کوچکترین بازوی روباتیکی که توسط هوش مصنوعی کنترل میشود
تاریخ انتشار: ۲۸ آذر ۱۴۰۱ | کد خبر: ۳۶۶۴۸۹۵۹
محققان کوچکترین بازوی روباتیکی که میتوانید آن را تصور کنید را توسط هوش مصنوعی کنترل کردند. این بازو برای چیدمان اتمها با دقت بالا آموزش دیده است.
به گزارش گروه دانشگاه خبرگزاری دانشجو، محققان کوچکترین بازوی روباتیکی که میتوانید آن را تصور کنید را توسط هوش مصنوعی کنترل کردند. این بازو برای چیدمان اتمها با دقت بالا آموزش دیده است.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
در یک محفظه خلاء بسیار سرد، اتمهای منفرد نقره یک شبکه شبیه به ستاره را تشکیل میدهند. شکل گیری دقیق تصادفی نیست هرچند که مستقیم توسط دست انسان نیز ساخته نشده است. محققان از نوعی هوش مصنوعی به نام یادگیری تقویت عمیق برای هدایت اتمها استفاده کردند.
نتایج این پروژه در قالب مقالهای با عنوان دستکاری دقیق اتم از طریق یادگیری تقویتشده عمیق در نشریه Nature Communications به چاپ رسیده است. این روند شبیه به حرکت تیلهها در اطراف یک تخته چکرز چینی است، اما با موچینهای بسیار ریز و درشت، هر اتم به جای خود کشیده میشود.
هوش مصنوعی یاد میگیرد که اتمها را دقیق و کارآمد از طریق تعامل با محیط میکروسکوپ تونلزنی روبشی دستکاری کند. ایجو چین، از محققان این پروژه میگویدک «کاربرد اصلی یادگیری تقویت عمیق در روباتیک است.»
او توضیح میدهد: «ما با یادگیری عمیق، بازوهای رباتیک میسازیم. یادگیری تقویتشده در مواردی مانند بازی شطرنج یا بازیهای ویدیویی موفق است، اما ما آن را برای حل مسائل فنی در حوزه نانو استفاده کردیم.».
اما اصلا چرا دانشمندان علاقهمند به دستکاری دقیق اتمها هستند؟
ساخت دستگاههای بسیار کوچک بر اساس اتمهای منفرد مانند ترانزیستورها یا حافظه مهم است. چن میگوید آزمایش چگونگی و اینکه آیا این دستگاهها کار میکنند، یکی از کاربردهای این نوع دستکاری اتمی است. ساخت مواد جدید اتم به اتم، به جای روشهای شیمیایی سنتی، ممکن است خواص جالب مربوط به ابررسانا یا حالتهای کوانتومی را نشان دهد. چن میگوید: «حرکت دقیق اتمها حتی برای متخصصان سخت است. ما برای این منظور یادگیری تقویت عمیق موجود را به کار گرفتیم. این الگوریتم به ترتیب یک روز برای یادگیری و سپس حدود یک ساعت برای ساخت شبکه زمان نیاز داشت. بخش تقویتشده این نوع یادگیری عمیق با هدایت هوش مصنوعی از طریق پاداش برای اقدامات صحیح یا خروجی انجام میشود. به هوش مصنوعی هدف بدهید، او این کار را انجام میدهد. این سامانه میتواند مشکلاتی را که انسان از حل آن عاجز است را حل میکند.»
استفاده از این رویکرد برای دنیای مواد نانو جدید است. چن میگوید، با یادگیری ماشینی حوزه فناورینانو میتواند قدرتمندتر شوند، زیرا میتواند انتخاب پارامتر و آزمایش و خطا را که معمولاً توسط شخص انجام میشود تسریع کند. چن نتیجه میگیرد: «ما نشان دادیم که این کار میتواند کاملاً از طریق یادگیری ماشینی انجام شود.»
منبع: خبرگزاری دانشجو
کلیدواژه: بازوی رباتیکی هوش مصنوعی محققان روباتیک یادگیری تقویت هوش مصنوعی اتم ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت snn.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «خبرگزاری دانشجو» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۶۶۴۸۹۵۹ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
آزمونهای نهایی مبتنی بر ارزشیابی از یادگیری است
رئیس مرکز ارزشیابی و تضمین کیفیت نظام آموزشی وزارت آموزش و پرورش گفت: در طراحی سوالات امتحانات نهایی ارزشیابی از یادگیری مورد توجه است به طوری که دانشآموزان از حفظیات دور باشند.
به گزارش گروه اجتماعی خبرگزاری دانشجو محسن زارعی، معاون وزیر آموزش و پرورش درباره افت تحصیلی دانشآموزان در امتحانات نهایی اظهار داشت: این موضوع را نباید به صورت مقطعی و برشی بررسی کرد، شاید برداشت جامعه و آنچه که اتفاق افتاد، پس از اعلام میانگین نمرات آزمون نهایی پایه دوازدهم به این بود که این میانگین نشانگر افت تحصیلی است.
وی افزود: آموزش و پرورش بر این موضوع اصرار دارد که مبتنی بر شفافیت، وضعیت کنونی و نمای واقعی آموزش و پرورش را به نمایش بگذارد تا برای جبران کاستیها برنامهریزی کند.
رئیس مرکز ارزشیابی و تضمین کیفیت نظام آموزشی وزارت آموزش وپرورش اضافه کرد: شرایط مبتنی بر کیفیت آموزشی اینگونه است که وضعیت فعلی را به خوبی بشناسیم و با اعلام به جامعه برای رسیدن به وضعیت مطلوب برنامهریزی لازم و جبران صورت گیرد.
زارعی ادامه داد: آموزش و پرورش در این موضوع نمرات را شفاف اعلام کرد تا برنامهریزی مناسبی انجام شود و معلمان دست به دست هم دهند و شاهد ارتقای کیفیت آموزشی باشیم.
معاون وزیر آموزش و پرورش افزود: در موضوع افت تحصیلی دانشآموزان باید عوامل سهیم را در نظر بگیریم که بخشی به انگیزه دانشآموزان و بخشی هم به دورههای آموزشی گذشته مربوط میشود، زیرا این موضوع در یک دوره اتفاق نیفتاده است.
وی یادآور شد: اشکالی هم که وجود دارد این است که در دورههای مختلف تحصیلی، بازخوردی از وضعیت آموزش نداریم و یکباره این بازخورد را در پایان دوران تحصیل انجام میدهیم. این موضوع باید در دورههای مختلف بررسی شود که در زمان خود مداخلات لازم صورت گیرد.
زارعی درباره تاثیر دشواری سوالات در امتحانات نهایی بر افت تحصیلی دانشآموزان اظهار داشت: سوالات سخت شاخص دارد و شاخص هم ضریب دشواری است که در تحلیل آزمونها، شاهد دشواری سوالات نبودیم.
معاون وزیر آموزش و پرورش ادامه داد: آنچه در طراحی سوالات مبنا قرار دادیم این است که توجه و ارزشیابی از یادگیری صورت گیرد و توجه به مفاهیم باشد و دانش آموزان و کل فرایند آموزش جهتدهی به سمت یادگیری داشته و از حفظیات و محفوظات دور باشند.
زارعی یادآور شد: در نوبتهای قبل هم درصدی از سوالات مربوط به همین ارزشیابی از یادگیری متناسب با سطوح شناختی مختلف در سوالات امتحانات نهایی بوده است؛ بنابراین جمعبندی این نیست که سوالات سخت بوده است.