• فناوری
  • سرگرمی
همچنین در ناتیلوس بخوانید


نوبل فیزیک ۲۰۲۴ به کاشفان الگوها در اطلاعات رسید


شاهکار دانشمندان ایرانی برای کمک به محیط زیست؛ زباله‌ را تبدیل به طلا کردند
آیا فواید خوردن پوست پرتقال را می دانید؟
آیا هزینه فوتی‌های آلودگی هوا ۷ برابر درآمد نفتی ایران است؟
شیک ترین مدل سرویس طلا ایتالیایی: ترکیبی از هنر و ظرافت
تصاویرجالب و دیدنی؛ حمایت گسترده جهانی از مقاومت ضداسرائیلی در سالگرد هفتم اکتبر
هوش مصنوعی ذهن‌ خوان ساخته شد
آیا شوره سر برای مو مضر است؟
لیبرالیسم محافظه کار چیست؟
همه چیز درباره کپسول سایمتیکون و موارد مصرف آن
پرسپولیس در پلی استیشن هم قهرمان آسیا نشد!
شیک ترین مدل لباس های تولد پسر بچه ها
مرسدس بنز ترمز جدیدی را اختراع کرد
تابلویی از رنگ‌های گوناگون در «سحابی کالیفرنیا» در عکس روز ناسا
آناتومی
دعاها و ذکرهایی برای جلوگیری از سقط جنین
جراحی آندولازر برای واریس چیست و چه فوایدی دارد؟
قلم طنزآمیز مهدی عزیزی؛ نگاهی به کاریکاتورهای اجتماعی و سیاسی
فوری و بدون دردسر؛ راهکارهای ساده برای اجابت مزاج سریع
کاربردهایی جالب کاغذ مومی در خانه داری
تصاویر جذاب و دیدنی؛ از انتخابات ایران تا انگلیس
نوبل فیزیک ۲۰۲۴ به کاشفان الگوها در اطلاعات رسید
Download Search mbnews97344 سه شنبه 17 مهر 1403 بازدید: 149
نوبل فیزیک ۲۰۲۴ به کاشفان الگوها در اطلاعات رسید

نوبل فیزیک ۲۰۲۴ به کاشفان الگوها در اطلاعات رسید

نمونه رزومه کاری,سوالات مصاحبه استخدامی,اخبار روز اخبار,اخبار علمی,اخبار آموزشی,رزومه کاری,فرم رزومه اخبار علمی جدید,اخبار علمی روز




نوبل فیزیک،اخبار علمی،خبرهای علمی
جایزه نوبل فیزیک ۲۰۲۴ به جان اچ‌.هاپفیلد و جفری ای.هینتون اهدا شد.

به گزارش ایسنا، کمیته نوبل، جایزه نوبل فیزیک امسال را به جان اچ‌.هاپفیلد و جفری ای.هینتون به پاس اکتشافات بنیادی و ابداعاتی که یادگیری ماشینی با شبکه عصبی مصنوعی را ممکن ساخت، اهدا کرد.

 

این دو دانشمند از فیزیک برای یافتن الگوهایی در اطلاعات استفاده کردند. آنها با استفاده از فیزیک شبکه‌های عصبی مصنوعی را آموزش دادند.

 

یادگیری ماشینی برای مدت طولانی در  پژوهش‌ها از جمله مرتب‌سازی و تجزیه و تحلیل حجم وسیعی از داده‌ها، اهمیت داشته است. جان هاپفیلد (John Hopfield) و جفری هینتون Geoffrey Hinton از ابزارهای فیزیک برای ساختن روش‌هایی استفاده کردند که به پایه‌گذاری یادگیری ماشینی قدرتمند امروزی کمک کرد. یادگیری ماشینی مبتنی بر شبکه‌های عصبی مصنوعی در حال حاضر انقلابی در علم، مهندسی و زندگی روزمره ایجاد کرده‌اند.

 

دو برنده جایزه نوبل فیزیک امسال از ابزارهای فیزیک برای توسعه روش‌هایی استفاده کرده‌اند که پایه و اساس یادگیری ماشینی قدرتمند امروزی است. جان هاپفیلد یک تداعی معانی (associative memory) ایجاد کرد که می‌تواند تصاویر و انواع دیگر الگوها را در داده‌ها ذخیره و بازسازی کند.

 

جفری هینتون روشی را ابداع کرد که می‌تواند به طور مستقل ویژگی‌ها را در داده‌ها پیدا کند و بنابراین کارهایی مانند شناسایی عناصر خاص در تصاویر را انجام دهد.

 

وقتی سخن از هوش مصنوعی به میان می‌آید، اغلب منظورمان یادگیری ماشینی با استفاده از شبکه‌های عصبی مصنوعی است. این فناوری در اصل از ساختار مغز الهام گرفته شده است. در یک شبکه عصبی مصنوعی، نورون‌های مغز با گره‌هایی نشان داده می‌شوند که ارزش‌های متفاوتی دارند. این گره‌ها از طریق اتصالاتی که می‌توانند به سیناپس‌ها متصل شوند، روی یکدیگر تاثیر می‌گذارند و می‌توانند قوی‌تر یا ضعیف‌تر شوند. شبکه به طور مثال با ایجاد ارتباطات قوی‌تر بین گره‌ها به طور همزمان آموزش داده می‌شود. برندگان امسال کارهای مهمی را با شبکه‌های عصبی مصنوعی از دهه ۱۹۸۰ به بعد انجام داده‌اند.

 

جان هاپفیلد شبکه‌ای اختراع کرد که از روشی برای ذخیره و بازآفرینی الگوها استفاده می‌کند. می‌توانیم گره‌ها را به صورت پیکسل تصور کنیم. شبکه هاپفیلد از فیزیک استفاده می‌کند که ویژگی‌های یک ماده را از روی اسپین اتمی آن توصیف می‌کند. اسپین از خاصیت‌های بنیادی ذرات زیراتمی است که هر اتم را به یک آهنربای کوچک تبدیل می‌کند. شبکه به طور کلی به روشی معادل انرژی در سیستم اسپین موجود در فیزیک توصیف می‌شود و با یافتن مقادیری برای اتصالات بین گره‌ها آموزش داده می‌شود تا تصاویر ذخیره‌شده انرژی کمی داشته باشند. هنگامی که شبکه هاپفیلد با یک تصویر تحریف شده یا ناقص مواجه می‌شود، به طور روشمند از طریق گره‌ها کار می‌کند و مقادیر آنها را به روز می‌کند تا انرژی شبکه کاهش یابد. بنابراین شبکه به صورت گام به گام کار می‌کند تا تصویر ذخیره شده‌ای را پیدا کند که شبیه تصویر ناقصی است که به آن داده شده است.

 

جفری هینتون از شبکه هاپفیلد به عنوان پایه و اساس شبکه جدیدی استفاده کرد که از روش متفاوتی استفاده می‌کند و آن ماشین بولتزمن Boltzmann machine است. این شبکه می‌تواند یاد بگیرد که عناصر مشخص را در یک نوع داده خاص تشخیص دهد. هینتون از ابزارهای فیزیک آماری که علم سیستم‌هایی است که از بسیاری از اجزای مشابه ساخته شده بودند، استفاده کرد.

با قرار دادن نمونه‌ها در اختیار ماشین، به آن آموزش داده می‌شود. ماشین بولتزمن می‌تواند برای طبقه‌بندی تصاویر یا ایجاد نمونه‌های جدید از روی الگوهایی که با آنها آموزش دیده، مورد استفاده قرار گیرد. هینتون به شروع توسعه محیرالعقول حوزه یادگیری ماشین کنونی کمک کرده است.

 

مطالعات برندگان نوبل فیزیک ۲۰۲۴ تاکنون بیشترین فایده‌ها را داشته است. الن مونز(Ellen Moons)، رئیس کمیته نوبل فیزیک می‌گوید: در فیزیک، ما از شبکه‌های عصبی مصنوعی در طیف وسیعی از زمینه‌ها، مانند توسعه مواد جدید با ویژگی‌های خاص، استفاده می‌کنیم.

 

دستاوردهای برندگان فیزیک امسال بر پایه‌های علم فیزیک استوار بوده است. آنها راه کاملا جدیدی را به ما نشان داده‌اند تا از رایانه‌ها برای گرفتن کمک و راهنمایی برای مقابله با بسیاری از چالش‌ها استفاده کنیم.

 

به لطف مطالعات آنها، بشریت اکنون یک گزینه جدید در جعبه ابزار خود دارد که می‌توانیم از آن برای اهداف خوب استفاده کنیم.

 

نوبل فیزیک،اخبار علمی،خبرهای علمی

این زمینه در حال حاضر در مسیر پیشرفت‌ برای ایجاد یک جامعه پایدار و شناسایی مواد کاربردی جدید است. اینکه چگونه در آینده از یادگیری عمیق توسط شبکه‌های عصبی مصنوعی استفاده می‌شود، بستگی به این دارد که ما انسان‌ها چگونه از این ابزارهای فوق‌العاده قدرتمند استفاده می‌کنیم.

 

جان جی. هاپفیلد، متولد سال ۱۹۳۳ در شیکاگوی ایالات متحده آمریکا است. او دکترای خود را در سال ۱۹۵۸ از دانشگاه کرنل، ایتاکا، نیویورک، ایالات متحده آمریکا دریافت کرد و در حال حاضر استاد دانشگاه پرینستون، نیوجرسی، ایالات متحده است.

 

جفری ای. هینتون، متولد سال ۱۹۴۷ در لندن، انگلستان است. او دکترای خود را در سال ۱۹۷۸ از دانشگاه ادینبرو، انگلستان دریافت کرد و در حال حاضر استاد دانشگاه تورنتو در کانادا است.

 

جایزه نوبل به دستاوردهای مهم در رشته‌های فیزیک، شیمی، پزشکی، ادبیات و صلح به یک تا حداکثر سه نفر اهدا می‌شود. جایزه نوبل شیمی فردا چهارشنبه ۹ اکتبر(۱۸ مهر) در ساعت ۱۱:۴۵ صبح به وقت ساعت تابستانی اروپای مرکزی(ساعت ۱۳:۱۵ ظهر به وقت تهران) اهدا خواهد شد.

 

 


لطفا نظر خود را درباره مطلبی که خوانده‌اید، بنویسید...
نام شریف شما :
آدرس ایمیل:
مطلب :
کپی از مطالب این سایت تنها با ذکر فاتحه رایگان است
مجله تفریحی و سرگرمی ناتیلوس   Natilos.ir © 2024 - 2015
V 9.8