🔺 مقاومت برای ۴۵ سال: آلیاژ فولادی جدیدی که راه را برای راکتورهای هسته‌ای نسل آینده هموار می‌کند
🔹 موسسه مهندسی حرارتی روسیه (VTI) از تکمیل موفقیت‌آمیز یک برنامه تحقیقاتی بسیار طولانی‌مدت و پیچیده بر روی یک آلیاژ فولادی جدید خبر داده است. این ماده که EP302M-Sh نام دارد، پس از گذراندن آزمون‌های مقاومتی با مجموع ۴۰۰ هزار ساعت (معادل حدود ۴۵ سال)، برای استفاده در ساخت راکتورهای هسته‌ای نسل چهارم آماده شده است.
❕ چرا ساخت فولادهای جدید برای راکتورهای آینده اینقدر حیاتی است؟
راکتورهای هسته‌ای نسل چهارم، مانند راکتورهای سریع نوترونی، در دماها و فشارهای بسیار بالاتری کار می‌کنند و اغلب از خنک‌کننده‌های خورنده‌تری مانند فلزات مایع (سدیم یا سرب) به جای آب استفاده می‌کنند. در چنین شرایط بسیار سختی، مواد ساختاری راکتور باید برای دهه‌ها مقاومت بی‌نقص در برابر حرارت، فشار و خوردگی را تضمین کنند. بنابراین، توسعه و آزمایش دقیق این آلیاژهای پیشرفته، مهم‌ترین گام در مسیر ساخت راکتورهای ایمن‌تر و کارآمدتر است.
🔹 این برنامه تحقیقاتی به دلیل مقیاس و پیچیدگی آن بی‌سابقه توصیف شده است. برخی از نمونه‌های این فولاد به صورت مداوم برای بیش از ۲۵ هزار ساعت (نزدیک به ۳ سال) تحت دما و فشار بالا قرار گرفتند تا رفتار آن‌ها در طول عمر عملیاتی یک نیروگاه هسته‌ای شبیه‌سازی شود. این داده‌ها یک «پایه علمی قابل اتکا» برای طراحی ایمن تجهیزات راکتورهای آینده فراهم می‌کند.
🔹 این پیشرفت در علم مواد، همزمان با توسعه سوخت‌های هسته‌ای جدید مانند سوخت SNUPP (که برای راکتورهای با چرخه سوخت بسته طراحی شده) صورت می‌گیرد. در حالی که سوخت جدید به دنبال افزایش بهره‌وری و کاهش پسماند است، این فولاد جدید به دنبال تضمین ایمنی و یکپارچگی ساختاری راکتوری است که قرار است از آن سوخت استفاده کند.
🔹 نتایج این آزمون‌های گسترده اکنون در اختیار شرکت‌های طراح قرار گرفته تا در ساخت نیروگاه‌های هسته‌ای پیشرفته جدید مورد استفاده قرار گیرد. این دستاورد، صرف نظر از منشأ آن، نشان‌دهنده اهمیت بنیادین مهندسی مواد در پیشبرد مرزهای فناوری انرژی در سراسر جهان است.
[منبع]
🆔 @Science_Focus
#فناوری #انرژی_هسته_ای #علم_مواد #مهندسی #راکتور_نسل_چهارم
🔹 موسسه مهندسی حرارتی روسیه (VTI) از تکمیل موفقیت‌آمیز یک برنامه تحقیقاتی بسیار طولانی‌مدت و پیچیده بر روی یک آلیاژ فولادی جدید خبر داده است. این ماده که EP302M-Sh نام دارد، پس از گذراندن آزمون‌های مقاومتی با مجموع ۴۰۰ هزار ساعت (معادل حدود ۴۵ سال)، برای استفاده در ساخت راکتورهای هسته‌ای نسل چهارم آماده شده است.
❕ چرا ساخت فولادهای جدید برای راکتورهای آینده اینقدر حیاتی است؟
راکتورهای هسته‌ای نسل چهارم، مانند راکتورهای سریع نوترونی، در دماها و فشارهای بسیار بالاتری کار می‌کنند و اغلب از خنک‌کننده‌های خورنده‌تری مانند فلزات مایع (سدیم یا سرب) به جای آب استفاده می‌کنند. در چنین شرایط بسیار سختی، مواد ساختاری راکتور باید برای دهه‌ها مقاومت بی‌نقص در برابر حرارت، فشار و خوردگی را تضمین کنند. بنابراین، توسعه و آزمایش دقیق این آلیاژهای پیشرفته، مهم‌ترین گام در مسیر ساخت راکتورهای ایمن‌تر و کارآمدتر است.
🔹 این برنامه تحقیقاتی به دلیل مقیاس و پیچیدگی آن بی‌سابقه توصیف شده است. برخی از نمونه‌های این فولاد به صورت مداوم برای بیش از ۲۵ هزار ساعت (نزدیک به ۳ سال) تحت دما و فشار بالا قرار گرفتند تا رفتار آن‌ها در طول عمر عملیاتی یک نیروگاه هسته‌ای شبیه‌سازی شود. این داده‌ها یک «پایه علمی قابل اتکا» برای طراحی ایمن تجهیزات راکتورهای آینده فراهم می‌کند.
🔹 این پیشرفت در علم مواد، همزمان با توسعه سوخت‌های هسته‌ای جدید مانند سوخت SNUPP (که برای راکتورهای با چرخه سوخت بسته طراحی شده) صورت می‌گیرد. در حالی که سوخت جدید به دنبال افزایش بهره‌وری و کاهش پسماند است، این فولاد جدید به دنبال تضمین ایمنی و یکپارچگی ساختاری راکتوری است که قرار است از آن سوخت استفاده کند.
🔹 نتایج این آزمون‌های گسترده اکنون در اختیار شرکت‌های طراح قرار گرفته تا در ساخت نیروگاه‌های هسته‌ای پیشرفته جدید مورد استفاده قرار گیرد. این دستاورد، صرف نظر از منشأ آن، نشان‌دهنده اهمیت بنیادین مهندسی مواد در پیشبرد مرزهای فناوری انرژی در سراسر جهان است.
[منبع]
🆔 @Science_Focus
#فناوری #انرژی_هسته_ای #علم_مواد #مهندسی #راکتور_نسل_چهارم
Interesting Engineering
Russia’s ‘super steel’ for nuclear reactors passes 400,000-hour test
Specialists spent over 400,000 hours stress-testing EP302M-Sh, confirming its long-term strength for next-gen nuclear reactors.
🔺 باز کردن جعبه سیاه: متا ابزاری برای دیدن «افکار» و اصلاح خطاهای هوش مصنوعی ساخت
🔹 یکی از بزرگترین مشکلات مدل‌های زبان بزرگ (LLM) این است که آن‌ها مانند یک «جعبه سیاه» عمل می‌کنند؛ ما خروجی آن‌ها را می‌بینیم، اما نمی‌دانیم در «ذهن» آن‌ها چه می‌گذرد. اکنون، محققان شرکت متا یک روش انقلابی به نام CRV ابداع کرده‌اند که برای اولین بار به ما اجازه می‌دهد فرآیند استدلال درونی هوش مصنوعی را مشاهده، خطاهای آن را پیش‌بینی و حتی در لحظه آن‌ها را اصلاح کنیم.
❕ سه رویکرد برای فهم هوش مصنوعی (تشبیه مکانیک خودرو)
* جعبه سیاه (Black-box): شما فقط به صدای موتور گوش می‌دهید. اگر صدای بدی بدهد، می‌فهمید مشکلی وجود دارد، اما نمی‌دانید کجاست. (تحلیل خروجی نهایی مدل)
* جعبه خاکستری (Gray-box): شما کاپوت را بالا می‌زنید و به لرزش کلی موتور نگاه می‌کنید. اطلاعات بیشتری دارید، اما هنوز نمی‌دانید کدام قطعه خراب است. (تحلیل کلی فعالیت نورون‌ها)
* جعبه سفید (White-box): شما یک دیاگ به موتور وصل می‌کنید و دقیقاً می‌بینید که کدام سیلندر بد کار می‌کند. (رویکرد جدید CRV که مسیر محاسبات را ردیابی می‌کند)
🔹 CRV چگونه کار می‌کند؟
این روش بر این ایده استوار است که هوش مصنوعی برای انجام کارهای مختلف، «مدارهای» تخصصی از نورون‌ها را در درون خود فعال می‌کند. CRV با نصب یک «پورت عیب‌یابی» در مدل، می‌تواند این مدارهای محاسباتی را در حین کار مشاهده کند. این ابزار برای هر گام از استدلال مدل، یک «اثر انگشت ساختاری» ایجاد می‌کند. سپس یک مدل دیگر یاد می‌گیرد که این اثر انگشت‌ها را بخواند و با دقت بالایی پیش‌بینی کند که آیا این گام از استدلال درست است یا در مسیر اشتباه قرار دارد.
❕ «مدارهای استدلال» در هوش مصنوعی چیست؟
این مفهوم به این ایده اشاره دارد که مدل‌های هوش مصنوعی برای انجام وظایف خاص (مانند جمع زدن اعداد یا استدلال منطقی)، زیرمجموعه‌های خاصی از نورون‌های خود را به صورت یک الگوریتم پنهان فعال می‌کنند. این پژوهش نشان داد که مدار مربوط به استدلال ریاضی با مدار مربوط به استدلال منطقی متفاوت است.
🔹 شگفت‌انگیزترین بخش: تشخیص و اصلاح!
این روش نه تنها می‌تواند بگوید که استدلال در حال خطا رفتن است، بلکه می‌تواند «علت» آن را نیز پیدا کند. در یک آزمایش، مدل در حال انجام یک محاسبه ریاضی بود و می‌خواست ضرب را پیش از جمع انجام دهد (یک خطای اولویت عملیات). CRV این خطا را پیش‌بینی کرد و مشخص کرد که یک نورون خاص مربوط به «ضرب» به اشتباه فعال شده است. محققان به صورت دستی آن یک نورون را سرکوب کردند و مدل بلافاصله مسیر خود را اصلاح کرد و به پاسخ صحیح رسید!
🔹 این پژوهش یک گام بسیار بزرگ به سوی ساخت هوش مصنوعی قابل اعتماد، ایمن و قابل تفسیر است. این مانند ساختن اولین «دیباگر» برای مغز هوش مصنوعی است که به ما اجازه می‌دهد به جای آموزش مجدد کل مدل، به صورت جراحی خطاهای آن را پیدا و اصلاح کنیم.
[منبع] [منبع]
🆔 @Science_Focus
#هوش_مصنوعی #یادگیری_عمیق #متا #تفسیرپذیری_AI #مدل_های_زبانی_بزرگ
🔹 یکی از بزرگترین مشکلات مدل‌های زبان بزرگ (LLM) این است که آن‌ها مانند یک «جعبه سیاه» عمل می‌کنند؛ ما خروجی آن‌ها را می‌بینیم، اما نمی‌دانیم در «ذهن» آن‌ها چه می‌گذرد. اکنون، محققان شرکت متا یک روش انقلابی به نام CRV ابداع کرده‌اند که برای اولین بار به ما اجازه می‌دهد فرآیند استدلال درونی هوش مصنوعی را مشاهده، خطاهای آن را پیش‌بینی و حتی در لحظه آن‌ها را اصلاح کنیم.
❕ سه رویکرد برای فهم هوش مصنوعی (تشبیه مکانیک خودرو)
* جعبه سیاه (Black-box): شما فقط به صدای موتور گوش می‌دهید. اگر صدای بدی بدهد، می‌فهمید مشکلی وجود دارد، اما نمی‌دانید کجاست. (تحلیل خروجی نهایی مدل)
* جعبه خاکستری (Gray-box): شما کاپوت را بالا می‌زنید و به لرزش کلی موتور نگاه می‌کنید. اطلاعات بیشتری دارید، اما هنوز نمی‌دانید کدام قطعه خراب است. (تحلیل کلی فعالیت نورون‌ها)
* جعبه سفید (White-box): شما یک دیاگ به موتور وصل می‌کنید و دقیقاً می‌بینید که کدام سیلندر بد کار می‌کند. (رویکرد جدید CRV که مسیر محاسبات را ردیابی می‌کند)
🔹 CRV چگونه کار می‌کند؟
این روش بر این ایده استوار است که هوش مصنوعی برای انجام کارهای مختلف، «مدارهای» تخصصی از نورون‌ها را در درون خود فعال می‌کند. CRV با نصب یک «پورت عیب‌یابی» در مدل، می‌تواند این مدارهای محاسباتی را در حین کار مشاهده کند. این ابزار برای هر گام از استدلال مدل، یک «اثر انگشت ساختاری» ایجاد می‌کند. سپس یک مدل دیگر یاد می‌گیرد که این اثر انگشت‌ها را بخواند و با دقت بالایی پیش‌بینی کند که آیا این گام از استدلال درست است یا در مسیر اشتباه قرار دارد.
❕ «مدارهای استدلال» در هوش مصنوعی چیست؟
این مفهوم به این ایده اشاره دارد که مدل‌های هوش مصنوعی برای انجام وظایف خاص (مانند جمع زدن اعداد یا استدلال منطقی)، زیرمجموعه‌های خاصی از نورون‌های خود را به صورت یک الگوریتم پنهان فعال می‌کنند. این پژوهش نشان داد که مدار مربوط به استدلال ریاضی با مدار مربوط به استدلال منطقی متفاوت است.
🔹 شگفت‌انگیزترین بخش: تشخیص و اصلاح!
این روش نه تنها می‌تواند بگوید که استدلال در حال خطا رفتن است، بلکه می‌تواند «علت» آن را نیز پیدا کند. در یک آزمایش، مدل در حال انجام یک محاسبه ریاضی بود و می‌خواست ضرب را پیش از جمع انجام دهد (یک خطای اولویت عملیات). CRV این خطا را پیش‌بینی کرد و مشخص کرد که یک نورون خاص مربوط به «ضرب» به اشتباه فعال شده است. محققان به صورت دستی آن یک نورون را سرکوب کردند و مدل بلافاصله مسیر خود را اصلاح کرد و به پاسخ صحیح رسید!
🔹 این پژوهش یک گام بسیار بزرگ به سوی ساخت هوش مصنوعی قابل اعتماد، ایمن و قابل تفسیر است. این مانند ساختن اولین «دیباگر» برای مغز هوش مصنوعی است که به ما اجازه می‌دهد به جای آموزش مجدد کل مدل، به صورت جراحی خطاهای آن را پیدا و اصلاح کنیم.
[منبع] [منبع]
🆔 @Science_Focus
#هوش_مصنوعی #یادگیری_عمیق #متا #تفسیرپذیری_AI #مدل_های_زبانی_بزرگ
arXiv.org
Verifying Chain-of-Thought Reasoning via Its Computational Graph
Current Chain-of-Thought (CoT) verification methods predict reasoning correctness based on outputs (black-box) or activations (gray-box), but offer limited insight into why a computation fails. We...
❤2
🔺 کارخانه‌های کیهانی: چگونه عناصر جهان، از هیدروژن تا طلا، ساخته شدند؟
🔹 جمله معروف «ما از غبار ستارگان ساخته شده‌ایم» کاملاً درست است، اما این تنها بخشی از یک داستان بسیار بزرگتر و هیجان‌انگیزتر است. هر عنصری که در جهان وجود دارد، از هیدروژن درون آب تا آهن درون خون ما، در یکی از سه «کارخانه کیهانی» غول‌پیکر متولد شده است.
❕ سه کارخانه بزرگ تولید عناصر:
۱- انفجار بزرگ (The Big Bang): اولین و سریع‌ترین کارخانه که تنها مواد اولیه را تولید کرد.
۲- قلب ستارگان (Stellar Cores): کارخانه‌هایی با تولید انبوه که عناصر سبک تا متوسط را می‌سازند.
۳- مرگ انفجاری ستارگان (Stellar Explosions): کارخانه‌های تخصصی و بسیار داغ که سنگین‌ترین و کمیاب‌ترین عناصر را تولید می‌کنند.
🔹 کارخانه اول: بیگ بنگ (فقط ۳ دقیقه کار کرد!)
در چند دقیقه نخست پس از بیگ بنگ، کل جهان یک کوره همجوشی غول‌پیکر بود. در این مدت کوتاه، تمام هیدروژن و تقریباً تمام هلیوم موجود در جهان به وجود آمد. پس از آن، جهان آنقدر سرد شد که این کارخانه برای همیشه تعطیل شد.
🔹 کارخانه دوم: قلب ستارگان (تولید تا آهن)
برای میلیاردها سال، ستارگان با فشرده کردن هیدروژن در هسته‌های داغ خود، آن را به هلیوم و سپس به عناصر سنگین‌تر مانند کربن، اکسیژن و نیتروژن تبدیل کردند. این فرآیند همجوشی تا زمانی ادامه می‌یابد که به «آهن» برسد.
❕ چرا تولید در ستارگان به «آهن» ختم می‌شود؟
همجوشی عناصر سبک‌تر از آهن، «انرژی‌زا» است و باعث پایداری ستاره می‌شود. اما همجوشی آهن و تولید عناصر سنگین‌تر، نه تنها انرژی تولید نمی‌کند، بلکه انرژی «مصرف» می‌کند. این کار از نظر ترمودینامیکی برای ستاره ممکن نیست. بنابراین، هسته ستاره با رسیدن به آهن، به بن‌بست می‌رسد و کارخانه همجوشی عادی آن خاموش می‌شود.
🔹 کارخانه سوم: انفجارهای کیهانی (تولید عناصر سنگین‌تر از آهن)
پس تکلیف طلا، نقره، اورانیوم و بقیه عناصر سنگین چه می‌شود؟ آن‌ها در کوره‌های بسیار داغ‌تر و خشن‌تر از قلب ستارگان عادی ساخته می‌شوند:
* ابرنواخترها (Supernovae): وقتی یک ستاره بسیار پرجرم منفجر می‌شود، انرژی عظیم آن باعث یک دور کوتاه اما شدید همجوشی انفجاری می‌شود و بسیاری از عناصر سنگین‌تر از آهن را تولید و در کهکشان پراکنده می‌کند.
* ادغام ستاره‌های نوترونی: این خشن‌ترین رویداد شناخته‌شده در کیهان است. برخورد دو ستاره نوترونی فوق‌العاده چگال، شرایطی را فراهم می‌کند که در آن، فرآیندی به نام «فرآیند r» رخ داده و سنگین‌ترین عناصر جدول تناوبی، از جمله بخش بزرگی از طلا، پلاتین و اورانیوم جهان، در کسری از ثانیه تولید و به بیرون پرتاب می‌شوند.
🔹 بنابراین، دفعه بعد که به یک حلقه طلا نگاه می‌کنید، به یاد داشته باشید که در حال تماشای محصول یک برخورد کیهانی عظیم هستید که میلیاردها سال پیش رخ داده است. ما واقعاً از غبار ستارگان و بقایای انفجارهای کیهانی ساخته شده‌ایم.
[منبع]
🆔 @Science_Focus
#کیهان_شناسی #اخترفیزیک #ستارگان #بیگ_بنگ #ابرنواختر #عناصر_شیمیایی
🔹 جمله معروف «ما از غبار ستارگان ساخته شده‌ایم» کاملاً درست است، اما این تنها بخشی از یک داستان بسیار بزرگتر و هیجان‌انگیزتر است. هر عنصری که در جهان وجود دارد، از هیدروژن درون آب تا آهن درون خون ما، در یکی از سه «کارخانه کیهانی» غول‌پیکر متولد شده است.
❕ سه کارخانه بزرگ تولید عناصر:
۱- انفجار بزرگ (The Big Bang): اولین و سریع‌ترین کارخانه که تنها مواد اولیه را تولید کرد.
۲- قلب ستارگان (Stellar Cores): کارخانه‌هایی با تولید انبوه که عناصر سبک تا متوسط را می‌سازند.
۳- مرگ انفجاری ستارگان (Stellar Explosions): کارخانه‌های تخصصی و بسیار داغ که سنگین‌ترین و کمیاب‌ترین عناصر را تولید می‌کنند.
🔹 کارخانه اول: بیگ بنگ (فقط ۳ دقیقه کار کرد!)
در چند دقیقه نخست پس از بیگ بنگ، کل جهان یک کوره همجوشی غول‌پیکر بود. در این مدت کوتاه، تمام هیدروژن و تقریباً تمام هلیوم موجود در جهان به وجود آمد. پس از آن، جهان آنقدر سرد شد که این کارخانه برای همیشه تعطیل شد.
🔹 کارخانه دوم: قلب ستارگان (تولید تا آهن)
برای میلیاردها سال، ستارگان با فشرده کردن هیدروژن در هسته‌های داغ خود، آن را به هلیوم و سپس به عناصر سنگین‌تر مانند کربن، اکسیژن و نیتروژن تبدیل کردند. این فرآیند همجوشی تا زمانی ادامه می‌یابد که به «آهن» برسد.
❕ چرا تولید در ستارگان به «آهن» ختم می‌شود؟
همجوشی عناصر سبک‌تر از آهن، «انرژی‌زا» است و باعث پایداری ستاره می‌شود. اما همجوشی آهن و تولید عناصر سنگین‌تر، نه تنها انرژی تولید نمی‌کند، بلکه انرژی «مصرف» می‌کند. این کار از نظر ترمودینامیکی برای ستاره ممکن نیست. بنابراین، هسته ستاره با رسیدن به آهن، به بن‌بست می‌رسد و کارخانه همجوشی عادی آن خاموش می‌شود.
🔹 کارخانه سوم: انفجارهای کیهانی (تولید عناصر سنگین‌تر از آهن)
پس تکلیف طلا، نقره، اورانیوم و بقیه عناصر سنگین چه می‌شود؟ آن‌ها در کوره‌های بسیار داغ‌تر و خشن‌تر از قلب ستارگان عادی ساخته می‌شوند:
* ابرنواخترها (Supernovae): وقتی یک ستاره بسیار پرجرم منفجر می‌شود، انرژی عظیم آن باعث یک دور کوتاه اما شدید همجوشی انفجاری می‌شود و بسیاری از عناصر سنگین‌تر از آهن را تولید و در کهکشان پراکنده می‌کند.
* ادغام ستاره‌های نوترونی: این خشن‌ترین رویداد شناخته‌شده در کیهان است. برخورد دو ستاره نوترونی فوق‌العاده چگال، شرایطی را فراهم می‌کند که در آن، فرآیندی به نام «فرآیند r» رخ داده و سنگین‌ترین عناصر جدول تناوبی، از جمله بخش بزرگی از طلا، پلاتین و اورانیوم جهان، در کسری از ثانیه تولید و به بیرون پرتاب می‌شوند.
🔹 بنابراین، دفعه بعد که به یک حلقه طلا نگاه می‌کنید، به یاد داشته باشید که در حال تماشای محصول یک برخورد کیهانی عظیم هستید که میلیاردها سال پیش رخ داده است. ما واقعاً از غبار ستارگان و بقایای انفجارهای کیهانی ساخته شده‌ایم.
[منبع]
🆔 @Science_Focus
#کیهان_شناسی #اخترفیزیک #ستارگان #بیگ_بنگ #ابرنواختر #عناصر_شیمیایی
Astronomy Magazine
How elements are made inside stars
Stars are the factories in which the iron in your blood and the silver in your jewelry are made. Here's how they do it.
❤1
🔺 فراتر از یک حس و حال: علم چگونه «افسردگی فصلی» و دلتنگی‌های زمستانی را توضیح می‌دهد؟
📌 توجه: این مطلب صرفاً جنبه اطلاع‌رسانی علمی دارد و به هیچ وجه جایگزین تشخیص یا مشاوره پزشکی نیست. اگر علائم خلقی شدید یا مداوم را تجربه می‌کنید، لطفاً با یک متخصص سلامت روان یا پزشک مشورت کنید.
🔹 با کوتاه شدن روزها و فرارسیدن پاییز، بسیاری از ما احساس می‌کنیم انرژی‌مان کمتر شده و نوعی غم سنگین بر ما حاکم می‌شود. علم مدرن تأیید می‌کند که این فقط یک حس و حال گذرا نیست، بلکه یک پاسخ بیولوژیکی عمیق به تغییر فصول است که در ژن‌ها و فیزیولوژی ما ریشه دارد.
❕ تفاوت «افسردگی فصلی» با «دلتنگی زمستانی»
* دلتنگی زمستانی (Winter Blues): یک تجربه شایع و خفیف‌تر است که حدود ۲۰٪ افراد را تحت تأثیر قرار می‌دهد و شامل کاهش انرژی و خلق‌وخو می‌شود.
* اختلال عاطفی فصلی (SAD): یک زیرمجموعه از افسردگی بالینی است که حدود ۲٪ افراد را درگیر می‌کند و علائم شدیدتری مانند غم مداوم، تغییرات شدید در خواب و اشتها دارد و نیازمند درمان تخصصی است.
❕ چرا این اتفاق می‌افتد؟ ساعت داخلی بدن
مکانیسم اصلی به «ساعت شبانه‌روزی» یا ساعت داخلی بدن ما مربوط می‌شود. نور روز، به خصوص نور صبحگاهی، مهم‌ترین عامل برای تنظیم این ساعت است. با کاهش نور در پاییز و زمستان، این ساعت ممکن است از تنظیم خارج شود که منجر به اختلال در ترشح هورمون‌هایی مانند ملاتونین (هورمون خواب) و سروتونین (هورمون مرتبط با خلق‌وخو) می‌شود. تحقیقات جدید نشان می‌دهد این یک پدیده عمیق است: بیش از ۴۰۰۰ ژن در بدن ما بیانی فصلی دارند و سیستم ایمنی ما در زمستان حالت «پیش‌التهابی» قوی‌تری به خود می‌گیرد.
🔹 دو راهکار اصلی مبتنی بر علم:
تحقیقات نشان داده‌اند که دو روش درمانی اصلی برای SAD وجود دارد که هر دو به یک اندازه مؤثر هستند:
۱- نوردرمانی: استفاده از لامپ‌های بسیار قوی (حدود ۱۰۰۰۰ لوکس) در صبح به مدت ۲۰ تا ۳۰ دقیقه، می‌تواند کمبود نور طبیعی را جبران کرده و ساعت داخلی بدن را دوباره تنظیم کند.
۲- درمان شناختی-رفتاری (CBT): این رویکرد به افراد کمک می‌کند تا به جای جنگیدن با زمستان، چارچوب فکری خود را تغییر داده و با برنامه‌ریزی فعالیت‌های لذت‌بخش و اصلاح الگوهای فکری منفی، این فصل را مدیریت کنند.
🔹 راهکارهای عملی برای مقابله با دلتنگی زمستانی:
* نور صبحگاهی را در آغوش بگیرید: حتی در یک روز ابری، نور بیرون بسیار قوی‌تر از نور داخل است. سعی کنید هر روز صبح بلافاصله پس از بیدار شدن، حداقل ۱۵ دقیقه بیرون بروید.
* برنامه خواب منظم داشته باشید: حتی در آخر هفته‌ها، در ساعت مشخصی بخوابید و بیدار شوید تا ساعت داخلی بدن‌تان تنظیم بماند.
* ورزش کنید: فعالیت بدنی، به خصوص در فضای باز، یک تقویت‌کننده طبیعی خلق‌وخو است.
* برای زمستان برنامه‌های لذت‌بخش بچینید: به جای تمرکز بر تاریکی، روی جنبه‌های مثبت فصل مانند نوشیدنی‌های گرم، کتاب خواندن یا ورزش‌های زمستانی تمرکز کنید.
[منبع]
🆔 @Science_Focus
#سلامت_روان #افسردگی_فصلی #علوم_اعصاب #روانشناسی #ساعت_بیولوژیک #سبک_زندگی_سالم
📌 توجه: این مطلب صرفاً جنبه اطلاع‌رسانی علمی دارد و به هیچ وجه جایگزین تشخیص یا مشاوره پزشکی نیست. اگر علائم خلقی شدید یا مداوم را تجربه می‌کنید، لطفاً با یک متخصص سلامت روان یا پزشک مشورت کنید.
🔹 با کوتاه شدن روزها و فرارسیدن پاییز، بسیاری از ما احساس می‌کنیم انرژی‌مان کمتر شده و نوعی غم سنگین بر ما حاکم می‌شود. علم مدرن تأیید می‌کند که این فقط یک حس و حال گذرا نیست، بلکه یک پاسخ بیولوژیکی عمیق به تغییر فصول است که در ژن‌ها و فیزیولوژی ما ریشه دارد.
❕ تفاوت «افسردگی فصلی» با «دلتنگی زمستانی»
* دلتنگی زمستانی (Winter Blues): یک تجربه شایع و خفیف‌تر است که حدود ۲۰٪ افراد را تحت تأثیر قرار می‌دهد و شامل کاهش انرژی و خلق‌وخو می‌شود.
* اختلال عاطفی فصلی (SAD): یک زیرمجموعه از افسردگی بالینی است که حدود ۲٪ افراد را درگیر می‌کند و علائم شدیدتری مانند غم مداوم، تغییرات شدید در خواب و اشتها دارد و نیازمند درمان تخصصی است.
❕ چرا این اتفاق می‌افتد؟ ساعت داخلی بدن
مکانیسم اصلی به «ساعت شبانه‌روزی» یا ساعت داخلی بدن ما مربوط می‌شود. نور روز، به خصوص نور صبحگاهی، مهم‌ترین عامل برای تنظیم این ساعت است. با کاهش نور در پاییز و زمستان، این ساعت ممکن است از تنظیم خارج شود که منجر به اختلال در ترشح هورمون‌هایی مانند ملاتونین (هورمون خواب) و سروتونین (هورمون مرتبط با خلق‌وخو) می‌شود. تحقیقات جدید نشان می‌دهد این یک پدیده عمیق است: بیش از ۴۰۰۰ ژن در بدن ما بیانی فصلی دارند و سیستم ایمنی ما در زمستان حالت «پیش‌التهابی» قوی‌تری به خود می‌گیرد.
🔹 دو راهکار اصلی مبتنی بر علم:
تحقیقات نشان داده‌اند که دو روش درمانی اصلی برای SAD وجود دارد که هر دو به یک اندازه مؤثر هستند:
۱- نوردرمانی: استفاده از لامپ‌های بسیار قوی (حدود ۱۰۰۰۰ لوکس) در صبح به مدت ۲۰ تا ۳۰ دقیقه، می‌تواند کمبود نور طبیعی را جبران کرده و ساعت داخلی بدن را دوباره تنظیم کند.
۲- درمان شناختی-رفتاری (CBT): این رویکرد به افراد کمک می‌کند تا به جای جنگیدن با زمستان، چارچوب فکری خود را تغییر داده و با برنامه‌ریزی فعالیت‌های لذت‌بخش و اصلاح الگوهای فکری منفی، این فصل را مدیریت کنند.
🔹 راهکارهای عملی برای مقابله با دلتنگی زمستانی:
* نور صبحگاهی را در آغوش بگیرید: حتی در یک روز ابری، نور بیرون بسیار قوی‌تر از نور داخل است. سعی کنید هر روز صبح بلافاصله پس از بیدار شدن، حداقل ۱۵ دقیقه بیرون بروید.
* برنامه خواب منظم داشته باشید: حتی در آخر هفته‌ها، در ساعت مشخصی بخوابید و بیدار شوید تا ساعت داخلی بدن‌تان تنظیم بماند.
* ورزش کنید: فعالیت بدنی، به خصوص در فضای باز، یک تقویت‌کننده طبیعی خلق‌وخو است.
* برای زمستان برنامه‌های لذت‌بخش بچینید: به جای تمرکز بر تاریکی، روی جنبه‌های مثبت فصل مانند نوشیدنی‌های گرم، کتاب خواندن یا ورزش‌های زمستانی تمرکز کنید.
[منبع]
🆔 @Science_Focus
#سلامت_روان #افسردگی_فصلی #علوم_اعصاب #روانشناسی #ساعت_بیولوژیک #سبک_زندگی_سالم
the Guardian
How scientists are shining light on the biology behind seasonal affective disorder
Researchers tracking large cohorts are discovering the effects of sleep, light and therapy on people impacted by winter’s arrival
🔺 یک راز مغز، با الهام از روده: چگونه الگوی ریاضی گوارش، جریان خون مغز را توضیح می‌دهد؟
🔹 یکی از معماهای جالب در علوم اعصاب این است: چگونه رگ‌های خونی بسیار کوچک در مغز، تپش‌های خود را برای رساندن اکسیژن به نورون‌ها هماهنگ می‌کنند؟ اکنون، فیزیکدانان با الهام از یک منبع غیرمنتظره -حرکات موجی شکل روده‌ها- یک مدل ریاضیاتی ارائه کرده‌اند که این پدیده را توضیح می‌دهد.
❕ نوسانگرهای جفت‌شده: رقص هماهنگ طبیعت
تصور کنید چندین مترونوم را روی یک تخته چوبی متحرک قرار می‌دهید. در ابتدا هر کدام با ریتم خود می‌زنند، اما پس از مدتی، به دلیل ارتعاشات مشترک تخته، همگی با هم هماهنگ می‌شوند. به این پدیده «جفت‌شدگی نوسانگرها» می‌گویند. این یک اصل بنیادین در فیزیک است که سیستم‌های ریتمیک در طبیعت (از سلول‌های قلب تا کرم‌های شب‌تاب) را توصیف می‌کند.
🔹 دانشمندان دریافتند که حرکات موجی شکل روده برای هضم غذا، یک مثال عالی از این پدیده است. هر بخش از روده مانند یک نوسانگر عمل می‌کند که با بخش کناری خود «حرف می‌زند» و با آن هماهنگ می‌شود. این هماهنگی باعث ایجاد یک «اثر پلکانی» می‌شود که غذا را به آرامی به جلو می‌راند. محققان این الگوی ریاضیاتی را برداشتند و آن را روی معمای رگ‌های خونی مغز اعمال کردند و دریافتند که این مدل به طرز شگفت‌انگیزی با مشاهدات تطابق دارد.
❕ نکته بسیار مهم: این یک شباهت ریاضیاتی است، نه یک اتصال فیزیکی!
این پژوهش نمی‌گوید که بین حرکات روده شما و جریان خون مغزتان یک ارتباط فیزیکی مستقیم وجود دارد. بلکه نشان می‌دهد که هر دو سیستم، با وجود تفاوت‌های بیولوژیکی عظیم، از یک «قانون ریاضیاتی» مشترک پیروی می‌کنند. این مانند آن است که بگوییم الگوی رشد یک دانه برف و الگوی شاخه‌های یک درخت هر دو از اصول «فرکتال» پیروی می‌کنند؛ این دو به هم متصل نیستند، بلکه زبان مشترکشان ریاضیات است.
🔹 این کشف که در ژورنال معتبر Physical Review Letters منتشر شده، یک نمونه زیبا از این است که چگونه اصول بنیادین فیزیک و ریاضیات می‌توانند به ما در درک پیچیده‌ترین سیستم‌های بیولوژیکی کمک کنند. به گفته دیوید کلاینفلد، یکی از محققان:
[منبع]
🆔 @Science_Focus
#فیزیک #بیوفیزیک #علوم_اعصاب #ریاضیات #مغز #گوارش
🔹 یکی از معماهای جالب در علوم اعصاب این است: چگونه رگ‌های خونی بسیار کوچک در مغز، تپش‌های خود را برای رساندن اکسیژن به نورون‌ها هماهنگ می‌کنند؟ اکنون، فیزیکدانان با الهام از یک منبع غیرمنتظره -حرکات موجی شکل روده‌ها- یک مدل ریاضیاتی ارائه کرده‌اند که این پدیده را توضیح می‌دهد.
❕ نوسانگرهای جفت‌شده: رقص هماهنگ طبیعت
تصور کنید چندین مترونوم را روی یک تخته چوبی متحرک قرار می‌دهید. در ابتدا هر کدام با ریتم خود می‌زنند، اما پس از مدتی، به دلیل ارتعاشات مشترک تخته، همگی با هم هماهنگ می‌شوند. به این پدیده «جفت‌شدگی نوسانگرها» می‌گویند. این یک اصل بنیادین در فیزیک است که سیستم‌های ریتمیک در طبیعت (از سلول‌های قلب تا کرم‌های شب‌تاب) را توصیف می‌کند.
🔹 دانشمندان دریافتند که حرکات موجی شکل روده برای هضم غذا، یک مثال عالی از این پدیده است. هر بخش از روده مانند یک نوسانگر عمل می‌کند که با بخش کناری خود «حرف می‌زند» و با آن هماهنگ می‌شود. این هماهنگی باعث ایجاد یک «اثر پلکانی» می‌شود که غذا را به آرامی به جلو می‌راند. محققان این الگوی ریاضیاتی را برداشتند و آن را روی معمای رگ‌های خونی مغز اعمال کردند و دریافتند که این مدل به طرز شگفت‌انگیزی با مشاهدات تطابق دارد.
❕ نکته بسیار مهم: این یک شباهت ریاضیاتی است، نه یک اتصال فیزیکی!
این پژوهش نمی‌گوید که بین حرکات روده شما و جریان خون مغزتان یک ارتباط فیزیکی مستقیم وجود دارد. بلکه نشان می‌دهد که هر دو سیستم، با وجود تفاوت‌های بیولوژیکی عظیم، از یک «قانون ریاضیاتی» مشترک پیروی می‌کنند. این مانند آن است که بگوییم الگوی رشد یک دانه برف و الگوی شاخه‌های یک درخت هر دو از اصول «فرکتال» پیروی می‌کنند؛ این دو به هم متصل نیستند، بلکه زبان مشترکشان ریاضیات است.
🔹 این کشف که در ژورنال معتبر Physical Review Letters منتشر شده، یک نمونه زیبا از این است که چگونه اصول بنیادین فیزیک و ریاضیات می‌توانند به ما در درک پیچیده‌ترین سیستم‌های بیولوژیکی کمک کنند. به گفته دیوید کلاینفلد، یکی از محققان:
«مغز بی‌نهایت پیچیده‌تر از روده است، اما این بهترین جنبه علم است. شما یک سوال می‌پرسید، شما را به جای دیگری می‌برد، آن مسئله را حل می‌کنید، و سپس به سوال اصلی خود بازمی‌گردید.»
[منبع]
🆔 @Science_Focus
#فیزیک #بیوفیزیک #علوم_اعصاب #ریاضیات #مغز #گوارش
Medical Xpress
Study finds surprising link between gut and brain rhythms
The human body is packed with natural rhythms, from your sleep-wake cycle to the steady pulsing of blood through the brain to heart rate and pulse.
❤1
🔺 هوش مصنوعی استدلال‌کننده: «مدل‌های استدلال بزرگ» (LRM) چیستند و چگونه کار می‌کنند؟
🔹 در دنیای هوش مصنوعی، شاهد ظهور نسل جدیدی از مدل‌های زبانی هستیم که به جای ارائه پاسخ‌های فوری، برای حل مسائل پیچیده «زمان بیشتری برای تفکر» صرف می‌کنند. این مدل‌ها که «مدل‌های استدلال بزرگ» (Large Reasoning Models یا LRM) نامیده می‌شوند، توانایی‌های چشمگیری در حل مسائل منطق، ریاضیات و برنامه‌نویسی از خود نشان داده‌اند.
❕ نقطه آغاز: جادوی «بیا گام به گام فکر کنیم»
ایده اصلی پشت LRMها از مفهومی به نام «زنجیره تفکر» (Chain of Thought یا CoT) سرچشمه می‌گیرد. در سال ۲۰۲۲، محققان دریافتند که اگر به یک مدل زبانی بزرگ (LLM) بگویید قبل از ارائه پاسخ نهایی، مراحل استدلال خود را به صورت گام به گام بنویسد، دقت آن در حل مسائل پیچیده به شدت افزایش می‌یابد. این کشف نشان داد که شبیه‌سازی یک فرآیند فکری، حتی به شکل متنی، به مدل کمک می‌کند تا به پاسخ‌های صحیح‌تری برسد.
🔹 تفاوت کلیدی LRM با LLM استاندارد چیست؟
یک مدل زبانی استاندارد (مانند نسخه‌های اولیه ChatGPT) سعی می‌کند مستقیماً و در سریع‌ترین زمان ممکن به سوال شما پاسخ دهد. اما یک LRM (مانند مدل‌های جدیدتر OpenAI o1) به گونه‌ای طراحی شده که قبل از پاسخ دادن، یک فرآیند استدلال داخلی و چندمرحله‌ای را طی کند. این مدل‌ها به جای اینکه فقط بر روی «نتیجه نهایی» آموزش ببینند، بر روی «کیفیت هر مرحله از استدلال» آموزش می‌بینند. به این روش «نظارت بر فرآیند» (Process Supervision) گفته می‌شود.
❕ چگونه یک LRM «فکر» می‌کند؟
استفاده از کلمه "تفکر" در اینجا یک استعاره فنی است. فرآیند در LRMها به این شکل است:
۱- تولید مسیرهای متعدد: مدل چندین «زنجیره تفکر» یا مسیر استدلال مختلف را برای حل یک مسئله تولید می‌کند.
۲- ارزیابی و بازبینی: مدل یاد گرفته است که این مسیرها را ارزیابی کرده، خطاهای آن‌ها را تشخیص داده و حتی به عقب بازگشته و مسیر خود را اصلاح کند (مانند یک درخت جستجو).
۳- ارائه پاسخ نهایی: در نهایت، مدل بر اساس بهترین و منسجم‌ترین مسیر استدلال، پاسخ نهایی را ارائه می‌دهد.
این فرآیند به منابع محاسباتی بسیار بیشتری نیاز دارد و به همین دلیل، LRMها معمولاً کندتر از LLMهای استاندارد هستند، اما در مسائل دشوار بسیار دقیق‌تر عمل می‌کنند.
🔹 این رویکرد، یک تغییر پارادایم مهم در توسعه هوش مصنوعی است که از تمرکز صرف بر اندازه مدل و داده، به سمت بهینه‌سازی «فرآیندهای محاسباتی در حین استنتاج» حرکت می‌کند. این مدل‌ها با توانایی خود در بازبینی و اصلاح استدلال، گامی مهم به سوی ساخت سیستم‌های هوش مصنوعی قابل اعتمادتر و تواناتر برداشته‌اند.
[منبع] [منبع]
🆔 @Science_Focus
#هوش_مصنوعی #مدل_زبانی_بزرگ #یادگیری_ماشین #علوم_کامپیوتر #زنجیره_تفکر
🔹 در دنیای هوش مصنوعی، شاهد ظهور نسل جدیدی از مدل‌های زبانی هستیم که به جای ارائه پاسخ‌های فوری، برای حل مسائل پیچیده «زمان بیشتری برای تفکر» صرف می‌کنند. این مدل‌ها که «مدل‌های استدلال بزرگ» (Large Reasoning Models یا LRM) نامیده می‌شوند، توانایی‌های چشمگیری در حل مسائل منطق، ریاضیات و برنامه‌نویسی از خود نشان داده‌اند.
❕ نقطه آغاز: جادوی «بیا گام به گام فکر کنیم»
ایده اصلی پشت LRMها از مفهومی به نام «زنجیره تفکر» (Chain of Thought یا CoT) سرچشمه می‌گیرد. در سال ۲۰۲۲، محققان دریافتند که اگر به یک مدل زبانی بزرگ (LLM) بگویید قبل از ارائه پاسخ نهایی، مراحل استدلال خود را به صورت گام به گام بنویسد، دقت آن در حل مسائل پیچیده به شدت افزایش می‌یابد. این کشف نشان داد که شبیه‌سازی یک فرآیند فکری، حتی به شکل متنی، به مدل کمک می‌کند تا به پاسخ‌های صحیح‌تری برسد.
🔹 تفاوت کلیدی LRM با LLM استاندارد چیست؟
یک مدل زبانی استاندارد (مانند نسخه‌های اولیه ChatGPT) سعی می‌کند مستقیماً و در سریع‌ترین زمان ممکن به سوال شما پاسخ دهد. اما یک LRM (مانند مدل‌های جدیدتر OpenAI o1) به گونه‌ای طراحی شده که قبل از پاسخ دادن، یک فرآیند استدلال داخلی و چندمرحله‌ای را طی کند. این مدل‌ها به جای اینکه فقط بر روی «نتیجه نهایی» آموزش ببینند، بر روی «کیفیت هر مرحله از استدلال» آموزش می‌بینند. به این روش «نظارت بر فرآیند» (Process Supervision) گفته می‌شود.
❕ چگونه یک LRM «فکر» می‌کند؟
استفاده از کلمه "تفکر" در اینجا یک استعاره فنی است. فرآیند در LRMها به این شکل است:
۱- تولید مسیرهای متعدد: مدل چندین «زنجیره تفکر» یا مسیر استدلال مختلف را برای حل یک مسئله تولید می‌کند.
۲- ارزیابی و بازبینی: مدل یاد گرفته است که این مسیرها را ارزیابی کرده، خطاهای آن‌ها را تشخیص داده و حتی به عقب بازگشته و مسیر خود را اصلاح کند (مانند یک درخت جستجو).
۳- ارائه پاسخ نهایی: در نهایت، مدل بر اساس بهترین و منسجم‌ترین مسیر استدلال، پاسخ نهایی را ارائه می‌دهد.
این فرآیند به منابع محاسباتی بسیار بیشتری نیاز دارد و به همین دلیل، LRMها معمولاً کندتر از LLMهای استاندارد هستند، اما در مسائل دشوار بسیار دقیق‌تر عمل می‌کنند.
🔹 این رویکرد، یک تغییر پارادایم مهم در توسعه هوش مصنوعی است که از تمرکز صرف بر اندازه مدل و داده، به سمت بهینه‌سازی «فرآیندهای محاسباتی در حین استنتاج» حرکت می‌کند. این مدل‌ها با توانایی خود در بازبینی و اصلاح استدلال، گامی مهم به سوی ساخت سیستم‌های هوش مصنوعی قابل اعتمادتر و تواناتر برداشته‌اند.
[منبع] [منبع]
🆔 @Science_Focus
#هوش_مصنوعی #مدل_زبانی_بزرگ #یادگیری_ماشین #علوم_کامپیوتر #زنجیره_تفکر
Apple Machine Learning Research
The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity
Recent generations of frontier language models have introduced Large Reasoning Models (LRMs) that generate detailed thinking processes…
❤1
🔺 شکار بزرگ کیهانی: چرا با وجود ده‌ها سال جستجو، هنوز ماده تاریک را پیدا نکرده‌ایم؟
🔹 حدود ۸۵ درصد از کل ماده موجود در کیهان، «ماده تاریک» است. ما حضور آن را حس می‌کنیم، اثرات گرانشی آن را می‌بینیم، اما پس از دهه‌ها جستجوی بی‌وقفه با حساس‌ترین آشکارسازهایی که بشر ساخته، هنوز حتی یک ذره از آن را مستقیماً شناسایی نکرده‌ایم. این «عدم کشف» به چه معناست؟
❕ چرا اینقدر به وجود ماده تاریک مطمئن هستیم؟
اطمینان ما از وجود ماده تاریک از مشاهدات گرانشی بسیار محکم ناشی می‌شود، نه از حدس و گمان. مهم‌ترین شواهد عبارتند از:
۱- سرعت چرخش کهکشان‌ها: ستاره‌های لبه کهکشان‌ها آنقدر سریع حرکت می‌کنند که اگر فقط ماده مرئی وجود داشت، باید به فضا پرتاب می‌شدند. یک «هاله» عظیم از ماده نامرئی (ماده تاریک) با گرانش خود، کهکشان را منسجم نگه داشته است.
۲- همگرایی گرانشی: نور اجرام دوردست هنگام عبور از کنار خوشه‌های کهکشانی، خم می‌شود. میزان این خمش بسیار بیشتر از چیزی است که ماده مرئی می‌تواند ایجاد کند و نشان‌دهنده وجود جرمی عظیم و نامرئی است.
۳- تابش زمینه کیهانی: الگوهای موجود در کهن‌ترین نور کیهان نیز تنها در صورتی قابل توضیح هستند که بخش عمده ماده در جهان اولیه از نوع تاریک بوده باشد.
🔹 مظنون اصلی: WIMPها
برای دهه‌ها، بهترین کاندیدا برای ماده تاریک، ذره‌ای فرضی به نام «WIMP» (ذره سنگین با برهم‌کنش ضعیف) بود. این ایده بسیار جذاب بود زیرا نظریه‌های فیزیک ذرات به طور طبیعی وجود چنین ذره‌ای را پیش‌بینی می‌کردند. به همین دلیل، ده‌ها آزمایش عظیم و فوق‌العاده حساس در اعماق زمین (برای فرار از نویز کیهانی) ساخته شد تا برخورد بسیار نادر یک WIMP با یک هسته اتم معمولی را ثبت کنند.
❕ شکارچیان ماده تاریک چگونه کار می‌کنند؟
دو روش اصلی برای «دیدن» نادیدنی‌ها وجود دارد:
۱- آشکارسازی مستقیم: ساختن آشکارسازهای فوق حساس (مانند مخازن عظیم زنون مایع یا کریستال‌های فوق سرد) و قرار دادن آن‌ها در اعماق زمین. دانشمندان منتظر می‌مانند تا یک ذره ماده تاریک به هسته اتمی در آشکارساز برخورد کرده و یک لرزش یا جرقه نوری بسیار ضعیف ایجاد کند.
۲- آشکارسازی غیرمستقیم: رصد کردن مراکز کهکشان‌ها با تلسکوپ‌های گاما. تئوری می‌گوید اگر دو ذره ماده تاریک به هم برخورد کنند، یکدیگر را نابود کرده و ذرات آشنا (مانند فوتون‌های گاما) تولید می‌کنند.
🔹 نتیجه پس از دهه‌ها جستجو: هیچ!
تمام این آزمایش‌ها، با وجود افزایش حیرت‌انگیز دقتشان، تاکنون هیچ سیگنال تاییدشده‌ای از WIMPها پیدا نکرده‌اند. این «نتایج منفی» به معنای شکست نیستند؛ آن‌ها به ما می‌گویند که WIMPها، حداقل در ساده‌ترین شکلشان، احتمالاً پاسخ این معما نیستند. هر آزمایش، بخشی از احتمالات را «خط می‌زند» و به ما می‌گوید ماده تاریک «چه چیزی نمی‌تواند باشد». این خود یک پیشرفت بزرگ است.
🔹 این عدم کشف، فیزیکدانان را به سمت بررسی کاندیداهای دیگر، مانند ذرات فوق سبکی به نام «آکسیون» یا حتی سیاه‌چاله‌های نخستین، سوق داده است. معمای ماده تاریک همچنان یکی از عمیق‌ترین و هیجان‌انگیزترین سوالات باز در علم است و شکار برای یافتن آن با ایده‌ها و ابزارهای جدید ادامه دارد.
[منبع]
🆔 @Science_Focus
#ماده_تاریک #کیهان_شناسی #فیزیک_ذرات #اختروفیزیک #علمی
🔹 حدود ۸۵ درصد از کل ماده موجود در کیهان، «ماده تاریک» است. ما حضور آن را حس می‌کنیم، اثرات گرانشی آن را می‌بینیم، اما پس از دهه‌ها جستجوی بی‌وقفه با حساس‌ترین آشکارسازهایی که بشر ساخته، هنوز حتی یک ذره از آن را مستقیماً شناسایی نکرده‌ایم. این «عدم کشف» به چه معناست؟
❕ چرا اینقدر به وجود ماده تاریک مطمئن هستیم؟
اطمینان ما از وجود ماده تاریک از مشاهدات گرانشی بسیار محکم ناشی می‌شود، نه از حدس و گمان. مهم‌ترین شواهد عبارتند از:
۱- سرعت چرخش کهکشان‌ها: ستاره‌های لبه کهکشان‌ها آنقدر سریع حرکت می‌کنند که اگر فقط ماده مرئی وجود داشت، باید به فضا پرتاب می‌شدند. یک «هاله» عظیم از ماده نامرئی (ماده تاریک) با گرانش خود، کهکشان را منسجم نگه داشته است.
۲- همگرایی گرانشی: نور اجرام دوردست هنگام عبور از کنار خوشه‌های کهکشانی، خم می‌شود. میزان این خمش بسیار بیشتر از چیزی است که ماده مرئی می‌تواند ایجاد کند و نشان‌دهنده وجود جرمی عظیم و نامرئی است.
۳- تابش زمینه کیهانی: الگوهای موجود در کهن‌ترین نور کیهان نیز تنها در صورتی قابل توضیح هستند که بخش عمده ماده در جهان اولیه از نوع تاریک بوده باشد.
🔹 مظنون اصلی: WIMPها
برای دهه‌ها، بهترین کاندیدا برای ماده تاریک، ذره‌ای فرضی به نام «WIMP» (ذره سنگین با برهم‌کنش ضعیف) بود. این ایده بسیار جذاب بود زیرا نظریه‌های فیزیک ذرات به طور طبیعی وجود چنین ذره‌ای را پیش‌بینی می‌کردند. به همین دلیل، ده‌ها آزمایش عظیم و فوق‌العاده حساس در اعماق زمین (برای فرار از نویز کیهانی) ساخته شد تا برخورد بسیار نادر یک WIMP با یک هسته اتم معمولی را ثبت کنند.
❕ شکارچیان ماده تاریک چگونه کار می‌کنند؟
دو روش اصلی برای «دیدن» نادیدنی‌ها وجود دارد:
۱- آشکارسازی مستقیم: ساختن آشکارسازهای فوق حساس (مانند مخازن عظیم زنون مایع یا کریستال‌های فوق سرد) و قرار دادن آن‌ها در اعماق زمین. دانشمندان منتظر می‌مانند تا یک ذره ماده تاریک به هسته اتمی در آشکارساز برخورد کرده و یک لرزش یا جرقه نوری بسیار ضعیف ایجاد کند.
۲- آشکارسازی غیرمستقیم: رصد کردن مراکز کهکشان‌ها با تلسکوپ‌های گاما. تئوری می‌گوید اگر دو ذره ماده تاریک به هم برخورد کنند، یکدیگر را نابود کرده و ذرات آشنا (مانند فوتون‌های گاما) تولید می‌کنند.
🔹 نتیجه پس از دهه‌ها جستجو: هیچ!
تمام این آزمایش‌ها، با وجود افزایش حیرت‌انگیز دقتشان، تاکنون هیچ سیگنال تاییدشده‌ای از WIMPها پیدا نکرده‌اند. این «نتایج منفی» به معنای شکست نیستند؛ آن‌ها به ما می‌گویند که WIMPها، حداقل در ساده‌ترین شکلشان، احتمالاً پاسخ این معما نیستند. هر آزمایش، بخشی از احتمالات را «خط می‌زند» و به ما می‌گوید ماده تاریک «چه چیزی نمی‌تواند باشد». این خود یک پیشرفت بزرگ است.
🔹 این عدم کشف، فیزیکدانان را به سمت بررسی کاندیداهای دیگر، مانند ذرات فوق سبکی به نام «آکسیون» یا حتی سیاه‌چاله‌های نخستین، سوق داده است. معمای ماده تاریک همچنان یکی از عمیق‌ترین و هیجان‌انگیزترین سوالات باز در علم است و شکار برای یافتن آن با ایده‌ها و ابزارهای جدید ادامه دارد.
[منبع]
🆔 @Science_Focus
#ماده_تاریک #کیهان_شناسی #فیزیک_ذرات #اختروفیزیک #علمی
phys.org
The empty search for dark matter
What if I told you that while you can't see dark matter, maybe you can hear it? I know, I know, it sounds crazy…and it is crazy. But it's crazy enough that it just might work. It's a real life experiment, ...
❤1
🔺 «کابوس» کامپیوترهای کوانتومی: کشف مسئله‌ای که حتی قدرتمندترین ماشین‌ها هم نمی‌توانند حل کنند
🔹 کامپیوترهای کوانتومی به عنوان ماشین‌هایی با قدرت محاسباتی تقریباً بی‌نهایت شناخته می‌شوند که می‌توانند پیچیده‌ترین مسائل را حل کنند. اما یک پژوهش جدید نشان می‌دهد که حتی این ابرقدرت‌ها نیز «پاشنه آشیل» دارند: مسئله‌ای چنان دشوار که حتی یک کامپیوتر کوانتومی ایده‌آل برای حل آن به میلیاردها سال زمان نیاز خواهد داشت.
❕ فازهای کوانتومی ماده چیست؟
همانطور که آب می‌تواند در فازهای جامد (یخ)، مایع یا گاز باشد، مواد در دنیای کوانتومی نیز می‌توانند در «فازهای» مختلفی وجود داشته باشند. اما این فازها بسیار عجیب‌تر هستند و با ویژگی‌هایی مانند ابررسانایی یا نظم توپولوژیک تعریف می‌شوند. تشخیص اینکه یک سیستم کوانتومی ناشناخته دقیقاً در کدام یک از این فازهای پیچیده قرار دارد، یکی از مسائل بنیادین در فیزیک است.
🔹 این پژوهش جدید که در قالب یک پیش‌چاپ علمی منتشر شده، به صورت ریاضیاتی ثابت می‌کند که برای برخی از این فازهای کوانتومی بسیار پیچیده، هیچ الگوریتم کوانتومی کارآمدی برای تشخیص آن‌ها وجود ندارد. این مسئله مانند یک «سناریوی کابوس‌وار» برای فیزیکدانان است. کامپیوتر کوانتومی برای حل آن باید به مدت زمانی غیرممکن طولانی کار کند. این دشواری از یک ویژگی بنیادین کوانتومی ناشی می‌شود: سیستم‌های کوانتومی می‌توانند اطلاعات را به سرعت در الگوهای درهم‌تنیده بسیار پیچیده «پنهان» کنند، به طوری که استخراج آن عملاً غیرممکن می‌شود.
❕ آیا این به معنای بی‌فایده بودن کامپیوترهای کوانتومی است؟
خیر، به هیچ وجه! این یافته به معنای شکست پروژه محاسبات کوانتومی نیست. کامپیوترهای کوانتومی همچنان پتانسیل انقلابی در حوزه‌هایی مانند طراحی دارو، ساخت مواد جدید، بهینه‌سازی و شکستن رمزنگاری‌های کلاسیک را دارند. این تحقیق صرفاً یک «مرز» نظری برای توانایی‌های آن‌ها (و شاید برای خود دانش بشری) شناسایی می‌کند. به گفته محققان، این «فازهای کابوس‌وار» احتمالاً در مسائل عملی و روزمره ظاهر نمی‌شوند، اما درک وجود آن‌ها برای پیشرفت بنیادین علم ضروری است.
🔹 این کشف پیامدهای فلسفی عمیقی نیز دارد. اگر مسائل فیزیکی وجود دارند که حتی یک کامپیوتر کوانتومی ایده‌آل هم نمی‌تواند آن‌ها را حل کند، این ممکن است به معنای وجود یک محدودیت بنیادین در توانایی ما برای «مشاهده» و درک کامل واقعیت فیزیکی باشد. این تحقیق، سوالات عمیقی در مورد ماهیت خود مشاهده و مرزهای دانش مطرح می‌کند.
[منبع]
🆔 @Science_Focus
#کوانتوم #کامپیوتر_کوانتومی #فیزیک #علوم_کامپیوتر #فلسفه_علم
🔹 کامپیوترهای کوانتومی به عنوان ماشین‌هایی با قدرت محاسباتی تقریباً بی‌نهایت شناخته می‌شوند که می‌توانند پیچیده‌ترین مسائل را حل کنند. اما یک پژوهش جدید نشان می‌دهد که حتی این ابرقدرت‌ها نیز «پاشنه آشیل» دارند: مسئله‌ای چنان دشوار که حتی یک کامپیوتر کوانتومی ایده‌آل برای حل آن به میلیاردها سال زمان نیاز خواهد داشت.
❕ فازهای کوانتومی ماده چیست؟
همانطور که آب می‌تواند در فازهای جامد (یخ)، مایع یا گاز باشد، مواد در دنیای کوانتومی نیز می‌توانند در «فازهای» مختلفی وجود داشته باشند. اما این فازها بسیار عجیب‌تر هستند و با ویژگی‌هایی مانند ابررسانایی یا نظم توپولوژیک تعریف می‌شوند. تشخیص اینکه یک سیستم کوانتومی ناشناخته دقیقاً در کدام یک از این فازهای پیچیده قرار دارد، یکی از مسائل بنیادین در فیزیک است.
🔹 این پژوهش جدید که در قالب یک پیش‌چاپ علمی منتشر شده، به صورت ریاضیاتی ثابت می‌کند که برای برخی از این فازهای کوانتومی بسیار پیچیده، هیچ الگوریتم کوانتومی کارآمدی برای تشخیص آن‌ها وجود ندارد. این مسئله مانند یک «سناریوی کابوس‌وار» برای فیزیکدانان است. کامپیوتر کوانتومی برای حل آن باید به مدت زمانی غیرممکن طولانی کار کند. این دشواری از یک ویژگی بنیادین کوانتومی ناشی می‌شود: سیستم‌های کوانتومی می‌توانند اطلاعات را به سرعت در الگوهای درهم‌تنیده بسیار پیچیده «پنهان» کنند، به طوری که استخراج آن عملاً غیرممکن می‌شود.
❕ آیا این به معنای بی‌فایده بودن کامپیوترهای کوانتومی است؟
خیر، به هیچ وجه! این یافته به معنای شکست پروژه محاسبات کوانتومی نیست. کامپیوترهای کوانتومی همچنان پتانسیل انقلابی در حوزه‌هایی مانند طراحی دارو، ساخت مواد جدید، بهینه‌سازی و شکستن رمزنگاری‌های کلاسیک را دارند. این تحقیق صرفاً یک «مرز» نظری برای توانایی‌های آن‌ها (و شاید برای خود دانش بشری) شناسایی می‌کند. به گفته محققان، این «فازهای کابوس‌وار» احتمالاً در مسائل عملی و روزمره ظاهر نمی‌شوند، اما درک وجود آن‌ها برای پیشرفت بنیادین علم ضروری است.
🔹 این کشف پیامدهای فلسفی عمیقی نیز دارد. اگر مسائل فیزیکی وجود دارند که حتی یک کامپیوتر کوانتومی ایده‌آل هم نمی‌تواند آن‌ها را حل کند، این ممکن است به معنای وجود یک محدودیت بنیادین در توانایی ما برای «مشاهده» و درک کامل واقعیت فیزیکی باشد. این تحقیق، سوالات عمیقی در مورد ماهیت خود مشاهده و مرزهای دانش مطرح می‌کند.
[منبع]
🆔 @Science_Focus
#کوانتوم #کامپیوتر_کوانتومی #فیزیک #علوم_کامپیوتر #فلسفه_علم
Popular Mechanics
Scientists Found a Question So Hard, Even Quantum Computers Can’t Answer It
Identifying quantum phases of matters has quantum computers stumped and could represent a boundary to physical observation itself.
❤1
🔺 کشف یک ژن کلیدی: چرا برخی افراد به الکل حساس‌تر از دیگران هستند؟
🔹 چرا برخی افراد با مصرف مقدار کمی الکل به سرعت تحت تأثیر قرار می‌گیرند، در حالی که برخی دیگر تحمل بسیار بالاتری دارند؟ یک پژوهش جدید که در ژورنال علوم اعصاب منتشر شده، یک عامل ژنتیکی کلیدی به نام
🔹 دانشمندان در این مطالعه از یک آزمایش هوشمندانه با استفاده از ماهی زبرا بهره بردند. آن‌ها به ماهی‌ها اجازه دادند تا به صورت داوطلبانه بین آب خالص و آب حاوی الکل انتخاب کنند. نتایج جالب بود:
* ماهی‌های عادی: در ابتدا برای مدت کوتاهی به سمت الکل جذب می‌شدند، اما با افزایش غلظت و حس کردن اثرات منفی، به سرعت از آن دوری می‌کردند. این یک پاسخ تنظیمی هوشمندانه است.
* ماهی‌های جهش‌یافته (با ژن
❕ گاز و ترمز مغز: گلوتامات و گابا
مغز برای حفظ تعادل، از دو سیستم اصلی استفاده می‌کند: سیستم تحریکی (عمدتاً با گلوتامات) مانند «پدال گاز» و سیستم مهاری (عمدتاً با گابا) مانند «پدال ترمز». این پژوهش نشان داد که در ماهی‌های جهش‌یافته، بیان ژن‌های مربوط به گیرنده‌های این دو سیستم تغییر کرده بود، که این امر به توضیح بیولوژیکی کاهش حساسیت آن‌ها به الکل کمک می‌کند.
❕ نکته بسیار مهم: از ماهی تا انسان
این یک مطالعه «پیش‌بالینی» روی یک مدل حیوانی است. هرچند ژن
🔹 این پژوهش نشان می‌دهد که تفاوت‌های ژنتیکی می‌تواند در میزان حساسیت افراد به مواد مختلف و در نتیجه، در ریسک‌پذیری آن‌ها برای ابتلا به اختلالات مصرف مواد نقش داشته باشد. البته باید به خاطر داشت که اعتیاد یک پدیده بسیار پیچیده است و ژنتیک تنها یکی از عوامل متعدد (شامل محیط، روانشناسی و عوامل اجتماعی) در این پازل است.
[منبع]
🆔 @Science_Focus
#ژنتیک #علوم_اعصاب #اعتیاد #زیست_شناسی #مغز
🔹 چرا برخی افراد با مصرف مقدار کمی الکل به سرعت تحت تأثیر قرار می‌گیرند، در حالی که برخی دیگر تحمل بسیار بالاتری دارند؟ یک پژوهش جدید که در ژورنال علوم اعصاب منتشر شده، یک عامل ژنتیکی کلیدی به نام
CHRNA3 را شناسایی کرده که نقش مهمی در تنظیم حساسیت ذاتی مغز به الکل ایفا می‌کند.🔹 دانشمندان در این مطالعه از یک آزمایش هوشمندانه با استفاده از ماهی زبرا بهره بردند. آن‌ها به ماهی‌ها اجازه دادند تا به صورت داوطلبانه بین آب خالص و آب حاوی الکل انتخاب کنند. نتایج جالب بود:
* ماهی‌های عادی: در ابتدا برای مدت کوتاهی به سمت الکل جذب می‌شدند، اما با افزایش غلظت و حس کردن اثرات منفی، به سرعت از آن دوری می‌کردند. این یک پاسخ تنظیمی هوشمندانه است.
* ماهی‌های جهش‌یافته (با ژن
CHRNA3 تغییریافته): این ماهی‌ها به طور قابل توجهی دیرتر از الکل دوری می‌کردند و مقادیر بیشتری از آن را مصرف می‌نمودند. در واقع، آن‌ها به اثرات آرام‌بخش (و هشداردهنده) الکل حساسیت کمتری داشتند.❕ گاز و ترمز مغز: گلوتامات و گابا
مغز برای حفظ تعادل، از دو سیستم اصلی استفاده می‌کند: سیستم تحریکی (عمدتاً با گلوتامات) مانند «پدال گاز» و سیستم مهاری (عمدتاً با گابا) مانند «پدال ترمز». این پژوهش نشان داد که در ماهی‌های جهش‌یافته، بیان ژن‌های مربوط به گیرنده‌های این دو سیستم تغییر کرده بود، که این امر به توضیح بیولوژیکی کاهش حساسیت آن‌ها به الکل کمک می‌کند.
❕ نکته بسیار مهم: از ماهی تا انسان
این یک مطالعه «پیش‌بالینی» روی یک مدل حیوانی است. هرچند ژن
CHRNA3 در انسان نیز وجود دارد و مطالعات قبلی ارتباط آن با اعتیاد به نیکوتین را نشان داده‌اند، اما این تحقیق به تنهایی ثابت نمی‌کند که این ژن در انسان‌ها نیز دقیقاً به همین شکل عمل می‌کند. این یافته یک سرنخ بسیار قوی و مهم برای تحقیقات آینده روی انسان است.🔹 این پژوهش نشان می‌دهد که تفاوت‌های ژنتیکی می‌تواند در میزان حساسیت افراد به مواد مختلف و در نتیجه، در ریسک‌پذیری آن‌ها برای ابتلا به اختلالات مصرف مواد نقش داشته باشد. البته باید به خاطر داشت که اعتیاد یک پدیده بسیار پیچیده است و ژنتیک تنها یکی از عوامل متعدد (شامل محیط، روانشناسی و عوامل اجتماعی) در این پازل است.
[منبع]
🆔 @Science_Focus
#ژنتیک #علوم_اعصاب #اعتیاد #زیست_شناسی #مغز
Neuroscience News
Gene That Controls How Sensitive You Are to Alcohol Discovered
Researchers have discovered that a gene called CHRNA3 plays a key role in determining alcohol sensitivity, helping explain why some people tolerate alcohol better than others.
🔺 «پینگ‌پنگ» اتمی در سرن: دانشمندان با بازیافت یون‌ها، راهی برای شناخت سنگین‌ترین عناصر جهان یافتند
🔹 در مرزهای جدول تناوبی، عناصر فوق سنگینی وجود دارند که به دلیل ناپایداری شدید و تولید در مقادیر بسیار اندک (گاهی تنها چند اتم در ثانیه)، تقریباً ناشناخته باقی مانده‌اند. اکنون، دانشمندان در مرکز تحقیقات سرن (CERN) یک تکنیک هوشمندانه ابداع کرده‌اند که با «بازیافت» اتم‌ها، راه را برای شناخت این دنیاهای گمشده علم شیمی هموار می‌کند.
❕ «میل الکترونی» چیست و چرا مهم است؟
میل الکترونی، مقدار انرژی است که هنگام اضافه شدن یک الکترون به یک اتم خنثی آزاد می‌شود. این ویژگی یکی از بنیادی‌ترین خواص یک عنصر است و «شخصیت شیمیایی» آن، یعنی نحوه و قدرت پیوند برقرار کردن با اتم‌های دیگر را تعیین می‌کند. اندازه‌گیری آن برای درک رفتار شیمیایی عناصر فوق سنگین حیاتی است.
🔹 مشکل اصلی در اندازه‌گیری این ویژگی برای عناصر کمیاب این است که روش‌های سنتی، یک باریکه از یون‌های منفی (اتم با الکترون اضافه) را تنها «یک بار» از مقابل یک پرتو لیزر عبور می‌دهند. این برای عناصری که به سختی تولید می‌شوند، کافی نیست.
❕ راه حل هوشمندانه: تله «پینگ‌پنگ» الکتریکی
تیم سرن یک «تله الکترواستاتیک» به نام MIRACLS ساخته است. این دستگاه مانند یک میز پینگ‌پنگ برای یون‌ها عمل می‌کند. یون‌های منفی در این تله بین دو «آینه الکتریکی» به دام افتاده و ده‌ها هزار بار به عقب و جلو پرتاب می‌شوند. در هر بار عبور، پرتو لیزر فرصت پیدا می‌کند تا با آن‌ها برهم‌کنش کند. به گفته محققان، در این آزمایش هر یون حدود ۶۰ هزار بار «بازیافت» شده است!
🔹 این تیم برای اثبات کارایی روش خود، آن را روی عنصر کلر آزمایش کرد. نتیجه شگفت‌انگیز بود: آن‌ها توانستند با استفاده از صد هزار برابر یون کمتر، میل الکترونی کلر را با همان دقت روش‌های سنتی اندازه‌گیری کنند. این یک موفقیت بزرگ است که نشان می‌دهد این تکنیک برای عناصر بسیار کمیاب نیز کار خواهد کرد.
🔹 این دستاورد به دانشمندان اجازه می‌دهد تا به یکی از سوالات بزرگ فیزیک پاسخ دهند: آیا در عناصر فوق سنگین، جایی که اثرات نسبیت خاص اینشتین باعث درهم‌ریختگی ساختار الکترونی می‌شود، قوانین شیمیایی که ما می‌شناسیم همچنان پابرجاست؟ این تکنیک همچنین می‌تواند برای مطالعه عناصر کمیاب با کاربردهای پزشکی (مانند درمان سرطان) نیز به کار رود.
[منبع]
🆔 @Science_Focus
#فیزیک #شیمی #سرن #عناصر_فوق_سنگین #فناوری_کوانتومی
🔹 در مرزهای جدول تناوبی، عناصر فوق سنگینی وجود دارند که به دلیل ناپایداری شدید و تولید در مقادیر بسیار اندک (گاهی تنها چند اتم در ثانیه)، تقریباً ناشناخته باقی مانده‌اند. اکنون، دانشمندان در مرکز تحقیقات سرن (CERN) یک تکنیک هوشمندانه ابداع کرده‌اند که با «بازیافت» اتم‌ها، راه را برای شناخت این دنیاهای گمشده علم شیمی هموار می‌کند.
❕ «میل الکترونی» چیست و چرا مهم است؟
میل الکترونی، مقدار انرژی است که هنگام اضافه شدن یک الکترون به یک اتم خنثی آزاد می‌شود. این ویژگی یکی از بنیادی‌ترین خواص یک عنصر است و «شخصیت شیمیایی» آن، یعنی نحوه و قدرت پیوند برقرار کردن با اتم‌های دیگر را تعیین می‌کند. اندازه‌گیری آن برای درک رفتار شیمیایی عناصر فوق سنگین حیاتی است.
🔹 مشکل اصلی در اندازه‌گیری این ویژگی برای عناصر کمیاب این است که روش‌های سنتی، یک باریکه از یون‌های منفی (اتم با الکترون اضافه) را تنها «یک بار» از مقابل یک پرتو لیزر عبور می‌دهند. این برای عناصری که به سختی تولید می‌شوند، کافی نیست.
❕ راه حل هوشمندانه: تله «پینگ‌پنگ» الکتریکی
تیم سرن یک «تله الکترواستاتیک» به نام MIRACLS ساخته است. این دستگاه مانند یک میز پینگ‌پنگ برای یون‌ها عمل می‌کند. یون‌های منفی در این تله بین دو «آینه الکتریکی» به دام افتاده و ده‌ها هزار بار به عقب و جلو پرتاب می‌شوند. در هر بار عبور، پرتو لیزر فرصت پیدا می‌کند تا با آن‌ها برهم‌کنش کند. به گفته محققان، در این آزمایش هر یون حدود ۶۰ هزار بار «بازیافت» شده است!
🔹 این تیم برای اثبات کارایی روش خود، آن را روی عنصر کلر آزمایش کرد. نتیجه شگفت‌انگیز بود: آن‌ها توانستند با استفاده از صد هزار برابر یون کمتر، میل الکترونی کلر را با همان دقت روش‌های سنتی اندازه‌گیری کنند. این یک موفقیت بزرگ است که نشان می‌دهد این تکنیک برای عناصر بسیار کمیاب نیز کار خواهد کرد.
🔹 این دستاورد به دانشمندان اجازه می‌دهد تا به یکی از سوالات بزرگ فیزیک پاسخ دهند: آیا در عناصر فوق سنگین، جایی که اثرات نسبیت خاص اینشتین باعث درهم‌ریختگی ساختار الکترونی می‌شود، قوانین شیمیایی که ما می‌شناسیم همچنان پابرجاست؟ این تکنیک همچنین می‌تواند برای مطالعه عناصر کمیاب با کاربردهای پزشکی (مانند درمان سرطان) نیز به کار رود.
[منبع]
🆔 @Science_Focus
#فیزیک #شیمی #سرن #عناصر_فوق_سنگین #فناوری_کوانتومی
phys.org
CERN's electrostatic trap 'recycles' anions to illuminate the heaviest elements
From the burning of wood to the action of medicines, the properties and behavior of matter are governed by the way chemical elements bond with one another. For many of the 118 known elements, the intricate ...
🔺 آیا می‌توان با یک خطای دید، خاطرات کودکی را با جزئیات بیشتری به یاد آورد؟
🔹 بسیاری از خاطرات کودکی ما به صورت حقایق کلی در ذهنمان باقی مانده‌اند، اما جزئیات حسی و احساسی آن‌ها کمرنگ شده‌اند. یک پژوهش جدید و هوشمندانه که در ژورنال Scientific Reports منتشر شده، نشان می‌دهد که با ایجاد یک خطای دید ساده و بازگرداندن «حس مالکیت» بر چهره کودکی، می‌توان به جزئیات غنی‌تری از این خاطرات دور دسترسی پیدا کرد.
❕ خطای دید «تجسم چهره» چگونه کار می‌کند؟
در این آزمایش، شرکت‌کنندگان به ویدیویی زنده از صورت خود نگاه می‌کردند که با یک فیلتر دیجیتال، شبیه به نسخه کودکی آن‌ها شده بود. سپس از آن‌ها خواسته می‌شد سر خود را با یک ریتم مشخص تکان دهند. ویدیوی روی صفحه نیز دقیقاً همزمان با آن‌ها حرکت می‌کرد. این حرکت هماهنگ، یک حس قدرتمند در مغز ایجاد می‌کند که «این چهره، واقعاً چهره من است»، پدیده‌ای که به آن «خطای دید تجسم چهره» (Enfacement Illusion) می‌گویند.
🔹 پس از ایجاد این حس، از شرکت‌کنندگان خواسته شد خاطراتی را از دوران کودکی و همچنین از سال گذشته خود تعریف کنند. نتیجه شگفت‌انگیز بود: گروهی که چهره کودکی خود را «تجسم» کرده بودند، توانستند جزئیات «رویدادی» بسیار بیشتری از خاطرات کودکی‌شان به یاد بیاورند، در مقایسه با گروهی که چهره بزرگسالی خود را می‌دیدند.
❕ تفاوت حافظه «رویدادی» و «معنایی»
این نکته کلیدی تحقیق است:
* حافظه معنایی (Semantic): شامل اطلاعات واقعی و خشک است. مثلاً: «ما در کودکی به شمال سفر کردیم.»
* حافظه رویدادی (Episodic): شامل جزئیات حسی، احساسی و تجربه شخصی است. این یک نوع «سفر در زمان ذهنی» است. مثلاً: «یادم می‌آید که بوی رطوبت جنگل می‌آمد و صدای موج‌ها را می‌شنیدم.»
این خطای دید، تنها حافظه رویدادی را تقویت کرد.
🔹 چرا این روش کار می‌کند؟
محققان معتقدند مغز ما خاطرات را به همراه حسی که از بدنمان در آن لحظه داشته‌ایم، ذخیره می‌کند. بدن کودکی ما با بدن بزرگسالی‌مان متفاوت است. با بازآفرینی یک سرنخ از آن «خودِ بدنی» قدیمی، مغز راحت‌تر می‌تواند به خاطراتی که با آن بدن ثبت شده‌اند، دسترسی پیدا کند. این یافته نشان می‌دهد که حافظه ما چقدر عمیق با حس فیزیکی ما از خودمان گره خورده است.
🔹 این پژوهش، که اولین در نوع خود است، راه را برای درک بهتر حافظه و حتی توسعه روش‌های درمانی جدید برای کمک به افرادی که دچار اختلالات حافظه هستند، هموار می‌کند.
[منبع]
🆔 @Science_Focus
#روانشناسی #علوم_اعصاب #حافظه #مغز #خاطرات #خطای_دید
🔹 بسیاری از خاطرات کودکی ما به صورت حقایق کلی در ذهنمان باقی مانده‌اند، اما جزئیات حسی و احساسی آن‌ها کمرنگ شده‌اند. یک پژوهش جدید و هوشمندانه که در ژورنال Scientific Reports منتشر شده، نشان می‌دهد که با ایجاد یک خطای دید ساده و بازگرداندن «حس مالکیت» بر چهره کودکی، می‌توان به جزئیات غنی‌تری از این خاطرات دور دسترسی پیدا کرد.
❕ خطای دید «تجسم چهره» چگونه کار می‌کند؟
در این آزمایش، شرکت‌کنندگان به ویدیویی زنده از صورت خود نگاه می‌کردند که با یک فیلتر دیجیتال، شبیه به نسخه کودکی آن‌ها شده بود. سپس از آن‌ها خواسته می‌شد سر خود را با یک ریتم مشخص تکان دهند. ویدیوی روی صفحه نیز دقیقاً همزمان با آن‌ها حرکت می‌کرد. این حرکت هماهنگ، یک حس قدرتمند در مغز ایجاد می‌کند که «این چهره، واقعاً چهره من است»، پدیده‌ای که به آن «خطای دید تجسم چهره» (Enfacement Illusion) می‌گویند.
🔹 پس از ایجاد این حس، از شرکت‌کنندگان خواسته شد خاطراتی را از دوران کودکی و همچنین از سال گذشته خود تعریف کنند. نتیجه شگفت‌انگیز بود: گروهی که چهره کودکی خود را «تجسم» کرده بودند، توانستند جزئیات «رویدادی» بسیار بیشتری از خاطرات کودکی‌شان به یاد بیاورند، در مقایسه با گروهی که چهره بزرگسالی خود را می‌دیدند.
❕ تفاوت حافظه «رویدادی» و «معنایی»
این نکته کلیدی تحقیق است:
* حافظه معنایی (Semantic): شامل اطلاعات واقعی و خشک است. مثلاً: «ما در کودکی به شمال سفر کردیم.»
* حافظه رویدادی (Episodic): شامل جزئیات حسی، احساسی و تجربه شخصی است. این یک نوع «سفر در زمان ذهنی» است. مثلاً: «یادم می‌آید که بوی رطوبت جنگل می‌آمد و صدای موج‌ها را می‌شنیدم.»
این خطای دید، تنها حافظه رویدادی را تقویت کرد.
🔹 چرا این روش کار می‌کند؟
محققان معتقدند مغز ما خاطرات را به همراه حسی که از بدنمان در آن لحظه داشته‌ایم، ذخیره می‌کند. بدن کودکی ما با بدن بزرگسالی‌مان متفاوت است. با بازآفرینی یک سرنخ از آن «خودِ بدنی» قدیمی، مغز راحت‌تر می‌تواند به خاطراتی که با آن بدن ثبت شده‌اند، دسترسی پیدا کند. این یافته نشان می‌دهد که حافظه ما چقدر عمیق با حس فیزیکی ما از خودمان گره خورده است.
🔹 این پژوهش، که اولین در نوع خود است، راه را برای درک بهتر حافظه و حتی توسعه روش‌های درمانی جدید برای کمک به افرادی که دچار اختلالات حافظه هستند، هموار می‌کند.
[منبع]
🆔 @Science_Focus
#روانشناسی #علوم_اعصاب #حافظه #مغز #خاطرات #خطای_دید
PsyPost
A simple illusion can unlock your childhood memories, according to new psychology research
What if looking in the mirror could do more than show your reflection? New research suggests a digitally altered face can take you on a journey back to your own past, unlocking long-forgotten details.
🔺 سرنخ‌های شیشه‌ای در بیابان: کشف یک برخورد سیارکی عظیم و فراموش‌شده در تاریخ استرالیا
🔹 مهره‌های شیشه‌ای عجیبی که در سراسر بیابان‌های استرالیا پراکنده شده‌اند، راز یک برخورد سیارکی عظیم و ۱۱ میلیون ساله را فاش کرده‌اند که تا به امروز از چشم دانشمندان پنهان مانده بود. این کشف، حاصل پیگیری یک سرنخ علمی ۵۰ ساله است.
❕ «تکتایت» چیست؟
تکتایت‌ها قطعات شیشه‌ای طبیعی هستند که وقتی یک سیارک بزرگ به زمین برخورد می‌کند، از سنگ‌های ذوب‌شده سطح زمین تشکیل شده و تا هزاران کیلومتر پرتاب می‌شوند. منطقه‌ای که این قطعات در آن یافت می‌شوند، «میدان پراکندگی» (Strewn Field) نام دارد.
🔹 داستان از سال ۱۹۶۹ آغاز شد، زمانی که دو دانشمند ناسا در حین تحلیل صدها مهره شیشه‌ای معروف استرالیا، متوجه ۸ نمونه عجیب شدند که ترکیب شیمیایی متفاوتی داشتند. آن‌ها این احتمال را مطرح کردند که این ۸ مهره ممکن است از یک برخورد دیگر آمده باشند، اما این سرنخ برای دهه‌ها نادیده گرفته شد.
🔹 اکنون، تیمی از دانشمندان تصمیم گرفتند این «پرونده سرد» را باز کنند. آن‌ها با استفاده از مشخصات شیمیایی ثبت‌شده در سال ۱۹۶۹، توانستند ۶ نمونه مشابه دیگر را در یک موزه پیدا کنند. سپس با استفاده از تاریخ‌نگاری آرگون، سن این مهره‌های شیشه‌ای عجیب را تعیین کردند: ۱۱ میلیون سال! این کشف ثابت کرد که این قطعات به یک رویداد برخوردی کاملاً متفاوت و بسیار قدیمی‌تر تعلق دارند.
❕ دو برخورد، دو نوع تکتایت
برای جلوگیری از سردرگمی، باید بین این دو رویداد تمایز قائل شد:
* رویداد شناخته‌شده: برخوردی که حدود ۷۸۸ هزار سال پیش در جنوب شرق آسیا رخ داد و تکتایت‌های معروف «استرالیت» را در سراسر استرالیا پراکنده کرد.
* رویداد جدید: برخوردی که ۱۱ میلیون سال پیش در مکانی نامعلوم رخ داد و تکتایت‌های جدیدی به نام «آنانگویت» (Ananguite) را به جا گذاشته است.
🔹 این کشف ضمن حل یک معما، یک راز بزرگتر را مطرح می‌کند: دهانه برخوردی این سیارک ۱۱ میلیون ساله کجاست؟ این دهانه که باید بسیار بزرگ باشد، ممکن است در طول میلیون‌ها سال فرسایش یافته، زیر رسوبات دفن شده یا حتی با یک عارضه آتشفشانی اشتباه گرفته شده باشد. دانشمندان اکنون در جستجوی این زخم گمشده بر چهره زمین هستند.
[منبع]
🆔 @Science_Focus
#زمین_شناسی #سیارک #دیرینه_شناسی #تکتایت #تاریخ_علم
🔹 مهره‌های شیشه‌ای عجیبی که در سراسر بیابان‌های استرالیا پراکنده شده‌اند، راز یک برخورد سیارکی عظیم و ۱۱ میلیون ساله را فاش کرده‌اند که تا به امروز از چشم دانشمندان پنهان مانده بود. این کشف، حاصل پیگیری یک سرنخ علمی ۵۰ ساله است.
❕ «تکتایت» چیست؟
تکتایت‌ها قطعات شیشه‌ای طبیعی هستند که وقتی یک سیارک بزرگ به زمین برخورد می‌کند، از سنگ‌های ذوب‌شده سطح زمین تشکیل شده و تا هزاران کیلومتر پرتاب می‌شوند. منطقه‌ای که این قطعات در آن یافت می‌شوند، «میدان پراکندگی» (Strewn Field) نام دارد.
🔹 داستان از سال ۱۹۶۹ آغاز شد، زمانی که دو دانشمند ناسا در حین تحلیل صدها مهره شیشه‌ای معروف استرالیا، متوجه ۸ نمونه عجیب شدند که ترکیب شیمیایی متفاوتی داشتند. آن‌ها این احتمال را مطرح کردند که این ۸ مهره ممکن است از یک برخورد دیگر آمده باشند، اما این سرنخ برای دهه‌ها نادیده گرفته شد.
🔹 اکنون، تیمی از دانشمندان تصمیم گرفتند این «پرونده سرد» را باز کنند. آن‌ها با استفاده از مشخصات شیمیایی ثبت‌شده در سال ۱۹۶۹، توانستند ۶ نمونه مشابه دیگر را در یک موزه پیدا کنند. سپس با استفاده از تاریخ‌نگاری آرگون، سن این مهره‌های شیشه‌ای عجیب را تعیین کردند: ۱۱ میلیون سال! این کشف ثابت کرد که این قطعات به یک رویداد برخوردی کاملاً متفاوت و بسیار قدیمی‌تر تعلق دارند.
❕ دو برخورد، دو نوع تکتایت
برای جلوگیری از سردرگمی، باید بین این دو رویداد تمایز قائل شد:
* رویداد شناخته‌شده: برخوردی که حدود ۷۸۸ هزار سال پیش در جنوب شرق آسیا رخ داد و تکتایت‌های معروف «استرالیت» را در سراسر استرالیا پراکنده کرد.
* رویداد جدید: برخوردی که ۱۱ میلیون سال پیش در مکانی نامعلوم رخ داد و تکتایت‌های جدیدی به نام «آنانگویت» (Ananguite) را به جا گذاشته است.
🔹 این کشف ضمن حل یک معما، یک راز بزرگتر را مطرح می‌کند: دهانه برخوردی این سیارک ۱۱ میلیون ساله کجاست؟ این دهانه که باید بسیار بزرگ باشد، ممکن است در طول میلیون‌ها سال فرسایش یافته، زیر رسوبات دفن شده یا حتی با یک عارضه آتشفشانی اشتباه گرفته شده باشد. دانشمندان اکنون در جستجوی این زخم گمشده بر چهره زمین هستند.
[منبع]
🆔 @Science_Focus
#زمین_شناسی #سیارک #دیرینه_شناسی #تکتایت #تاریخ_علم
ScienceAlert
Strange Glass in Australia Reveals a Massive Impact We Never Knew About
But where’s the crater?
🔺 ماده‌ای «خودتنظیم» که راه را برای نسل بعدی دستگاه‌های بی‌سیم و رادار هموار می‌کند
🔹 دانشمندان یک ماده جدید و هوشمند ساخته‌اند که می‌تواند خود را با سیگنال‌های مختلف تطبیق دهد، اما این کار را با بازدهی بسیار بالاتر و مصرف انرژی بسیار کمتر از مواد فعلی انجام می‌دهد. این دستاورد که در ژورنال معتبر Nature Communications منتشر شده، می‌تواند نسل بعدی فناوری‌های بی‌سیم، از 6G تا رادارهای پیشرفته و تصویربرداری پزشکی را متحول کند.
❕ «قابلیت تنظیم‌پذیری» به چه معناست؟
تصور کنید در حال تنظیم کردن یک رادیوی قدیمی هستید. برای گرفتن یک ایستگاه، باید پیچ تنظیم را بچرخانید. مواد به کار رفته در دستگاه‌های بی‌سیم نیز باید بتوانند خود را با فرکانس‌های مختلف «تنظیم» کنند تا سیگنال‌ها را به درستی دریافت و ارسال کنند. مشکل بزرگ این بود که موادی که قابلیت تنظیم‌پذیری بالایی داشتند، معمولاً انرژی زیادی نیز تلف می‌کردند (مانند پیچ رادیویی که هنگام چرخاندن داغ شود). این پژوهش این مشکل را حل کرده است.
🔹 این ماده جدید که یک «فیلم نازک فروالکتریک» است، در آزمایش‌ها توانست قابلیت تنظیم‌پذیری فوق‌العاده ۷۴ درصدی را در فرکانس‌های مایکروویو با اعمال یک ولتاژ بسیار پایین از خود نشان دهد. این موفقیتی است که یک مصالحه قدیمی در مهندسی مواد را از بین می‌برد.
❕ راز این ماده هوشمند چیست؟ خوشه‌های نانویی!
دانشمندان این کار را با یک ایده بسیار هوشمندانه انجام دادند. آن‌ها ساختار کاملاً منظم یک کریستال (باریم تیتانات) را در نظر گرفتند. به گفته محققان، «این ساختار مانند صندلی‌های یک استادیوم کاملاً مرتب است.» سپس، آن‌ها با جایگزین کردن تعداد کمی از اتم‌های تیتانیوم با اتم‌های قلع، این نظم کامل را به هم زدند و «جیب‌های نامنظم» کوچکی در مقیاس نانو ایجاد کردند. این «خوشه‌های نانویی» بسیار راحت‌تر از ساختار منظم اطرافشان به سیگنال‌های الکتریکی پاسخ می‌دهند و همین امر، کل ماده را بسیار واکنش‌پذیر و کارآمد می‌کند.
🔹 این پیشرفت می‌تواند به ساخت دستگاه‌های کوچک‌تر، سریع‌تر و کم‌مصرف‌تر منجر شود. تلفن‌های همراه می‌توانند اتصال پایدارتری داشته باشند، ماهواره‌ها با وضوح بیشتری ارتباط برقرار کنند و اسکنرهای پزشکی تصاویر دقیق‌تری ارائه دهند. این روش مهندسی در مقیاس اتمی، راه را برای نوآوری در بسیاری از حوزه‌های دیگر، از حسگرها تا سیستم‌های دفاعی و دستگاه‌های کوانتومی آینده، هموار می‌سازد.
[منبع]
🆔 @Science_Focus
#علم_مواد #فناوری #فیزیک #6G #رادار #مواد_هوشمند
🔹 دانشمندان یک ماده جدید و هوشمند ساخته‌اند که می‌تواند خود را با سیگنال‌های مختلف تطبیق دهد، اما این کار را با بازدهی بسیار بالاتر و مصرف انرژی بسیار کمتر از مواد فعلی انجام می‌دهد. این دستاورد که در ژورنال معتبر Nature Communications منتشر شده، می‌تواند نسل بعدی فناوری‌های بی‌سیم، از 6G تا رادارهای پیشرفته و تصویربرداری پزشکی را متحول کند.
❕ «قابلیت تنظیم‌پذیری» به چه معناست؟
تصور کنید در حال تنظیم کردن یک رادیوی قدیمی هستید. برای گرفتن یک ایستگاه، باید پیچ تنظیم را بچرخانید. مواد به کار رفته در دستگاه‌های بی‌سیم نیز باید بتوانند خود را با فرکانس‌های مختلف «تنظیم» کنند تا سیگنال‌ها را به درستی دریافت و ارسال کنند. مشکل بزرگ این بود که موادی که قابلیت تنظیم‌پذیری بالایی داشتند، معمولاً انرژی زیادی نیز تلف می‌کردند (مانند پیچ رادیویی که هنگام چرخاندن داغ شود). این پژوهش این مشکل را حل کرده است.
🔹 این ماده جدید که یک «فیلم نازک فروالکتریک» است، در آزمایش‌ها توانست قابلیت تنظیم‌پذیری فوق‌العاده ۷۴ درصدی را در فرکانس‌های مایکروویو با اعمال یک ولتاژ بسیار پایین از خود نشان دهد. این موفقیتی است که یک مصالحه قدیمی در مهندسی مواد را از بین می‌برد.
❕ راز این ماده هوشمند چیست؟ خوشه‌های نانویی!
دانشمندان این کار را با یک ایده بسیار هوشمندانه انجام دادند. آن‌ها ساختار کاملاً منظم یک کریستال (باریم تیتانات) را در نظر گرفتند. به گفته محققان، «این ساختار مانند صندلی‌های یک استادیوم کاملاً مرتب است.» سپس، آن‌ها با جایگزین کردن تعداد کمی از اتم‌های تیتانیوم با اتم‌های قلع، این نظم کامل را به هم زدند و «جیب‌های نامنظم» کوچکی در مقیاس نانو ایجاد کردند. این «خوشه‌های نانویی» بسیار راحت‌تر از ساختار منظم اطرافشان به سیگنال‌های الکتریکی پاسخ می‌دهند و همین امر، کل ماده را بسیار واکنش‌پذیر و کارآمد می‌کند.
🔹 این پیشرفت می‌تواند به ساخت دستگاه‌های کوچک‌تر، سریع‌تر و کم‌مصرف‌تر منجر شود. تلفن‌های همراه می‌توانند اتصال پایدارتری داشته باشند، ماهواره‌ها با وضوح بیشتری ارتباط برقرار کنند و اسکنرهای پزشکی تصاویر دقیق‌تری ارائه دهند. این روش مهندسی در مقیاس اتمی، راه را برای نوآوری در بسیاری از حوزه‌های دیگر، از حسگرها تا سیستم‌های دفاعی و دستگاه‌های کوانتومی آینده، هموار می‌سازد.
[منبع]
🆔 @Science_Focus
#علم_مواد #فناوری #فیزیک #6G #رادار #مواد_هوشمند
phys.org
'Self-tuning' film paves the way for future wireless and radar devices
A research team from Queen Mary University of London has discovered a new way to engineer thin films that can "tune" themselves much more effectively than existing materials, making them highly responsive ...
🔺 راز مغزهای بزرگ: چرا حیوانات خونگرم (و انسان‌ها) هوشمندتر شدند؟
🔹 چرا پستانداران و پرندگان در مقایسه با خزندگان و دوزیستان، مغزهای بسیار بزرگ‌تری نسبت به اندازه بدنشان دارند؟ یک مطالعه گسترده جدید که داده‌های ۲۶۰۰ گونه از مهره‌داران را تحلیل کرده، یک پاسخ زیبا و دو بخشی برای این سوال بنیادین تکاملی ارائه می‌دهد.
❕ فرضیه «مغزِ پرهزینه»
مغز یک اندام فوق‌العاده پرمصرف است. برخلاف عضلات که می‌توانند در زمان استراحت مصرف انرژی را کاهش دهند، مغز همیشه روشن است و به یک جریان ثابت و عظیم انرژی نیاز دارد. بنابراین، هرگونه افزایش در اندازه مغز در طول تکامل، باید با یک راه حل برای تأمین این هزینه گزاف همراه باشد.
🔹 این پژوهش که در ژورنال معتبر PNAS منتشر شده، نشان می‌دهد که دو پیش‌نیاز اصلی، راه را برای تکامل مغزهای بزرگ هموار کرده است:
۱- دمای بدن بالا و پایدار (خونگرم بودن): مغزهای بزرگ برای عملکرد بهینه، به یک محیط گرم و پایدار نیاز دارند. حیوانات خونگرم (پستانداران و پرندگان) با تولید گرمای داخلی، این جریان ثابت انرژی را برای مغز خود فراهم می‌کنند، در حالی که مغز حیوانات خونسرد با نوسانات دمای محیط، کارایی خود را از دست می‌دهد.
۲- نوزادان بزرگ و سرمایه‌گذاری والدین: ساختن یک مغز بزرگ در دوران جنینی و نوزادی، هزینه انرژی بسیار بالایی دارد. گونه‌هایی که می‌توانند نوزادان بزرگ‌تری به دنیا بیاورند و برای مدت طولانی از آن‌ها مراقبت و تغذیه کنند (مانند انسان‌ها)، می‌توانند این «سرمایه‌گذاری اولیه» سنگین را برای ساخت یک مغز پیچیده بپردازند.
❕ دستورالعمل تکاملی برای یک مغز بزرگ
نکته کلیدی این تحقیق این است که هیچ‌کدام از این دو عامل به تنهایی کافی نیستند. این «ترکیب» این دو ویژگی است که جهش بزرگ در اندازه مغز را ممکن می‌سازد. به همین دلیل است که انسان‌ها، به عنوان گونه‌ای خونگرم که نوزادان بزرگی به دنیا آورده و سال‌ها از آن‌ها مراقبت می‌کند، توانسته‌اند بزرگترین مغز را نسبت به اندازه بدن در میان تمام مهره‌داران تکامل دهند.
🔹 جالب اینجاست که توانایی «خونگرم بودن» در ابتدا برای دلایل دیگری (مانند فعال ماندن در شب یا پروازهای طولانی) تکامل یافته بود. اما این نوآوری تکاملی، به طور غیرمنتظره‌ای «در را برای رشد مغز باز کرد» و مسیر را برای ظهور هوش پیچیده هموار ساخت.
[منبع]
🆔 @Science_Focus
#تکامل #علوم_اعصاب #مغز #زیست_شناسی #انسان_شناسی
🔹 چرا پستانداران و پرندگان در مقایسه با خزندگان و دوزیستان، مغزهای بسیار بزرگ‌تری نسبت به اندازه بدنشان دارند؟ یک مطالعه گسترده جدید که داده‌های ۲۶۰۰ گونه از مهره‌داران را تحلیل کرده، یک پاسخ زیبا و دو بخشی برای این سوال بنیادین تکاملی ارائه می‌دهد.
❕ فرضیه «مغزِ پرهزینه»
مغز یک اندام فوق‌العاده پرمصرف است. برخلاف عضلات که می‌توانند در زمان استراحت مصرف انرژی را کاهش دهند، مغز همیشه روشن است و به یک جریان ثابت و عظیم انرژی نیاز دارد. بنابراین، هرگونه افزایش در اندازه مغز در طول تکامل، باید با یک راه حل برای تأمین این هزینه گزاف همراه باشد.
🔹 این پژوهش که در ژورنال معتبر PNAS منتشر شده، نشان می‌دهد که دو پیش‌نیاز اصلی، راه را برای تکامل مغزهای بزرگ هموار کرده است:
۱- دمای بدن بالا و پایدار (خونگرم بودن): مغزهای بزرگ برای عملکرد بهینه، به یک محیط گرم و پایدار نیاز دارند. حیوانات خونگرم (پستانداران و پرندگان) با تولید گرمای داخلی، این جریان ثابت انرژی را برای مغز خود فراهم می‌کنند، در حالی که مغز حیوانات خونسرد با نوسانات دمای محیط، کارایی خود را از دست می‌دهد.
۲- نوزادان بزرگ و سرمایه‌گذاری والدین: ساختن یک مغز بزرگ در دوران جنینی و نوزادی، هزینه انرژی بسیار بالایی دارد. گونه‌هایی که می‌توانند نوزادان بزرگ‌تری به دنیا بیاورند و برای مدت طولانی از آن‌ها مراقبت و تغذیه کنند (مانند انسان‌ها)، می‌توانند این «سرمایه‌گذاری اولیه» سنگین را برای ساخت یک مغز پیچیده بپردازند.
❕ دستورالعمل تکاملی برای یک مغز بزرگ
نکته کلیدی این تحقیق این است که هیچ‌کدام از این دو عامل به تنهایی کافی نیستند. این «ترکیب» این دو ویژگی است که جهش بزرگ در اندازه مغز را ممکن می‌سازد. به همین دلیل است که انسان‌ها، به عنوان گونه‌ای خونگرم که نوزادان بزرگی به دنیا آورده و سال‌ها از آن‌ها مراقبت می‌کند، توانسته‌اند بزرگترین مغز را نسبت به اندازه بدن در میان تمام مهره‌داران تکامل دهند.
🔹 جالب اینجاست که توانایی «خونگرم بودن» در ابتدا برای دلایل دیگری (مانند فعال ماندن در شب یا پروازهای طولانی) تکامل یافته بود. اما این نوآوری تکاملی، به طور غیرمنتظره‌ای «در را برای رشد مغز باز کرد» و مسیر را برای ظهور هوش پیچیده هموار ساخت.
[منبع]
🆔 @Science_Focus
#تکامل #علوم_اعصاب #مغز #زیست_شناسی #انسان_شناسی
Neuroscience News
Why Warm-Blooded Animals Evolved the Biggest Brains
A global study of vertebrates reveals that body temperature is the key driver behind brain size evolution.
❤1
🔺 برای دیدن جزئیات، سلول‌ها را باد کنید! تکنیک انقلابی که دنیای نادیده اقیانوس‌ها را فاش می‌کند
🔹 پلانکتون‌ها نیروگاه‌های نادیده حیات در زمین هستند؛ اکسیژن تولید می‌کنند و پایه زنجیره غذایی اقیانوس‌ها را تشکیل می‌دهند. اما دیدن ساختار داخلی این موجودات میکروسکوپی همیشه یک چالش بزرگ بوده است. اکنون، یک تکنیک تصویربرداری انقلابی به دانشمندان اجازه می‌دهد تا با «باد کردن» فیزیکی این موجودات، معماری پنهان آن‌ها را با جزئیات بی‌سابقه‌ای مشاهده کنند.
❕ میکروسکوپی انبساطی چگونه کار می‌کند؟
این تکنیک به طرز شگفت‌انگیزی هوشمندانه است. به جای استفاده از عدسی‌های قوی‌تر، دانشمندان خود نمونه را بزرگ می‌کنند!
۱- نمونه (مثلاً یک پلانکتون) را در یک ژل شفاف و قابل جذب آب قرار می‌دهند.
۲- ساختارهای داخلی سلول را با مواد شیمیایی در جای خود محکم می‌کنند.
۳- آنزیم‌هایی را برای هضم بخش‌هایی که مانع انبساط می‌شوند، اضافه می‌کنند.
۴- در نهایت، آب مقطر اضافه می‌کنند. ژل، آب را جذب کرده و مانند یک اسفنج، تا ۱۶ برابر اندازه اصلی خود «باد می‌کند»!
تمام ساختارهای داخلی نیز به طور متناسب بزرگ می‌شوند و حالا می‌توان آن‌ها را با یک میکروسکوپ نوری معمولی با جزئیات فوق‌العاده مشاهده کرد.
🔹 این پژوهش که در ژورنال معتبر Cell منتشر شده، از این تکنیک برای تصویربرداری از بیش از ۲۰۰ گونه پلانکتون استفاده کرده است. این کار به دانشمندان اجازه داد تا برای اولین بار، ساختارهای داخلی بسیاری از این موجودات را که قبلاً فقط از طریق داده‌های ژنتیکی شناخته می‌شدند، مشاهده کنند.
❕ چرا مطالعه «اسکلت سلولی» مهم است؟
بخش عمده‌ای از این تحقیق بر روی «اسکلت سلولی» (Cytoskeleton) متمرکز بود. همانطور که اسکلت ما به بدنمان شکل و ساختار می‌دهد، اسکلت سلولی نیز شبکه‌ای از رشته‌های پروتئینی است که به سلول شکل می‌دهد، به آن اجازه حرکت می‌دهد و اندامک‌های داخلی را سازماندهی می‌کند. مطالعه تنوع این ساختارها در گونه‌های مختلف، سرنخ‌های مهمی در مورد تکامل حیات در سطح سلولی به ما می‌دهد.
🔹 این دستاورد یک پل حیاتی بین داده‌های ژنومی (DNA) و ساختار فیزیکی واقعی موجودات زنده ایجاد می‌کند. هدف نهایی این پروژه، ایجاد یک «اطلس سیاره‌ای» از حیات میکروسکوپی است که به ما امکان می‌دهد تنوع زیستی را در بنیادی‌ترین سطح آن درک کرده و از اکوسیستم‌های اقیانوسی در برابر تهدیدات محافظت کنیم.
[منبع]
🆔 @Science_Focus
#زیست_شناسی #میکروسکوپی #پلانکتون #اقیانوس_شناسی #فناوری_علمی #تکامل
🔹 پلانکتون‌ها نیروگاه‌های نادیده حیات در زمین هستند؛ اکسیژن تولید می‌کنند و پایه زنجیره غذایی اقیانوس‌ها را تشکیل می‌دهند. اما دیدن ساختار داخلی این موجودات میکروسکوپی همیشه یک چالش بزرگ بوده است. اکنون، یک تکنیک تصویربرداری انقلابی به دانشمندان اجازه می‌دهد تا با «باد کردن» فیزیکی این موجودات، معماری پنهان آن‌ها را با جزئیات بی‌سابقه‌ای مشاهده کنند.
❕ میکروسکوپی انبساطی چگونه کار می‌کند؟
این تکنیک به طرز شگفت‌انگیزی هوشمندانه است. به جای استفاده از عدسی‌های قوی‌تر، دانشمندان خود نمونه را بزرگ می‌کنند!
۱- نمونه (مثلاً یک پلانکتون) را در یک ژل شفاف و قابل جذب آب قرار می‌دهند.
۲- ساختارهای داخلی سلول را با مواد شیمیایی در جای خود محکم می‌کنند.
۳- آنزیم‌هایی را برای هضم بخش‌هایی که مانع انبساط می‌شوند، اضافه می‌کنند.
۴- در نهایت، آب مقطر اضافه می‌کنند. ژل، آب را جذب کرده و مانند یک اسفنج، تا ۱۶ برابر اندازه اصلی خود «باد می‌کند»!
تمام ساختارهای داخلی نیز به طور متناسب بزرگ می‌شوند و حالا می‌توان آن‌ها را با یک میکروسکوپ نوری معمولی با جزئیات فوق‌العاده مشاهده کرد.
🔹 این پژوهش که در ژورنال معتبر Cell منتشر شده، از این تکنیک برای تصویربرداری از بیش از ۲۰۰ گونه پلانکتون استفاده کرده است. این کار به دانشمندان اجازه داد تا برای اولین بار، ساختارهای داخلی بسیاری از این موجودات را که قبلاً فقط از طریق داده‌های ژنتیکی شناخته می‌شدند، مشاهده کنند.
❕ چرا مطالعه «اسکلت سلولی» مهم است؟
بخش عمده‌ای از این تحقیق بر روی «اسکلت سلولی» (Cytoskeleton) متمرکز بود. همانطور که اسکلت ما به بدنمان شکل و ساختار می‌دهد، اسکلت سلولی نیز شبکه‌ای از رشته‌های پروتئینی است که به سلول شکل می‌دهد، به آن اجازه حرکت می‌دهد و اندامک‌های داخلی را سازماندهی می‌کند. مطالعه تنوع این ساختارها در گونه‌های مختلف، سرنخ‌های مهمی در مورد تکامل حیات در سطح سلولی به ما می‌دهد.
🔹 این دستاورد یک پل حیاتی بین داده‌های ژنومی (DNA) و ساختار فیزیکی واقعی موجودات زنده ایجاد می‌کند. هدف نهایی این پروژه، ایجاد یک «اطلس سیاره‌ای» از حیات میکروسکوپی است که به ما امکان می‌دهد تنوع زیستی را در بنیادی‌ترین سطح آن درک کرده و از اکوسیستم‌های اقیانوسی در برابر تهدیدات محافظت کنیم.
[منبع]
🆔 @Science_Focus
#زیست_شناسی #میکروسکوپی #پلانکتون #اقیانوس_شناسی #فناوری_علمی #تکامل
ScienceDaily
A new microscopy breakthrough is revealing the oceans’ invisible life
A pandemic-era breakthrough has allowed scientists to literally expand our view of plankton. By using ultrastructure expansion microscopy, researchers visualized the inner workings of hundreds of marine species for the first time. The effort, tied to the…
❤1
🔺 گوجه‌فرنگی‌های مقاوم به سرما که رشدشان متوقف نمی‌شود: یک پیشرفت بزرگ در بیوتکنولوژی گیاهی
🔹 گوجه‌فرنگی به دلیل خاستگاه گرمسیری‌اش، در برابر سرما بسیار حساس است و این موضوع کشت آن را در بسیاری از مناطق جهان محدود می‌کند. اکنون، یک پژوهش جدید که در ژورنال معتبر Plant Physiology منتشر شده، راهی برای تولید گوجه‌فرنگی‌های مقاوم به سرما پیدا کرده که برخلاف تلاش‌های قبلی، به رشد طبیعی گیاه آسیب نمی‌زند.
❕ «ضدیخ» سلولی: استرول‌ها چه نقشی دارند؟
غشای سلول‌های گیاهی، مانند پوست ما، باید در دماهای مختلف انعطاف‌پذیر باقی بماند. مولکول‌هایی به نام «استرول» در این غشاها وجود دارند که مانند یک «ضدیخ» یا «روان‌کننده» عمل کرده و از سفت و شکننده شدن غشا در هوای سرد جلوگیری می‌کنند. این تحقیق بر روی نوع خاصی از این مولکول‌ها به نام «استرول‌های گلیکوزیله» تمرکز کرده است.
🔹 دانشمندان با استفاده از مهندسی ژنتیک، گیاهان گوجه‌فرنگی را به گونه‌ای تغییر دادند که مقدار بیشتری از این استرول‌های محافظ را تولید کنند. نتیجه شگفت‌انگیز بود: این گیاهان نه تنها مقاومت بسیار بیشتری در برابر دمای پایین از خود نشان دادند، بلکه برخلاف بسیاری از گیاهان مقاوم‌شده دیگر، رشد و نمو آن‌ها کاملاً طبیعی و بدون هیچ‌گونه کاستی بود.
❕ یک راه حل هوشمندانه دوگانه: هم محافظ و هم سیستم هشدار!
این تحقیق نشان داد که استرول‌های گلیکوزیله دو کار بسیار مهم انجام می‌دهند:
۱- محافظ فیزیکی: آن‌ها به طور مستقیم در غشای سلولی قرار گرفته و آن را در برابر آسیب سرما پایدار می‌کنند.
۲- سیستم هشدار مولکولی: این مولکول‌ها همچنین به عنوان «حسگر» سرما عمل می‌کنند. با تشخیص دمای پایین، آن‌ها یک زنجیره از سیگنال‌های هورمونی را در گیاه فعال می‌کنند که تمام سیستم دفاعی گیاه را برای مقابله با استرس سرما «آماده باش» می‌کند.
🔹 این دستاورد یک گام بزرگ در جهت توسعه محصولات کشاورزی مقاوم‌تر است که می‌توانند در شرایط آب و هوایی دشوارتر نیز به خوبی رشد کرده و به تأمین امنیت غذایی جهانی کمک کنند.
[منبع]
🆔 @Science_Focus
#کشاورزی #بیوتکنولوژی #علم_گیاهی #ژنتیک #امنیت_غذایی
🔹 گوجه‌فرنگی به دلیل خاستگاه گرمسیری‌اش، در برابر سرما بسیار حساس است و این موضوع کشت آن را در بسیاری از مناطق جهان محدود می‌کند. اکنون، یک پژوهش جدید که در ژورنال معتبر Plant Physiology منتشر شده، راهی برای تولید گوجه‌فرنگی‌های مقاوم به سرما پیدا کرده که برخلاف تلاش‌های قبلی، به رشد طبیعی گیاه آسیب نمی‌زند.
❕ «ضدیخ» سلولی: استرول‌ها چه نقشی دارند؟
غشای سلول‌های گیاهی، مانند پوست ما، باید در دماهای مختلف انعطاف‌پذیر باقی بماند. مولکول‌هایی به نام «استرول» در این غشاها وجود دارند که مانند یک «ضدیخ» یا «روان‌کننده» عمل کرده و از سفت و شکننده شدن غشا در هوای سرد جلوگیری می‌کنند. این تحقیق بر روی نوع خاصی از این مولکول‌ها به نام «استرول‌های گلیکوزیله» تمرکز کرده است.
🔹 دانشمندان با استفاده از مهندسی ژنتیک، گیاهان گوجه‌فرنگی را به گونه‌ای تغییر دادند که مقدار بیشتری از این استرول‌های محافظ را تولید کنند. نتیجه شگفت‌انگیز بود: این گیاهان نه تنها مقاومت بسیار بیشتری در برابر دمای پایین از خود نشان دادند، بلکه برخلاف بسیاری از گیاهان مقاوم‌شده دیگر، رشد و نمو آن‌ها کاملاً طبیعی و بدون هیچ‌گونه کاستی بود.
❕ یک راه حل هوشمندانه دوگانه: هم محافظ و هم سیستم هشدار!
این تحقیق نشان داد که استرول‌های گلیکوزیله دو کار بسیار مهم انجام می‌دهند:
۱- محافظ فیزیکی: آن‌ها به طور مستقیم در غشای سلولی قرار گرفته و آن را در برابر آسیب سرما پایدار می‌کنند.
۲- سیستم هشدار مولکولی: این مولکول‌ها همچنین به عنوان «حسگر» سرما عمل می‌کنند. با تشخیص دمای پایین، آن‌ها یک زنجیره از سیگنال‌های هورمونی را در گیاه فعال می‌کنند که تمام سیستم دفاعی گیاه را برای مقابله با استرس سرما «آماده باش» می‌کند.
🔹 این دستاورد یک گام بزرگ در جهت توسعه محصولات کشاورزی مقاوم‌تر است که می‌توانند در شرایط آب و هوایی دشوارتر نیز به خوبی رشد کرده و به تأمین امنیت غذایی جهانی کمک کنند.
[منبع]
🆔 @Science_Focus
#کشاورزی #بیوتکنولوژی #علم_گیاهی #ژنتیک #امنیت_غذایی
phys.org
Researchers develop a cold-resistant tomato variety without compromising plant growth
A new study published in Plant Physiology opens the door to developing more robust and cold-resistant tomato (Solanum lycopersicum) varieties. The findings reveal that increasing glycosylated sterol levels ...
❤1
🔺 «Memento Mori»: موزاییکی از پمپئی که به ما یادآوری می‌کند مرگ همه را برابر می‌کند
🔹 در میان خرابه‌های شهر پمپئی، یک موزاییک کوچک اما فوق‌العاده قدرتمند کشف شده که بیش از دو هزار سال است یک پیام جهانی را فریاد می‌زند: «به یاد داشته باش که خواهی مُرد» (Memento Mori). این اثر هنری خیره‌کننده، نگاه عمیق رومیان باستان به زندگی، مرگ و برابری را به تصویر می‌کشد.
❕ رمزگشایی نمادها: یک هشدار هوشمندانه
این موزاییک که در اتاق ناهارخوری یک خانه کشف شده، بسیار فراتر از یک اسکلت ساده است:
* تراز و اسکلت: در مرکز، یک تراز ساختمانی قرار دارد که نماد مرگ به شکل یک اسکلت از آن آویزان است. مرگ، «ترازکننده» نهایی است که همه انسان‌ها را هم‌سطح می‌کند.
* ثروت و فقر: در دو انتهای تراز، نمادهای قدرت و ثروت (یک عصای سلطنتی و ردای ارغوانی) در تعادل کامل با نمادهای فقر (عصای گدایی و کوله‌پشتی) قرار دارند.
* روح و سرنوشت: زیر اسکلت، یک پروانه (نماد روح) روی یک چرخ (نماد سرنوشت و شانس) نشسته است.
🔹 پیام کلی واضح است: فرقی نمی‌کند که با چرخ سرنوشت، ثروتمند به دنیا آمده باشی یا فقیر؛ در نهایت، مرگ همه را به یک سطح می‌آورد.
❕ فلسفه «دم را غنیمت شمار» (Carpe Diem)
این موزاییک یک پیام تاریک و ناامیدکننده نیست، بلکه دقیقاً برعکس است! این اثر بازتابی از فلسفه اپیکوری است که در روم باستان بسیار محبوب بود. قرار دادن چنین تصویری در اتاق ناهارخوری به مهمانان یادآوری می‌کرد که چون زندگی کوتاه است و مرگ سرنوشت همگان است، باید از لحظه حال، از غذا، نوشیدنی و مصاحبت با دوستان لذت برد. این همان ایده معروف «کارپه دیم» یا «دم را غنیمت شمار» است.
🔹 این اثر هنری در خانه یک بازرگان به نام «وسونیوس پریموس» پیدا شد. او که احتمالاً از فوران آتشفشان وزوو جان سالم به در برده، این پیام را هر روز در ضیافت‌هایش می‌دیده است. این موزاییک، یک یادآوری قدرتمند از این است که چگونه انسان‌ها در طول تاریخ، با مفاهیم مشابهی در مورد زندگی و فناپذیری دست و پنجه نرم کرده‌اند.
[منبع]
🆔 @Science_Focus
#باستان_شناسی #تاریخ #هنر #فلسفه #پمپئی #روم_باستان #MementoMori
🔹 در میان خرابه‌های شهر پمپئی، یک موزاییک کوچک اما فوق‌العاده قدرتمند کشف شده که بیش از دو هزار سال است یک پیام جهانی را فریاد می‌زند: «به یاد داشته باش که خواهی مُرد» (Memento Mori). این اثر هنری خیره‌کننده، نگاه عمیق رومیان باستان به زندگی، مرگ و برابری را به تصویر می‌کشد.
❕ رمزگشایی نمادها: یک هشدار هوشمندانه
این موزاییک که در اتاق ناهارخوری یک خانه کشف شده، بسیار فراتر از یک اسکلت ساده است:
* تراز و اسکلت: در مرکز، یک تراز ساختمانی قرار دارد که نماد مرگ به شکل یک اسکلت از آن آویزان است. مرگ، «ترازکننده» نهایی است که همه انسان‌ها را هم‌سطح می‌کند.
* ثروت و فقر: در دو انتهای تراز، نمادهای قدرت و ثروت (یک عصای سلطنتی و ردای ارغوانی) در تعادل کامل با نمادهای فقر (عصای گدایی و کوله‌پشتی) قرار دارند.
* روح و سرنوشت: زیر اسکلت، یک پروانه (نماد روح) روی یک چرخ (نماد سرنوشت و شانس) نشسته است.
🔹 پیام کلی واضح است: فرقی نمی‌کند که با چرخ سرنوشت، ثروتمند به دنیا آمده باشی یا فقیر؛ در نهایت، مرگ همه را به یک سطح می‌آورد.
❕ فلسفه «دم را غنیمت شمار» (Carpe Diem)
این موزاییک یک پیام تاریک و ناامیدکننده نیست، بلکه دقیقاً برعکس است! این اثر بازتابی از فلسفه اپیکوری است که در روم باستان بسیار محبوب بود. قرار دادن چنین تصویری در اتاق ناهارخوری به مهمانان یادآوری می‌کرد که چون زندگی کوتاه است و مرگ سرنوشت همگان است، باید از لحظه حال، از غذا، نوشیدنی و مصاحبت با دوستان لذت برد. این همان ایده معروف «کارپه دیم» یا «دم را غنیمت شمار» است.
🔹 این اثر هنری در خانه یک بازرگان به نام «وسونیوس پریموس» پیدا شد. او که احتمالاً از فوران آتشفشان وزوو جان سالم به در برده، این پیام را هر روز در ضیافت‌هایش می‌دیده است. این موزاییک، یک یادآوری قدرتمند از این است که چگونه انسان‌ها در طول تاریخ، با مفاهیم مشابهی در مورد زندگی و فناپذیری دست و پنجه نرم کرده‌اند.
[منبع]
🆔 @Science_Focus
#باستان_شناسی #تاریخ #هنر #فلسفه #پمپئی #روم_باستان #MementoMori
Live Science
Memento Mori: A mosaic that predates Mount Vesuvius' eruption in Pompeii and reminds us that we will all die
A famous mosaic from Pompeii holds lessons for today.
❤1💯1
🔺 پارادوکس کوانتومی: کشف یک ماده عایق که در قلب خود مانند یک فلز رفتار می‌کند
🔹 فیزیکدانان یک پدیده کوانتومی «واقعاً عجیب» را در ماده‌ای کشف کرده‌اند که طبق تمام قوانین شناخته‌شده، نباید وجود داشته باشد. آن‌ها در یک ماده «عایق» که نباید الکتریسیته را هدایت کند، رفتاری را مشاهده کرده‌اند که مشخصه بارز «فلزات» است. این کشف که در ژورنال معتبر Physical Review Letters منتشر شده، درک ما از مرز بین رساناها و عایق‌ها را به چالش می‌کشد.
❕ «نوسانات کوانتومی» چیست؟
در فلزات، وقتی یک میدان مغناطیسی قوی اعمال می‌شود، الکترون‌های آزاد می‌توانند به شکلی هماهنگ و متناوب نوسان کنند. این پدیده که به آن «نوسانات کوانتومی» می‌گویند، مانند امواج منظم روی سطح یک دریاچه است و یک اثر انگشت کلیدی برای رفتار فلزی محسوب می‌شود. یافتن این پدیده در یک ماده عایق، مانند دیدن امواج منظم روی یک تکه سنگ است!
🔹 در سال‌های اخیر، دانشمندان این نوسانات عجیب را در برخی مواد عایق مشاهده کرده بودند، اما یک سوال بزرگ وجود داشت: آیا این پدیده فقط در «سطح» این مواد رخ می‌دهد (جایی که ممکن است خواص متفاوتی وجود داشته باشد) یا از «حجم داخلی» و قلب خود ماده نشأت می‌گیرد؟
🔹 اکنون، تیمی از دانشمندان با استفاده از قوی‌ترین آهنرباهای جهان در آزمایشگاه ملی میدان مغناطیسی بالا، پاسخ این معما را پیدا کرده‌اند. آن‌ها با اندازه‌گیری دقیق ظرفیت گرمایی ماده‌ای به نام «ایتربیوم بورید» (YbB₁₂)، به طور قطعی ثابت کردند که این نوسانات کوانتومی از حجم داخلی این ماده عایق سرچشمه می‌گیرد.
❕ چرا این کشف اینقدر مهم و عجیب است؟
این یافته تمام مدل‌های ساده‌ای را که مواد را به دو دسته رسانا و عایق تقسیم می‌کنند، زیر سوال می‌برد. این ماده در قلب خود همزمان هم یک عایق است و هم مانند یک فلز رفتار می‌کند. این یک «دوگانگی» جدید است که دانشمندان هنوز هیچ توضیحی برای آن ندارند. چه نوع ذره‌ای در این ماده حرکت می‌کند که می‌تواند این نوسانات را ایجاد کند اما بار الکتریکی نداشته باشد؟ این یک سوال کاملاً باز است.
🔹 لو لی، محقق اصلی این پژوهش، با صداقتی تحسین‌برانگیز می‌گوید: «دوست داشتم بگویم که این یک کاربرد عالی دارد، اما کار من این رویا را دورتر می‌کند. آنچه ما در حال حاضر داریم، شواهد تجربی از یک پدیده قابل توجه است.» این کشف، نمونه‌ای درخشان از علم بنیادی است؛ جایی که هدف، نه کاربرد فوری، بلکه گسترش مرزهای دانش و روبرو شدن با شگفتی‌های ناشناخته جهان است.
[منبع]
🆔 @Science_Focus
#فیزیک #کوانتوم #علم_مواد #فیزیک_ماده_چگال #علم_بنیادی
🔹 فیزیکدانان یک پدیده کوانتومی «واقعاً عجیب» را در ماده‌ای کشف کرده‌اند که طبق تمام قوانین شناخته‌شده، نباید وجود داشته باشد. آن‌ها در یک ماده «عایق» که نباید الکتریسیته را هدایت کند، رفتاری را مشاهده کرده‌اند که مشخصه بارز «فلزات» است. این کشف که در ژورنال معتبر Physical Review Letters منتشر شده، درک ما از مرز بین رساناها و عایق‌ها را به چالش می‌کشد.
❕ «نوسانات کوانتومی» چیست؟
در فلزات، وقتی یک میدان مغناطیسی قوی اعمال می‌شود، الکترون‌های آزاد می‌توانند به شکلی هماهنگ و متناوب نوسان کنند. این پدیده که به آن «نوسانات کوانتومی» می‌گویند، مانند امواج منظم روی سطح یک دریاچه است و یک اثر انگشت کلیدی برای رفتار فلزی محسوب می‌شود. یافتن این پدیده در یک ماده عایق، مانند دیدن امواج منظم روی یک تکه سنگ است!
🔹 در سال‌های اخیر، دانشمندان این نوسانات عجیب را در برخی مواد عایق مشاهده کرده بودند، اما یک سوال بزرگ وجود داشت: آیا این پدیده فقط در «سطح» این مواد رخ می‌دهد (جایی که ممکن است خواص متفاوتی وجود داشته باشد) یا از «حجم داخلی» و قلب خود ماده نشأت می‌گیرد؟
🔹 اکنون، تیمی از دانشمندان با استفاده از قوی‌ترین آهنرباهای جهان در آزمایشگاه ملی میدان مغناطیسی بالا، پاسخ این معما را پیدا کرده‌اند. آن‌ها با اندازه‌گیری دقیق ظرفیت گرمایی ماده‌ای به نام «ایتربیوم بورید» (YbB₁₂)، به طور قطعی ثابت کردند که این نوسانات کوانتومی از حجم داخلی این ماده عایق سرچشمه می‌گیرد.
❕ چرا این کشف اینقدر مهم و عجیب است؟
این یافته تمام مدل‌های ساده‌ای را که مواد را به دو دسته رسانا و عایق تقسیم می‌کنند، زیر سوال می‌برد. این ماده در قلب خود همزمان هم یک عایق است و هم مانند یک فلز رفتار می‌کند. این یک «دوگانگی» جدید است که دانشمندان هنوز هیچ توضیحی برای آن ندارند. چه نوع ذره‌ای در این ماده حرکت می‌کند که می‌تواند این نوسانات را ایجاد کند اما بار الکتریکی نداشته باشد؟ این یک سوال کاملاً باز است.
🔹 لو لی، محقق اصلی این پژوهش، با صداقتی تحسین‌برانگیز می‌گوید: «دوست داشتم بگویم که این یک کاربرد عالی دارد، اما کار من این رویا را دورتر می‌کند. آنچه ما در حال حاضر داریم، شواهد تجربی از یک پدیده قابل توجه است.» این کشف، نمونه‌ای درخشان از علم بنیادی است؛ جایی که هدف، نه کاربرد فوری، بلکه گسترش مرزهای دانش و روبرو شدن با شگفتی‌های ناشناخته جهان است.
[منبع]
🆔 @Science_Focus
#فیزیک #کوانتوم #علم_مواد #فیزیک_ماده_چگال #علم_بنیادی
SciTechDaily
“Really Bizarre” – Physicists Uncover a Quantum Material That Breaks All the Rules
A University of Michigan-led team has discovered quantum oscillations within an insulator’s bulk, overturning conventional understanding of material behavior and hinting at a mysterious “new duality” between conductors and insulators. As a scientist who studies…
❤1
🔺 آیا روزه‌داری (Fasting) عملکرد ذهنی را کند می‌کند؟ علم به یکی از بزرگترین نگرانی‌های سلامتی پاسخ می‌دهد
🔹 بسیاری از ما نگرانیم که حذف یک وعده غذایی یا روزه‌داری متناوب، تمرکز ما را از بین ببرد و ما را کم‌بازده کند. اما آیا این باور رایج، پشتوانه علمی دارد؟ یک متاآنالیز جدید و جامع که نتایج ۷۰ سال تحقیق را جمع‌بندی کرده، پاسخی شگفت‌انگیز به این سوال می‌دهد.
❕ سوئیچ متابولیک: بدن شما در زمان روزه‌داری چگونه کار می‌کند؟
مغز ما معمولاً از گلوکز (قند) به عنوان سوخت استفاده می‌کند. اما پس از حدود ۱۲ ساعت ناشتایی، ذخایر گلوکز بدن تمام می‌شود. در این نقطه، بدن یک «سوئیچ متابولیک» هوشمندانه را فعال می‌کند: شروع به سوزاندن چربی‌ها کرده و مولکول‌هایی به نام «کتون» تولید می‌کند. کتون‌ها یک منبع سوخت جایگزین عالی و پاک برای مغز هستند و به آن اجازه می‌دهند حتی در غیاب غذا نیز به کار خود ادامه دهد.
🔹 این پژوهش، که یک «مطالعه مطالعات» است و داده‌های بیش از ۷۰ تحقیق با ۳۴۰۰ شرکت‌کننده را تحلیل کرده، به یک نتیجه واضح رسیده است: در بزرگسالان سالم، هیچ تفاوت معناداری در عملکرد شناختی (شامل توجه، حافظه و عملکردهای اجرایی) بین حالت روزه‌داری (با میانگین ۱۲ ساعت) و حالت سیری وجود ندارد.
❕ سه استثنای مهم: چه زمانی روزه‌داری می‌تواند بر عملکرد ذهنی تأثیر منفی بگذارد؟
با این حال، این نتیجه‌گیری کلی نیست و سه استثنای مهم دارد:
۱- سن: برخلاف بزرگسالان، عملکرد شناختی کودکان و نوجوانان با حذف وعده‌های غذایی کاهش می‌یابد. مغز در حال رشد آن‌ها به جریان ثابت انرژی نیاز دارد.
۲- زمان‌بندی: عملکرد افراد در حالت روزه‌داری، در ساعات پایانی روز کمی افت می‌کند که ممکن است به دلیل تشدید ریتم طبیعی شبانه‌روزی بدن باشد.
۳- محتوای کار: اگر وظیفه شناختی شامل سرنخ‌های مرتبط با غذا باشد (مانند دیدن تصاویر غذا)، افراد روزه‌دار راحت‌تر دچار حواس‌پرتی می‌شوند.
🔹 نتیجه‌گیری: برای اکثر بزرگسالان سالم، نگرانی از «مه مغزی» ناشی از روزه‌داری کوتاه‌مدت، مبنای علمی محکمی ندارد. با این حال، روزه‌داری برای همه مناسب نیست و باید با در نظر گرفتن شرایط فردی، به خصوص در مورد کودکان، نوجوانان و افراد با شرایط پزشکی خاص، با احتیاط برخورد کرد. این یافته‌ها به جای یک نسخه جهانی، ابزاری برای تصمیم‌گیری آگاهانه شخصی هستند.
[منبع]
🆔 @Science_Focus
#تغذیه #روزه_داری #مغز #عملکرد_شناختی #علم_سلامت
🔹 بسیاری از ما نگرانیم که حذف یک وعده غذایی یا روزه‌داری متناوب، تمرکز ما را از بین ببرد و ما را کم‌بازده کند. اما آیا این باور رایج، پشتوانه علمی دارد؟ یک متاآنالیز جدید و جامع که نتایج ۷۰ سال تحقیق را جمع‌بندی کرده، پاسخی شگفت‌انگیز به این سوال می‌دهد.
❕ سوئیچ متابولیک: بدن شما در زمان روزه‌داری چگونه کار می‌کند؟
مغز ما معمولاً از گلوکز (قند) به عنوان سوخت استفاده می‌کند. اما پس از حدود ۱۲ ساعت ناشتایی، ذخایر گلوکز بدن تمام می‌شود. در این نقطه، بدن یک «سوئیچ متابولیک» هوشمندانه را فعال می‌کند: شروع به سوزاندن چربی‌ها کرده و مولکول‌هایی به نام «کتون» تولید می‌کند. کتون‌ها یک منبع سوخت جایگزین عالی و پاک برای مغز هستند و به آن اجازه می‌دهند حتی در غیاب غذا نیز به کار خود ادامه دهد.
🔹 این پژوهش، که یک «مطالعه مطالعات» است و داده‌های بیش از ۷۰ تحقیق با ۳۴۰۰ شرکت‌کننده را تحلیل کرده، به یک نتیجه واضح رسیده است: در بزرگسالان سالم، هیچ تفاوت معناداری در عملکرد شناختی (شامل توجه، حافظه و عملکردهای اجرایی) بین حالت روزه‌داری (با میانگین ۱۲ ساعت) و حالت سیری وجود ندارد.
❕ سه استثنای مهم: چه زمانی روزه‌داری می‌تواند بر عملکرد ذهنی تأثیر منفی بگذارد؟
با این حال، این نتیجه‌گیری کلی نیست و سه استثنای مهم دارد:
۱- سن: برخلاف بزرگسالان، عملکرد شناختی کودکان و نوجوانان با حذف وعده‌های غذایی کاهش می‌یابد. مغز در حال رشد آن‌ها به جریان ثابت انرژی نیاز دارد.
۲- زمان‌بندی: عملکرد افراد در حالت روزه‌داری، در ساعات پایانی روز کمی افت می‌کند که ممکن است به دلیل تشدید ریتم طبیعی شبانه‌روزی بدن باشد.
۳- محتوای کار: اگر وظیفه شناختی شامل سرنخ‌های مرتبط با غذا باشد (مانند دیدن تصاویر غذا)، افراد روزه‌دار راحت‌تر دچار حواس‌پرتی می‌شوند.
🔹 نتیجه‌گیری: برای اکثر بزرگسالان سالم، نگرانی از «مه مغزی» ناشی از روزه‌داری کوتاه‌مدت، مبنای علمی محکمی ندارد. با این حال، روزه‌داری برای همه مناسب نیست و باید با در نظر گرفتن شرایط فردی، به خصوص در مورد کودکان، نوجوانان و افراد با شرایط پزشکی خاص، با احتیاط برخورد کرد. این یافته‌ها به جای یک نسخه جهانی، ابزاری برای تصمیم‌گیری آگاهانه شخصی هستند.
[منبع]
🆔 @Science_Focus
#تغذیه #روزه_داری #مغز #عملکرد_شناختی #علم_سلامت
www.abc.net.au
Does fasting dull your mental edge? We crunched the data for the best advice
Intermittent fasting can have health benefits, but does being hungry affect our cognitive abilities? Here's what all the evidence tells us.
🔺 چرا پاهای زرافه اینقدر بلند است؟ پاسخ شگفت‌انگیز علم: برای کمک به گردن بلندش!
🔹 همه ما فکر می‌کنیم گردن بلند زرافه برای رسیدن به برگ‌های بالای درختان است. اما آیا تا به حال به این فکر کرده‌اید که چرا پاهای این حیوان نیز به همان نسبت بلند است؟ یک پژوهش جدید و هوشمندانه نشان می‌دهد که پاهای بلند، یک راه حل مهندسی درخشان از سوی تکامل برای ممکن کردن وجود یک گردن بلند بوده است.
❕ مشکل بزرگ یک گردن بلند: قلب پرکار
یک گردن بلند، یک چالش بزرگ فیزیکی ایجاد می‌کند. قلب زرافه باید خون را چندین متر به سمت بالا و برخلاف جاذبه پمپاژ کند. برای این کار، فشار خون زرافه بیش از دو برابر فشار خون انسان است! این قلب قدرتمند به تنهایی انرژی بیشتری از کل بدن یک انسان در حال استراحت مصرف می‌کند. هر سانتی‌متر افزایش ارتفاع گردن، بار روی قلب را بیشتر می‌کند.
🔹 دانشمندان برای نشان دادن اهمیت پاهای بلند، یک آزمایش فکری خلاقانه انجام دادند. آن‌ها یک موجود خیالی به نام «اِلاف» (Elaffe) را مدل‌سازی کردند: حیوانی با بدن و پاهای کوتاه یک گاو کوهی آفریقایی (Eland) اما با گردن بلند یک زرافه.
❕ موجود خیالی «الاف» به ما چه می‌گوید؟
مدل‌سازی نشان داد که در «الاف»، قلب باید در ارتفاع بسیار پایین‌تری قرار گیرد. برای رساندن خون به همان ارتفاع، قلب این موجود خیالی باید ۲۱٪ از کل انرژی بدن را مصرف می‌کرد. اما در زرافه واقعی، پاهای بلند، قلب را به سر نزدیک‌تر کرده‌اند. این «آسانسور» طبیعی باعث می‌شود قلب زرافه تنها ۱۶٪ از انرژی بدن را مصرف کند. این صرفه‌جویی ۵ درصدی در انرژی، معادل ۱.۵ تن غذا در سال است؛ تفاوتی که در ساوانای آفریقا می‌تواند به معنای مرگ و زندگی باشد.
🔹 این یافته با شواهد فسیلی نیز همخوانی دارد که نشان می‌دهد اجداد زرافه، پاهای بلند را قبل از گردن بلند تکامل داده‌اند. در واقع، تکامل ابتدا با بلند کردن پاها، «زیرساخت» لازم برای یک گردن بلند را فراهم کرده است.
🔹 این پژوهش همچنین توضیح می‌دهد که چرا دایناسورهای غول‌پیکر ساروپود با گردن‌های بسیار بلند، احتمالاً نمی‌توانستند سر خود را برای مدت طولانی به صورت عمودی بالا نگه دارند؛ زیرا هزینه انرژی قلب آن‌ها برای چنین کاری، از کل انرژی بقیه بدنشان بیشتر می‌شد!
[منبع]
🆔 @Science_Focus
#تکامل #جانورشناسی #زرافه #بیومکانیک #فیزیولوژی
🔹 همه ما فکر می‌کنیم گردن بلند زرافه برای رسیدن به برگ‌های بالای درختان است. اما آیا تا به حال به این فکر کرده‌اید که چرا پاهای این حیوان نیز به همان نسبت بلند است؟ یک پژوهش جدید و هوشمندانه نشان می‌دهد که پاهای بلند، یک راه حل مهندسی درخشان از سوی تکامل برای ممکن کردن وجود یک گردن بلند بوده است.
❕ مشکل بزرگ یک گردن بلند: قلب پرکار
یک گردن بلند، یک چالش بزرگ فیزیکی ایجاد می‌کند. قلب زرافه باید خون را چندین متر به سمت بالا و برخلاف جاذبه پمپاژ کند. برای این کار، فشار خون زرافه بیش از دو برابر فشار خون انسان است! این قلب قدرتمند به تنهایی انرژی بیشتری از کل بدن یک انسان در حال استراحت مصرف می‌کند. هر سانتی‌متر افزایش ارتفاع گردن، بار روی قلب را بیشتر می‌کند.
🔹 دانشمندان برای نشان دادن اهمیت پاهای بلند، یک آزمایش فکری خلاقانه انجام دادند. آن‌ها یک موجود خیالی به نام «اِلاف» (Elaffe) را مدل‌سازی کردند: حیوانی با بدن و پاهای کوتاه یک گاو کوهی آفریقایی (Eland) اما با گردن بلند یک زرافه.
❕ موجود خیالی «الاف» به ما چه می‌گوید؟
مدل‌سازی نشان داد که در «الاف»، قلب باید در ارتفاع بسیار پایین‌تری قرار گیرد. برای رساندن خون به همان ارتفاع، قلب این موجود خیالی باید ۲۱٪ از کل انرژی بدن را مصرف می‌کرد. اما در زرافه واقعی، پاهای بلند، قلب را به سر نزدیک‌تر کرده‌اند. این «آسانسور» طبیعی باعث می‌شود قلب زرافه تنها ۱۶٪ از انرژی بدن را مصرف کند. این صرفه‌جویی ۵ درصدی در انرژی، معادل ۱.۵ تن غذا در سال است؛ تفاوتی که در ساوانای آفریقا می‌تواند به معنای مرگ و زندگی باشد.
🔹 این یافته با شواهد فسیلی نیز همخوانی دارد که نشان می‌دهد اجداد زرافه، پاهای بلند را قبل از گردن بلند تکامل داده‌اند. در واقع، تکامل ابتدا با بلند کردن پاها، «زیرساخت» لازم برای یک گردن بلند را فراهم کرده است.
🔹 این پژوهش همچنین توضیح می‌دهد که چرا دایناسورهای غول‌پیکر ساروپود با گردن‌های بسیار بلند، احتمالاً نمی‌توانستند سر خود را برای مدت طولانی به صورت عمودی بالا نگه دارند؛ زیرا هزینه انرژی قلب آن‌ها برای چنین کاری، از کل انرژی بقیه بدنشان بیشتر می‌شد!
[منبع]
🆔 @Science_Focus
#تکامل #جانورشناسی #زرافه #بیومکانیک #فیزیولوژی
phys.org
Why do giraffes have such long legs? Animal simulations reveal a surprising answer
If you've ever wondered why the giraffe has such a long neck, the answer seems clear: it lets them reach succulent leaves atop tall acacia trees in Africa.
🤔3❤1
🔺 نقشه راه مغز قبل از تولد ترسیم می‌شود: سرنخ‌های جدید در مورد ریشه‌های اوتیسم و اسکیزوفرنی
📌 توجه مهم: این یافته‌ها به معنای «جبرگرایی» یا تعیین سرنوشت مغز قبل از تولد نیست. رشد مغز یک فرآیند پیچیده از تعامل مداوم بین ژنتیک، اپی‌ژنتیک و تجربیات محیطی پس از تولد است.
🔹 دانشمندان با تحلیل نزدیک به ۱۰۰۰ نمونه مغز انسان، از هفته ششم جنینی تا ۱۰۸ سالگی، یک نقشه زمانی بی‌سابقه از تغییرات شیمیایی DNA در مغز تهیه کرده‌اند. این پژوهش که در ژورنال معتبر Cell Genomics منتشر شده، نشان می‌دهد که بخش عمده‌ای از «نقشه راه» اپی‌ژنتیک مغز ما، در دوران حساس رشد جنینی و قبل از تولد ترسیم می‌شود.
❕ اپی‌ژنتیک چیست؟ یک تشبیه ساده
اگر DNA را مانند «نُت‌های یک قطعه موسیقی» در نظر بگیریم، اپی‌ژنتیک مانند «نوازنده‌ای» است که تصمیم می‌گیرد کدام نت‌ها را با چه شدتی و در چه زمانی بنوازد. اپی‌ژنتیک (مانند متیلاسیون DNA) با چسباندن برچسب‌های شیمیایی به DNA، ژن‌ها را بدون تغییر در کد ژنتیکی، روشن یا خاموش می‌کند و این فرآیند برای ساختن اندام‌های پیچیده‌ای مانند مغز حیاتی است.
🔹 این مطالعه نشان داد که بیشترین و مهم‌ترین تغییرات در این برچسب‌های شیمیایی، در دوران رشد جنینی رخ می‌دهد و پس از تولد، این الگوها تا حد زیادی در طول زندگی پایدار باقی می‌مانند. این یافته قویاً نشان می‌دهد که دوران پیش از تولد، یک «پنجره حیاتی» برای شکل‌گیری ساختار و عملکرد آینده مغز است.
❕ «فرضیه تکوینی» بیماری‌های روانی چیست؟
این فرضیه می‌گوید که ریشه بسیاری از بیماری‌های عصبی-تکوینی مانند اوتیسم و اسکیزوفرنی، نه در بزرگسالی، بلکه در اختلالات ظریفی است که در فرآیند پیچیده «ساخت» مغز در دوران جنینی رخ می‌دهد. این تحقیق یک مدرک مولکولی قدرتمند برای این فرضیه ارائه می‌دهد.
🔹 مهم‌ترین یافته این تحقیق این بود که این تغییرات اپی‌ژنتیکی دوران جنینی، به طور تصادفی در ژنوم رخ نمی‌دهند، بلکه به طور خاص در نزدیکی ژن‌هایی متمرکز شده‌اند که قبلاً در مطالعات ژنتیکی با ریسک ابتلا به اوتیسم و اسکیزوفرنی مرتبط شناخته شده بودند. این ارتباط به خصوص در سلول‌های عصبی در حال تکوین (نورون‌های تحریکی) قوی‌تر بود.
🔹 این پژوهش به ما نمی‌گوید که چه چیزی باعث این تغییرات می‌شود، اما یک نقشه راه ارزشمند برای تحقیقات آینده فراهم می‌کند تا بفهمیم چگونه ترکیبی از عوامل ژنتیکی و محیطی در دوران بارداری ممکن است این فرآیندهای ظریف را تحت تأثیر قرار داده و ریسک ابتلا به این بیماری‌ها را تغییر دهند.
[منبع]
🆔 @Science_Focus
#علوم_اعصاب #اپی_ژنتیک #مغز #اوتیسم #اسکیزوفرنی #رشد_مغز
📌 توجه مهم: این یافته‌ها به معنای «جبرگرایی» یا تعیین سرنوشت مغز قبل از تولد نیست. رشد مغز یک فرآیند پیچیده از تعامل مداوم بین ژنتیک، اپی‌ژنتیک و تجربیات محیطی پس از تولد است.
🔹 دانشمندان با تحلیل نزدیک به ۱۰۰۰ نمونه مغز انسان، از هفته ششم جنینی تا ۱۰۸ سالگی، یک نقشه زمانی بی‌سابقه از تغییرات شیمیایی DNA در مغز تهیه کرده‌اند. این پژوهش که در ژورنال معتبر Cell Genomics منتشر شده، نشان می‌دهد که بخش عمده‌ای از «نقشه راه» اپی‌ژنتیک مغز ما، در دوران حساس رشد جنینی و قبل از تولد ترسیم می‌شود.
❕ اپی‌ژنتیک چیست؟ یک تشبیه ساده
اگر DNA را مانند «نُت‌های یک قطعه موسیقی» در نظر بگیریم، اپی‌ژنتیک مانند «نوازنده‌ای» است که تصمیم می‌گیرد کدام نت‌ها را با چه شدتی و در چه زمانی بنوازد. اپی‌ژنتیک (مانند متیلاسیون DNA) با چسباندن برچسب‌های شیمیایی به DNA، ژن‌ها را بدون تغییر در کد ژنتیکی، روشن یا خاموش می‌کند و این فرآیند برای ساختن اندام‌های پیچیده‌ای مانند مغز حیاتی است.
🔹 این مطالعه نشان داد که بیشترین و مهم‌ترین تغییرات در این برچسب‌های شیمیایی، در دوران رشد جنینی رخ می‌دهد و پس از تولد، این الگوها تا حد زیادی در طول زندگی پایدار باقی می‌مانند. این یافته قویاً نشان می‌دهد که دوران پیش از تولد، یک «پنجره حیاتی» برای شکل‌گیری ساختار و عملکرد آینده مغز است.
❕ «فرضیه تکوینی» بیماری‌های روانی چیست؟
این فرضیه می‌گوید که ریشه بسیاری از بیماری‌های عصبی-تکوینی مانند اوتیسم و اسکیزوفرنی، نه در بزرگسالی، بلکه در اختلالات ظریفی است که در فرآیند پیچیده «ساخت» مغز در دوران جنینی رخ می‌دهد. این تحقیق یک مدرک مولکولی قدرتمند برای این فرضیه ارائه می‌دهد.
🔹 مهم‌ترین یافته این تحقیق این بود که این تغییرات اپی‌ژنتیکی دوران جنینی، به طور تصادفی در ژنوم رخ نمی‌دهند، بلکه به طور خاص در نزدیکی ژن‌هایی متمرکز شده‌اند که قبلاً در مطالعات ژنتیکی با ریسک ابتلا به اوتیسم و اسکیزوفرنی مرتبط شناخته شده بودند. این ارتباط به خصوص در سلول‌های عصبی در حال تکوین (نورون‌های تحریکی) قوی‌تر بود.
🔹 این پژوهش به ما نمی‌گوید که چه چیزی باعث این تغییرات می‌شود، اما یک نقشه راه ارزشمند برای تحقیقات آینده فراهم می‌کند تا بفهمیم چگونه ترکیبی از عوامل ژنتیکی و محیطی در دوران بارداری ممکن است این فرآیندهای ظریف را تحت تأثیر قرار داده و ریسک ابتلا به این بیماری‌ها را تغییر دهند.
[منبع]
🆔 @Science_Focus
#علوم_اعصاب #اپی_ژنتیک #مغز #اوتیسم #اسکیزوفرنی #رشد_مغز
PsyPost
Brain’s epigenetic blueprint is largely set before birth, offering clues to autism and schizophrenia
Chemical modifications to our DNA shape the developing brain in profound ways. A new study suggests the most dramatic changes happen long before we are born, offering clues to the origins of neurodevelopmental conditions.
❤1