🔺 فیزیک راز جزیره ایستر را فاش کرد: مجسمه‌های غول‌پیکر «راه می‌رفتند»
🔹 یکی از بزرگترین معماهای باستان‌شناسی جهان این است که مردم باستانی جزیره ایستر (راپا نویی) چگونه مجسمه‌های غول‌پیکر و چند تنی «موآی» را کیلومترها جابجا می‌کردند؟ اکنون یک تیم تحقیقاتی با ترکیب باستان‌شناسی، مدل‌سازی سه‌بعدی و فیزیک، پاسخی شگفت‌انگیز و قطعی ارائه داده‌اند: آن‌ها راه می‌رفتند!
❕ «راه رفتن» مجسمه‌ها به چه معناست؟
منظور قدم برداشتن مانند انسان نیست. این یک روش مهندسی هوشمندانه است. تیم‌های انسانی با استفاده از طناب‌هایی که به سر مجسمه بسته می‌شد، آن را به چپ و راست متمایل کرده و یک حرکت «الاکلنگی» ایجاد می‌کردند. با هر تکان، لبه جلویی و پهن پایه مجسمه کمی به جلو می‌لغزید. این حرکت زیگزاگی و گهواره‌ای، شبیه راه رفتن یک پنگوئن، به آن‌ها اجازه می‌داد تا با تعداد نیروی انسانی کم و بدون نیاز به غلتک‌های چوبی، مجسمه‌ها را به صورت ایستاده جابجا کنند.
🔹 این پژوهش که در ژورنال علوم باستان‌شناسی منتشر شده، نشان می‌دهد که خود طراحی مجسمه‌ها برای این نوع حرکت بهینه شده بود: پایه‌های پهن و D شکل و تمایل بدنه به سمت جلو، به پایداری و حرکت گهواره‌ای کمک می‌کرد. برای اثبات این نظریه، دانشمندان یک کپی دقیق ۴.۳ تنی از یک موآی ساختند. یک تیم تنها ۱۸ نفره توانست با استفاده از همین روش، این مجسمه غول‌پیکر را در ۴۰ دقیقه به اندازه ۱۰۰ متر جابجا کند!
❕ بازنویسی یک داستان قدیمی: از «بوم‌کُشی» تا «نبوغ مهندسی»
یکی از روایت‌های رایج در مورد جزیره ایستر، داستان «بوم‌کُشی» (Ecocide) است؛ یعنی مردم باستانی با قطع تمام درختان جزیره برای ساختن غلتک‌های چوبی جهت حمل مجسمه‌ها، باعث فروپاشی اکوسیستم و تمدن خود شدند. این کشف جدید، این روایت را به شدت به چالش می‌کشد. روش «راه رفتن» نیازی به چوب فراوان نداشت و نشان می‌دهد که مردم راپا نویی نه تنها باعث نابودی محیط زیست خود نشدند، بلکه با استفاده از اصول فیزیک و مهندسی هوشمندانه، یک شاهکار باورنکردنی را با حداقل منابع ممکن به انجام رساندند.
🔹 به گفته کارل لیپو، سرپرست تیم تحقیق: «این یافته نشان می‌دهد که مردم راپا نویی فوق‌العاده باهوش بودند. این به آن‌ها احترام می‌گذارد و نشان می‌دهد که ما چیزهای زیادی برای یادگیری از آن‌ها داریم.» این پژوهش، داستان جزیره ایستر را از یک تراژدی زیست‌محیطی به یک حماسه از نبوغ انسانی تغییر می‌دهد.
[منبع]
🆔 @Science_Focus
#باستان_شناسی #جزیره_ایستر #موآی #مهندسی_باستان #فیزیک #تاریخ
🔹 یکی از بزرگترین معماهای باستان‌شناسی جهان این است که مردم باستانی جزیره ایستر (راپا نویی) چگونه مجسمه‌های غول‌پیکر و چند تنی «موآی» را کیلومترها جابجا می‌کردند؟ اکنون یک تیم تحقیقاتی با ترکیب باستان‌شناسی، مدل‌سازی سه‌بعدی و فیزیک، پاسخی شگفت‌انگیز و قطعی ارائه داده‌اند: آن‌ها راه می‌رفتند!
❕ «راه رفتن» مجسمه‌ها به چه معناست؟
منظور قدم برداشتن مانند انسان نیست. این یک روش مهندسی هوشمندانه است. تیم‌های انسانی با استفاده از طناب‌هایی که به سر مجسمه بسته می‌شد، آن را به چپ و راست متمایل کرده و یک حرکت «الاکلنگی» ایجاد می‌کردند. با هر تکان، لبه جلویی و پهن پایه مجسمه کمی به جلو می‌لغزید. این حرکت زیگزاگی و گهواره‌ای، شبیه راه رفتن یک پنگوئن، به آن‌ها اجازه می‌داد تا با تعداد نیروی انسانی کم و بدون نیاز به غلتک‌های چوبی، مجسمه‌ها را به صورت ایستاده جابجا کنند.
🔹 این پژوهش که در ژورنال علوم باستان‌شناسی منتشر شده، نشان می‌دهد که خود طراحی مجسمه‌ها برای این نوع حرکت بهینه شده بود: پایه‌های پهن و D شکل و تمایل بدنه به سمت جلو، به پایداری و حرکت گهواره‌ای کمک می‌کرد. برای اثبات این نظریه، دانشمندان یک کپی دقیق ۴.۳ تنی از یک موآی ساختند. یک تیم تنها ۱۸ نفره توانست با استفاده از همین روش، این مجسمه غول‌پیکر را در ۴۰ دقیقه به اندازه ۱۰۰ متر جابجا کند!
❕ بازنویسی یک داستان قدیمی: از «بوم‌کُشی» تا «نبوغ مهندسی»
یکی از روایت‌های رایج در مورد جزیره ایستر، داستان «بوم‌کُشی» (Ecocide) است؛ یعنی مردم باستانی با قطع تمام درختان جزیره برای ساختن غلتک‌های چوبی جهت حمل مجسمه‌ها، باعث فروپاشی اکوسیستم و تمدن خود شدند. این کشف جدید، این روایت را به شدت به چالش می‌کشد. روش «راه رفتن» نیازی به چوب فراوان نداشت و نشان می‌دهد که مردم راپا نویی نه تنها باعث نابودی محیط زیست خود نشدند، بلکه با استفاده از اصول فیزیک و مهندسی هوشمندانه، یک شاهکار باورنکردنی را با حداقل منابع ممکن به انجام رساندند.
🔹 به گفته کارل لیپو، سرپرست تیم تحقیق: «این یافته نشان می‌دهد که مردم راپا نویی فوق‌العاده باهوش بودند. این به آن‌ها احترام می‌گذارد و نشان می‌دهد که ما چیزهای زیادی برای یادگیری از آن‌ها داریم.» این پژوهش، داستان جزیره ایستر را از یک تراژدی زیست‌محیطی به یک حماسه از نبوغ انسانی تغییر می‌دهد.
[منبع]
🆔 @Science_Focus
#باستان_شناسی #جزیره_ایستر #موآی #مهندسی_باستان #فیزیک #تاریخ
phys.org
Easter Island's statues actually 'walked,' and physics backs it up
For years, researchers have puzzled over how the ancient people of Rapa Nui did the seemingly impossible and moved their iconic moai statues. Using a combination of physics, 3D modeling and on-the-ground ...
❤1
🔺 عنکبوت «اینازوما»: کشف گونه‌ای جدید که یک نمونه شگفت‌انگیز «نیمه نر، نیمه ماده» را به نمایش گذاشت
🔹 دانشمندان در تایلند یک گونه جدید از عنکبوت‌های «چنگالی» را کشف کرده‌اند، اما شگفتی اصلی این کشف، نه خود گونه، بلکه یکی از نمونه‌های یافت‌شده بود: یک عنکبوت که بدنش دقیقاً از وسط به دو نیمه نر و ماده تقسیم شده بود؛ یک پدیده بیولوژیکی فوق‌العاده نادر.
🔹 این گونه جدید که Damarchus inazuma نام گرفته، تفاوت ظاهری چشمگیری بین دو جنس دارد: ماده‌ها بزرگتر و به رنگ نارنجی روشن هستند، در حالی که نرها کوچکتر و با پوششی سفیدرنگ دیده می‌شوند. نمونه شگفت‌انگیز کشف‌شده، دقیقاً در خط میانی بدنش تقسیم شده بود: یک طرف کاملاً نارنجی با ویژگی‌های ماده، و طرف دیگر کاملاً سفید با ویژگی‌های نر.
❕ «جیناندرومورف» چیست و چه تفاوتی با «هرمافرودیت» دارد؟
این دو مفهوم کاملاً متفاوت هستند.
* هرمافرودیت: یک ویژگی طبیعی در بسیاری از گونه‌ها (مانند کرم خاکی یا حلزون) است که در آن، یک موجود زنده دارای اندام‌های تناسلی هر دو جنس نر و ماده است، اما بدنش از نظر ظاهری متقارن است.
* جیناندرومورف (Gynandromorph): یک ناهنجاری رشدی بسیار نادر است که در آن، یک موجود زنده به طور فیزیکی به دو نیمه نر و ماده تقسیم می‌شود. این پدیده احتمالاً به دلیل یک خطا در تقسیم سلولی در مراحل اولیه رشد جنین رخ می‌دهد و مانند این است که برای ساختن دو طرف بدن از دو نقشه ژنتیکی متفاوت استفاده شده باشد.
🔹 محققان به دلیل همین ویژگی منحصر به فرد، نام «اینازوما» را برای این گونه انتخاب کردند. اینازوما شخصیتی از مانگای محبوب ژاپنی «وان پیس» است که توانایی تغییر جنسیت دارد و ظاهری دورگه با دو رنگ متفاوت دارد که دقیقاً مشابه این عنکبوت است.
🔹 این اولین بار است که پدیده جیناندرومورفیسم در این خانواده از عنکبوت‌ها (Bemmeridae) گزارش می‌شود و تنها سومین مورد ثبت‌شده در کل گروه بزرگ عنکبوت‌های میگالومورف است. این کشف، یک پنجره نادر به روی پیچیدگی‌های رشد و تکامل در دنیای حیوانات باز می‌کند.
[منبع]
🆔 @Science_Focus
#جانورشناسی #عنکبوت #ژنتیک #زیست_شناسی #کشف_علمی #تایلند
🔹 دانشمندان در تایلند یک گونه جدید از عنکبوت‌های «چنگالی» را کشف کرده‌اند، اما شگفتی اصلی این کشف، نه خود گونه، بلکه یکی از نمونه‌های یافت‌شده بود: یک عنکبوت که بدنش دقیقاً از وسط به دو نیمه نر و ماده تقسیم شده بود؛ یک پدیده بیولوژیکی فوق‌العاده نادر.
🔹 این گونه جدید که Damarchus inazuma نام گرفته، تفاوت ظاهری چشمگیری بین دو جنس دارد: ماده‌ها بزرگتر و به رنگ نارنجی روشن هستند، در حالی که نرها کوچکتر و با پوششی سفیدرنگ دیده می‌شوند. نمونه شگفت‌انگیز کشف‌شده، دقیقاً در خط میانی بدنش تقسیم شده بود: یک طرف کاملاً نارنجی با ویژگی‌های ماده، و طرف دیگر کاملاً سفید با ویژگی‌های نر.
❕ «جیناندرومورف» چیست و چه تفاوتی با «هرمافرودیت» دارد؟
این دو مفهوم کاملاً متفاوت هستند.
* هرمافرودیت: یک ویژگی طبیعی در بسیاری از گونه‌ها (مانند کرم خاکی یا حلزون) است که در آن، یک موجود زنده دارای اندام‌های تناسلی هر دو جنس نر و ماده است، اما بدنش از نظر ظاهری متقارن است.
* جیناندرومورف (Gynandromorph): یک ناهنجاری رشدی بسیار نادر است که در آن، یک موجود زنده به طور فیزیکی به دو نیمه نر و ماده تقسیم می‌شود. این پدیده احتمالاً به دلیل یک خطا در تقسیم سلولی در مراحل اولیه رشد جنین رخ می‌دهد و مانند این است که برای ساختن دو طرف بدن از دو نقشه ژنتیکی متفاوت استفاده شده باشد.
🔹 محققان به دلیل همین ویژگی منحصر به فرد، نام «اینازوما» را برای این گونه انتخاب کردند. اینازوما شخصیتی از مانگای محبوب ژاپنی «وان پیس» است که توانایی تغییر جنسیت دارد و ظاهری دورگه با دو رنگ متفاوت دارد که دقیقاً مشابه این عنکبوت است.
🔹 این اولین بار است که پدیده جیناندرومورفیسم در این خانواده از عنکبوت‌ها (Bemmeridae) گزارش می‌شود و تنها سومین مورد ثبت‌شده در کل گروه بزرگ عنکبوت‌های میگالومورف است. این کشف، یک پنجره نادر به روی پیچیدگی‌های رشد و تکامل در دنیای حیوانات باز می‌کند.
[منبع]
🆔 @Science_Focus
#جانورشناسی #عنکبوت #ژنتیک #زیست_شناسی #کشف_علمی #تایلند
phys.org
Rare intersex spider among new species discovered in Thailand
A new species of spider was recently discovered near a forested area in Nong Rong, Phanom Thuan, Kanchanaburi, in western Thailand. The spiders were presented to researchers at the Chulalongkorn University ...
🔺 کشف دگرگون‌کننده: مرگبارترین سرطان مغز یک بیماری «سیستمیک» است، نه موضعی
🔹 یک پژوهش انقلابی که در ژورنال معتبر Nature Neuroscience منتشر شده، درک ما از گلیوبلاستوما، مرگبارترین نوع سرطان مغز، را به طور کامل تغییر می‌دهد. دانشمندان کشف کرده‌اند که این تومور تنها در مغز محصور نیست، بلکه به صورت فعال استخوان جمجمه را فرسایش داده و سیستم ایمنی بدن را برای کمک به رشد خود «می‌رباید».
🔹 تاکنون، گلیوبلاستوما یک بیماری «موضعی» در نظر گرفته می‌شد و تمام درمان‌ها بر خود تومور متمرکز بودند. این تحقیق جدید نشان می‌دهد که تومور یک استراتژی بسیار هوشمندانه و شیطانی دارد:
۱- فرسایش استخوان: تومور باعث نازک شدن و فرسایش استخوان جمجمه در بالای سر خود می‌شود.
۲- ایجاد کانال: این فرسایش، کانال‌های میکروسکوپی بین مغز استخوانِ داخل جمجمه و خود مغز را افزایش می‌دهد.
۳- ربودن سیستم ایمنی: تومور از طریق این کانال‌ها، سیگنال‌هایی به مغز استخوان جمجمه فرستاده و آن را وادار می‌کند که تولید سلول‌های ایمنی مفید (مانند سلول‌های B) را متوقف کرده و به جای آن، تولید انبوه سلول‌های ایمنی «التهابی» (مانند نوتروفیل‌ها) را آغاز کند.
۴- تغذیه تومور: این سلول‌های التهابی از طریق کانال‌های ایجاد شده به سمت تومور سرازیر شده و به رشد و تهاجمی‌تر شدن آن کمک می‌کنند!
❕ چرا این کشف اینقدر مهم است؟
این یافته توضیح می‌دهد که چرا بسیاری از درمان‌های فعلی، از جمله ایمونوتراپی، در برابر گلیوبلاستوما شکست می‌خورند. این درمان‌ها مانند حمله به یک قلعه هستند، در حالی که قلعه از طریق یک «تونل مخفی» (کانال‌های جمجمه) دائماً در حال دریافت نیروی کمکی (سلول‌های ایمنی ربوده‌شده) است. این تحقیق نشان می‌دهد که برای درمان موثر، باید گلیوبلاستوما را یک بیماری «سیستمیک» در نظر گرفت که کل اکوسیستم مغز-جمجمه-سیستم ایمنی را درگیر می‌کند.
❕ یک آزمایش مهم: آیا داروهای پوکی استخوان کمک می‌کنند؟
محققان برای آزمودن این ایده، از داروهای پوکی استخوان برای جلوگیری از فرسایش جمجمه در موش‌ها استفاده کردند. نتایج، پیچیدگی موضوع را نشان داد: این داروها با موفقیت جلوی فرسایش استخوان را گرفتند، اما به طور متناقضی، یکی از آن‌ها باعث پیشرفت سریع‌تر تومور شد و هر دو دارو، اثرات مثبت ایمونوتراپی را خنثی کردند. این نشان می‌دهد که دستکاری این سیستم پیچیده نیازمند درک بسیار عمیق‌تری است و راه حل ساده‌ای وجود ندارد.
🔹 این پژوهش انقلابی، یک مسیر کاملاً جدید را برای تحقیقات آینده باز می‌کند. دانشمندان اکنون باید به دنبال راهی برای بازگرداندن تعادل به مغز استخوان جمجمه و قطع کردن این خط تدارکاتی حیاتی برای تومور باشند.
[منبع]
🆔 @Science_Focus
#سرطان #گلیوبلاستوما #علوم_اعصاب #ایمونولوژی #مغز #تحقیقات_پزشکی
🔹 یک پژوهش انقلابی که در ژورنال معتبر Nature Neuroscience منتشر شده، درک ما از گلیوبلاستوما، مرگبارترین نوع سرطان مغز، را به طور کامل تغییر می‌دهد. دانشمندان کشف کرده‌اند که این تومور تنها در مغز محصور نیست، بلکه به صورت فعال استخوان جمجمه را فرسایش داده و سیستم ایمنی بدن را برای کمک به رشد خود «می‌رباید».
🔹 تاکنون، گلیوبلاستوما یک بیماری «موضعی» در نظر گرفته می‌شد و تمام درمان‌ها بر خود تومور متمرکز بودند. این تحقیق جدید نشان می‌دهد که تومور یک استراتژی بسیار هوشمندانه و شیطانی دارد:
۱- فرسایش استخوان: تومور باعث نازک شدن و فرسایش استخوان جمجمه در بالای سر خود می‌شود.
۲- ایجاد کانال: این فرسایش، کانال‌های میکروسکوپی بین مغز استخوانِ داخل جمجمه و خود مغز را افزایش می‌دهد.
۳- ربودن سیستم ایمنی: تومور از طریق این کانال‌ها، سیگنال‌هایی به مغز استخوان جمجمه فرستاده و آن را وادار می‌کند که تولید سلول‌های ایمنی مفید (مانند سلول‌های B) را متوقف کرده و به جای آن، تولید انبوه سلول‌های ایمنی «التهابی» (مانند نوتروفیل‌ها) را آغاز کند.
۴- تغذیه تومور: این سلول‌های التهابی از طریق کانال‌های ایجاد شده به سمت تومور سرازیر شده و به رشد و تهاجمی‌تر شدن آن کمک می‌کنند!
❕ چرا این کشف اینقدر مهم است؟
این یافته توضیح می‌دهد که چرا بسیاری از درمان‌های فعلی، از جمله ایمونوتراپی، در برابر گلیوبلاستوما شکست می‌خورند. این درمان‌ها مانند حمله به یک قلعه هستند، در حالی که قلعه از طریق یک «تونل مخفی» (کانال‌های جمجمه) دائماً در حال دریافت نیروی کمکی (سلول‌های ایمنی ربوده‌شده) است. این تحقیق نشان می‌دهد که برای درمان موثر، باید گلیوبلاستوما را یک بیماری «سیستمیک» در نظر گرفت که کل اکوسیستم مغز-جمجمه-سیستم ایمنی را درگیر می‌کند.
❕ یک آزمایش مهم: آیا داروهای پوکی استخوان کمک می‌کنند؟
محققان برای آزمودن این ایده، از داروهای پوکی استخوان برای جلوگیری از فرسایش جمجمه در موش‌ها استفاده کردند. نتایج، پیچیدگی موضوع را نشان داد: این داروها با موفقیت جلوی فرسایش استخوان را گرفتند، اما به طور متناقضی، یکی از آن‌ها باعث پیشرفت سریع‌تر تومور شد و هر دو دارو، اثرات مثبت ایمونوتراپی را خنثی کردند. این نشان می‌دهد که دستکاری این سیستم پیچیده نیازمند درک بسیار عمیق‌تری است و راه حل ساده‌ای وجود ندارد.
🔹 این پژوهش انقلابی، یک مسیر کاملاً جدید را برای تحقیقات آینده باز می‌کند. دانشمندان اکنون باید به دنبال راهی برای بازگرداندن تعادل به مغز استخوان جمجمه و قطع کردن این خط تدارکاتی حیاتی برای تومور باشند.
[منبع]
🆔 @Science_Focus
#سرطان #گلیوبلاستوما #علوم_اعصاب #ایمونولوژی #مغز #تحقیقات_پزشکی
Neuroscience News
Glioblastoma Found to Erode Skull and Hijack Immune System
Glioblastoma, the most lethal brain cancer, doesn’t just damage the brain—it erodes the skull and disrupts the immune system by reshaping marrow inside the skull.
🔺 سپر کوانتومی سیگنال: معرفی Triple Ratchet برای محافظت از پیام‌ها در برابر کامپیوترهای آینده
🔹 اپلیکیشن سیگنال، که پروتکل رمزنگاری آن امنیت پیام‌های میلیاردها نفر در سراسر جهان را تأمین می‌کند، از یک به‌روزرسانی انقلابی برای مقابله با تهدید کامپیوترهای کوانتومی خبر داد. این پروتکل جدید که «رچت سه‌گانه» (Triple Ratchet) نام دارد، امنیت پیام‌های شما را نه تنها در برابر تهدیدات امروزی، بلکه در برابر کامپیوترهای قدرتمند آینده نیز تضمین می‌کند.
❕ «تهدید کوانتومی» چیست؟ (حالا برداشت کن، بعداً رمزگشایی کن)
بسیاری از روش‌های رمزنگاری امروزی (مانند آنچه در اینترنت و پیام‌رسان‌ها استفاده می‌شود) بر پایه مسائلی ریاضی بنا شده‌اند که حل آن‌ها برای کامپیوترهای کلاسیک غیرممکن است. اما کامپیوترهای کوانتومی قدرتمند در آینده قادر خواهند بود این مسائل را به راحتی حل کرده و این رمزها را بشکنند. یک مهاجم می‌تواند همین امروز پیام‌های رمزنگاری‌شده شما را ضبط و ذخیره کند (حالا برداشت کن) و سال‌ها بعد، با استفاده از یک کامپیوتر کوانتومی، آن‌ها را رمزگشایی کند (بعداً رمزگشایی کن). هدف اصلی این به‌روزرسانی، مقابله با همین تهدید است.
🔹 راه حل هوشمندانه: «رچت سه‌گانه»
پروتکل فعلی سیگنال از یک مکانیزم هوشمندانه به نام «رچت دوگانه» استفاده می‌کند که امنیت پیام‌ها را دائماً به‌روز می‌کند. اما بخشی از این مکانیزم در برابر کامپیوترهای کوانتومی آسیب‌پذیر است. سیگنال به جای کنار گذاشتن این سیستم قدرتمند و اثبات‌شده، یک لایه سوم و کاملاً جدید به آن اضافه کرده است: یک «رچت پساکوانتومی» به نام SPQR. این سه لایه با هم کار می‌کنند و یک «امنیت ترکیبی» (Hybrid Security) ایجاد می‌کنند: برای شکستن رمز، یک مهاجم باید هم رمزنگاری کلاسیک و هم رمزنگاری پساکوانتومی را همزمان بشکند.
❕ «رچت» (Ratchet) به زبان ساده چیست؟
رچت در مکانیک، یک چرخ‌دنده است که فقط اجازه حرکت به یک سمت را می‌دهد. در رمزنگاری سیگنال، این مفهوم به معنای یک فرآیند یک‌طرفه برای تولید کلیدهای رمزنگاری است. با هر پیام، کلیدها به جلو حرکت می‌کنند و کلیدهای قدیمی از بین می‌روند. این یعنی حتی اگر یک مهاجم کلید فعلی شما را بدزدد، نمی‌تواند به پیام‌های گذشته شما دسترسی پیدا کند (امنیت پیشرو) و با ارسال پیام بعدی، کلیدهای جدیدی ساخته می‌شود که مهاجم به آن‌ها دسترسی ندارد (امنیت پس از رخنه).
🔹 یک چالش مهندسی بزرگ: حجم داده
رمزنگاری پساکوانتومی نیازمند تبادل کلیدهای بسیار بزرگتری است (بیش از ۱۰۰۰ بایت در مقایسه با ۳۲ بایت در روش قدیمی). ارسال این حجم از داده با هر پیام، برای کاربران با اینترنت ضعیف یا گران، یک مشکل بزرگ است. تیم سیگنال با همکاری محققان دانشگاهی، راه حل‌های هوشمندانه‌ای مانند تقسیم این داده‌های بزرگ به تکه‌های کوچک و استفاده از «کدهای پاکسازی» (Erasure Codes) ابداع کرده‌اند که تضمین می‌کند حتی با از دست رفتن برخی پیام‌ها، فرآیند به‌روزرسانی کلیدها متوقف نشود.
🔹 این به‌روزرسانی به صورت خودکار و بدون نیاز به هیچ اقدامی از سوی کاربران، به تدریج برای همه فعال خواهد شد و تضمین می‌کند که امنیت و حریم خصوصی مکالمات شما برای عصر کوانتومی نیز آماده باشد.
[منبع]
🆔 @Science_Focus
#امنیت #رمزنگاری #کوانتوم #حریم_خصوصی #سیگنال #فناوری
🔹 اپلیکیشن سیگنال، که پروتکل رمزنگاری آن امنیت پیام‌های میلیاردها نفر در سراسر جهان را تأمین می‌کند، از یک به‌روزرسانی انقلابی برای مقابله با تهدید کامپیوترهای کوانتومی خبر داد. این پروتکل جدید که «رچت سه‌گانه» (Triple Ratchet) نام دارد، امنیت پیام‌های شما را نه تنها در برابر تهدیدات امروزی، بلکه در برابر کامپیوترهای قدرتمند آینده نیز تضمین می‌کند.
❕ «تهدید کوانتومی» چیست؟ (حالا برداشت کن، بعداً رمزگشایی کن)
بسیاری از روش‌های رمزنگاری امروزی (مانند آنچه در اینترنت و پیام‌رسان‌ها استفاده می‌شود) بر پایه مسائلی ریاضی بنا شده‌اند که حل آن‌ها برای کامپیوترهای کلاسیک غیرممکن است. اما کامپیوترهای کوانتومی قدرتمند در آینده قادر خواهند بود این مسائل را به راحتی حل کرده و این رمزها را بشکنند. یک مهاجم می‌تواند همین امروز پیام‌های رمزنگاری‌شده شما را ضبط و ذخیره کند (حالا برداشت کن) و سال‌ها بعد، با استفاده از یک کامپیوتر کوانتومی، آن‌ها را رمزگشایی کند (بعداً رمزگشایی کن). هدف اصلی این به‌روزرسانی، مقابله با همین تهدید است.
🔹 راه حل هوشمندانه: «رچت سه‌گانه»
پروتکل فعلی سیگنال از یک مکانیزم هوشمندانه به نام «رچت دوگانه» استفاده می‌کند که امنیت پیام‌ها را دائماً به‌روز می‌کند. اما بخشی از این مکانیزم در برابر کامپیوترهای کوانتومی آسیب‌پذیر است. سیگنال به جای کنار گذاشتن این سیستم قدرتمند و اثبات‌شده، یک لایه سوم و کاملاً جدید به آن اضافه کرده است: یک «رچت پساکوانتومی» به نام SPQR. این سه لایه با هم کار می‌کنند و یک «امنیت ترکیبی» (Hybrid Security) ایجاد می‌کنند: برای شکستن رمز، یک مهاجم باید هم رمزنگاری کلاسیک و هم رمزنگاری پساکوانتومی را همزمان بشکند.
❕ «رچت» (Ratchet) به زبان ساده چیست؟
رچت در مکانیک، یک چرخ‌دنده است که فقط اجازه حرکت به یک سمت را می‌دهد. در رمزنگاری سیگنال، این مفهوم به معنای یک فرآیند یک‌طرفه برای تولید کلیدهای رمزنگاری است. با هر پیام، کلیدها به جلو حرکت می‌کنند و کلیدهای قدیمی از بین می‌روند. این یعنی حتی اگر یک مهاجم کلید فعلی شما را بدزدد، نمی‌تواند به پیام‌های گذشته شما دسترسی پیدا کند (امنیت پیشرو) و با ارسال پیام بعدی، کلیدهای جدیدی ساخته می‌شود که مهاجم به آن‌ها دسترسی ندارد (امنیت پس از رخنه).
🔹 یک چالش مهندسی بزرگ: حجم داده
رمزنگاری پساکوانتومی نیازمند تبادل کلیدهای بسیار بزرگتری است (بیش از ۱۰۰۰ بایت در مقایسه با ۳۲ بایت در روش قدیمی). ارسال این حجم از داده با هر پیام، برای کاربران با اینترنت ضعیف یا گران، یک مشکل بزرگ است. تیم سیگنال با همکاری محققان دانشگاهی، راه حل‌های هوشمندانه‌ای مانند تقسیم این داده‌های بزرگ به تکه‌های کوچک و استفاده از «کدهای پاکسازی» (Erasure Codes) ابداع کرده‌اند که تضمین می‌کند حتی با از دست رفتن برخی پیام‌ها، فرآیند به‌روزرسانی کلیدها متوقف نشود.
🔹 این به‌روزرسانی به صورت خودکار و بدون نیاز به هیچ اقدامی از سوی کاربران، به تدریج برای همه فعال خواهد شد و تضمین می‌کند که امنیت و حریم خصوصی مکالمات شما برای عصر کوانتومی نیز آماده باشد.
[منبع]
🆔 @Science_Focus
#امنیت #رمزنگاری #کوانتوم #حریم_خصوصی #سیگنال #فناوری
Signal
Signal Protocol and Post-Quantum Ratchets
We are excited to announce a significant advancement in the security of the Signal Protocol: the introduction of the Sparse Post Quantum Ratchet (SPQR). This new ratchet enhances the Signal Protocol’s resilience against future quantum computing threats while…
🔺 ترفند آنتی‌بیوتیک: باکتری‌ها را وادار به «خودکشی» با ساخت زره اضافی می‌کند
🔹 دانشمندان برای اولین بار با جزئیاتی خیره‌کننده، تصاویری زنده از نحوه عملکرد یک دسته از آنتی‌بیوتیک‌های حیاتی ثبت کرده‌اند و یک راز شگفت‌انگیز را فاش کرده‌اند: این آنتی‌بیوتیک به تنهایی باکتری را نمی‌کشد، بلکه آن را فریب می‌دهد تا در یک فرآیند دیوانه‌وار، آنقدر برای خود زره دفاعی بسازد که دچار فروپاشی شده و از درون نابود شود!
❕ باکتری‌های «گرم منفی»: دشمنان زره‌پوش
باکتری‌ها به دو دسته کلی گرم مثبت و گرم منفی تقسیم می‌شوند. باکتری‌های گرم منفی مانند E. coli و سالمونلا، دارای دو غشای محافظ (یک زره دولایه) هستند که نفوذ آنتی‌بیوتیک‌ها را بسیار دشوار می‌کند و آن‌ها را به یکی از بزرگترین چالش‌ها در بحران مقاومت دارویی تبدیل کرده است. آنتی‌بیوتیک‌های «پلی‌میکسین» آخرین خط دفاعی ما در برابر این باکتری‌ها هستند.
🔹 این پژوهش که در ژورنال معتبر Nature Microbiology منتشر شده، نشان می‌دهد که وقتی پلی‌میکسین به سطح باکتری می‌چسبد، یک سیگنال وحشت در باکتری ایجاد می‌کند. باکتری در پاسخ، با تمام توان شروع به تولید «آجرهای» جدید برای تقویت زره خود می‌کند. اما این فرآیند آنقدر سریع و بی‌رویه اتفاق می‌افتد که دیوار دفاعی به جای تقویت، دچار هرج‌ومرج شده، سوراخ‌هایی در آن ایجاد می‌شود و در نهایت فرو می‌ریزد. در این لحظه، آنتی‌بیوتیک از طریق شکاف‌های ایجاد شده وارد سلول شده و کار را تمام می‌کند.
❕ نقطه ضعف آشکار شد: چرا این روش روی باکتری‌های «خواب» کار نمی‌کند؟
این مکانیسم هوشمندانه یک نقطه ضعف بزرگ دارد: تنها روی باکتری‌هایی کار می‌کند که «فعال» هستند و در حال ساخت زره می‌باشند. باکتری‌ها می‌توانند برای مقابله با شرایط سخت، به حالت «خفته» یا غیرفعال درآیند. در این حالت، چون آن‌ها زره جدیدی نمی‌سازند، آنتی‌بیوتیک نمی‌تواند فرآیند خودتخریبی را فعال کند. این یافته به خوبی توضیح می‌دهد که چرا برخی عفونت‌ها پس از درمان دوباره بازمی‌گردند.
🔹 این کشف، راه را برای استراتژی‌های درمانی جدید و هوشمندانه باز می‌کند. به گفته محققان، راه حل آینده ممکن است ترکیبی متناقض باشد: تجویز همزمان پلی‌میکسین با ماده‌ای دیگر (مانند قند) که باکتری‌های خفته را «بیدار» کرده و آن‌ها را وادار به ساخت زره کند تا در دام این آنتی‌بیوتیک هوشمند بیفتند.
[منبع]
🆔 @Science_Focus
#پزشکی #میکروبیولوژی #آنتی_بیوتیک #مقاومت_دارویی #کشف_علمی
🔹 دانشمندان برای اولین بار با جزئیاتی خیره‌کننده، تصاویری زنده از نحوه عملکرد یک دسته از آنتی‌بیوتیک‌های حیاتی ثبت کرده‌اند و یک راز شگفت‌انگیز را فاش کرده‌اند: این آنتی‌بیوتیک به تنهایی باکتری را نمی‌کشد، بلکه آن را فریب می‌دهد تا در یک فرآیند دیوانه‌وار، آنقدر برای خود زره دفاعی بسازد که دچار فروپاشی شده و از درون نابود شود!
❕ باکتری‌های «گرم منفی»: دشمنان زره‌پوش
باکتری‌ها به دو دسته کلی گرم مثبت و گرم منفی تقسیم می‌شوند. باکتری‌های گرم منفی مانند E. coli و سالمونلا، دارای دو غشای محافظ (یک زره دولایه) هستند که نفوذ آنتی‌بیوتیک‌ها را بسیار دشوار می‌کند و آن‌ها را به یکی از بزرگترین چالش‌ها در بحران مقاومت دارویی تبدیل کرده است. آنتی‌بیوتیک‌های «پلی‌میکسین» آخرین خط دفاعی ما در برابر این باکتری‌ها هستند.
🔹 این پژوهش که در ژورنال معتبر Nature Microbiology منتشر شده، نشان می‌دهد که وقتی پلی‌میکسین به سطح باکتری می‌چسبد، یک سیگنال وحشت در باکتری ایجاد می‌کند. باکتری در پاسخ، با تمام توان شروع به تولید «آجرهای» جدید برای تقویت زره خود می‌کند. اما این فرآیند آنقدر سریع و بی‌رویه اتفاق می‌افتد که دیوار دفاعی به جای تقویت، دچار هرج‌ومرج شده، سوراخ‌هایی در آن ایجاد می‌شود و در نهایت فرو می‌ریزد. در این لحظه، آنتی‌بیوتیک از طریق شکاف‌های ایجاد شده وارد سلول شده و کار را تمام می‌کند.
❕ نقطه ضعف آشکار شد: چرا این روش روی باکتری‌های «خواب» کار نمی‌کند؟
این مکانیسم هوشمندانه یک نقطه ضعف بزرگ دارد: تنها روی باکتری‌هایی کار می‌کند که «فعال» هستند و در حال ساخت زره می‌باشند. باکتری‌ها می‌توانند برای مقابله با شرایط سخت، به حالت «خفته» یا غیرفعال درآیند. در این حالت، چون آن‌ها زره جدیدی نمی‌سازند، آنتی‌بیوتیک نمی‌تواند فرآیند خودتخریبی را فعال کند. این یافته به خوبی توضیح می‌دهد که چرا برخی عفونت‌ها پس از درمان دوباره بازمی‌گردند.
🔹 این کشف، راه را برای استراتژی‌های درمانی جدید و هوشمندانه باز می‌کند. به گفته محققان، راه حل آینده ممکن است ترکیبی متناقض باشد: تجویز همزمان پلی‌میکسین با ماده‌ای دیگر (مانند قند) که باکتری‌های خفته را «بیدار» کرده و آن‌ها را وادار به ساخت زره کند تا در دام این آنتی‌بیوتیک هوشمند بیفتند.
[منبع]
🆔 @Science_Focus
#پزشکی #میکروبیولوژی #آنتی_بیوتیک #مقاومت_دارویی #کشف_علمی
Live Science
Striking images capture an antibiotic slaying bacteria in real time
Scientists have captured images of polymyxins, a type of antibiotic, disrupting and infiltrating the membranes of disease-causing bacteria.
🔺 گردبادهای رقصان مریخ، بادهای سهمگین سیاره سرخ را آشکار کردند
🔹 دانشمندان با استفاده از یک ترفند هوشمندانه و تحلیل ۲۰ سال تصاویر ماهواره‌ای، موفق به ردیابی بیش از ۱۰۰۰ «گردباد غبار» در سطح مریخ شده و کشف کرده‌اند که بادهای سطحی این سیاره بسیار قوی‌تر از آن چیزی است که قبلاً تصور می‌شد.
❕ ترفند هوشمندانه: تبدیل «خطای دوربین» به ابزار اندازه‌گیری
این کشف با استفاده از یک «خطای» برنامه‌ریزی‌شده در دوربین‌های مدارگردهای آژانس فضایی اروپا ممکن شد. این دوربین‌ها تصاویر رنگی را با گرفتن سه عکس متوالی از طریق فیلترهای آبی، سبز و قرمز با چند ثانیه تأخیر ثبت می‌کنند. برای یک منظره ثابت، این سه تصویر کاملاً روی هم منطبق می‌شوند. اما برای یک گردباد در حال حرکت، این تأخیر باعث می‌شود که گردباد در هر کانال رنگی کمی جابجا شود. دانشمندان با اندازه‌گیری دقیق این «جابجایی رنگی»، توانستند سرعت و جهت دقیق حرکت گردبادها را محاسبه کنند و به قول خودشان، «نویز تصویر را به طلای علمی تبدیل کردند».
🔹 این کاتالوگ بی‌سابقه که با کمک هوش مصنوعی از تصاویر دو مدارگرد Mars Express و ExoMars TGO استخراج شده، نشان می‌دهد که سرعت باد در این گردبادها می‌تواند به ۱۵۸ کیلومتر بر ساعت برسد. این رقم به طور قابل توجهی بالاتر از پیش‌بینی مدل‌های آب‌وهوایی فعلی مریخ است و نشان می‌دهد که غبار بسیار راحت‌تر از آنچه فکر می‌کردیم از سطح سیاره بلند شده و وارد جو می‌شود.
❕ باد ۱۵۸ کیلومتر بر ساعت در مریخ چقدر قوی است؟
این نکته بسیار مهم است. جو مریخ فوق‌العاده رقیق است (کمتر از ۱٪ چگالی جو زمین). به همین دلیل، نیروی یک باد ۱۵۸ کیلومتر بر ساعتی در مریخ، بسیار بسیار کمتر از یک طوفان با همین سرعت روی زمین است. در واقع، یک فضانورد که در معرض چنین بادی قرار بگیرد، به سختی آن را حس خواهد کرد. با این حال، این سرعت برای بلند کردن ذرات ریز غبار مریخی بیش از حد کافی است.
🔹 این یافته‌ها برای درک چرخه غبار مریخ، که نقش کلیدی در آب‌وهوای این سیاره دارد، حیاتی است. همچنین این اطلاعات برای برنامه‌ریزی مأموریت‌های آینده بسیار ارزشمند است؛ از انتخاب محل فرود ایمن برای فضاپیماها گرفته تا پیش‌بینی میزان غباری که ممکن است روی پنل‌های خورشیدی مریخ‌نوردها بنشیند و عملکرد آن‌ها را مختل کند.
[منبع]
🆔 @Science_Focus
#مریخ #هواشناسی_فضایی #نجوم #سیاره_شناسی #گردباد_غبار #آژانس_فضایی_اروپا
🔹 دانشمندان با استفاده از یک ترفند هوشمندانه و تحلیل ۲۰ سال تصاویر ماهواره‌ای، موفق به ردیابی بیش از ۱۰۰۰ «گردباد غبار» در سطح مریخ شده و کشف کرده‌اند که بادهای سطحی این سیاره بسیار قوی‌تر از آن چیزی است که قبلاً تصور می‌شد.
❕ ترفند هوشمندانه: تبدیل «خطای دوربین» به ابزار اندازه‌گیری
این کشف با استفاده از یک «خطای» برنامه‌ریزی‌شده در دوربین‌های مدارگردهای آژانس فضایی اروپا ممکن شد. این دوربین‌ها تصاویر رنگی را با گرفتن سه عکس متوالی از طریق فیلترهای آبی، سبز و قرمز با چند ثانیه تأخیر ثبت می‌کنند. برای یک منظره ثابت، این سه تصویر کاملاً روی هم منطبق می‌شوند. اما برای یک گردباد در حال حرکت، این تأخیر باعث می‌شود که گردباد در هر کانال رنگی کمی جابجا شود. دانشمندان با اندازه‌گیری دقیق این «جابجایی رنگی»، توانستند سرعت و جهت دقیق حرکت گردبادها را محاسبه کنند و به قول خودشان، «نویز تصویر را به طلای علمی تبدیل کردند».
🔹 این کاتالوگ بی‌سابقه که با کمک هوش مصنوعی از تصاویر دو مدارگرد Mars Express و ExoMars TGO استخراج شده، نشان می‌دهد که سرعت باد در این گردبادها می‌تواند به ۱۵۸ کیلومتر بر ساعت برسد. این رقم به طور قابل توجهی بالاتر از پیش‌بینی مدل‌های آب‌وهوایی فعلی مریخ است و نشان می‌دهد که غبار بسیار راحت‌تر از آنچه فکر می‌کردیم از سطح سیاره بلند شده و وارد جو می‌شود.
❕ باد ۱۵۸ کیلومتر بر ساعت در مریخ چقدر قوی است؟
این نکته بسیار مهم است. جو مریخ فوق‌العاده رقیق است (کمتر از ۱٪ چگالی جو زمین). به همین دلیل، نیروی یک باد ۱۵۸ کیلومتر بر ساعتی در مریخ، بسیار بسیار کمتر از یک طوفان با همین سرعت روی زمین است. در واقع، یک فضانورد که در معرض چنین بادی قرار بگیرد، به سختی آن را حس خواهد کرد. با این حال، این سرعت برای بلند کردن ذرات ریز غبار مریخی بیش از حد کافی است.
🔹 این یافته‌ها برای درک چرخه غبار مریخ، که نقش کلیدی در آب‌وهوای این سیاره دارد، حیاتی است. همچنین این اطلاعات برای برنامه‌ریزی مأموریت‌های آینده بسیار ارزشمند است؛ از انتخاب محل فرود ایمن برای فضاپیماها گرفته تا پیش‌بینی میزان غباری که ممکن است روی پنل‌های خورشیدی مریخ‌نوردها بنشیند و عملکرد آن‌ها را مختل کند.
[منبع]
🆔 @Science_Focus
#مریخ #هواشناسی_فضایی #نجوم #سیاره_شناسی #گردباد_غبار #آژانس_فضایی_اروپا
ESA
Dancing dust devils trace raging winds on Mars
Combing through 20 years of images from the European Space Agency’s Mars Express and ExoMars Trace Gas Orbiter spacecraft, scientists have tracked 1039 tornado-like whirlwinds to reveal how dust is lifted into the air and swept around Mars’s surface.
🔺 مغز چگونه از شکست درس می‌گیرد؟ کشف نورون‌هایی که «اثر باخت» را در سلسله‌مراتب اجتماعی کنترل می‌کنند
🔹 در دنیای حیوانات و انسان‌ها، جایگاه اجتماعی ما ثابت نیست و بر اساس تجربیات ما، به خصوص بردها و باخت‌ها، تغییر می‌کند. اکنون دانشمندان نورون‌های خاصی را در مغز شناسایی کرده‌اند که به طور ویژه مسئول پردازش «شکست» و تنظیم رفتار ما پس از آن هستند و نشان داده‌اند که مدار مغزی برای یادگیری از باخت، از مدار یادگیری از برد کاملاً مجزاست.
❕ «اثر برد» و «اثر باخت» به زبان ساده
این دو پدیده روانشناختی به خوبی شناخته شده‌اند:
* اثر برد (Winner Effect): وقتی فردی در یک رقابت پیروز می‌شود، احتمال پیروزی او در رقابت‌های بعدی افزایش می‌یابد. این پیروزی مانند یک تقویت‌کننده اعتماد به نفس عمل می‌کند.
* اثر باخت (Loser Effect): وقتی فردی شکست می‌خورد، احتمال اینکه در رقابت‌های بعدی رفتار محتاطانه یا تسلیم‌شونده از خود نشان دهد، بیشتر می‌شود. این یک مکانیسم یادگیری برای جلوگیری از آسیب بیشتر است.
🔹 در این پژوهش که در ژورنال iScience منتشر شده، دانشمندان با استفاده از «آزمون لوله تسلط» سلسله‌مراتب اجتماعی را در موش‌های نر مطالعه کردند. آن‌ها سپس گروه خاصی از نورون‌ها (نورون‌های واسط کولینرژیک در استریاتوم پشتی-میانی) را در مغز این موش‌ها غیرفعال کردند. نتیجه شگفت‌انگیز بود: «اثر برد» دست‌نخورده باقی ماند و موش‌ها پس از پیروزی همچنان غالب‌تر می‌شدند. اما «اثر باخت» به طور کامل ناپدید شد! موش‌هایی که شکست می‌خوردند، دیگر رفتار تسلیم‌شونده از خود نشان نمی‌دادند و انگار شکست خود را فراموش کرده بودند.
❕ آیا این یافته‌ها مستقیماً به انسان قابل تعمیم است؟
این نکته بسیار مهمی است. هرچند ساختارهای مغزی مورد مطالعه در این تحقیق (مانند استریاتوم) در انسان‌ها و موش‌ها بسیار مشابه هستند، اما پویایی‌های اجتماعی انسان بی‌نهایت پیچیده‌تر، وابسته به فرهنگ و زمینه است. یک مدیر در محل کار ممکن است در خانه کاملاً مطیع باشد. این تحقیق یک مکانیسم بیولوژیکی بنیادین برای «انعطاف‌پذیری رفتاری» را نشان می‌دهد، اما به هیچ وجه تمام پیچیدگی‌های سلسله‌مراتب انسانی را توضیح نمی‌دهد.
🔹 این کشف نشان می‌دهد که مغز ما برای پردازش تجربیات مثبت (برد) و منفی (باخت) از مسیرهای متفاوتی استفاده می‌کند. به نظر می‌رسد «اثر برد» یک فرآیند یادگیری مبتنی بر پاداش است، در حالی که «اثر باخت» یک فرآیند تصمیم‌گیری انعطاف‌پذیر و پیچیده‌تر است که به ما اجازه می‌دهد رفتار خود را بر اساس زمینه و شرایط جدید تنظیم کنیم.
[منبع]
🆔 @Science_Focus
#علوم_اعصاب #مغز #رفتار_اجتماعی #روانشناسی #یادگیری #سلسله_مراتب
🔹 در دنیای حیوانات و انسان‌ها، جایگاه اجتماعی ما ثابت نیست و بر اساس تجربیات ما، به خصوص بردها و باخت‌ها، تغییر می‌کند. اکنون دانشمندان نورون‌های خاصی را در مغز شناسایی کرده‌اند که به طور ویژه مسئول پردازش «شکست» و تنظیم رفتار ما پس از آن هستند و نشان داده‌اند که مدار مغزی برای یادگیری از باخت، از مدار یادگیری از برد کاملاً مجزاست.
❕ «اثر برد» و «اثر باخت» به زبان ساده
این دو پدیده روانشناختی به خوبی شناخته شده‌اند:
* اثر برد (Winner Effect): وقتی فردی در یک رقابت پیروز می‌شود، احتمال پیروزی او در رقابت‌های بعدی افزایش می‌یابد. این پیروزی مانند یک تقویت‌کننده اعتماد به نفس عمل می‌کند.
* اثر باخت (Loser Effect): وقتی فردی شکست می‌خورد، احتمال اینکه در رقابت‌های بعدی رفتار محتاطانه یا تسلیم‌شونده از خود نشان دهد، بیشتر می‌شود. این یک مکانیسم یادگیری برای جلوگیری از آسیب بیشتر است.
🔹 در این پژوهش که در ژورنال iScience منتشر شده، دانشمندان با استفاده از «آزمون لوله تسلط» سلسله‌مراتب اجتماعی را در موش‌های نر مطالعه کردند. آن‌ها سپس گروه خاصی از نورون‌ها (نورون‌های واسط کولینرژیک در استریاتوم پشتی-میانی) را در مغز این موش‌ها غیرفعال کردند. نتیجه شگفت‌انگیز بود: «اثر برد» دست‌نخورده باقی ماند و موش‌ها پس از پیروزی همچنان غالب‌تر می‌شدند. اما «اثر باخت» به طور کامل ناپدید شد! موش‌هایی که شکست می‌خوردند، دیگر رفتار تسلیم‌شونده از خود نشان نمی‌دادند و انگار شکست خود را فراموش کرده بودند.
❕ آیا این یافته‌ها مستقیماً به انسان قابل تعمیم است؟
این نکته بسیار مهمی است. هرچند ساختارهای مغزی مورد مطالعه در این تحقیق (مانند استریاتوم) در انسان‌ها و موش‌ها بسیار مشابه هستند، اما پویایی‌های اجتماعی انسان بی‌نهایت پیچیده‌تر، وابسته به فرهنگ و زمینه است. یک مدیر در محل کار ممکن است در خانه کاملاً مطیع باشد. این تحقیق یک مکانیسم بیولوژیکی بنیادین برای «انعطاف‌پذیری رفتاری» را نشان می‌دهد، اما به هیچ وجه تمام پیچیدگی‌های سلسله‌مراتب انسانی را توضیح نمی‌دهد.
🔹 این کشف نشان می‌دهد که مغز ما برای پردازش تجربیات مثبت (برد) و منفی (باخت) از مسیرهای متفاوتی استفاده می‌کند. به نظر می‌رسد «اثر برد» یک فرآیند یادگیری مبتنی بر پاداش است، در حالی که «اثر باخت» یک فرآیند تصمیم‌گیری انعطاف‌پذیر و پیچیده‌تر است که به ما اجازه می‌دهد رفتار خود را بر اساس زمینه و شرایط جدید تنظیم کنیم.
[منبع]
🆔 @Science_Focus
#علوم_اعصاب #مغز #رفتار_اجتماعی #روانشناسی #یادگیری #سلسله_مراتب
Neuroscience News
Social Brain: Neurons That Decide Who Wins and Who Yields
Researchers have pinpointed specific brain cells that control how animals react to social defeat, offering new insight into the biology of dominance and submission.
🔺 مهندسی «سلول‌های ایمنی نامرئی»: گامی بزرگ به سوی درمان‌های «آماده مصرف» برای سرطان
🔹 دانشمندان MIT و هاروارد با مهندسی ژنتیک، نوع جدیدی از سلول‌های ایمنی ضدسرطان ساخته‌اند که می‌توانند خود را از سیستم ایمنی بیمار «پنهان» کرده، با قدرت بیشتری تومورها را نابود کنند و عوارض جانبی کمتری داشته باشند. این دستاورد که در ژورنال معتبر Nature Communications منتشر شده، می‌تواند راه را برای نسل جدیدی از سلول‌درمانی‌های «آماده مصرف» (Off-the-shelf) هموار کند.
❕ چالش بزرگ سلول‌درمانی: «زمان» و «رد پیوند»
در روش‌های سلول‌درمانی مانند CAR-T یا CAR-NK، سلول‌های ایمنی بیمار گرفته شده، در آزمایشگاه برای حمله به سرطان مهندسی می‌شوند و سپس به خود بیمار تزریق می‌شوند. این فرآیند دو مشکل بزرگ دارد:
۱- زمان: آماده‌سازی این سلول‌های شخصی‌سازی‌شده چندین هفته طول می‌کشد، زمانی که ممکن است بیمار نداشته باشد.
۲- رد پیوند: استفاده از سلول‌های یک اهداکننده سالم (که می‌تواند از قبل آماده باشد) نیز یک راه حل ایده‌آل نیست، زیرا سیستم ایمنی بیمار این سلول‌های «خارجی» را شناسایی کرده و قبل از اینکه بتوانند با سرطان مبارزه کنند، آن‌ها را از بین می‌برد.
🔹 راه حل هوشمندانه: «شنل نامرئی» برای سلول‌های قاتل
این تحقیق راه حلی برای مشکل دوم ارائه می‌دهد. تیم تحقیقاتی، سلول‌های NK (سلول‌های کشنده طبیعی) را از یک اهداکننده سالم گرفته و با یک دستکاری ژنتیکی هوشمندانه، آن‌ها را برای سیستم ایمنی بیمار «نامرئی» کردند. آن‌ها ژن‌های مسئول تولید پروتئین‌های شناسایی (به نام HLA) را در سطح این سلول‌ها خاموش کردند. این کار مانند پوشاندن یک شنل نامرئی بر تن سلول‌های درمانی است که به آن‌ها اجازه می‌دهد بدون شناسایی شدن، در بدن بیمار به دنبال سلول‌های سرطانی بگردند.
❕ سلول‌های NK در برابر سلول‌های T
هر دو از سلول‌های ایمنی قدرتمند هستند. درمان‌های CAR-T که از سلول‌های T استفاده می‌کنند، بسیار مؤثر اما گاهی با عوارض جانبی شدید (مانند سندرم آزادسازی سیتوکین) همراه هستند. سلول‌های NK به طور طبیعی پروفایل ایمنی بهتری دارند و این تحقیق جدید نشان داده که نسخه مهندسی‌شده آن‌ها این عارضه خطرناک را نیز به میزان قابل توجهی کاهش می‌دهد.
🔹 این سلول‌های «نامرئی» و تقویت‌شده، در موش‌هایی با سیستم ایمنی شبیه‌سازی‌شده انسانی آزمایش شدند و نتایج فوق‌العاده بود: سلول‌های درمانی از سیستم ایمنی موش جان سالم به در بردند، جمعیت خود را برای هفته‌ها حفظ کردند و تقریباً به طور کامل تومورهای سرطانی را از بین بردند. این پژوهش راه را برای ایجاد بانک‌هایی از سلول‌های درمانی «آماده مصرف» باز می‌کند که می‌توانند بلافاصله پس از تشخیص، به بیماران تزریق شوند.
📌 توجه: این مطلب یک پیشرفت بزرگ در مرحله «پیش‌بالینی» را گزارش می‌دهد که در «موش‌های آزمایشگاهی» با موفقیت آزمایش شده است. این یافته‌ها هنوز به مرحله آزمایش انسانی نرسیده‌اند و نباید به عنوان یک درمان در دسترس تلقی شوند.
[منبع]
🆔 @Science_Focus
#سرطان #ایمونوتراپی #سلول_درمانی #مهندسی_ژنتیک #پزشکی #تحقیقات_علمی
🔹 دانشمندان MIT و هاروارد با مهندسی ژنتیک، نوع جدیدی از سلول‌های ایمنی ضدسرطان ساخته‌اند که می‌توانند خود را از سیستم ایمنی بیمار «پنهان» کرده، با قدرت بیشتری تومورها را نابود کنند و عوارض جانبی کمتری داشته باشند. این دستاورد که در ژورنال معتبر Nature Communications منتشر شده، می‌تواند راه را برای نسل جدیدی از سلول‌درمانی‌های «آماده مصرف» (Off-the-shelf) هموار کند.
❕ چالش بزرگ سلول‌درمانی: «زمان» و «رد پیوند»
در روش‌های سلول‌درمانی مانند CAR-T یا CAR-NK، سلول‌های ایمنی بیمار گرفته شده، در آزمایشگاه برای حمله به سرطان مهندسی می‌شوند و سپس به خود بیمار تزریق می‌شوند. این فرآیند دو مشکل بزرگ دارد:
۱- زمان: آماده‌سازی این سلول‌های شخصی‌سازی‌شده چندین هفته طول می‌کشد، زمانی که ممکن است بیمار نداشته باشد.
۲- رد پیوند: استفاده از سلول‌های یک اهداکننده سالم (که می‌تواند از قبل آماده باشد) نیز یک راه حل ایده‌آل نیست، زیرا سیستم ایمنی بیمار این سلول‌های «خارجی» را شناسایی کرده و قبل از اینکه بتوانند با سرطان مبارزه کنند، آن‌ها را از بین می‌برد.
🔹 راه حل هوشمندانه: «شنل نامرئی» برای سلول‌های قاتل
این تحقیق راه حلی برای مشکل دوم ارائه می‌دهد. تیم تحقیقاتی، سلول‌های NK (سلول‌های کشنده طبیعی) را از یک اهداکننده سالم گرفته و با یک دستکاری ژنتیکی هوشمندانه، آن‌ها را برای سیستم ایمنی بیمار «نامرئی» کردند. آن‌ها ژن‌های مسئول تولید پروتئین‌های شناسایی (به نام HLA) را در سطح این سلول‌ها خاموش کردند. این کار مانند پوشاندن یک شنل نامرئی بر تن سلول‌های درمانی است که به آن‌ها اجازه می‌دهد بدون شناسایی شدن، در بدن بیمار به دنبال سلول‌های سرطانی بگردند.
❕ سلول‌های NK در برابر سلول‌های T
هر دو از سلول‌های ایمنی قدرتمند هستند. درمان‌های CAR-T که از سلول‌های T استفاده می‌کنند، بسیار مؤثر اما گاهی با عوارض جانبی شدید (مانند سندرم آزادسازی سیتوکین) همراه هستند. سلول‌های NK به طور طبیعی پروفایل ایمنی بهتری دارند و این تحقیق جدید نشان داده که نسخه مهندسی‌شده آن‌ها این عارضه خطرناک را نیز به میزان قابل توجهی کاهش می‌دهد.
🔹 این سلول‌های «نامرئی» و تقویت‌شده، در موش‌هایی با سیستم ایمنی شبیه‌سازی‌شده انسانی آزمایش شدند و نتایج فوق‌العاده بود: سلول‌های درمانی از سیستم ایمنی موش جان سالم به در بردند، جمعیت خود را برای هفته‌ها حفظ کردند و تقریباً به طور کامل تومورهای سرطانی را از بین بردند. این پژوهش راه را برای ایجاد بانک‌هایی از سلول‌های درمانی «آماده مصرف» باز می‌کند که می‌توانند بلافاصله پس از تشخیص، به بیماران تزریق شوند.
📌 توجه: این مطلب یک پیشرفت بزرگ در مرحله «پیش‌بالینی» را گزارش می‌دهد که در «موش‌های آزمایشگاهی» با موفقیت آزمایش شده است. این یافته‌ها هنوز به مرحله آزمایش انسانی نرسیده‌اند و نباید به عنوان یک درمان در دسترس تلقی شوند.
[منبع]
🆔 @Science_Focus
#سرطان #ایمونوتراپی #سلول_درمانی #مهندسی_ژنتیک #پزشکی #تحقیقات_علمی
SciTechDaily
MIT and Harvard Build “Invisible” Immune Cells That Obliterate Cancer
MIT and Harvard scientists have created engineered CAR-NK cells that can hide from the immune system and more effectively destroy cancer. The cells are designed to suppress immune-rejection signals and enhance tumor-killing power. Tested in humanized mice…
🔺 جایزه نوبل فیزیک ۲۰۲۵: برای اثبات «شگفتی‌های کوانتومی» در ابعاد ماکروسکوپی
🔹 جایزه نوبل فیزیک امسال به سه دانشمند آمریکایی، جان کلارک، میشل دِوُره و جان مارتینیس، برای آزمایش‌های پیشگامانه‌ای اعطا شد که ثابت کرد عجیب‌ترین پدیده‌های دنیای کوانتوم، مانند «عبور از میان دیوار»، می‌توانند در یک مدار الکتریکی به اندازه کف دست نیز رخ دهند!
❕ تونل‌زنی کوانتومی: عبور از دیوار
در دنیای ما، اگر توپی را به دیوار بزنید، برمی‌گردد. اما در دنیای کوانتوم، یک ذره می‌تواند به شکلی جادویی از مانع عبور کرده و در آن سوی آن ظاهر شود. این پدیده «تونل‌زنی کوانتومی» نام دارد. سوال بزرگ فیزیکدانان این بود: آیا این پدیده فقط برای ذرات منفرد رخ می‌دهد یا می‌تواند برای اشیاء بزرگتر هم اتفاق بیفتد؟
🔹 در اواسط دهه ۱۹۸۰، این سه دانشمند با ساخت یک مدار الکتریکی ویژه از مواد ابررسانا که توسط یک لایه نازک عایق از هم جدا شده بودند (اتصال جوزفسون)، یک آزمایش تاریخی انجام دادند. آن‌ها کشف کردند که میلیاردها جفت الکترون (جفت‌های کوپر) در این ابررساناها به صورت هماهنگ و یکپارچه، مانند یک «ابر ذره» غول‌پیکر رفتار می‌کردند. این «ابر ذره» توانست به صورت یکپارچه از مانع الکتریکی عبور کند (تونل بزند)؛ پدیده‌ای که «تونل‌زنی کوانتومی ماکروسکوپی» نام گرفت.
❕ چرا این کشف اینقدر مهم است؟
این آزمایش برای اولین بار نشان داد که مرز بین دنیای کوانتومی و دنیای ما آنقدرها هم مشخص نیست و می‌توان یک سیستم کامل و بزرگ را وادار کرد که مانند یک موجودیت کوانتومی واحد رفتار کند. این کشف مانند ساختن یک «اتم مصنوعی» غول‌پیکر بود که می‌توان آن را با سیم به دستگاه‌های دیگر وصل کرد، کنترل نمود و مورد مطالعه قرار داد.
🔹 این دستاورد، سنگ بنای مستقیم یکی از مهم‌ترین فناوری‌های قرن بیست و یکم، یعنی «کامپیوترهای کوانتومی»، شد. کیوبیت‌های ابررسانا که امروزه در قلب قدرتمندترین کامپیوترهای کوانتومی (مانند کامپیوترهای گوگل) قرار دارند، مستقیماً بر اساس اصول کشف‌شده در این آزمایش‌ها کار می‌کنند. جالب اینجاست که خود جان مارتینیس بعدها رهبری تیم هوش مصنوعی کوانتومی گوگل را بر عهده گرفت و این دانش بنیادین را به یک فناوری انقلابی تبدیل کرد.
[منبع]
🆔 @Science_Focus
#فیزیک #کوانتوم #جایزه_نوبل #کامپیوتر_کوانتومی #ابررسانایی #فناوری
🔹 جایزه نوبل فیزیک امسال به سه دانشمند آمریکایی، جان کلارک، میشل دِوُره و جان مارتینیس، برای آزمایش‌های پیشگامانه‌ای اعطا شد که ثابت کرد عجیب‌ترین پدیده‌های دنیای کوانتوم، مانند «عبور از میان دیوار»، می‌توانند در یک مدار الکتریکی به اندازه کف دست نیز رخ دهند!
❕ تونل‌زنی کوانتومی: عبور از دیوار
در دنیای ما، اگر توپی را به دیوار بزنید، برمی‌گردد. اما در دنیای کوانتوم، یک ذره می‌تواند به شکلی جادویی از مانع عبور کرده و در آن سوی آن ظاهر شود. این پدیده «تونل‌زنی کوانتومی» نام دارد. سوال بزرگ فیزیکدانان این بود: آیا این پدیده فقط برای ذرات منفرد رخ می‌دهد یا می‌تواند برای اشیاء بزرگتر هم اتفاق بیفتد؟
🔹 در اواسط دهه ۱۹۸۰، این سه دانشمند با ساخت یک مدار الکتریکی ویژه از مواد ابررسانا که توسط یک لایه نازک عایق از هم جدا شده بودند (اتصال جوزفسون)، یک آزمایش تاریخی انجام دادند. آن‌ها کشف کردند که میلیاردها جفت الکترون (جفت‌های کوپر) در این ابررساناها به صورت هماهنگ و یکپارچه، مانند یک «ابر ذره» غول‌پیکر رفتار می‌کردند. این «ابر ذره» توانست به صورت یکپارچه از مانع الکتریکی عبور کند (تونل بزند)؛ پدیده‌ای که «تونل‌زنی کوانتومی ماکروسکوپی» نام گرفت.
❕ چرا این کشف اینقدر مهم است؟
این آزمایش برای اولین بار نشان داد که مرز بین دنیای کوانتومی و دنیای ما آنقدرها هم مشخص نیست و می‌توان یک سیستم کامل و بزرگ را وادار کرد که مانند یک موجودیت کوانتومی واحد رفتار کند. این کشف مانند ساختن یک «اتم مصنوعی» غول‌پیکر بود که می‌توان آن را با سیم به دستگاه‌های دیگر وصل کرد، کنترل نمود و مورد مطالعه قرار داد.
🔹 این دستاورد، سنگ بنای مستقیم یکی از مهم‌ترین فناوری‌های قرن بیست و یکم، یعنی «کامپیوترهای کوانتومی»، شد. کیوبیت‌های ابررسانا که امروزه در قلب قدرتمندترین کامپیوترهای کوانتومی (مانند کامپیوترهای گوگل) قرار دارند، مستقیماً بر اساس اصول کشف‌شده در این آزمایش‌ها کار می‌کنند. جالب اینجاست که خود جان مارتینیس بعدها رهبری تیم هوش مصنوعی کوانتومی گوگل را بر عهده گرفت و این دانش بنیادین را به یک فناوری انقلابی تبدیل کرد.
[منبع]
🆔 @Science_Focus
#فیزیک #کوانتوم #جایزه_نوبل #کامپیوتر_کوانتومی #ابررسانایی #فناوری
NobelPrize.org
Nobel Prize in Physics 2025
The Nobel Prize in Physics 2025 was awarded jointly to John Clarke, Michel H. Devoret and John M. Martinis "for the discovery of macroscopic quantum mechanical tunnelling and energy quantisation in an electric circuit"
❤2
🔺 هوش مصنوعی مانند ChatGPT، نقشه‌ای بی‌سابقه از مغز موش ترسیم و قلمروهای ناشناخته آن را کشف کرد
🔹 دانشمندان با استفاده از یک مدل هوش مصنوعی الهام‌گرفته از فناوری پشت ChatGPT، اولین نقشه کاملاً خودکار و با جزئیات بی‌سابقه از مغز موش را ایجاد کرده‌اند. این ابزار نه تنها مناطق شناخته‌شده را با دقت بالا بازسازی کرده، بلکه صدها «قلمرو ناشناخته» و زیرناحیه جدید را نیز در مغز شناسایی نموده است.
❕ نقشه‌ای که «شغل» سلول‌ها را نشان می‌دهد (ترانسکریپتومیک مکانی)
تا پیش از این، نقشه‌های مغزی مانند یک نقشه جغرافیایی بودند که فقط مکان نواحی را نشان می‌دادند. اما فناوری جدیدی به نام «ترانسکریپتومیک مکانی» یک لایه اطلاعاتی جدید اضافه می‌کند: این فناوری نه تنها نشان می‌دهد هر سلول کجاست، بلکه با تحلیل ژن‌های فعال آن، نشان می‌دهد که آن سلول در آن لحظه مشغول انجام چه کاری است. این مانند یک نقشه شهری است که هم آدرس ساختمان‌ها و هم شغل ساکنان آن را نشان می‌دهد.
🔹 مشکل اینجا بود که تحلیل این حجم عظیم از داده و تبدیل آن به یک نقشه معنادار، نیازمند هفته‌ها حاشیه‌نویسی دستی توسط متخصصان بود. این پژوهش که در ژورنال Nature Communications منتشر شده، این فرآیند را با یک هوش مصنوعی به نام CellTransformer کاملاً خودکار کرده است. این مدل هوش مصنوعی توسط تیمی به سرپرستی دکتر رضا عباسی اصل، استاد ایرانی دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF)، توسعه یافته است.
❕ این هوش مصنوعی چگونه کار می‌کند؟
مدل‌های زبانی مانند ChatGPT با تحلیل میلیاردها جمله، یاد می‌گیرند که کدام کلمات معمولاً در کنار هم قرار می‌گیرند تا بتوانند جملات معنادار بسازند. CellTransformer از همین منطق برای سلول‌ها استفاده می‌کند. این مدل با تحلیل داده‌های میلیون‌ها سلول، یاد می‌گیرد که کدام سلول‌ها با چه ویژگی‌هایی معمولاً در «همسایگی» یکدیگر قرار می‌گیرند و به این ترتیب، به طور خودکار مرزهای بین نواحی مختلف مغز را با دقتی فراتر از انسان ترسیم می‌کند.
🔹 این نقشه جدید شامل ۱۳۰۰ ناحیه از مغز موش است. CellTransformer توانست نواحی شناخته‌شده‌ای مانند هیپوکامپ (مرکز حافظه) را با موفقیت شناسایی کند و حتی نواحی‌ای را که نقشه‌برداری دستی از آن‌ها بسیار دشوار بود، با جزئیات دقیق ترسیم نماید. چالش بزرگ بعدی، اعمال این روش برای مغز انسان است که با داشتن حدود ۸۶ میلیارد نورون، هزاران بار پیچیده‌تر از مغز موش است.
[منبع]
🆔 @Science_Focus
#علوم_اعصاب #هوش_مصنوعی #مغز #ژنتیک #نقشه_برداری_مغز #یادگیری_ماشین #دانشمندان_ایرانی
🔹 دانشمندان با استفاده از یک مدل هوش مصنوعی الهام‌گرفته از فناوری پشت ChatGPT، اولین نقشه کاملاً خودکار و با جزئیات بی‌سابقه از مغز موش را ایجاد کرده‌اند. این ابزار نه تنها مناطق شناخته‌شده را با دقت بالا بازسازی کرده، بلکه صدها «قلمرو ناشناخته» و زیرناحیه جدید را نیز در مغز شناسایی نموده است.
❕ نقشه‌ای که «شغل» سلول‌ها را نشان می‌دهد (ترانسکریپتومیک مکانی)
تا پیش از این، نقشه‌های مغزی مانند یک نقشه جغرافیایی بودند که فقط مکان نواحی را نشان می‌دادند. اما فناوری جدیدی به نام «ترانسکریپتومیک مکانی» یک لایه اطلاعاتی جدید اضافه می‌کند: این فناوری نه تنها نشان می‌دهد هر سلول کجاست، بلکه با تحلیل ژن‌های فعال آن، نشان می‌دهد که آن سلول در آن لحظه مشغول انجام چه کاری است. این مانند یک نقشه شهری است که هم آدرس ساختمان‌ها و هم شغل ساکنان آن را نشان می‌دهد.
🔹 مشکل اینجا بود که تحلیل این حجم عظیم از داده و تبدیل آن به یک نقشه معنادار، نیازمند هفته‌ها حاشیه‌نویسی دستی توسط متخصصان بود. این پژوهش که در ژورنال Nature Communications منتشر شده، این فرآیند را با یک هوش مصنوعی به نام CellTransformer کاملاً خودکار کرده است. این مدل هوش مصنوعی توسط تیمی به سرپرستی دکتر رضا عباسی اصل، استاد ایرانی دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF)، توسعه یافته است.
❕ این هوش مصنوعی چگونه کار می‌کند؟
مدل‌های زبانی مانند ChatGPT با تحلیل میلیاردها جمله، یاد می‌گیرند که کدام کلمات معمولاً در کنار هم قرار می‌گیرند تا بتوانند جملات معنادار بسازند. CellTransformer از همین منطق برای سلول‌ها استفاده می‌کند. این مدل با تحلیل داده‌های میلیون‌ها سلول، یاد می‌گیرد که کدام سلول‌ها با چه ویژگی‌هایی معمولاً در «همسایگی» یکدیگر قرار می‌گیرند و به این ترتیب، به طور خودکار مرزهای بین نواحی مختلف مغز را با دقتی فراتر از انسان ترسیم می‌کند.
🔹 این نقشه جدید شامل ۱۳۰۰ ناحیه از مغز موش است. CellTransformer توانست نواحی شناخته‌شده‌ای مانند هیپوکامپ (مرکز حافظه) را با موفقیت شناسایی کند و حتی نواحی‌ای را که نقشه‌برداری دستی از آن‌ها بسیار دشوار بود، با جزئیات دقیق ترسیم نماید. چالش بزرگ بعدی، اعمال این روش برای مغز انسان است که با داشتن حدود ۸۶ میلیارد نورون، هزاران بار پیچیده‌تر از مغز موش است.
[منبع]
🆔 @Science_Focus
#علوم_اعصاب #هوش_مصنوعی #مغز #ژنتیک #نقشه_برداری_مغز #یادگیری_ماشین #دانشمندان_ایرانی
Live Science
Scientists used AI to map uncharted areas of the mouse brain
A new brain map details regions of the organ that had previously been difficult to chart.
🔺 کشف یک «کلید» مولکولی جدید برای استخوان‌سازی: امیدی تازه برای درمان پوکی استخوان
🔹 درمان‌های فعلی پوکی استخوان عمدتاً روند تحلیل استخوان را کند می‌کنند، اما قادر به بازسازی کامل آن نیستند. اکنون، دانشمندان یک مکانیزم طبیعی در بدن را شناسایی کرده‌اند که می‌تواند مانند یک «کلید»، فرآیند ساخت استخوان را روشن کرده و راه را برای نسل جدیدی از درمان‌ها هموار کند.
❕ گیرنده GPR133: یک حسگر دوگانه برای ساخت استخوان
این پژوهش که در ژورنال معتبر Signal Transduction and Targeted Therapy منتشر شده، بر روی یک گیرنده سلولی به نام GPR133 تمرکز دارد. این گیرنده یک «حسگر دوگانه» است: هم به سیگنال‌های شیمیایی پاسخ می‌دهد و هم به نیروهای مکانیکی (مانند فشار ناشی از ورزش). فعال شدن این گیرنده به سلول‌های استخوان‌ساز (استئوبلاست‌ها) دستور می‌دهد که کار خود را با قدرت بیشتری انجام دهند.
🔹 دانشمندان در این تحقیق از یک ماده شیمیایی خاص برای فعال کردن این گیرنده در موش‌های مبتلا به پوکی استخوان استفاده کردند. نتایج بسیار امیدوارکننده بود: فعال‌سازی این «کلید» مولکولی نه تنها از تحلیل بیشتر استخوان جلوگیری کرد، بلکه باعث افزایش قابل توجه تراکم و استحکام استخوان‌ها شد و علائم بیماری را به طور چشمگیری بهبود بخشید. جالب‌تر اینکه، تأثیر این روش در ترکیب با ورزش، حتی بیشتر هم می‌شد.
❕ یک گام مهم، اما در ابتدای یک مسیر طولانی
بسیار مهم است که بدانیم این یک موفقیت بزرگ در «مدل حیوانی» است. مسیر تبدیل یک کشف آزمایشگاهی به یک داروی ایمن و مؤثر برای انسان، مسیری طولانی و پر از چالش است که معمولاً سال‌ها طول می‌کشد. هزاران ترکیب که در موش‌ها مؤثر بوده‌اند، در انسان‌ها شکست خورده‌اند. این تحقیق یک «هدف دارویی» بسیار امیدوارکننده را شناسایی کرده است، نه یک «دارو»ی آماده.
🔹 این کشف، یک پنجره جدید به روی درمان پوکی استخوان باز می‌کند. به جای تمرکز صرف بر کند کردن روند تخریب، دانشمندان اکنون می‌توانند به دنبال طراحی داروهایی باشند که مستقیماً «کلید» استخوان‌سازی را در بدن روشن کنند و به طور فعال به بازسازی بافت از دست‌رفته کمک نمایند.
📌 توجه: این مطلب یک پیشرفت بزرگ در مرحله «پیش‌بالینی» را گزارش می‌دهد که با موفقیت در «موش‌های آزمایشگاهی» آزمایش شده است. این یافته‌ها سال‌ها تا رسیدن به مرحله آزمایش انسانی فاصله دارند و نباید به عنوان یک درمان در دسترس تلقی شوند.
[منبع]
🆔 @Science_Focus
#پزشکی #پوکی_استخوان #ژنتیک #زیست_شناسی_مولکولی #تحقیقات_علمی
🔹 درمان‌های فعلی پوکی استخوان عمدتاً روند تحلیل استخوان را کند می‌کنند، اما قادر به بازسازی کامل آن نیستند. اکنون، دانشمندان یک مکانیزم طبیعی در بدن را شناسایی کرده‌اند که می‌تواند مانند یک «کلید»، فرآیند ساخت استخوان را روشن کرده و راه را برای نسل جدیدی از درمان‌ها هموار کند.
❕ گیرنده GPR133: یک حسگر دوگانه برای ساخت استخوان
این پژوهش که در ژورنال معتبر Signal Transduction and Targeted Therapy منتشر شده، بر روی یک گیرنده سلولی به نام GPR133 تمرکز دارد. این گیرنده یک «حسگر دوگانه» است: هم به سیگنال‌های شیمیایی پاسخ می‌دهد و هم به نیروهای مکانیکی (مانند فشار ناشی از ورزش). فعال شدن این گیرنده به سلول‌های استخوان‌ساز (استئوبلاست‌ها) دستور می‌دهد که کار خود را با قدرت بیشتری انجام دهند.
🔹 دانشمندان در این تحقیق از یک ماده شیمیایی خاص برای فعال کردن این گیرنده در موش‌های مبتلا به پوکی استخوان استفاده کردند. نتایج بسیار امیدوارکننده بود: فعال‌سازی این «کلید» مولکولی نه تنها از تحلیل بیشتر استخوان جلوگیری کرد، بلکه باعث افزایش قابل توجه تراکم و استحکام استخوان‌ها شد و علائم بیماری را به طور چشمگیری بهبود بخشید. جالب‌تر اینکه، تأثیر این روش در ترکیب با ورزش، حتی بیشتر هم می‌شد.
❕ یک گام مهم، اما در ابتدای یک مسیر طولانی
بسیار مهم است که بدانیم این یک موفقیت بزرگ در «مدل حیوانی» است. مسیر تبدیل یک کشف آزمایشگاهی به یک داروی ایمن و مؤثر برای انسان، مسیری طولانی و پر از چالش است که معمولاً سال‌ها طول می‌کشد. هزاران ترکیب که در موش‌ها مؤثر بوده‌اند، در انسان‌ها شکست خورده‌اند. این تحقیق یک «هدف دارویی» بسیار امیدوارکننده را شناسایی کرده است، نه یک «دارو»ی آماده.
🔹 این کشف، یک پنجره جدید به روی درمان پوکی استخوان باز می‌کند. به جای تمرکز صرف بر کند کردن روند تخریب، دانشمندان اکنون می‌توانند به دنبال طراحی داروهایی باشند که مستقیماً «کلید» استخوان‌سازی را در بدن روشن کنند و به طور فعال به بازسازی بافت از دست‌رفته کمک نمایند.
📌 توجه: این مطلب یک پیشرفت بزرگ در مرحله «پیش‌بالینی» را گزارش می‌دهد که با موفقیت در «موش‌های آزمایشگاهی» آزمایش شده است. این یافته‌ها سال‌ها تا رسیدن به مرحله آزمایش انسانی فاصله دارند و نباید به عنوان یک درمان در دسترس تلقی شوند.
[منبع]
🆔 @Science_Focus
#پزشکی #پوکی_استخوان #ژنتیک #زیست_شناسی_مولکولی #تحقیقات_علمی
BGR
New Scientific Breakthrough Could Strengthen Bones To Reverse Osteoporosis - BGR
Osteoporosis is characterized by a weakening of bones, and as of now, there's no known treatment. But a recent study might soon change that.
❤1
🔺 امارات با مدل هوش مصنوعی K2 Think به رقابت جهانی پیوست: کوچک، ارزان و قدرتمند
🔹 دانشگاه هوش مصنوعی محمد بن زاید (MBZUAI) امارات از یک مدل زبان بزرگ جدید و متن-باز به نام K2 Think رونمایی کرد که با رویکردی متفاوت، شرکت‌های پیشرو مانند OpenAI و DeepSeek را به چالش می‌کشد. این مدل به جای بزرگتر بودن، بر «بهره‌وری» تمرکز کرده و با ابعادی بسیار کوچکتر، به عملکردی هم‌سطح با رقبای غول‌پیکر خود دست یافته است.
❕ «پارامتر» چیست و چرا «بهره‌وری پارامتر» مهم است؟
پارامترها را می‌توان مانند «دستگیره‌های تنظیم» یک مدل هوش مصنوعی در نظر گرفت که در طول آموزش، برای یادگیری الگوها تنظیم می‌شوند. تا پیش از این، باور عمومی این بود که «هرچه پارامتر بیشتر، مدل هوشمندتر». اما مدل‌های بزرگ بسیار گران، پرمصرف و برای استفاده دشوار هستند. K2 Think با تنها ۳۲ میلیارد پارامتر، عملکردی مشابه مدل‌هایی با صدها میلیارد پارامتر ارائه می‌دهد. این «بهره‌وری پارامتر» به معنای هزینه کمتر، سرعت بالاتر و دسترسی آسان‌تر به هوش مصنوعی پیشرفته است.
🔹 راز قدرت K2 Think چیست؟
این مدل به جای تمرکز بر اندازه، بر روی تکنیک‌های هوشمندانه تمرکز کرده است. یکی از این تکنیک‌ها «استدلال زنجیره‌ای طولانی» (Long Chain-of-thought) است که به مدل اجازه می‌دهد مسائل پیچیده (به خصوص در ریاضیات و علوم) را به مراحل کوچکتر تقسیم کرده و به صورت گام‌به‌گام برای رسیدن به پاسخ استدلال کند.
❕ استدلال زنجیره‌ای (Chain-of-thought) به زبان ساده
تصور کنید از شما یک مسئله ریاضی چند مرحله‌ای پرسیده می‌شود. به جای ارائه پاسخ نهایی، شما مراحل حل مسئله را روی کاغذ می‌نویسید. این کار به شما کمک می‌کند تا استدلال خود را سازماندهی کرده و به پاسخ دقیق‌تری برسید. مدل‌های هوش مصنوعی نیز با استفاده از این تکنیک، «افکار» خود را به صورت متن تولید می‌کنند تا بتوانند مسائل پیچیده‌تر را حل کنند. K2 Think در این زمینه تخصص دارد.
🔹 K2 Think که کاملاً متن-باز است، با همکاری شرکت G42 و بر روی سخت‌افزارهای تخصصی شرکت Cerebras اجرا می‌شود و به سرعت استنتاج فوق‌العاده بالای ۲۰۰۰ توکن (حدود ۱۵۰۰ کلمه) در ثانیه دست یافته است. این پیشرفت نشان می‌دهد که آینده هوش مصنوعی ممکن است نه در دستان بزرگترین مدل‌ها، بلکه در دستان کارآمدترین آن‌ها باشد.
[منبع]
🆔 @Science_Focus
#هوش_مصنوعی #یادگیری_ماشین #مدل_زبانی #فناوری #امارات #متن_باز
🔹 دانشگاه هوش مصنوعی محمد بن زاید (MBZUAI) امارات از یک مدل زبان بزرگ جدید و متن-باز به نام K2 Think رونمایی کرد که با رویکردی متفاوت، شرکت‌های پیشرو مانند OpenAI و DeepSeek را به چالش می‌کشد. این مدل به جای بزرگتر بودن، بر «بهره‌وری» تمرکز کرده و با ابعادی بسیار کوچکتر، به عملکردی هم‌سطح با رقبای غول‌پیکر خود دست یافته است.
❕ «پارامتر» چیست و چرا «بهره‌وری پارامتر» مهم است؟
پارامترها را می‌توان مانند «دستگیره‌های تنظیم» یک مدل هوش مصنوعی در نظر گرفت که در طول آموزش، برای یادگیری الگوها تنظیم می‌شوند. تا پیش از این، باور عمومی این بود که «هرچه پارامتر بیشتر، مدل هوشمندتر». اما مدل‌های بزرگ بسیار گران، پرمصرف و برای استفاده دشوار هستند. K2 Think با تنها ۳۲ میلیارد پارامتر، عملکردی مشابه مدل‌هایی با صدها میلیارد پارامتر ارائه می‌دهد. این «بهره‌وری پارامتر» به معنای هزینه کمتر، سرعت بالاتر و دسترسی آسان‌تر به هوش مصنوعی پیشرفته است.
🔹 راز قدرت K2 Think چیست؟
این مدل به جای تمرکز بر اندازه، بر روی تکنیک‌های هوشمندانه تمرکز کرده است. یکی از این تکنیک‌ها «استدلال زنجیره‌ای طولانی» (Long Chain-of-thought) است که به مدل اجازه می‌دهد مسائل پیچیده (به خصوص در ریاضیات و علوم) را به مراحل کوچکتر تقسیم کرده و به صورت گام‌به‌گام برای رسیدن به پاسخ استدلال کند.
❕ استدلال زنجیره‌ای (Chain-of-thought) به زبان ساده
تصور کنید از شما یک مسئله ریاضی چند مرحله‌ای پرسیده می‌شود. به جای ارائه پاسخ نهایی، شما مراحل حل مسئله را روی کاغذ می‌نویسید. این کار به شما کمک می‌کند تا استدلال خود را سازماندهی کرده و به پاسخ دقیق‌تری برسید. مدل‌های هوش مصنوعی نیز با استفاده از این تکنیک، «افکار» خود را به صورت متن تولید می‌کنند تا بتوانند مسائل پیچیده‌تر را حل کنند. K2 Think در این زمینه تخصص دارد.
🔹 K2 Think که کاملاً متن-باز است، با همکاری شرکت G42 و بر روی سخت‌افزارهای تخصصی شرکت Cerebras اجرا می‌شود و به سرعت استنتاج فوق‌العاده بالای ۲۰۰۰ توکن (حدود ۱۵۰۰ کلمه) در ثانیه دست یافته است. این پیشرفت نشان می‌دهد که آینده هوش مصنوعی ممکن است نه در دستان بزرگترین مدل‌ها، بلکه در دستان کارآمدترین آن‌ها باشد.
[منبع]
🆔 @Science_Focus
#هوش_مصنوعی #یادگیری_ماشین #مدل_زبانی #فناوری #امارات #متن_باز
euronews
UAE launches new low-cost AI model, challenging OpenAI and DeepSeek
The technology may be a player in the global AI race.
🔺 راز درختان طلا: میکروب‌هایی که در برگ درختان، نانوذرات طلا می‌سازند
🔹 در حالی که پول روی درختان نمی‌روید، یک مطالعه جدید نشان می‌دهد که مقادیر بسیار ناچیزی از «نانوذرات طلا» می‌تواند در سوزن‌های برخی درختان یافت شود. شگفت‌انگیزتر اینکه، به نظر می‌رسد مسئول این فرآیند، باکتری‌های همزیستی هستند که درون خود درخت زندگی می‌کنند!
🔹 دانشمندان در جنگلی در شمال فنلاند، درختان صنوبر نروژی را که بر روی یک ذخیره‌گاه طلای شناخته‌شده رشد می‌کردند، بررسی کردند. آن‌ها در سوزن‌های برخی از این درختان، نانوذرات طلا پیدا کردند. اما سوال اصلی این بود: این طلا چگونه به شکل جامد درآمده است؟
❕ زیست‌کانی‌سازی (Biomineralization): هنر معدن‌کاری طبیعت
این فرآیندی است که در آن، موجودات زنده مواد معدنی را از محیط اطراف خود گرفته و آن‌ها را به ساختارهای جامد تبدیل می‌کنند. معروف‌ترین نمونه‌های آن ساخت استخوان در بدن ما یا صدف توسط نرم‌تنان است. میکروب‌ها استادان این فرآیند هستند و می‌توانند فلزات محلول را به ذرات جامد تبدیل کنند.
🔹 تیم تحقیقاتی با تحلیل DNA میکروب‌های درون سوزن‌ها، کشف کردند که در درختان حاوی طلا، گونه‌های خاصی از باکتری‌ها فراوان‌تر بودند. این میکروب‌ها در یک «بیوفیلم» (یک لایه محافظ چسبناک) زندگی می‌کنند و به نظر می‌رسد محیط شیمیایی خاصی ایجاد می‌کنند که باعث می‌شود طلای محلول در آب (که توسط ریشه جذب شده) به شکل نانوذرات جامد «رسوب» کند. در واقع، این میکروب‌ها یک کارخانه میکروسکوپی طلاسازی در برگ درختان راه انداخته‌اند!
❕ کاربرد عملی: اکتشاف «سبز» معادن
این کشف می‌تواند روش اکتشاف معادن را متحول کند. به جای حفاری‌های گسترده و پرهزینه، شرکت‌های معدنی می‌توانند از گیاهان منطقه نمونه‌برداری کنند (روشی که به آن اکتشاف بیوژئوشیمیایی می‌گویند). این تحقیق یک لایه جدید به این روش اضافه می‌کند: شاید حتی بتوان با جستجوی DNA «باکتری‌های طلاساز» در برگ درختان، با دقت بیشتری به وجود ذخایر زیرزمینی پی برد.
🔹 این پژوهش که در ژورنال Environmental Microbiome منتشر شده، یک نمونه زیبا از همکاری پیچیده بین گیاهان و میکروب‌هاست و نشان می‌دهد که چگونه کوچکترین موجودات می‌توانند بر بزرگترین فرآیندهای زمین‌شناسی تأثیر بگذارند.
[منبع]
🆔 @Science_Focus
#زیست_شناسی #میکروبیولوژی #طلا #معدن #همزیستی #اکتشاف_سبز
🔹 در حالی که پول روی درختان نمی‌روید، یک مطالعه جدید نشان می‌دهد که مقادیر بسیار ناچیزی از «نانوذرات طلا» می‌تواند در سوزن‌های برخی درختان یافت شود. شگفت‌انگیزتر اینکه، به نظر می‌رسد مسئول این فرآیند، باکتری‌های همزیستی هستند که درون خود درخت زندگی می‌کنند!
🔹 دانشمندان در جنگلی در شمال فنلاند، درختان صنوبر نروژی را که بر روی یک ذخیره‌گاه طلای شناخته‌شده رشد می‌کردند، بررسی کردند. آن‌ها در سوزن‌های برخی از این درختان، نانوذرات طلا پیدا کردند. اما سوال اصلی این بود: این طلا چگونه به شکل جامد درآمده است؟
❕ زیست‌کانی‌سازی (Biomineralization): هنر معدن‌کاری طبیعت
این فرآیندی است که در آن، موجودات زنده مواد معدنی را از محیط اطراف خود گرفته و آن‌ها را به ساختارهای جامد تبدیل می‌کنند. معروف‌ترین نمونه‌های آن ساخت استخوان در بدن ما یا صدف توسط نرم‌تنان است. میکروب‌ها استادان این فرآیند هستند و می‌توانند فلزات محلول را به ذرات جامد تبدیل کنند.
🔹 تیم تحقیقاتی با تحلیل DNA میکروب‌های درون سوزن‌ها، کشف کردند که در درختان حاوی طلا، گونه‌های خاصی از باکتری‌ها فراوان‌تر بودند. این میکروب‌ها در یک «بیوفیلم» (یک لایه محافظ چسبناک) زندگی می‌کنند و به نظر می‌رسد محیط شیمیایی خاصی ایجاد می‌کنند که باعث می‌شود طلای محلول در آب (که توسط ریشه جذب شده) به شکل نانوذرات جامد «رسوب» کند. در واقع، این میکروب‌ها یک کارخانه میکروسکوپی طلاسازی در برگ درختان راه انداخته‌اند!
❕ کاربرد عملی: اکتشاف «سبز» معادن
این کشف می‌تواند روش اکتشاف معادن را متحول کند. به جای حفاری‌های گسترده و پرهزینه، شرکت‌های معدنی می‌توانند از گیاهان منطقه نمونه‌برداری کنند (روشی که به آن اکتشاف بیوژئوشیمیایی می‌گویند). این تحقیق یک لایه جدید به این روش اضافه می‌کند: شاید حتی بتوان با جستجوی DNA «باکتری‌های طلاساز» در برگ درختان، با دقت بیشتری به وجود ذخایر زیرزمینی پی برد.
🔹 این پژوهش که در ژورنال Environmental Microbiome منتشر شده، یک نمونه زیبا از همکاری پیچیده بین گیاهان و میکروب‌هاست و نشان می‌دهد که چگونه کوچکترین موجودات می‌توانند بر بزرگترین فرآیندهای زمین‌شناسی تأثیر بگذارند.
[منبع]
🆔 @Science_Focus
#زیست_شناسی #میکروبیولوژی #طلا #معدن #همزیستی #اکتشاف_سبز
Earth.com
Scientists find gold growing inside Christmas tree needles across Finland forests
Plants do more than photosynthesize - some of them make gold. Scientists in Finland found gold particles inside Norway spruce tree needles.
🔥2
🔺 کارآگاهان باستان‌شناسی: کشف کنیسه‌ای ۱۵۰۰ ساله با دنبال کردن سرنخ‌ها در یک روستای متروکه
🔹 باستان‌شناسان پس از دهه‌ها جستجو، موفق به کشف بقایای یک کنیسه تقریباً ۱۵۰۰ ساله در زیر یک روستای متروکه سوری در بلندی‌های جولان شدند. این کشف، حاصل یک کار کارآگاهانه دقیق برای دنبال کردن سرنخ‌هایی بود که برای سال‌ها در دید عموم قرار داشتند.
🔹 برای دهه‌ها، محققان می‌دانستند که یک بنای باستانی مهم در این منطقه وجود داشته است، زیرا حدود ۱۵۰ قطعه معماری باستانی (از جمله ستون‌ها و سنگی با حکاکی شمعدان منورا) در خانه‌های روستای سوری «یهودیه» که تا سال ۱۹۶۷ مسکونی بود، پیدا شده بود. اما مکان دقیق ساختمان اصلی یک معما باقی مانده بود.
❕ «استفاده ثانویه»: کلید حل معما
این پدیده که در آن از مصالح یک ساختمان قدیمی برای ساخت یک بنای جدید استفاده می‌شود، «استفاده ثانویه» نام دارد. در این روستا، ستون‌های ۱۵۰۰ ساله به عنوان تیر سقف یا تزئینات خانه‌های جدیدتر به کار رفته بودند. این سرنخ‌ها مانند تکه‌های یک پازل بودند که باستان‌شناسان باید آن‌ها را کنار هم می‌چیدند تا به تصویر اصلی برسند.
🔹 تیمی از باستان‌شناسان به سرپرستی دکتر میکائل اوسبند، با نقشه‌برداری دقیق از محل تمام این قطعات پراکنده، جستجوی خود را آغاز کردند. پس از یک کاوش ناموفق اولیه، آن‌ها توجه خود را به محلی معطوف کردند که سه ستون در آنجا پیدا شده بود اما به نظر نمی‌رسید در استفاده ثانویه باشند. حفاری در این نقطه، آن‌ها را مستقیماً به کف سنگی و پایه‌های اصلی کنیسه گمشده رساند.
❕ سبک معماری «باسیلیکا»
کنیسه کشف‌شده به سبک باسیلیکا ساخته شده که در آن زمان در منطقه رایج بود. این سبک شامل یک تالار مستطیل‌شکل اصلی، دو ردیف ستون در طول تالار که آن را به سه بخش تقسیم می‌کند، و نیمکت‌های سنگی در امتداد دیوارها برای نشستن حضار است.
🔹 این بنا که تخمین زده می‌شود ۱۳ متر عرض و حداقل ۱۷ متر طول داشته، در حال حاضر تنها به صورت جزئی حفاری شده است. تاریخ‌گذاری اولیه بر اساس سبک معماری، آن را به دوره بیزانس (حدود قرن پنجم تا هفتم میلادی) نسبت می‌دهد. باستان‌شناسان امیدوارند با ادامه حفاری‌ها در آینده، اطلاعات بیشتری در مورد تاریخ دقیق ساخت، ویژگی‌های منحصر به فرد و جامعه‌ای که زمانی در آن عبادت می‌کردند، به دست آورند.
[منبع]
🆔 @Science_Focus
#باستان_شناسی #تاریخ #کشف_علمی #کنیسه_باستانی
🔹 باستان‌شناسان پس از دهه‌ها جستجو، موفق به کشف بقایای یک کنیسه تقریباً ۱۵۰۰ ساله در زیر یک روستای متروکه سوری در بلندی‌های جولان شدند. این کشف، حاصل یک کار کارآگاهانه دقیق برای دنبال کردن سرنخ‌هایی بود که برای سال‌ها در دید عموم قرار داشتند.
🔹 برای دهه‌ها، محققان می‌دانستند که یک بنای باستانی مهم در این منطقه وجود داشته است، زیرا حدود ۱۵۰ قطعه معماری باستانی (از جمله ستون‌ها و سنگی با حکاکی شمعدان منورا) در خانه‌های روستای سوری «یهودیه» که تا سال ۱۹۶۷ مسکونی بود، پیدا شده بود. اما مکان دقیق ساختمان اصلی یک معما باقی مانده بود.
❕ «استفاده ثانویه»: کلید حل معما
این پدیده که در آن از مصالح یک ساختمان قدیمی برای ساخت یک بنای جدید استفاده می‌شود، «استفاده ثانویه» نام دارد. در این روستا، ستون‌های ۱۵۰۰ ساله به عنوان تیر سقف یا تزئینات خانه‌های جدیدتر به کار رفته بودند. این سرنخ‌ها مانند تکه‌های یک پازل بودند که باستان‌شناسان باید آن‌ها را کنار هم می‌چیدند تا به تصویر اصلی برسند.
🔹 تیمی از باستان‌شناسان به سرپرستی دکتر میکائل اوسبند، با نقشه‌برداری دقیق از محل تمام این قطعات پراکنده، جستجوی خود را آغاز کردند. پس از یک کاوش ناموفق اولیه، آن‌ها توجه خود را به محلی معطوف کردند که سه ستون در آنجا پیدا شده بود اما به نظر نمی‌رسید در استفاده ثانویه باشند. حفاری در این نقطه، آن‌ها را مستقیماً به کف سنگی و پایه‌های اصلی کنیسه گمشده رساند.
❕ سبک معماری «باسیلیکا»
کنیسه کشف‌شده به سبک باسیلیکا ساخته شده که در آن زمان در منطقه رایج بود. این سبک شامل یک تالار مستطیل‌شکل اصلی، دو ردیف ستون در طول تالار که آن را به سه بخش تقسیم می‌کند، و نیمکت‌های سنگی در امتداد دیوارها برای نشستن حضار است.
🔹 این بنا که تخمین زده می‌شود ۱۳ متر عرض و حداقل ۱۷ متر طول داشته، در حال حاضر تنها به صورت جزئی حفاری شده است. تاریخ‌گذاری اولیه بر اساس سبک معماری، آن را به دوره بیزانس (حدود قرن پنجم تا هفتم میلادی) نسبت می‌دهد. باستان‌شناسان امیدوارند با ادامه حفاری‌ها در آینده، اطلاعات بیشتری در مورد تاریخ دقیق ساخت، ویژگی‌های منحصر به فرد و جامعه‌ای که زمانی در آن عبادت می‌کردند، به دست آورند.
[منبع]
🆔 @Science_Focus
#باستان_شناسی #تاریخ #کشف_علمی #کنیسه_باستانی
The Times of Israel
Archaeologists unearth 1,500-year-old synagogue below abandoned Syrian village in Golan
A team from the University of Haifa and Kinneret College identifies an ancient wall facing Jerusalem and 150 synagogue items, including a stone engraved with a menorah
🔥1
🔺 اوبونتو تاچ جدید منتشر شد: نگاهی به دنیای سیستم‌عامل‌های موبایل منبع‌باز و آزاد
🔹 در دنیایی که بازار گوشی‌های هوشمند تقریباً به طور کامل در انحصار اندروید گوگل و iOS اپل است، پروژه‌هایی وجود دارند که به دنبال ایجاد یک «راه سوم» هستند؛ راهی مبتنی بر آزادی، حریم خصوصی و کنترل کامل کاربر بر دستگاه خود. بنیاد UBports به تازگی نسخه جدیدی از اوبونتو تاچ، یکی از باسابقه‌ترین این سیستم‌عامل‌ها را منتشر کرده است.
❕ منبع‌باز یعنی چه؟ (هسته، سیستم‌عامل، توزیع)
* هسته (Kernel): مانند موتور یک ماشین است. هسته لینوکس که در سال ۱۹۹۱ توسط لینوس توروالدز ساخته شد، قلب میلیون‌ها دستگاه از سرورها گرفته تا گوشی‌های اندرویدی است.
* سیستم‌عامل (OS): موتور به تنهایی ماشین نیست. ابزارهای پروژه گنو (GNU) که توسط ریچارد استالمن و بنیاد نرم‌افزار آزاد توسعه یافت، بدنه و شاسی را فراهم کردند. ترکیب این دو، سیستم‌عامل گنو/لینوکس را ساخت.
* توزیع (Distribution): شرکت‌ها و جوامع مختلف، این قطعات را با نرم‌افزارهای دیگر ترکیب کرده و «توزیع»های مختلفی مانند اوبونتو، دبیان یا فدورا را ارائه می‌دهند که هر کدام ظاهر و کاربرد متفاوتی دارند. اوبونتو تاچ در واقع یک توزیع از گنو/لینوکس برای موبایل است.
🔹 نسخه جدید اوبونتو تاچ (24.04) بر پایه آخرین نسخه با پشتیبانی بلندمدت اوبونتو ساخته شده و بهبودهایی مانند حالت روشن (Light Mode)، پشتیبانی آزمایشی از رمزنگاری داده‌های شخصی و اضافه شدن پشتیبانی از دستگاه‌های جدید مانند Fairphone 5 را به همراه دارد.
❕ چرا وجود یک «راه سوم» مهم است؟
سلطه دو شرکت بر بازار موبایل، نگرانی‌هایی را در مورد حریم خصوصی (جمع‌آوری گسترده داده‌ها)، کنترل کاربر (باغ‌های محصور اپ استورها) و پایداری (پایان پشتیبانی نرم‌افزاری از دستگاه‌های قدیمی و تشویق به خرید دستگاه جدید) ایجاد کرده است. پروژه‌های منبع‌باز مانند اوبونتو تاچ به دنبال ارائه یک جایگزین هستند که در آن:
* کد منبع برای همه قابل بررسی است (شفافیت).
* کنترل کامل دستگاه در دست کاربر است.
* جمع‌آوری داده‌ها به حداقل می‌رسد.
* عمر مفید دستگاه‌ها به دلیل پشتیبانی جامعه-محور، طولانی‌تر می‌شود.
🔹 اوبونتو تاچ تنها تلاش در این زمینه نیست. پروژه‌های دیگری مانند PureOS (با تمرکز بر امنیت)، Plasma Mobile و postmarketOS (با هدف ۱۰ سال پشتیبانی از هر گوشی) نیز در این اکوسیستم پویا فعالیت می‌کنند. این سیستم‌عامل‌ها اگرچه ممکن است هنوز تمام امکانات و اپلیکیشن‌های اندروید و iOS را نداشته باشند، اما نماینده یک جنبش مهم برای آینده‌ای آزادتر و متنوع‌تر در دنیای فناوری هستند.
[منبع]
🆔 @Science_Focus
#فناوری #نرم_افزار_آزاد #منبع_باز #لینوکس #اوبونتو_تاچ #حریم_خصوصی #سیستم_عامل
🔹 در دنیایی که بازار گوشی‌های هوشمند تقریباً به طور کامل در انحصار اندروید گوگل و iOS اپل است، پروژه‌هایی وجود دارند که به دنبال ایجاد یک «راه سوم» هستند؛ راهی مبتنی بر آزادی، حریم خصوصی و کنترل کامل کاربر بر دستگاه خود. بنیاد UBports به تازگی نسخه جدیدی از اوبونتو تاچ، یکی از باسابقه‌ترین این سیستم‌عامل‌ها را منتشر کرده است.
❕ منبع‌باز یعنی چه؟ (هسته، سیستم‌عامل، توزیع)
* هسته (Kernel): مانند موتور یک ماشین است. هسته لینوکس که در سال ۱۹۹۱ توسط لینوس توروالدز ساخته شد، قلب میلیون‌ها دستگاه از سرورها گرفته تا گوشی‌های اندرویدی است.
* سیستم‌عامل (OS): موتور به تنهایی ماشین نیست. ابزارهای پروژه گنو (GNU) که توسط ریچارد استالمن و بنیاد نرم‌افزار آزاد توسعه یافت، بدنه و شاسی را فراهم کردند. ترکیب این دو، سیستم‌عامل گنو/لینوکس را ساخت.
* توزیع (Distribution): شرکت‌ها و جوامع مختلف، این قطعات را با نرم‌افزارهای دیگر ترکیب کرده و «توزیع»های مختلفی مانند اوبونتو، دبیان یا فدورا را ارائه می‌دهند که هر کدام ظاهر و کاربرد متفاوتی دارند. اوبونتو تاچ در واقع یک توزیع از گنو/لینوکس برای موبایل است.
🔹 نسخه جدید اوبونتو تاچ (24.04) بر پایه آخرین نسخه با پشتیبانی بلندمدت اوبونتو ساخته شده و بهبودهایی مانند حالت روشن (Light Mode)، پشتیبانی آزمایشی از رمزنگاری داده‌های شخصی و اضافه شدن پشتیبانی از دستگاه‌های جدید مانند Fairphone 5 را به همراه دارد.
❕ چرا وجود یک «راه سوم» مهم است؟
سلطه دو شرکت بر بازار موبایل، نگرانی‌هایی را در مورد حریم خصوصی (جمع‌آوری گسترده داده‌ها)، کنترل کاربر (باغ‌های محصور اپ استورها) و پایداری (پایان پشتیبانی نرم‌افزاری از دستگاه‌های قدیمی و تشویق به خرید دستگاه جدید) ایجاد کرده است. پروژه‌های منبع‌باز مانند اوبونتو تاچ به دنبال ارائه یک جایگزین هستند که در آن:
* کد منبع برای همه قابل بررسی است (شفافیت).
* کنترل کامل دستگاه در دست کاربر است.
* جمع‌آوری داده‌ها به حداقل می‌رسد.
* عمر مفید دستگاه‌ها به دلیل پشتیبانی جامعه-محور، طولانی‌تر می‌شود.
🔹 اوبونتو تاچ تنها تلاش در این زمینه نیست. پروژه‌های دیگری مانند PureOS (با تمرکز بر امنیت)، Plasma Mobile و postmarketOS (با هدف ۱۰ سال پشتیبانی از هر گوشی) نیز در این اکوسیستم پویا فعالیت می‌کنند. این سیستم‌عامل‌ها اگرچه ممکن است هنوز تمام امکانات و اپلیکیشن‌های اندروید و iOS را نداشته باشند، اما نماینده یک جنبش مهم برای آینده‌ای آزادتر و متنوع‌تر در دنیای فناوری هستند.
[منبع]
🆔 @Science_Focus
#فناوری #نرم_افزار_آزاد #منبع_باز #لینوکس #اوبونتو_تاچ #حریم_خصوصی #سیستم_عامل
UBports
Ubuntu Touch 24.04-1.0 Release | Ubports
Upgrade Ubuntu Touch to 24.04-1.0! Highlights of new features, improvements. Get the latest version of Ubuntu Touch, the libre mobile operating system for your phones and tablets.
🔺 پنجره‌ای به گذشته زمین: میکروب‌های چشمه‌های آب گرم، راز بقا در دوران «اکسیژن سمی» را فاش کردند
🔹 دانشمندان با مطالعه میکروب‌های ساکن در چشمه‌های آب گرم غنی از آهن در ژاپن، پنجره‌ای شگفت‌انگیز به گذشته دور سیاره ما گشوده‌اند؛ به زمانی بیش از ۲ میلیارد سال پیش که اکسیژن نه گاز حیات‌بخش، بلکه یک «سم» مرگبار برای اکثر موجودات زنده بود.
❕ «رویداد بزرگ اکسیژنی»: زمانی که اکسیژن یک آلاینده بود
حدود ۲.۳ میلیارد سال پیش، سیانوباکتری‌ها فرآیند فتوسنتز را «اختراع» کردند و شروع به پمپاژ مقادیر عظیمی اکسیژن به جو زمین نمودند. برای حیات بی‌هوازی که تا آن زمان بر سیاره حاکم بود، این اکسیژن یک گاز به شدت واکنش‌پذیر و سمی بود. این رویداد که بزرگترین بحران زیست‌محیطی تاریخ زمین محسوب می‌شود، حیات را مجبور به تکامل و یافتن راه‌هایی برای بقا در این دنیای جدید و خطرناک کرد.
🔹 این پژوهش که در ژورنال Microbes and Environments منتشر شده، نشان می‌دهد که چشمه‌های آب گرم غنی از آهن و کم‌اکسیژن در ژاپن، شباهت زیادی به اقیانوس‌های کم‌عمق زمین در آن دوران گذار دارند. تیم تحقیقاتی با تحلیل DNA میکروب‌های این چشمه‌ها، یک داستان شگفت‌انگیز از همکاری را کشف کرد.
❕ همکاری میکروبی: ساختن «پناهگاه‌های بدون اکسیژن»
این اکوسیستم‌ها تحت سلطه باکتری‌های «اکسیدکننده آهن» بودند. این میکروب‌ها از مقادیر اندک اکسیژن موجود برای «خوردن» آهن محلول در آب استفاده می‌کردند. با این کار، آن‌ها در واقع اکسیژن محیط اطراف خود را «پاکسازی» می‌کردند. این عمل، یک محیط امن و یک «پناهگاه» کم‌اکسیژن برای میکروب‌های دیگری ایجاد می‌کرد که اکسیژن برایشان سمی بود.
🔹 در واقع، به جای یک رقابت مرگبار، این میکروب‌ها یک اکوسیستم مبتنی بر همکاری ساخته بودند: سیانوباکتری‌ها اکسیژن تولید می‌کردند، اکسیدکننده‌های آهن آن را مصرف کرده و محیط را امن می‌ساختند، و موجودات بی‌هوازی در این پناهگاه به زندگی خود ادامه می‌دادند. این یافته نشان می‌دهد که گذار به یک سیاره اکسیژنی، پیچیده‌تر از یک جایگزینی ساده بوده و شامل دوره‌ای از همزیستی و مهندسی اکوسیستم در مقیاس میکروسکوپی بوده است.
[منبع]
🆔 @Science_Focus
#زیست_شناسی_تکاملی #میکروبیولوژی #حیات_اولیه #زمین_شناسی #اکسیژن
🔹 دانشمندان با مطالعه میکروب‌های ساکن در چشمه‌های آب گرم غنی از آهن در ژاپن، پنجره‌ای شگفت‌انگیز به گذشته دور سیاره ما گشوده‌اند؛ به زمانی بیش از ۲ میلیارد سال پیش که اکسیژن نه گاز حیات‌بخش، بلکه یک «سم» مرگبار برای اکثر موجودات زنده بود.
❕ «رویداد بزرگ اکسیژنی»: زمانی که اکسیژن یک آلاینده بود
حدود ۲.۳ میلیارد سال پیش، سیانوباکتری‌ها فرآیند فتوسنتز را «اختراع» کردند و شروع به پمپاژ مقادیر عظیمی اکسیژن به جو زمین نمودند. برای حیات بی‌هوازی که تا آن زمان بر سیاره حاکم بود، این اکسیژن یک گاز به شدت واکنش‌پذیر و سمی بود. این رویداد که بزرگترین بحران زیست‌محیطی تاریخ زمین محسوب می‌شود، حیات را مجبور به تکامل و یافتن راه‌هایی برای بقا در این دنیای جدید و خطرناک کرد.
🔹 این پژوهش که در ژورنال Microbes and Environments منتشر شده، نشان می‌دهد که چشمه‌های آب گرم غنی از آهن و کم‌اکسیژن در ژاپن، شباهت زیادی به اقیانوس‌های کم‌عمق زمین در آن دوران گذار دارند. تیم تحقیقاتی با تحلیل DNA میکروب‌های این چشمه‌ها، یک داستان شگفت‌انگیز از همکاری را کشف کرد.
❕ همکاری میکروبی: ساختن «پناهگاه‌های بدون اکسیژن»
این اکوسیستم‌ها تحت سلطه باکتری‌های «اکسیدکننده آهن» بودند. این میکروب‌ها از مقادیر اندک اکسیژن موجود برای «خوردن» آهن محلول در آب استفاده می‌کردند. با این کار، آن‌ها در واقع اکسیژن محیط اطراف خود را «پاکسازی» می‌کردند. این عمل، یک محیط امن و یک «پناهگاه» کم‌اکسیژن برای میکروب‌های دیگری ایجاد می‌کرد که اکسیژن برایشان سمی بود.
🔹 در واقع، به جای یک رقابت مرگبار، این میکروب‌ها یک اکوسیستم مبتنی بر همکاری ساخته بودند: سیانوباکتری‌ها اکسیژن تولید می‌کردند، اکسیدکننده‌های آهن آن را مصرف کرده و محیط را امن می‌ساختند، و موجودات بی‌هوازی در این پناهگاه به زندگی خود ادامه می‌دادند. این یافته نشان می‌دهد که گذار به یک سیاره اکسیژنی، پیچیده‌تر از یک جایگزینی ساده بوده و شامل دوره‌ای از همزیستی و مهندسی اکوسیستم در مقیاس میکروسکوپی بوده است.
[منبع]
🆔 @Science_Focus
#زیست_شناسی_تکاملی #میکروبیولوژی #حیات_اولیه #زمین_شناسی #اکسیژن
Earth.com
Microbes found in hot springs that mimic early Earth conditions when oxygen was toxic to life
Ancient hot springs in Japan reveal how microbes adapted to Earth’s first oxygen, offering insights into early life.
👍1
🔺 شبیه‌سازی کوانتومی روی لپ‌تاپ: روش جدیدی که محاسبات پیچیده را ساده می‌کند
🔹 شبیه‌سازی رفتار سیستم‌های کوانتومی (مانند برهم‌کنش تریلیون‌ها ذره) آنقدر پیچیده است که معمولاً به قدرت محاسباتی ابرکامپیوترها نیاز دارد. اما یک تیم از فیزیکدانان، روشی را توسعه داده‌اند که می‌تواند بخش بزرگی از این مسائل را روی یک لپ‌تاپ معمولی حل کند!
❕ «تقریب نیمه‌کلاسیک»: یک میان‌بر هوشمندانه
شبیه‌سازی کامل یک سیستم کوانتومی بسیار دشوار است. اما در بسیاری از موارد، نیازی به این همه جزئیات نیست. «فیزیک نیمه‌کلاسیک» یک رویکرد میانی است که به جای ردیابی تمام جزئیات کوانتومی عجیب، تنها به اندازه‌ای از آن‌ها را نگه می‌دارد که برای رسیدن به یک پاسخ دقیق کافی باشد. این مانند آن است که به جای ردیابی تک‌تک مولکول‌های آب در یک موج (رویکرد کوانتومی کامل)، بتوانیم شکل کلی و حرکت موج را مدل‌سازی کنیم (رویکرد نیمه‌کلاسیک).
🔹 یکی از این روش‌های نیمه‌کلاسیک، «تقریب ویگنر کوتاه‌شده» (TWA) نام دارد، اما تاکنون استفاده از آن بسیار دشوار و محدود به سیستم‌های ایده‌آل و ایزوله بود. این پژوهش جدید که در ژورنال معتبر PRX Quantum منتشر شده، دو کار بزرگ انجام داده است:
۱- این روش را برای سیستم‌های «واقعی» و «نامرتب» که با محیط اطراف خود انرژی تبادل می‌کنند، گسترش داده است.
۲- مهم‌تر از آن، یک «دفترچه راهنمای کاربرپسند» یا یک جدول تبدیل برای این روش ایجاد کرده که به فیزیکدانان اجازه می‌دهد مسائل پیچیده خود را به سادگی به معادلاتی قابل حل تبدیل کنند.
❕ چرا این «کاربرپسند» بودن اینقدر مهم است؟
تا پیش از این، هر فیزیکدانی که می‌خواست از روش TWA استفاده کند، باید صفحات زیادی از ریاضیات پیچیده را از نو برای مسئله خود استخراج می‌کرد. اما این چارچوب جدید، این فرآیند را به یک دستورالعمل ساده تبدیل کرده است. به گفته محققان، یک فیزیکدان می‌تواند در عرض یک روز این روش را یاد بگیرد و مسائل پیچیده‌ای را که قبلاً به ابرکامپیوتر نیاز داشت، در عرض چند ساعت روی لپ‌تاپ خود حل کند.
🔹 این دستاورد به معنای پایان کار ابرکامپیوترها نیست. مسائل کوانتومی واقعاً پیچیده (با تعداد حالت‌هایی بیشتر از اتم‌های موجود در جهان) همچنان به آن‌ها نیاز دارند. اما این روش جدید، منابع گران‌قیمت ابرکامپیوترها را برای همان مسائل حیاتی آزاد می‌کند و به طیف وسیع‌تری از دانشمندان اجازه می‌دهد تا با ابزارهای در دسترس، مرزهای دانش کوانتومی را جابجا کنند.
[منبع]
🆔 @Science_Focus
#فیزیک #کوانتوم #محاسبات_علمی #فناوری #شبیه_سازی
🔹 شبیه‌سازی رفتار سیستم‌های کوانتومی (مانند برهم‌کنش تریلیون‌ها ذره) آنقدر پیچیده است که معمولاً به قدرت محاسباتی ابرکامپیوترها نیاز دارد. اما یک تیم از فیزیکدانان، روشی را توسعه داده‌اند که می‌تواند بخش بزرگی از این مسائل را روی یک لپ‌تاپ معمولی حل کند!
❕ «تقریب نیمه‌کلاسیک»: یک میان‌بر هوشمندانه
شبیه‌سازی کامل یک سیستم کوانتومی بسیار دشوار است. اما در بسیاری از موارد، نیازی به این همه جزئیات نیست. «فیزیک نیمه‌کلاسیک» یک رویکرد میانی است که به جای ردیابی تمام جزئیات کوانتومی عجیب، تنها به اندازه‌ای از آن‌ها را نگه می‌دارد که برای رسیدن به یک پاسخ دقیق کافی باشد. این مانند آن است که به جای ردیابی تک‌تک مولکول‌های آب در یک موج (رویکرد کوانتومی کامل)، بتوانیم شکل کلی و حرکت موج را مدل‌سازی کنیم (رویکرد نیمه‌کلاسیک).
🔹 یکی از این روش‌های نیمه‌کلاسیک، «تقریب ویگنر کوتاه‌شده» (TWA) نام دارد، اما تاکنون استفاده از آن بسیار دشوار و محدود به سیستم‌های ایده‌آل و ایزوله بود. این پژوهش جدید که در ژورنال معتبر PRX Quantum منتشر شده، دو کار بزرگ انجام داده است:
۱- این روش را برای سیستم‌های «واقعی» و «نامرتب» که با محیط اطراف خود انرژی تبادل می‌کنند، گسترش داده است.
۲- مهم‌تر از آن، یک «دفترچه راهنمای کاربرپسند» یا یک جدول تبدیل برای این روش ایجاد کرده که به فیزیکدانان اجازه می‌دهد مسائل پیچیده خود را به سادگی به معادلاتی قابل حل تبدیل کنند.
❕ چرا این «کاربرپسند» بودن اینقدر مهم است؟
تا پیش از این، هر فیزیکدانی که می‌خواست از روش TWA استفاده کند، باید صفحات زیادی از ریاضیات پیچیده را از نو برای مسئله خود استخراج می‌کرد. اما این چارچوب جدید، این فرآیند را به یک دستورالعمل ساده تبدیل کرده است. به گفته محققان، یک فیزیکدان می‌تواند در عرض یک روز این روش را یاد بگیرد و مسائل پیچیده‌ای را که قبلاً به ابرکامپیوتر نیاز داشت، در عرض چند ساعت روی لپ‌تاپ خود حل کند.
🔹 این دستاورد به معنای پایان کار ابرکامپیوترها نیست. مسائل کوانتومی واقعاً پیچیده (با تعداد حالت‌هایی بیشتر از اتم‌های موجود در جهان) همچنان به آن‌ها نیاز دارند. اما این روش جدید، منابع گران‌قیمت ابرکامپیوترها را برای همان مسائل حیاتی آزاد می‌کند و به طیف وسیع‌تری از دانشمندان اجازه می‌دهد تا با ابزارهای در دسترس، مرزهای دانش کوانتومی را جابجا کنند.
[منبع]
🆔 @Science_Focus
#فیزیک #کوانتوم #محاسبات_علمی #فناوری #شبیه_سازی
phys.org
Quantum dynamics on your laptop? New technique moves us closer
Imagine zooming into matter at the quantum scale, where tiny particles can interact in more than a trillion configurations at once.
❤1
🔺 مسابقه تسلیحاتی جدید هوش مصنوعی: معرفی «چارچوب‌های عامل» برای ساختن هوش مصنوعی که «عمل می‌کند»
🔹 هوش مصنوعی در حال برداشتن گام بزرگ بعدی در تکامل خود است: گذار از مدل‌هایی که فقط «حرف می‌زنند» به «عامل‌هایی» که می‌توانند وظایف پیچیده را به صورت خودکار «انجام دهند». در هفته‌های اخیر، تمام غول‌های فناوری از جمله مایکروسافت، OpenAI، آمازون و گوگل، پلتفرم‌های جدید خود را برای ساخت این «عامل‌های هوشمند» معرفی کرده‌اند.
❕ «عامل هوشمند» و «چارچوب عامل» به زبان ساده
* عامل هوشمند (AI Agent): آن را مانند یک «کارآموز دیجیتال» بسیار باهوش در نظر بگیرید. شما یک هدف کلی به او می‌دهید (مثلاً: "یک سفر سه روزه به پاریس برای من برنامه‌ریزی کن") و او خودش مراحل لازم را تشخیص می‌دهد: جستجوی پروازها، مقایسه هتل‌ها، بررسی آب‌وهوا و ارائه یک برنامه کامل.
* چارچوب عامل (Agent Framework): این چارچوب، «میز کار» یا «کارگاه» این کارآموز دیجیتال است. این پلتفرم به توسعه‌دهندگان اجازه می‌دهد تا به عامل هوشمند خود ابزارهای لازم را بدهند (مثلاً دسترسی به وب‌سایت‌های رزرو پرواز)، یک برنامه کاری (Workflow) برایش تعریف کنند و بر عملکرد او نظارت داشته باشند.
🔹 بازیگران اصلی این رقابت جدید:
* مایکروسافت: با معرفی Microsoft Agent Framework (که پروژه‌های AutoGen و Semantic Kernel را ترکیب می‌کند)، یک بستر منبع‌باز و قدرتمند برای ساخت عامل‌های هوشمند در محیط Azure ارائه کرده است.
* OpenAI: با معرفی ChatGPT Agent و AgentKit، به کاربران اجازه می‌دهد تا به طور مستقیم از ChatGPT برای انجام وظایف چندمرحله‌ای (مانند تحلیل داده و ساخت پاورپوینت) استفاده کنند و به توسعه‌دهندگان ابزارهای بصری برای ساخت این عامل‌ها می‌دهد.
* آمازون: با Amazon Bedrock Agents و AgentCore، یک بستر قدرتمند برای ساخت و مدیریت عامل‌های هوشمند در اکوسیستم AWS فراهم کرده است.
* دیگران: شرکت‌های دیگر مانند گوگل (با Workflow Agents) و Anthropic نیز رویکردهای مشابهی را دنبال می‌کنند.
❕ چرا این یک جهش بزرگ است؟ (ارکستراسیون و ابزارها)
قدرت این پلتفرم‌ها در دو چیز است:
۱- ارکستراسیون (Orchestration): توانایی تعریف یک فرآیند چندمرحله‌ای. مثلاً: «ابتدا ایمیل‌های جدید را بخوان، سپس موارد مهم را خلاصه کن، و در نهایت یک پیش‌نویس پاسخ برای هر کدام بنویس.»
۲- اتصال به ابزارها (Tools): توانایی اتصال هوش مصنوعی به دنیای خارج از خودش، از طریق APIها. این به عامل هوشمند اجازه می‌دهد تا با نرم‌افزارهای دیگر (مانند تقویم، ایمیل، دیتابیس شرکت) تعامل داشته و کارهای واقعی انجام دهد.
🔹 در این میان، پروژه‌های منبع‌باز مانند n8n نیز وجود دارند که سال‌هاست در این زمینه فعالیت می‌کنند و به کاربران اجازه می‌دهند تا با کنترل کامل بر داده‌های خود، چنین جریان‌های کاری خودکاری را بسازند. این رقابت جدید، نشان می‌دهد که آینده هوش مصنوعی، نه فقط در هوشمندتر شدن مدل‌ها، بلکه در توانایی آن‌ها برای تعامل معنادار با دنیای دیجیتال و انجام دادن کارهای واقعی برای ما نهفته است.
[منبع] [منبع]
🆔 @Science_Focus
#هوش_مصنوعی #عامل_هوشمند #اتوماسیون #فناوری #مایکروسافت #اوپن_ای_آی #آمازون
🔹 هوش مصنوعی در حال برداشتن گام بزرگ بعدی در تکامل خود است: گذار از مدل‌هایی که فقط «حرف می‌زنند» به «عامل‌هایی» که می‌توانند وظایف پیچیده را به صورت خودکار «انجام دهند». در هفته‌های اخیر، تمام غول‌های فناوری از جمله مایکروسافت، OpenAI، آمازون و گوگل، پلتفرم‌های جدید خود را برای ساخت این «عامل‌های هوشمند» معرفی کرده‌اند.
❕ «عامل هوشمند» و «چارچوب عامل» به زبان ساده
* عامل هوشمند (AI Agent): آن را مانند یک «کارآموز دیجیتال» بسیار باهوش در نظر بگیرید. شما یک هدف کلی به او می‌دهید (مثلاً: "یک سفر سه روزه به پاریس برای من برنامه‌ریزی کن") و او خودش مراحل لازم را تشخیص می‌دهد: جستجوی پروازها، مقایسه هتل‌ها، بررسی آب‌وهوا و ارائه یک برنامه کامل.
* چارچوب عامل (Agent Framework): این چارچوب، «میز کار» یا «کارگاه» این کارآموز دیجیتال است. این پلتفرم به توسعه‌دهندگان اجازه می‌دهد تا به عامل هوشمند خود ابزارهای لازم را بدهند (مثلاً دسترسی به وب‌سایت‌های رزرو پرواز)، یک برنامه کاری (Workflow) برایش تعریف کنند و بر عملکرد او نظارت داشته باشند.
🔹 بازیگران اصلی این رقابت جدید:
* مایکروسافت: با معرفی Microsoft Agent Framework (که پروژه‌های AutoGen و Semantic Kernel را ترکیب می‌کند)، یک بستر منبع‌باز و قدرتمند برای ساخت عامل‌های هوشمند در محیط Azure ارائه کرده است.
* OpenAI: با معرفی ChatGPT Agent و AgentKit، به کاربران اجازه می‌دهد تا به طور مستقیم از ChatGPT برای انجام وظایف چندمرحله‌ای (مانند تحلیل داده و ساخت پاورپوینت) استفاده کنند و به توسعه‌دهندگان ابزارهای بصری برای ساخت این عامل‌ها می‌دهد.
* آمازون: با Amazon Bedrock Agents و AgentCore، یک بستر قدرتمند برای ساخت و مدیریت عامل‌های هوشمند در اکوسیستم AWS فراهم کرده است.
* دیگران: شرکت‌های دیگر مانند گوگل (با Workflow Agents) و Anthropic نیز رویکردهای مشابهی را دنبال می‌کنند.
❕ چرا این یک جهش بزرگ است؟ (ارکستراسیون و ابزارها)
قدرت این پلتفرم‌ها در دو چیز است:
۱- ارکستراسیون (Orchestration): توانایی تعریف یک فرآیند چندمرحله‌ای. مثلاً: «ابتدا ایمیل‌های جدید را بخوان، سپس موارد مهم را خلاصه کن، و در نهایت یک پیش‌نویس پاسخ برای هر کدام بنویس.»
۲- اتصال به ابزارها (Tools): توانایی اتصال هوش مصنوعی به دنیای خارج از خودش، از طریق APIها. این به عامل هوشمند اجازه می‌دهد تا با نرم‌افزارهای دیگر (مانند تقویم، ایمیل، دیتابیس شرکت) تعامل داشته و کارهای واقعی انجام دهد.
🔹 در این میان، پروژه‌های منبع‌باز مانند n8n نیز وجود دارند که سال‌هاست در این زمینه فعالیت می‌کنند و به کاربران اجازه می‌دهند تا با کنترل کامل بر داده‌های خود، چنین جریان‌های کاری خودکاری را بسازند. این رقابت جدید، نشان می‌دهد که آینده هوش مصنوعی، نه فقط در هوشمندتر شدن مدل‌ها، بلکه در توانایی آن‌ها برای تعامل معنادار با دنیای دیجیتال و انجام دادن کارهای واقعی برای ما نهفته است.
[منبع] [منبع]
🆔 @Science_Focus
#هوش_مصنوعی #عامل_هوشمند #اتوماسیون #فناوری #مایکروسافت #اوپن_ای_آی #آمازون
Microsoft News
Introducing Microsoft Agent Framework
Find out how Microsoft Agent Framework can help simplify the orchestration of multi-agent systems and keep developers in flow.
🔺 آیا «لمس جادویی» پیانیست‌ها واقعی است؟ علم یک راز ۱۰۰ ساله را فاش کرد
🔹 برای بیش از یک قرن، این بحث در دنیای موسیقی وجود داشته است: آیا یک پیانیست ماهر واقعاً می‌تواند با تغییر «لمس» انگشتان خود، «رنگ صدا»ی یک نت را تغییر دهد، یا این تنها یک استعاره شاعرانه است؟ اکنون، یک پژوهش جدید با استفاده از فناوری پیشرفته، برای اولین بار به طور علمی ثابت کرده که این «لمس جادویی» کاملاً واقعی است.
❕ «رنگ صدا» یا Timbre چیست؟
تصور کنید یک ویولن و یک ترومپت، هر دو دقیقاً یک نت موسیقی را با یک حجم صدای یکسان می‌نوازند. آن کیفیتی که به شما اجازه می‌دهد صدای این دو ساز را از هم تشخیص دهید، «Timbre» یا رنگ صدا نام دارد. این پژوهش بررسی کرده که آیا یک ساز واحد (پیانو) نیز می‌تواند رنگ‌های صدای متفاوتی تولید کند یا خیر.
🔹 در این تحقیق که در ژورنال معتبر PNAS منتشر شده، دانشمندان از سنسورهای فوق دقیقی استفاده کردند که حرکت هر یک از ۸۸ کلاویه پیانو را با سرعت ۱۰۰۰ فریم بر ثانیه ثبت می‌کرد. آن‌ها از پیانیست‌های حرفه‌ای خواستند تا یک قطعه را با نیت‌های بیانی متفاوت بنوازند (مثلاً یک بار با صدای «روشن» و بار دیگر با صدای «تاریک»).
🔹 نتایج شگفت‌انگیز بود: نه تنها شنوندگان (حتی افراد بدون آموزش موسیقی) به طور مداوم تفاوت در رنگ صدا را تشخیص می‌دادند، بلکه سنسورها نیز نشان دادند که برای تولید هر رنگ صدا، یک الگوی حرکتی کاملاً مشخص و متفاوت در انگشتان پیانیست وجود دارد!
❕ راز لمس جادویی در چیست؟
این تحقیق نشان داد که تفاوت، تنها در «نیروی نهایی» ضربه به کلاویه نیست. بلکه در جزئیات بسیار ظریف حرکت نهفته است؛ مانند «شتاب انگشت در لحظه رها شدن چکش» یا «میزان همزمانی انگشتان در نواختن یک آکورد». این حرکات میکروسکوپی، نحوه برخورد چکش با سیم را تغییر داده و هارمونیک‌های متفاوتی را تولید می‌کنند که ما آن را به عنوان «رنگ صدای» متفاوت درک می‌کنیم.
🔹 این کشف، «دانش ضمنی» و شهودی هنرمندان را به یک مهارت فیزیکی قابل اندازه‌گیری و قابل آموزش تبدیل می‌کند. این یافته می‌تواند انقلابی در آموزش موسیقی ایجاد کند و حتی در حوزه‌هایی مانند توانبخشی برای بازیابی حرکات ظریف دست یا طراحی رابط‌های کاربری لمسی پیشرفته‌تر به کار گرفته شود.
[منبع]
🆔 @Science_Focus
#علوم_اعصاب #موسیقی #هنر_و_علم #فیزیک #ادراک
🔹 برای بیش از یک قرن، این بحث در دنیای موسیقی وجود داشته است: آیا یک پیانیست ماهر واقعاً می‌تواند با تغییر «لمس» انگشتان خود، «رنگ صدا»ی یک نت را تغییر دهد، یا این تنها یک استعاره شاعرانه است؟ اکنون، یک پژوهش جدید با استفاده از فناوری پیشرفته، برای اولین بار به طور علمی ثابت کرده که این «لمس جادویی» کاملاً واقعی است.
❕ «رنگ صدا» یا Timbre چیست؟
تصور کنید یک ویولن و یک ترومپت، هر دو دقیقاً یک نت موسیقی را با یک حجم صدای یکسان می‌نوازند. آن کیفیتی که به شما اجازه می‌دهد صدای این دو ساز را از هم تشخیص دهید، «Timbre» یا رنگ صدا نام دارد. این پژوهش بررسی کرده که آیا یک ساز واحد (پیانو) نیز می‌تواند رنگ‌های صدای متفاوتی تولید کند یا خیر.
🔹 در این تحقیق که در ژورنال معتبر PNAS منتشر شده، دانشمندان از سنسورهای فوق دقیقی استفاده کردند که حرکت هر یک از ۸۸ کلاویه پیانو را با سرعت ۱۰۰۰ فریم بر ثانیه ثبت می‌کرد. آن‌ها از پیانیست‌های حرفه‌ای خواستند تا یک قطعه را با نیت‌های بیانی متفاوت بنوازند (مثلاً یک بار با صدای «روشن» و بار دیگر با صدای «تاریک»).
🔹 نتایج شگفت‌انگیز بود: نه تنها شنوندگان (حتی افراد بدون آموزش موسیقی) به طور مداوم تفاوت در رنگ صدا را تشخیص می‌دادند، بلکه سنسورها نیز نشان دادند که برای تولید هر رنگ صدا، یک الگوی حرکتی کاملاً مشخص و متفاوت در انگشتان پیانیست وجود دارد!
❕ راز لمس جادویی در چیست؟
این تحقیق نشان داد که تفاوت، تنها در «نیروی نهایی» ضربه به کلاویه نیست. بلکه در جزئیات بسیار ظریف حرکت نهفته است؛ مانند «شتاب انگشت در لحظه رها شدن چکش» یا «میزان همزمانی انگشتان در نواختن یک آکورد». این حرکات میکروسکوپی، نحوه برخورد چکش با سیم را تغییر داده و هارمونیک‌های متفاوتی را تولید می‌کنند که ما آن را به عنوان «رنگ صدای» متفاوت درک می‌کنیم.
🔹 این کشف، «دانش ضمنی» و شهودی هنرمندان را به یک مهارت فیزیکی قابل اندازه‌گیری و قابل آموزش تبدیل می‌کند. این یافته می‌تواند انقلابی در آموزش موسیقی ایجاد کند و حتی در حوزه‌هایی مانند توانبخشی برای بازیابی حرکات ظریف دست یا طراحی رابط‌های کاربری لمسی پیشرفته‌تر به کار گرفته شود.
[منبع]
🆔 @Science_Focus
#علوم_اعصاب #موسیقی #هنر_و_علم #فیزیک #ادراک
Neuroscience News
Pianists Can Shape Piano Timbre Through Touch
A new study has scientifically confirmed that pianists can change piano timbre mid-performance through touch alone.
❤2
🔺 مغز ناامید: چگونه ناامیدی‌های مزمن، مدارهای پاداش مغز را بازنویسی می‌کنند؟
🔹 ناامیدی یک احساس آشناست. اما وقتی این تجربه بارها و بارها تکرار شود، اتفاق عجیبی رخ می‌دهد: مغز برای محافظت از ما در برابر درد آینده، ممکن است خود «امیدواری» را سرکوب کند. یک مقاله جدید که توسط یک روانپزشک و بر پایه یک متاآنالیز گسترده نوشته شده، توضیح می‌دهد که چگونه این فرآیند روانی، یک ریشه بیولوژیکی عمیق در مغز ما دارد.
❕ دوپامین: مولکول «پیش‌بینی»، نه «لذت»
برخلاف تصور رایج، دوپامین مولکول لذت نیست، بلکه مولکول انگیزه و «پیش‌بینی پاداش» است. اوج ترشح دوپامین، نه در لحظه دریافت پاداش، بلکه در لحظات «انتظار» برای آن رخ می‌دهد. مغز ما دائماً در حال مقایسه پیش‌بینی‌های خود با واقعیت است. اگر واقعیت بهتر از انتظار ما باشد، دوپامین افزایش می‌یابد. اگر بدتر باشد (ناامیدی)، سطح دوپامین افت می‌کند.
🔹 وقتی ناامیدی‌ها مکرر می‌شوند، مغز این الگو را «یاد می‌گیرد». افت‌های مداوم دوپامین به سیستم پاداش مغز آموزش می‌دهد که «تلاش کردن به درد منجر می‌شود». در نتیجه، مغز به تدریج مدارهای پیش‌بینی و انگیزه را خاموش می‌کند تا از ما در برابر درد ناامیدی بیشتر محافظت کند. این پدیده که در روانشناسی به آن «درماندگی آموخته‌شده» می‌گویند، یک بازنویسی بیولوژیکی در مغز است.
❕ نبرد دو ناحیه در مغز: پدال گاز و ترمز
یک متاآنالیز گسترده در ژورنال معتبر JAMA که ۸۳ مطالعه را بررسی کرده، نشان داد که تجربیات نامطلوب شدید، تعادل بین دو ناحیه کلیدی مغز را به هم می‌زند:
* آمیگدال (پدال گاز/آژیر خطر): بیش‌فعال شده و دائماً در حالت هشدار قرار می‌گیرد.
* قشر پیشانی (پدال ترمز/مدیرعامل منطقی): کم‌کار شده و توانایی خود برای کنترل احساسات و مدیریت استرس را از دست می‌دهد.
این دقیقاً همان الگویی است که در ناامیدی مزمن نیز دیده می‌شود.
🔹 چگونه می‌توان امید را دوباره بیدار کرد؟
خبر خوب این است که مغز قابلیت بازآموزی دارد. برای بازگرداندن امید، مغز باید شواهد جدیدی مبنی بر اینکه «تلاش کردن می‌تواند به نتیجه برسد» جمع‌آوری کند. دو راهکار اصلی برای این کار وجود دارد:
۱- فعال‌سازی رفتاری: انجام دادن کارهایی که قبلاً برای ما معنادار یا لذت‌بخش بوده‌اند، حتی اگر هیچ انگیزه‌ای برای انجامشان نداریم. هر موفقیت کوچک، یک سیگنال مثبت برای سیستم دوپامین است.
۲- غنی‌سازی محیطی: ایجاد تغییرات کوچک اما جدید در محیط اطراف (مانند تغییر دکور، رفتن به یک مسیر جدید، یادگیری یک مهارت ساده) به مغز سیگنال می‌دهد که جهان هنوز سرشار از تازگی و امکان است.
این اقدامات کوچک و مداوم، به تدریج مدارهای دوپامین را بازنویسی کرده و ظرفیت مغز برای «خواستن» و «امیدوار بودن» را دوباره بیدار می‌کنند.
[منبع]
🆔 @Science_Focus
#روانشناسی #علوم_اعصاب #مغز #دوپامین #امید #سلامت_روان #افسردگی
🔹 ناامیدی یک احساس آشناست. اما وقتی این تجربه بارها و بارها تکرار شود، اتفاق عجیبی رخ می‌دهد: مغز برای محافظت از ما در برابر درد آینده، ممکن است خود «امیدواری» را سرکوب کند. یک مقاله جدید که توسط یک روانپزشک و بر پایه یک متاآنالیز گسترده نوشته شده، توضیح می‌دهد که چگونه این فرآیند روانی، یک ریشه بیولوژیکی عمیق در مغز ما دارد.
❕ دوپامین: مولکول «پیش‌بینی»، نه «لذت»
برخلاف تصور رایج، دوپامین مولکول لذت نیست، بلکه مولکول انگیزه و «پیش‌بینی پاداش» است. اوج ترشح دوپامین، نه در لحظه دریافت پاداش، بلکه در لحظات «انتظار» برای آن رخ می‌دهد. مغز ما دائماً در حال مقایسه پیش‌بینی‌های خود با واقعیت است. اگر واقعیت بهتر از انتظار ما باشد، دوپامین افزایش می‌یابد. اگر بدتر باشد (ناامیدی)، سطح دوپامین افت می‌کند.
🔹 وقتی ناامیدی‌ها مکرر می‌شوند، مغز این الگو را «یاد می‌گیرد». افت‌های مداوم دوپامین به سیستم پاداش مغز آموزش می‌دهد که «تلاش کردن به درد منجر می‌شود». در نتیجه، مغز به تدریج مدارهای پیش‌بینی و انگیزه را خاموش می‌کند تا از ما در برابر درد ناامیدی بیشتر محافظت کند. این پدیده که در روانشناسی به آن «درماندگی آموخته‌شده» می‌گویند، یک بازنویسی بیولوژیکی در مغز است.
❕ نبرد دو ناحیه در مغز: پدال گاز و ترمز
یک متاآنالیز گسترده در ژورنال معتبر JAMA که ۸۳ مطالعه را بررسی کرده، نشان داد که تجربیات نامطلوب شدید، تعادل بین دو ناحیه کلیدی مغز را به هم می‌زند:
* آمیگدال (پدال گاز/آژیر خطر): بیش‌فعال شده و دائماً در حالت هشدار قرار می‌گیرد.
* قشر پیشانی (پدال ترمز/مدیرعامل منطقی): کم‌کار شده و توانایی خود برای کنترل احساسات و مدیریت استرس را از دست می‌دهد.
این دقیقاً همان الگویی است که در ناامیدی مزمن نیز دیده می‌شود.
🔹 چگونه می‌توان امید را دوباره بیدار کرد؟
خبر خوب این است که مغز قابلیت بازآموزی دارد. برای بازگرداندن امید، مغز باید شواهد جدیدی مبنی بر اینکه «تلاش کردن می‌تواند به نتیجه برسد» جمع‌آوری کند. دو راهکار اصلی برای این کار وجود دارد:
۱- فعال‌سازی رفتاری: انجام دادن کارهایی که قبلاً برای ما معنادار یا لذت‌بخش بوده‌اند، حتی اگر هیچ انگیزه‌ای برای انجامشان نداریم. هر موفقیت کوچک، یک سیگنال مثبت برای سیستم دوپامین است.
۲- غنی‌سازی محیطی: ایجاد تغییرات کوچک اما جدید در محیط اطراف (مانند تغییر دکور، رفتن به یک مسیر جدید، یادگیری یک مهارت ساده) به مغز سیگنال می‌دهد که جهان هنوز سرشار از تازگی و امکان است.
این اقدامات کوچک و مداوم، به تدریج مدارهای دوپامین را بازنویسی کرده و ظرفیت مغز برای «خواستن» و «امیدوار بودن» را دوباره بیدار می‌کنند.
[منبع]
🆔 @Science_Focus
#روانشناسی #علوم_اعصاب #مغز #دوپامین #امید #سلامت_روان #افسردگی
Psychology Today
How Chronic Disappointment Rewires the Brain
Chronic disappointment can train the brain to expect pain instead of reward. Restoring hope means reawakening dopamine through small actions, enriched environments, and new desire.
❤1
🔺 گرسنگی پنهان هوش مصنوعی برای مس، و ارتشی از میکروب‌ها که به کمک می‌آیند
🔹 انقلاب هوش مصنوعی تنها یک داستان نرم‌افزاری نیست؛ این یک انقلاب فیزیکی است که به شدت به یک ماده کلیدی وابسته است: مس. هر مرکز داده، هر خط انتقال برق و هر سیستم خنک‌کننده، به هزاران تن مس نیاز دارد. اما با افزایش تقاضا، ما با یک مشکل بزرگ روبرو هستیم: منابع مس که استخراج آن‌ها آسان است، رو به اتمام است. یک راه حل نوآورانه، ارتشی از کارگران میکروسکوپی را به میدان آورده است.
❕ «بیولیچینگ» یا آبشویی زیستی چیست؟
این یک فرایند طبیعی است که در آن میکروب‌های خاصی به سنگ‌های معدنی سولفیدی می‌چسبند و آن‌ها را اکسید می‌کنند. این فرایند، مواد شیمیایی مانند اسید سولفوریک و فریک سولفات تولید می‌کند که به طور طبیعی فلزاتی مانند مس را از سنگ جدا کرده و آن را در محلول آزاد می‌کنند. به زبان ساده، میکروب‌ها سنگ را «هضم» کرده و مس را برای ما استخراج می‌کنند. این روش نسبت به ذوب کردن سنتی، انرژی بسیار کمتری مصرف کرده و آلودگی کمتری ایجاد می‌کند.
🔹 مشکل اینجا بود که بیولیچینگ سنتی برای سنگ‌های معدنی پیچیده و کم‌عیار، بسیار کند و ناکارآمد بود. اما اکنون، استارتاپ‌های نوآور با یک ایده هوشمندانه این مشکل را حل کرده‌اند: استفاده از هوش مصنوعی برای کمک به میکروب‌ها.
❕ چرخه «هوش مصنوعی برای هوش مصنوعی»
دانشمندان با تحلیل ژنوم و متابولیسم هزاران نوع میکروب، یک پایگاه داده عظیم ساخته‌اند. سپس با استفاده از الگوریتم‌های یادگیری ماشین، پیش‌بینی می‌کنند که کدام ترکیب از میکروب‌ها (یک «کوکتل میکروبی») برای یک نوع سنگ معدن خاص با شرایط شیمیایی و محیطی منحصر به فرد آن، بهترین عملکرد را خواهد داشت. هوش مصنوعی به آن‌ها اجازه می‌دهد تا به جای آزمون و خطای کند، به سرعت یک «ارتش میکروبی» سفارشی و بهینه را برای هر معدن طراحی و مستقر کنند.
🔹 این رویکرد پیشگامانه چندین مزیت بزرگ دارد:
۱- دسترسی به منابع جدید: این امکان را فراهم می‌کند تا مس را از سنگ‌های کم‌عیار و حتی توده‌های زباله معدنی که قبلاً غیراقتصادی بودند، استخراج کنیم.
۲- کاهش اثرات زیست‌محیطی: این فرایند نسبت به روش‌های سنتی به انرژی کمتری نیاز دارد و آلاینده‌های کمتری تولید می‌کند.
۳- سرعت و انعطاف‌پذیری: واحدهای پرورش میکروب را می‌توان به سرعت در محل مستقر و برای شرایط محلی بهینه کرد.
🔹 این فناوری یک نمونه فوق‌العاده از این است که چگونه بلندپروازی‌های دیجیتالی ما (هوش مصنوعی) به راه‌حل‌های هوشمندانه در دنیای فیزیکی و بیولوژیکی نیاز دارند. در نهایت، عصر هوش مصنوعی نه با هیجان، بلکه با مس پایدار خواهد ماند و شاید کلید این پایداری، در همین موجودات زنده میکروسکوپی نهفته باشد.
[منبع]
🆔 @Science_Focus
#فناوری #هوش_مصنوعی #محیط_زیست #معدن #اقتصاد_چرخشی #بیوتکنولوژی
🔹 انقلاب هوش مصنوعی تنها یک داستان نرم‌افزاری نیست؛ این یک انقلاب فیزیکی است که به شدت به یک ماده کلیدی وابسته است: مس. هر مرکز داده، هر خط انتقال برق و هر سیستم خنک‌کننده، به هزاران تن مس نیاز دارد. اما با افزایش تقاضا، ما با یک مشکل بزرگ روبرو هستیم: منابع مس که استخراج آن‌ها آسان است، رو به اتمام است. یک راه حل نوآورانه، ارتشی از کارگران میکروسکوپی را به میدان آورده است.
❕ «بیولیچینگ» یا آبشویی زیستی چیست؟
این یک فرایند طبیعی است که در آن میکروب‌های خاصی به سنگ‌های معدنی سولفیدی می‌چسبند و آن‌ها را اکسید می‌کنند. این فرایند، مواد شیمیایی مانند اسید سولفوریک و فریک سولفات تولید می‌کند که به طور طبیعی فلزاتی مانند مس را از سنگ جدا کرده و آن را در محلول آزاد می‌کنند. به زبان ساده، میکروب‌ها سنگ را «هضم» کرده و مس را برای ما استخراج می‌کنند. این روش نسبت به ذوب کردن سنتی، انرژی بسیار کمتری مصرف کرده و آلودگی کمتری ایجاد می‌کند.
🔹 مشکل اینجا بود که بیولیچینگ سنتی برای سنگ‌های معدنی پیچیده و کم‌عیار، بسیار کند و ناکارآمد بود. اما اکنون، استارتاپ‌های نوآور با یک ایده هوشمندانه این مشکل را حل کرده‌اند: استفاده از هوش مصنوعی برای کمک به میکروب‌ها.
❕ چرخه «هوش مصنوعی برای هوش مصنوعی»
دانشمندان با تحلیل ژنوم و متابولیسم هزاران نوع میکروب، یک پایگاه داده عظیم ساخته‌اند. سپس با استفاده از الگوریتم‌های یادگیری ماشین، پیش‌بینی می‌کنند که کدام ترکیب از میکروب‌ها (یک «کوکتل میکروبی») برای یک نوع سنگ معدن خاص با شرایط شیمیایی و محیطی منحصر به فرد آن، بهترین عملکرد را خواهد داشت. هوش مصنوعی به آن‌ها اجازه می‌دهد تا به جای آزمون و خطای کند، به سرعت یک «ارتش میکروبی» سفارشی و بهینه را برای هر معدن طراحی و مستقر کنند.
🔹 این رویکرد پیشگامانه چندین مزیت بزرگ دارد:
۱- دسترسی به منابع جدید: این امکان را فراهم می‌کند تا مس را از سنگ‌های کم‌عیار و حتی توده‌های زباله معدنی که قبلاً غیراقتصادی بودند، استخراج کنیم.
۲- کاهش اثرات زیست‌محیطی: این فرایند نسبت به روش‌های سنتی به انرژی کمتری نیاز دارد و آلاینده‌های کمتری تولید می‌کند.
۳- سرعت و انعطاف‌پذیری: واحدهای پرورش میکروب را می‌توان به سرعت در محل مستقر و برای شرایط محلی بهینه کرد.
🔹 این فناوری یک نمونه فوق‌العاده از این است که چگونه بلندپروازی‌های دیجیتالی ما (هوش مصنوعی) به راه‌حل‌های هوشمندانه در دنیای فیزیکی و بیولوژیکی نیاز دارند. در نهایت، عصر هوش مصنوعی نه با هیجان، بلکه با مس پایدار خواهد ماند و شاید کلید این پایداری، در همین موجودات زنده میکروسکوپی نهفته باشد.
[منبع]
🆔 @Science_Focus
#فناوری #هوش_مصنوعی #محیط_زیست #معدن #اقتصاد_چرخشی #بیوتکنولوژی
IEEE Spectrum
The AI Boom Has a Copper Problem. Are Microbes the Solution?
Data center buildout requires tons of copper. And microbial mining offers a cleaner, scalable way to meet copper demands.