بایگانی سال : 2016

به گزارش دیلی میل، این شارژر جدید که Qualcomm Quick Charge 4.0 نام دارد، تنها در عرض پنج دقیقه می‌تواند گوشی‌های هوشمند را به مدت پنج ساعت شارژ کند.
ایده طراحی و تولید این شارژر از آنجایی به ذهن سازندگان آن رسید که میزان اتلاف انرژی در نسخه‌های قبلی شارژرها را از بین برده و اجازه گرم شدن بیش از حد را به گوشی‌های هوشمند نمی‌دهند.
این شارژر نسبت به نسخه‌های قبلی از سرعت بیشتری برای شارژ گوشی‌های هوشمند برخوردار بوده و همچنین طی فرآیند شارژ داغ نشده و خنک می‌ماند.
شارژر Quick Charge 4 در مقایسه با شارژرهای Quick Charge 3.0 20 درصد سرعت بیشتری داشته و در حدود ۳۰ درصد از بهره‌وری بالاتری برخوردار است. 
این شارژر با تمام گوشی‌ها و پردازنده های مختلف سازگار است.
از مزایای Quick Charge 4 این است که از کمترین زمان برای بیشترین میزان شارژ بهره گرفته و با جلوگیری از داغ شدن باتری به افزایش عمر باتری‌ گوشی‌های هوشمند کمک می‌کند.
اگر همه چیز طبق برنامه ریزی پیش برود، Quick Charge 4 تا نیمه اول سال ۲۰۱۷ تجاری سازی شده و روانه بازار خواهد شد.
 

منبع: baharnews.ir

در تحقیق جدید دانشمندان موسسه اسمیتسونیان و کشورهایی مانند ایالات متحده، آلمان و روسیه با استفاده از نقشه‌برداری با وضوح بالا نقشه نیمکره جنوبی عطارد را با کمک عکسبرداری‌های فضاپیمای مسنجر ناسا ترسیم کرده‌اند.این سیاره همچون میوه‌های خشک شده با دره‌های عمیق در حال انقباض است.سرپرست این تحقیق توماس واترز اظهار کرد: برای درک بهتر این موضوع عطارد با زمین مقایسه شد. پوسته زمین از لیتوسفر (سنگ‌کره) تشکیل شده و دارای صفحات تکتونیکی است و نمونه‌هایی از لیتوسفر زمین صفحات اقیانوسی و قاره‌ای هستند، اما عطارد چنین صفحاتی ندارد و نتیجه آن سرد شدن و انقباض هسته و درون سیاره است که تحت این عوامل پوسته آن مچاله می‌شود.به تازگی دره‌ای با عرض ۴۰۰ کیلومتر در حوضه رامبراند یکی از بزرگترین و تازه‌ترین حوضه‌های عطارد گسترش یافته و بزرگترین گسل این سیاره را ایجاد کرده است، البته چنین گسل‌هایی بر روی ماه نیز مشاهده شده که شاید حاکی از کوچک شدن آن باشد.

منبع: baharnews.ir

روزنامه «دنیای اقتصاد» افزود: اختراع و ساخت دستگاهی که مانند انسان‌ها قدرت بینایی داشته باشد کار بسیار سختی است، نه فقط به‌ این علت که به کامپیوتر دستور بدهیم آن را انجام دهد، بلکه هنوز چگونگی انجام این کار در قدم اول را هم بلد نیستیم. پروسه‌ای که رخ می‌دهد تقریبا به این شکل است: تصویر توپ از چشم شما عبور می‌کند و با شبکیه چشم شما برخورد می‌کند و شبکیه پس از انجام چند آنالیز اولیه آن را به مغز ارسال می‌کند و قشر بینایی آنالیزهای عمیق‌تری روی آن انجام می‌دهد. پس تصاویر را به بخش‌های دیگر قشر بینایی انتقال می‌دهد تا در آنجا تصویر را با هرآنچه که تا حالا مغز شناخته است، مقایسه ‌کند و سپس با توجه به ابعاد و ظاهر شیء، آن را دسته‌بندی می‌کند و تشخیص می‌دهد که آن جسم چیست، حدودا چقدر وزن دارد و در ادامه مغز تصمیم به انجام کاری (واکنشی) می‌گیرد: دستتان را بلند می‌کنید و توپ را می‌گیرید. این عکس‌العمل به‌صورت ناخودآگاه و در پروسه دوم اتفاق می‌افتد و هیچ‌وقت خطایی در آن رخ نمی‌دهد. بنابراین شبیه‌سازی مراحل دیدن تصاویر از سوی انسان مشکل اصلی نیست، بلکه مشکل مجموعه‌ این مراحل است که عملکرد هرکدام به بخش دیگری وابسته است. تا به‌حال کسی این مراحل را ساده تلقی نکرده است. البته به‌جز «ماروین مینسکی» نابغه‌ تکنولوژی Al (هوش مصنوعی) که در سال ۱۹۶۶ به یک دانش‌آموز دیپلمه چگونگی اتصال دوربین به کامپیوتر را آموزش داد و از او خواست که مراحل را شرح دهد. آن نوجوان امروز ۵۰ سال سن دارد و می‌گوید هنوز درحال کارکردن روی آن موضوع است! مطالعات جدی در این زمینه از دهه ۵۰ و در سه بخش کلید خورد: ساخت چشم (سخت)، ساخت غشای بصری (خیلی سخت) و ساخت دیگر مراحل مغز (سخت‌ترین مرحله‌ای که تا به‌حال دیده شده). دیدن خلق یک چشم جدید، مرحله‌ای‌ است که بیشترین پیشرفت را در آن داشته‌ایم. در طول چند دهه گذشته، سنسورها و پردازشگرهای تصویری را خلق کرده‌ایم که به شکلی با توانایی‌های انسان قابل رقابت است. با وجود لنزهای اپتیکال بی‌نقص‌ و پیکسل‌های ساخته شده با دقت نانومتری، دقت و حساسیت دوربین‌های جدید را باید شگفت‌انگیز بنامیم. دوربین‌های جدید قادرند هزاران تصویر را در کسری از ثانیه ثبت کنند و فاصله را با دقت بالایی تشخیص دهند. به‌رغم وضوح بالای خروجی‌های این دوربین‌ها، هنوز تفاوت چشمگیری نسبت به دوربین‌های سوراخ سوزنی قرن ۱۹ مشاهده نمی‌کنیم. بهترین سنسور دوربین شناخته شده قادر به تشخیص یک توپ نبود، چه برسد به ارسال دستور برای گرفتن آن. به معنای دیگر سخت‌افزار بدون نرم‌افزار کاملا محدود است. این مساله خود مشکل بزرگ‌تری به حساب می‌آید. اما به لطف تکنولوژی دوربین‌های مدرن، سیستم غنی و انعطاف‌پذیری برای انجام کارهایمان فراهم شده است. توضیح دادن اینجا جای مناسبی برای توضیح و کالبدشکافی اعصاب نیست، اما کافی است که بگوییم بیشتر قسمت‌های مغز برای مراحل دیدن استفاده می‌شود و مغز انسان با دیدن و صحبت کردن تکامل پیدا می‌کند البته این ویژگی شامل سلول‌ها نیز می‌شود. میلیاردها سلول وظیفه دارند که الگوها را از سیگنال‌های شلوغ و بهم ریخته‌ شبکیه خارج کنند. در صورت وجود کنتراست در طول یک خط یا زاویه خاص یا حرکت سریع اشیا در جهت خاص، حسگرهای چشم تحریک می‌شوند. شبکه‌های نرونی سطح بالاتر، این الگوها را مانند حلقه‌ درحال حرکت به سمت بالا به الگوهای بزرگ‌تری تبدیل می‌کنند. سپس شبکه‌ دیگری از نرون‌ها نیز با آنها هماهنگ می‌شود. این حلقه به رنگ سفید و دارای خط‌هایی به رنگ قرمز است و تصاویر با جزئیات کامل‌تری از این مواد اولیه به‌وجود می‌آیند. این فرمول برای چند شیء در فضای تحت کنترل قابل اجرا بود. اما تصور کنید که می‌خواهید تمام اشیای اطرافتان را به این شکل تعریف کنید، با زوایای مختلف با درجه نوردهی و حرکت متغیر و صدها ویژگی متفاوت دیگر. واضح است برای رسیدن به نوپا ترین درجه از این نوع شناخت، نیازمند حجم عظیمی از داده‌ها هستیم. نگرش «ساخت از ابتدا تا انتها» با تقلید از آنچه در مغز یافته شده، امیدوارکننده‌تر است. یک کامپیوتر قادر به اجرای یکسری تغییرات روی تصویر است و می‌تواند لبه‌های جسم را تشخیص دهد و همچنین روی اشیایی تغییر ایجاد کند که در یک تصویر آن را مشخص کرده‌ایم. این مراحل شامل مقدار عظیمی از معادلات ریاضی و آمار است که در کامپیوتر به اطلاعات تبدیل می‌شوند. کامپیوتر اشیایی را که مشاهده می‌کند با اشکالی که برای شناسایی در اختیار دارد تطبیق می‌دهد. به روشی که مغز ما همین پروسه را انجام می‌دهد. دانشمندان درحال کار روی اسمارت‌فون‌ها هستند که آنها را قادر سازند اشیایی که از دریچه دوربین دیده می‌شوند را تشخیص دهند و این کار را با نمایش دادن اسامی اشیای درون محیط، روی تصویر انجام می‌دهند. در اینجا نمونه تصویری از یک خیابان با لیبل‌های به شکل نمونه اولیه داریم. در سال‌های اخیر به دلیل نیاز به حجم عظیمی از محاسبات، ساخت و به‌کارگیری شبکه‌های عصبی مصنوعی غیرعملی شده‌است و همچنین شاهد پیشرفت‌های جدی در زمینه محاسبات موازی بوده‌ایم و در این سال‌ها هجوم دانشمندان به سمت استفاده از سیستم‌های تقلیدی مشابه سیستم مغز انسان افزایش یافته است. مراحل شناسایی الگوها نیز هر روز در حال سرعت گرفتن است و همواره شاهد پیشرفت‌هایمان در این زمینه هستیم. درک کردن شما می‌توانید سیستمی طراحی کنید که هر نوع سیبی را در هر زاویه‌ای، درحال حرکت یا ثابت تشخیص دهد حتی به شکل گاز گرفته شده، اما این سیستم قادر به تشخیص پرتغال نخواهد بود! به همین دلیل سیستم نمی‌تواند به شما بگوید سیب چیست؟ آیا قابل خوردن است؟ سایز آن چقدر است؟ یا اینکه چه کاربردی خواهد داشت؟ مشکل اینجا است که نرم‌افزارها و سخت‌افزارها بدون داشتن سیستم‌عامل، کاربرد زیادی برای شما نخواهند داشت. این سیستم‌عامل برای ما، همان بخش باقیمانده مغزمان است که شامل حافظه کوتاه‌مدت و بلندمدت، ورودی‌های به‌دست آمده از حواس مختلف، توجه و شناخت و میلیاردها درس مختلف به‌دست آمده از تریلیون‌ها تعامل شکل گرفته با دنیا است که با الگویی غیرقابل فهم نوشته شده‌اند. این بخش‌ها جهت استفاده شبکه متصل و پیچیده نورون‌های عصبی تشکیل شده‌اند که خود این شبکه نورون‌ها پیچیده‌تر از هرچیزی است که تا به‌ حال با آن برخورد کرده‌ایم. ما در مرز علم کامپیوتر و به‌طور عمومی‌تر، در مرز علم هوش مصنوعی قرار داریم که متاسفانه تنها در حال چرخیدن به دور خودمان هستیم. با وجود دانشمندان کامپیوتر، مهندسان، روانشناسان و دانشمندان علوم اعصاب، به سختی می‌توانیم تعریف ساده‌ای از کاربرد مغزمان داشته‌ باشیم و بدتر اینکه حتی قادر به شبیه‌سازی آن هم نیستیم اما این به آن معنا نیست که علم در بن‌بست قرار گرفته‌ باشد. آینده بینایی کامپیوتر در ساخت سیستم‌های قوی و تخصصی است که از طریق سیستم‌های گسترده‌تری که تمرکز خود را روی مفاهیم پیچیده‌ای همچون «درک مفهوم»، «تمرکز» و «عمل کردن» قرار داده‌اند، به وجود می‌آیند. با این وجود، بینایی کامپیوتر حتی در ابتدایی‌ترین مرحله خود، باز هم خارق‌العاده عمل می‌کند. در دوربین‌ها، قادر به تشخیص چهره و لبخند است. در ماشین‌های بدون سرنشین، قادر به خواندن علائم ترافیکی و دیدن رهگذران است. در ربات‌های موجود در کارخانه‌ها، قادر به نظارت بر دستگاه‌ها و حرکت در میان کارکنان کارخانه است. برای رساندن سطح بینایی کامپیوترها به سطح و کیفیت انسانی، راه بسیار طولانی در پیش داریم، اما با توجه به حجم عظیم و پیچیدگی این تکنولوژی، همین که کامپیوترها تا به امروز قابلیت دیدن دارند جای شگفتی دارد.

منبع: baharnews.ir

بهرخ خوشنویس، مجری طرح و استاد دانشـگاه کالیفرنیای جنوبی با بیان اینکه امروزه بسیاری از وسایل و تجهیزات مورد نیاز انسان به صورت اتوماتیک تولید می‌شود،‌ اظهار کرد: امروزه وسایلی چون کفش، کیف، وسایل خانگی و خودروها به صورت اتوماتیک تولید می‌شود و تنها موردی که همچنان به صورت دستی ساخته می‌شود، ساختمان و سازه است. وی ساختمان‌سازی را از جمله صنایع خطرآفرین توصیف کرد و ادامه داد: هرساله تعداد زیادی از افراد فعال در این صنعت جان خود را از دست می‌دهند به گونه‌ای که سالیانه در دنیا ۶۰ هزار نفر در بخش ساختمان سازی از دنیا می‌روند. خوشنویس، ساختمان‌سازی را شغلی گران دانست و یادآور شد: علاوه بر آن پیشرفت آن با کندی صورت می‌گیرد و در مواقعی چون زلزله، جنگ و سیل که مردم خانه‌های خود را از دست می‌دهند، نیاز به زمان زیادی برای بازسازی و ترمیم آنها مورد نیاز است. این محقق با تاکید بر ضرورت ایجاد سیستم‌های اتوماتیک در ساختمان‌سازی از اجرای پروژه تحقیقاتی در این زمینه خبر داد و افزود: یک فناوری مناسب برای آینده در این زمینه روش ساخت کانتوری (Contour rafting) است که در دو دهه گذشته مورد مطالعه قرار گرفته است. با استفاده از این فرایند یک ساختمان یا مجموعه‌ای از ساختمان‌ها را می‌توان با تمام اجزای آن از جمله فضاهای لوله‌کشی و برق‌کشی به صورت خودکار ساخت. تصویر شماتیک از ساختمان‌سازی اتوماتیک وی، اساس این طرح را پرینترهای سه‌بعدی دانست و اظهار کرد: برای این منظور پرینترهای سه‌بعدی طراحی و ساخته شد تا از این طریق به طور اتوماتیک ساختمان‌های مورد نظر ساخته شود. به گفته این استاد کالیفرنیای جنوبی با استفاده از این روش می‌توان ساختمان‌های ۲۰۰ متری را در مدت یک ساعت ساخت. خوشنویس با تاکید بر اینکه این فناوری از مزایای فوق‌العاده انرژی و زیست محیطی برخودار است،‌ خاطرنشان کرد: فاز اول این پروژه را بر روی ساختمان‌های کوچک آغاز کردیم و امیدواریم با توسعه آن این فناوری را در ایران اجرایی کنیم.  مجری طرح از فاز توسعه‌ای این طرح خبر داد و در این باره توضیح داد: با همکاری ناسا در حال توسعه این روش برای ساخت ساختمان در کرات دیگر مانند ماه و مریخ با استفاده از مواد موجود در این کرات هستیم. تصویر سه‌بعدی از ساخت سازه اتوماتیک در مریخ به گزارش ایسنا دکتر بهرخ خوش‌نویس، استاد دانشگاه کالیفرنیای جنوبی و عضو آکادمی علوم اتحادیه اروپا است. وی تاکنون بالغ بر ۱۶۰ عنوان انتشار فنی و تعدادی ثبت اختراع بین‌المللی را در کارنامه خود دارد.خوشنویس همچنین عضو مفاهیم پیشرفته نوآوری ناسا، مؤسسه مهندسی کامپیوتر و انجمن شبیه‌سازی کامپیوتری است. وی با ارائه نوآوری در زمینه ساخت سازه‌های ساختمانی به صورت خودکار که به ساخت کانتوری معروف است، قابلیت‌های ویژه‌ای را در زمینه ساخت سازه‌های فضایی و فرا زمینی بوجود آورده است.

منبع: baharnews.ir

کشف دانشمندان بخشی از بررسی استراتژیک با استفاده از دوربین Hyper Suprime-Cam تلسکوپ سوبارو است.این کهکشان که Virgo I نام دارد، در مسیر صورت‌فلکی سنبله قرار گرفته است.کهکشان Virgo I در قدر مطلق منفی ۰٫۸ باند موج نوری قرار دارد و کم‌نورترین کهکشان قمری شناخته‌ شده تاکنون است. کشف این کهکشان نشان‌دهنده وجود تعداد زیادی کهکشان قمری کوتوله در دامنه کهکشان راه شیری بوده و درک مهمی در مورد شکل‌گیری کهکشان از طریق تجمع سلسله مراتبی از ماده تاریک ارائه می‌کند. تاکنون حدود ۵۰ کهکشان قمری در کهکشان راه شیری شناسایی شده‌اند که حدود ۴۰ مورد از آنها کم‌نور و پراکنده بوده و به گروهی موسوم به کهکشان‌های کروی کوتوله تعلق دارند. بسیاری از کهکشان‌های کوتوله تازه کشف شده بویژه نمونه‌های قابل مشاهده در بررسی‌های فتومتریک سیستماتیک مانند بررسی دیجیتال آسمان اسلوآن و بررسی انرژی تاریک بسیار کم‌نور و دارای درخشندگی مطلق در باند موج نوری زیر قدر مطلق منفی ۸ هستند.این‌ها همان کهکشان‌های کوتوله فوق کم‌نور هستند که با تلسکوپ‌های با قطر ۲٫۵ تا چهار متر سابق دیده نمی‌شدند. کم‌نورترین کهکشان‌های قمری کشف شده تا پیش از این Segue I و Cetus II بودند که دومی هنوز تایید نشده است.کهکشان قمری که Virgo I در فاصله ۲۸۰ هزار سال نوری از خورشید قرار دارد و کهکشان به این دوری با درخشش بسیار کم تا پیش از این شناخته نشده بود.جزئیات این تحقیق در مجله Astrophysical منتشر شده است.

منبع: baharnews.ir