنند چون محدودیت تنها دو حالت صفر و یک وجود ندارد. در واقع در رایانش کوانتومی به جای پردازش به صورت سری، پردازش موازی انجام شده و زمانی که کاربر به اندازه‌گیری مقدار می‌پردازد تنها یکی از حالت‌های ممکن که احتمال بیشتری از سایرین دارد به نمایش در می‌آید. چنین کاری باعث افزایش سرعت پردازش مسائل، در رایانه‌های کوانتومی به اندازه چندین میلیون برابر رایانه‌های کلاسیک باشد. در واقع همین پدیده، تفاوت اصلی بین بیت‌های کلاسیک و کیوبیت‌ها است.

در گذشته دستگاه‌های محاسباتی کوانتومی، ساخته شده بود، که بسیاری از اینها برای رفع هر مشکلی، غیرقابل تعویض بودند، و هر برنامه‌ریزی مجدد، نیاز به محاسبات فیزیکی پیچیده داشت. این کامپیوتر کوانتومی جدید متفاوت از  رقبای پیشین خود است، چرا که قابلیت برنامه‌ریزی مجدد را دارد، و در حال حاضر توانسته سه الگوریتم را در یک مرحله حل کند، چیزی که تقریبا چند برابر کارایی کامپیوترهای معمولی می‌باشد.

این دستگاه جدید که یک ماژول محسوب می‌شود، از پنج یون ساخته شده که توسط یک میدان مغناطیسی، به دام افتاده‌اند. این یون‌ها، کیوبیت‌های کامپیوتر کوانتومی را تشکیل می‌دهند، و محققان می‌تواند آنها را در یکی از سه حالت‌های کوانتومی “۱” ، “۰”  و یا انطباقی (ترکیبی) قرار دهند.

در این مرحله محققان تلاش می‌کنند حالت این کیوبیت ها را تغییر دهند، تا به شکل ثابت سابق خود باقی بمانند. اما محققان مریلند، حالت آنها را با استفاده از نرم‌فزار‌های قدیمی ترکیب دادند. این نرم‌افزار برای تغییر پنج کیوبیت متفاوت، از یک هدایتگر لیزری بهره می‌برد. با تاباندن لیزر بر روی این یون‌های به دام افتاده، دستگاه می‌تواند آنها را به یک حالت کوانتومی مختلف حرکت دهد، که به‌طور موثری مجددا باعث تغییر برنامه می‌شود.

محقق شانتانو می‌گوید:

با کاهش یک الگوریتم به یک سری از پالس‌های لیزری که باعث فشار روی یون‌های مناسب می‌شود، ما می‌توانم سیم‌کشی این کیوبیت‌ها را، از بیرون پیکربندی کنیم، که موجب بروز مشکل نرم‌افزاری می‌شود، ولی هیچ معماری محاسبات کوانتومی دیگری، این انعطاف‌پذیری را ندارد.

در واقع بهترین بخش این ماژول این است که می‌توان آن را به ماژول دیگر، با انتقال دادن یون‌ها، و یا با استفاده از فوتون برای انتقال اطلاعات بین آنها، متصل کرد، که نشان‌دهنده‌ی مقیاس‌پذیری این سیستم است. با اتصال مستقیم هر جفت از کیوبیت‌ها، می‌توان با پیکر‌بندی سیستم هر الگوریتمی را اجرا کرد.
این نرم‌افزار تا ۹۸ درصد در برنامه‌ریزی این ماژول، دقیق بود. این تیم فعلا بر روی اضافه کردن کیوبیت های بیشتر به ماژول خود‌کار، تلاش می‌کنند. انتظار می‌رود بتوانند این تعداد را بالای ۱۰۰ برسانند، در نهایت منجر به ساخت کامپیوتر کوانتومی می‌شود که مثل گوشی موبایل، بدون نیاز به برنامه‌ریزی مجدد کوانتومی، استفاده شود.

منبع: گجت‌نیوز