ECE TRENDS

سلام سلام🙌🏻 حالتون چطوره؟ میرسیم به بحث جذاب «Face Authentication» یا همون «احراز هویت با چهره» خودمون🧑‍💻👨 نمونه های زیادی از استفاده این نوع احراز هویت رو همه جا دیدیم که معروف ترین اون ها شاید FaceID گوشی های آیفون باشن📱 سوال های زیادی برامون پیش میاد وقتی با این فناوری رو به رو میشیم اما شاید مهم ترین اون ها این باشه که: «این فرآیند چطوری انجام میشه؟🤔🫠» بزارید به صورت مختصر در چند مرحله این موضوع رو با هم بررسی کنیم👇🏻 1- تشخیص چهره📸: در ابتدا سنسور یا دوربین ما باید تشخیص بدن که تصویری که مقابل شون هست یک صورت انسانه،‌نه چیز های دیگه ! که این کار رو به وسیله هوش مصنوعی سنسور یا دوربین انجام میدن (بسته به حجم دیتابیس استفاده شده، قدرت شناسایی میتونه تا حد چشم گیری تغییر کنه✨) 2-آنالیز چهره👾: بعد از اینکه وجود چهره تایید شد، مرحله جذاب کار شروع میشه اینجا جاییه که قراره صورت شما بر اساس معیار هایی که گفته میشه تحلیل بشه: بعد از تبدیل صورت شما به یک عکس 2 بعدی یا 3 بعدی‌ 🖼(چون تحلیل و مطابق سازی عکس 2 بعدی ساده تر هست هنوز از فناوری 2 بعدی هم استفاده میشه)، هندسه صورت شما تشخیص داده میشه مثل فاصله چشم ها👀، عمق حفره چشم تون👁،‌ فاصله پیشانی تا چانه👤، شکل گونه ها، فرم لب ها، چشم ها و چانه و بقیه ملاک های ارزیابی 3- تبدیل عکس ها به داده🔠: بعد از شناسایی و تحلیل خصوصیات چهره شما، این خصوصیات به یک فرمول ریاضی 🧮 تبدیل میشه که بهش«Face‌Print» یا «اثرچهره» هم میگن و همونطور که اثر انگشت هر شخصی خاص و یونیک هست «اثر چهره» هر شخص هم متفاوت از بقیه افراد می باشد👌🏻 4- تطبیق داده🟰: در مرحله آخر حالا که ما یک «اثر چهره» داریم باید ببینیم با کدوم یک از عناصر دیتابیس ما هم خوانی داره. توی گوشی تون شاید بیشتر از 1 یا 2 «اثرچهره» ثبت نشده باشه اما برای دوربین هایی که در سطح بعضی شهر های جهان وجود داره دیتابیس های خیلی بزرگی تعبیه شده. گفته میشه سازمان تحقیقات فدرال یا همون FBI دیتابیسی با حدود 650 میلیون عکس‼️ چهره داره که واقعا عدد بزرگی محسوب میشه. نکته ای که حائز اهمیت هست، سرعت بالاییه که این فناوری امروزه داره. حتی برای گوشی های همراه مخصوصا آیفون که تصاویر 3D ضبط میکنه. فرآیند تشخیص چهره->فرآیند گرفتن عکس-> تبدیل عکس به داده -> تطبیق داده در کمتر از 1 یا 2 ثانیه انجام میشه که سرعت خیلی خوبی برای این حجم پردازش به حساب میاد. خیلی خب مطمئنا احراز هویت با چهره همینجا تموم نمیشه ولی رسالت این نوشته چرا🫠 منتظر بخش های بعدی هم باشید✌🏻 ✍️ محمدعلی مظاهری فرد #cyber_security 🆔 @ECETrends | http://instagram.com/ece_trends

🔹A A A سه حرف حساب امنیت سایبری🤨 🔻این روزا که بحث امنیت داغه توی این پیام میخوایم استانداردی رو معرفی کنیم که برای حفظ امنیت شبکه های کامپیوتری استفاده میشه. این سه حرف هر کدوم یکی از اصول این استاندارد هستن که با پیاده سازیشون میشه جلوی خیلی از مشکلات امنیتی رو گرفت: 1️⃣Authentication(احراز هویت) به این معنی که افراد برای ورود به شبکه باید اعلام کنن که دقیقا کی هستن🪪. برای تایین هویت افراد و جلوگیری از جعل این هویت روش های متعددی وجود داره مثل : احراز هویت بر اساس چیزی که شما می دانید: ساده ترین شکل احراز هویت، مثلا رمزی*️⃣*️⃣*️⃣*️⃣ هستش که برای ورود به شبکه استفاده میشه . احراز هویت بر اساس چیزی که شما دارید: مثل یه توکن USB یا پیامک‌هایی📧 که بانک برای سیمکارت صاحب حساب ارسال می کنه. احراز هویت بر اساس چیزی که هستین: شامل ابزار هایی که مشخصه های بیولوژیک رو چک می کنن. مثل اثر انگشت، تشخیص چهره👨 و ... . 2️⃣Authorization یا مدیریت دسترسی. معمولا از یه سامانه آنلاین افراد زیادی استفاده می کنن که بسته به کاربرد شبکه نباید به همشون اجازه دسترسی به همه بخش های شبکه رو داد🚫. مثلا نباید به یه کارآموز توی شرکت اجازه تغییر همه تنظیمات امنیتی یک سیستم رو داد. و مثلا مدیر سیستم باید قادر باشه بر حسب نیاز تایین کنه هر فرد اجازه اجرای چه دستوراتی رو داره. 3️⃣Accounting(حسابداری) بعد اینکه هویت هر کاربری 👤⬅️👩 مشخص شد و منابع قابل دسترسیش مشخص شد نوبت به این میرسه که اطلاعتی مثل اینکه چه مدت توی شبکه بودن، به چه منابعی توی شبکه دسترسی داشتن، ادرس IP شون و ... ثبت و ضبط بشه. اهمیت این بخش اینه که اگه به شبکه نفوذی صورت گرفت یا به دلیل وجود یه باگ مشکلی به وجود اومد بشه به کمک رکورد های موجود مشکل رو حدالامکان شناسایی و برطرف کنن یا اینکه بتونن حمله رو تشخیص بدن و منبع اون رو شناسایی کنن. 🔻و اما اهمیت این سه مرحله🙄 چیه؟ پیاده سازی این سه اصل به طور کامل باعث محدود شدن دسترسی به شبکه میشه. طوری که افراد خارجی نتونن به منابع سیستم دسترسی پیدا کنن و اگه احیانا شخصی از داخل سیستم خواست از اختیاراتش سواستفاده کنه بشه اقداماتش رو رهگیری کرد. پروتکل های مختلفی برای پیاده سازی این سه اصل در شبکه وجود دارن که از جمله اونا میشه به RADIUS )که اکثرا برای شبکه های کلاینت سروری استفاده میشه) و Diameter (که بیشتر برای شبکه های چند رسانه ای یا LTE استفاده میشه) رو نام برد ✍️ م.ر بخشایش #cyber_security 🆔 @ECETrends | http://instagram.com/ece_trends

🔹اثر rowhammer🔨 تا به حال شده که به این فکر کنی که هکر بواسطه تغییراتی توی سخت افزار سیستمت روی داده‌ها و اطلاعات و نرم افزار اختلال ایجاد کنه🤔؟! یا مثلا فرض کن با متصل شدن به به فضاهای ابری یا مراکز داده جهت افزایش سرعت ارتباطات یه دفعه‌ای ببینی که هکر بخشی از حافظه DRAM رو مختل کرد🤯؟! 🔻اثر چکشی چیست؟ اثر چکشی (rowhammer) دقیقا همین بلاها رو سر قربانی خودش میاره. همونطور که میدونی با پیشرفت علم و افزایش قدرت پردازش پردازنده‌ها و شبکه‌ها و ... سرعت پردازش نسبت به گذشته ارتقا پیدا کرده ولی این وسط یه تهدیدی وجود داره. بی‌شک میدونی که یک بخش از سخت افزارت به نام DRAM هست که اطلاعات رو اونجا ذخیره میکنی. حالا اگر به یک بخش خاص از این حافظه به صورت مکرر و با سرعت زیاد دسترسی پیدا کنی(مثلا 560000 دسترسی در 64 میلی‌ثانیه از طریق بسته های شبکه) اون وقت اتفاقی میافته که نباید بیافته☠️. یکی از سلول های حافظه وضعیت بیت‌هاشون از 1️⃣ به 0️⃣ تغییر پیدا میکنه و این منجر میشه بخشی از حافظه شما به کلی از بین بره. درواقع هکر با دسترسی به سخت افزار این بلا رو سر داده‌ها و نرم‌افزار شما میاره. پس بزار اول یکم مرور کنیم ساختار حافظه DRAM رو. 🔻ساختار DRAM اگر بخوای تصور کنی میتونی یه ماتریس دو در دو در‌نظر بگیری که داخل هر خونه‌ش یک ترانزیستور و یک خازن موجود هست که بواسطه وضعیت خازن داده‌ای رو ذخیره میکنه. این رو میدونیم که هر خازن دچار پدیده‌ای به نام نشت میشه، یعنی به مرور زمان بارش تخلیه میشه. سر همین قضیه سیستم شما در طی عملیاتی تحت عنوان بازنویسی 🔄(refreshing) میاد و قبل از یک زمان معین(تقریبا 64 میلی‌ثانیه) کل این خازن‌ها موجود در این سلول ها رو شارژ🔋 می کنه. حالا بنظرت اگر یه اتفاق ناگوار بیافته و یک خازن زود تر از عملیات بازنویسی دچار نشت بشه چی میشه؟! هیچی فقط یه قسمت از حاظفت رو بدون این که متوجه بشی از دست میدی😁. حالا این امر نشت زود تر از موعد چجور اتفاق میافته؟ در واقع اگر رجوع کنی به عملیات خواندن از روی DRAM میدونی که هر وقت بخوای یک بخش از حافظه رو بازخوانی کنی باید ولتاژی به یک سطر این ماتریس اعمال کنی و اون خط رو داخل بافر مربوطه انقال بدی و ... حالا اگر هکر معزز تصمیم بگیره یک خط از این DRAM رو بصورت مکرر برای شما بازخوانی بکنه چی؟ اون وقت اتفاقی که میافته اینه که سطرهای مجاور این سطر، در طی بازخوانی سریع بیت های مجاور سریع تر تخلیه میشن. از طرفی هم باید این رو در نظر داشته باشی با پیشرفت علم و در کنار اون قدرتمندتر شدن قطعات، بی شک محققان تلاش میکنن تا افزاره‌های تولیدی شون جمع و جور تر تولید بشه و این خودش یعنی اینکه اون خازنی که قرار بوده وضعیت بیت یک رو توصیف کنه بواسطه یه بار معین، اکنون باید بار معین کمتری رو ذخیره کنه و این یعنی مدت زمان بازنویسی باید کمتر بشه و از اون طرف احتمال نشت هم زیادتر میشه. اما بزارید کمی از DRAM فاصله بگیریم. هکرها برای انجام کار خودشون نیاز به یک محیطی برای راه‌اندازی دستورات بر روی سخت افزار دارند لذا دو راه پیش روی‌شان هست. اول از همه هدایت قربانی به سمت یک وب‌سایت و فضاهای ابری و مراکز داده(غیر مستقیم) و یا دسترسی به خود سیستم قربانی(مستقیم). در ادامه در پست های آتی پیرو این موضوع صحبت خواهیم کرد که امروزه روش های مقابله با نوع مستقیم حمله کم و بیش ابداع شده ولی با نوع جدیدی از تهدیدها از طریق حمله غیر مستقیم رو به رو هستیم. با ما همراه باشید. نویسنده: ✍️ مجتبی ابراهیمی

سلام دوستان👋 یه خبر داغ داغ🔥🔥 قراره ترند جدیدمون رو شروع کنیم😍 امنیت شبکه🌐 علمی استراتژیک و حیاتی که کلی حرف داره واسه گفتن😯 منتظر برنامه‌ها و بازدید‌ها و اطلاعات خفن باشید🤠 #cyber_security 🆔 @ECETrends | http://instagram.com/ece_trends

#Trends_pic ! 🔗 بازدید از مرکز صنعتی سازی نانو ICAN 🔗 بازدید از شرکت الکترونیک کران NICRONIC 🆔 @ECETrends | http://instagram.com/ece_trends

🔸 معرفی مرکز صنعتی سازی نانوفناوری کاربردی: ▫️در دنیای پرشتاب کنونی، صاحبان ایده های فناورانه به ویژه استارتاپ های فعال در حوزه فناوری های سخت (Hard-Tech) بخش زیادی از زمان و سرمایه های اولیه خود را صرف ایجاد امکانات مورد نیاز برای توسعه فناوری خود می نمایند. شتاب دهنده ICAN با فراهم آوردن امکانات زیرساختی (آزمایشگاهی و کارگاهی) و همچنین حمایت های مالی، مشاوره های فنی و کسب و کار از ایده های نوآورانه، توانسته است هزینه راه اندازی یک کسب و کار نوپا را به حداقل رسانده و با افزایش شانس بقای استارتاپ ها، مسیر لازم برای ورود ایده به بازار را هموارتر سازد. 📌جهت ثبت نام بازدید به اینجا مراجعه کنید، همچنین در صورت وجود سوال به ادمین پیام دهید! ❌ ظرفیت محدود می‌باشد. 🆔 @ECETrends | http://instagram.com/ece_trends

🔸 هشتمین جلسه از سلسله جلسات Trend Talks با مشارکت فن و علم ▫️بازدید از شرکت الکترونیکی کران ▫️بازدید از مرکز صنعتی سازی نانو فناوری کاربردی(ICAN) 🕘 حرکت راس ساعت 8:30 از دانشکده مهندسی برق و کامپیوتر 📆 چهارشنبه 4 آبان ماه 📌جهت ثبت نام به اینجا مراجعه کنید، همچنین در صورت وجود سوال به ادمین پیام دهید! 📍هزینه ثبت نام 30 هزار تومان می‌باشد. ⭕️ مهلت ثبت نام تا روز سه شنبه هفتم سوم آبان ماه است. ❌ ظرفیت محدود می‌باشد. 🆔 @ECETrends | http://instagram.com/ece_trends

3.

🔹نورومورفیک چیست؟ تاکنون درباره مزیت مغز🧠 در مقابل ابرکامپیوترها💻 گفتیم اعم از اینکه مغز خیلی کم حجم، سبک و کم مصرف (از بابت انرژی)🔋 هستش و توانایی انجام کارها به صورت موازی رو داراست و مهمتر از همه بسیار انعطاف پذیر و تطبیق پذیر هستش و ... همچنین به این نکته هم در طی پست‌های قبلی اشاره کردیم که در نوروساینس📟 تلاش میکنیم تا با الهام از ساختار‌های مغز🧠 بتوانیم نسل جدیدی از ادوات⚙️ و ... رو تولید کنیم اما چرا به دنبال این موضوع هستیم؟ طبق قانون مور انتظار می‌رود که با گذشت زمان⏱ پردازنده‌هامون به‌مراتب کوچک و کوچک‌تر بشوند؛ ولی نکته اینجاست که ترانزیستور‌هامون از یک حدی به بعد نمی‌توانند کوچک‌تر بشوند و همچنین تکنولوژی🕹 ساخت آنها به طبع سخت‌تر می‌شود. همچنین اگر به معماری🏗 پردازنده‌ها توجه کنیم خواهیم دید که به علت معماری فون نویمان به کار رفته ، اتلاف زمان🕰 و انرژی🪫 داریم (از بابت جدا بودن حافظه و قسمت پردازش) لذا ایجاد یک تغییر و تحول در این حوزه به شدت احساس میشه. دو راه پیشرو قرار دارد: 1-پردازش کوانتمی. 2-سیستم‌های نورومورفیک. از بین این دو راه حل، سیستم‌های نورومورفیک محتمل‌تر هستند. همانطور که متوجه شدید، به‌صورت کلی مهندسی👷‍♂️ نورومورفیک تلاش می‌کند با الهام از عملکردها و ساختارهای عصبی مغز🧠، آنها را به سیستم‌های کامپیوتری🖥 ترجمه کند. در واقع اگر بخواهیم جزئی‌تر اشاره کنیم مهندسی نورومورفیک با بررسی مورفولوژی انواع نورون‌ها و در نظر گرفتن نحوه محاسبات‌شون📝 سعی میکنه تا مدارها و برنامه‌ها و معماری‌های ما رو متحول کنه. مثلا سیستم های ما انعطاف پذیر تر و کم مصرف تر شوند و مواردی که در بالا بهش اشاره شد. نکته حائز اهمیتی که وجود دارد این هست که در فضای دیجیتال با 0️⃣ و 1️⃣ رو‌به‌رو هستیم درحالی‌که در فضای شبکه‌های عصبی مغز🧠 با چنین چیزی رو‌به‌رو نیستیم، در واقع با فضایی مواجه هستیم که می تواند هم دیجیتال🔌 باشد و هم آنالوگ🎰. همچنین درحال حاضر سیناپس‌های موجود رو می‌توانیم به صورت ممریستور شبیه‌سازی کنیم که نه تنها وظیفه مخابره📤 اطلاعات رو دارند بلکه وظیفه ذخیره‌سازی📥 اطلاعات رو هم دارند که این دقیقا چالش معماری فون نویمان رو حل میکند!!! تا به امروز چقدر تونستیم این حرف‌ها رو عملی کنیم؟ شرکت IBM در سال 2014 شروع به توسعه سیستم نورومورفیک خودش کرد که نام آن TrueNorth هست. این سیستم 64 میلیون عصب و 16 میلیون سیناپس دارد. همچنین این اواخر اشاره کرده که با همکاری آزمایشگاه نیروی هوایی ✈️ آمریکا🇺🇸 در صدد ساخت یک ابرکامپیوتر نورومورفیک هست که تحت عنوان Blue Raven شناخته می‌شود. شرکت Intel هم یک چیپ به نام Loihi توسعه داده که با 64 عدد از این چیپ سیستمی متشکل از 8 میلیون سیناپس و 8 میلیون عصب ساخته می‌شود و انتظار می‌رود تعداد عصب‌ها به 100 میلیون افزایش بیابد. نام این محصول Pohoki Beach هست. چالش‌های نورومورفیک چیست؟ از اونجا که داریم پایه و اساس معماری کامپیوتر🖥 رو دستخوش تغییر🛠 میکنیم انتظار می‌رود که تغییرات و چالش‌های بنیادینی داشته باشیم. به عنوان مثال از زبان‌های برنامه نویسی گرفته تا ادوات الکترونیکی باید بازنگری بشوند، حتی تئوری‌هایی از قبیل مدل‌های رمزنگاری🔒 و پردازش داده که مبنی بر 0️⃣ و 1️⃣ بودن ارائه شده بودند بایستی مجددا بازنگری شوند‌. ✍🏻 مجتبی ابراهیمی #Neurosciences 🆔 @ECETrends | http://instagram.com/ece_trends

🔹HBP پروژه مغز انسان 🧠 (HBP) یک ابتکار تحقیقاتی درازمدت و در مقیاس بزرگ است که پیشگام تحقیق دیجیتالی مغز است. هدف آن دستیابی به درک عمیقی از ساختار و عملکرد پیچیده مغز انسان 🧠 با رویکرد بین رشته ای منحصر به فرد در رابط علوم اعصاب و فناوری است. دانشمندان HBP 👨‍🔬 از روش‌های بسیار پیشرفته‌ای از محاسبات، نورو انفورماتیک و هوش مصنوعی برای انجام تحقیقات مغزی پیشرفته استفاده می‌کنند. دانش به دست آمده به کاربردهای جدید در پزشکی و پیشرفت های تکنولوژیکی تبدیل می شود. محققان HBP همچنین به پیامدهای اجتماعی و اخلاقی ناشی از تحقیقات مغز و کاربردهای آن می پردازند. این پروژه ۱۰ساله در سال 2013 آغاز به کارکرده و متشکل از حدود 500 دانشمند 👨‍🔬در بیش از 140 دانشگاه 🎓، بیمارستان‌ها‌ی آموزشی 🏨و مراکز تحقیقاتی در سراسر اروپا 🇪🇺می‌باشد. ایده‌پرداز ابتدایی پروژه مغز انسان هنری مارکرام (Henry Markram)، دانشمند به نامِ عصب‌شناسی است که به‌خاطر ایده شبیه‌سازی مغز در ابرکامپیوترها 💻 در سال 2009 بسیار معروف شد. این طرح به سرعت مشهور شده و در سال 2013، مارکرام مدیریت پروژه جنجالی اتحادیه اروپا با هدف “یکپارچه سازی داده‌های تحقیقات علوم اعصاب و پزشکی در جهت درک مغز انسان به وسیله شبیه سازی” را برعهده گرفت. این پروژه توسط کاترین آمونتس (مدیر علمی) و پاول سویبودا (مدیرکل) رهبری می‌شود. پروژه مغز انسان در سه مرحله که به‌طورکلی 10 سال به طول می‌انجامند، سازمان‌دهی‌شده است. 1️⃣ در دو سال و نیم ابتدایی مرحله صعود یا ramp-up، پروژه باید بر روی راه‌اندازی نسخه‌های اولیه پلت فرم‌های (information and communications technology)ICT و بارگذاری آن‌ها با داده‌های استراتژیک انتخاب شده تمرکز کند. در پایان این مرحله، سیستم باید برای استفاده توسط محققان داخل و خارج پروژه آماده باشد. 2️⃣ برای چهار و نیم‌سال بعدی مرحله عملیاتی یا operational، پروژه باید فعالیتش را برای تولید داده‌های استراتژیک و اضافه‌کردن قابلیت‌های جدید به پلت فرم‌ها افزایش دهد؛ درحالی‌که هم زمان، ارزش این پلت فرم‌ها را برای تحقیقات پایه علوم اعصاب و برنامه‌های کاربردی در حوزه پزشکی و تکنولوژی محاسبات آینده مشخص می‌کند. 3️⃣ در سه سال پایانی مرحله پایداری یا sustainability ، این پروژه باید در کنار ادامه تمامی این فعالیت‌ها، به سمت استقلال مالی پیش رود در واقع اطمینان از این که قابلیت‌ها و علوم تولیدی به یک دارایی دائمی برای علم و صنعت اروپا تبدیل شود. پروژه مغز انسان به طور شگفت‌انگیزی پیشرفت به‌سوی درک چند سطحی از ساختار و عملکرد مغز، به‌سوی تشخیص، درک و درمان بهتر بیماری‌های مغز و به‌سوی فن آوری اطلاعات و ارتباطات جدید الهام گرفته از مغز را سرعت بخشیده است. تأثیرات این پروژه بر روی علم، صنعت، اقتصاد و جامعه اروپا به طور بالقوه بسیار چشمگیر است. صحبت علمی، داده‌های تولید شده توسط HBP و قابلیت‌های تکنولوژیکی ارائه شده توسط پلت فرم‌های ICT این پروژه به غلبه بر ازهم‌گسیختگی تحقیقات علوم اعصاب کمک کرده، و در نتیجه دروازه‌های جدیدی را به‌سوی درکی کاملاً مدرن از روابط بین ساختار و عملکرد مغز گشوده است. این پروژه به محققان اجازه می‌دهد تا با برخی از مهم‌ترین چالش‌های پیش‌روی علوم اعصاب مدرن، از جمله یادگیری و حافظه، ماهیت اصطلاح کد عصبی، و حتی مکانیسم‌های عصبی هوشیاری و آگاهی، آشنا شوند. همچنین پروژه مغز انسان تاثیر زیادی در پزشکی، تسریع در توسعه ابزار تشخیصی بهتر و درمان بهتر داشته است. باتوجه‌به هزینه‌های عظیم بیماری‌های مغز، حتی پیشرفت‌های کوچک (به‌عنوان مثال تشخیص زودهنگام، درمان‌هایی که کاهش توانایی شناختی را در بیماری‌های تحلیل عصبی به تاخیر می‌اندازند و غیره) نیز مزایای اقتصادی و اجتماعی فراوانی را در پی دارد.کاهش در هزینه‌های کشف مواد دارویی و بهبود میزان موفقیت و اثربخشی دارو، مزایای مهمی برای صنعت داروسازی خواهد داشت. ✍🏻 اشکان بهروزی #Neurosciences 🆔 @ECETrends | http://instagram.com/ece_trends

🔹نورواینفورماتیک قطعاً تابه‌حال افراد زیادی رو در بین خانواده، رفقا، جامعه دیدی که از بیماری‌ها یا اختلالاتی رنج می‌برند. اغلب این اختلال‌ها برمی گرده به مغز🧠. اگر بتونیم از ریشه مشکل رو حل کنیم انتظار میره که دیگر شاهد این بیماری‌ها و اختلالات نباشیم و بتونیم پیشگیری کنیم. اما مشکل اینجاست که مغز ما حجم عظیمی از اطلاعات رو با هم داره، اونم توی ابعاد مختلف، از تعاملات ژنتیکی 🧬 و مولکولی گرفته تا رفتار فردی و اجتماعی. حالا با این حجم عظیم اطلاعات که یقیناً اگر بتونیم اونها رو به‌درستی بررسی کنیم به هدفمون می‌رسیم، چی کار کنیم؟ اینجاست که نوروانفورماتیک پیدا میشه. نوروانفورماتیک یک علم بین‌رشته‌ای هست که از رشته‌های زیر می‌تونیم بهش نگاه کنیم: علوم اعصاب🧠، علوم کامپیوتر💻، زیست‌شناسی🧬، روانشناسی تجربی، پزشکی💉، مهندسی برق⚡️، شیمی🧪 و ریاضیات. حتماً تا این جا ذهن‌تون به این معطوف شده که دو مسیر کلی پیشرو هست. یکی اینکه بتونیم اطلاعات رو به‌صورت یکپارچه و بسیط از مغز جمع‌آوری کنیم و دیگری اینکه این اطلاعات رو بتونیم پردازش کنیم. خب این دوتا موضوع خیلی کلی هست، ما بیشتر با دومی کار داریم، چرا که تابه‌حال اطلاعات بسیار جامعی درباره مغز جمع‌آوری‌شده ولی اونچه که مسئله هست اینه که ما چجور این اطلاعات رو تبدیل به یکسری اطلاعات قابل‌فهم و ساده بکنیم؟ چجوری سرعت پردازش رو بالا ببریم؟ کجا و با چه تکنولوژی این اطلاعات حجیم رو طبقه‌بندی کنیم؟ این‌ها میشن سه حوزه فعالیت نوروانفورماتیک: 1- توسعه تجهیزات لازم برای تجزیه و تحلیل 2- توسعه بانک‌های اطلاعاتی جهت ذخیره‌سازی و طبقه‌بندی 3- توسعه مدل‌ها و تئوری هامون ایده و تاریخچه: ایده بحث نوروانفورماتیک برمی‌‍‌‌‌گرده به حوالی سال‌های 1989 که چندی از دانشمندان 👨‍🔬 بابت مطالعه و تحلیل پایگاه‌های داده و در کنارش بررسی ظرفیت‌های فناوری اون موقع شروع به کار کردند و بعد از مدتی به‌واسطه جهانی‌شدن کار و تشکیل کمیته تصمیم گرفتن بحث بیوانفورماتیک رو مطرح کنن که شامل دو بخش نوروانفورماتیک و تنوع زیستی می‌شد. درواقع رابطه فناوری و علوم اعصاب یک رابطه دوطرفه بود، با پیشرفت علوم اعصاب که مدتها پیش آغاز شده بود نیاز جامعه علمی به فناوری جهت توسعه پایگاه‌های داده افزایش پیدا کرد و نرم‌افزارها و سخت‌افزارهای جدید ابداع شدن تا اینکه از میان این دو بحث نوروانفورماتیک ظهور کرد. در سال 2006 شانزده کشور عضو کمیته جهانی INFC (International Neuroinformatics Coordinating Facility) شدن که شامل ایالات متحده🇺🇸، انگلستان🏴󠁧󠁢󠁥󠁮󠁧󠁿، سوئیس🇨🇭، سوئد🇸🇪، کانادا🇨🇦، چین🇨🇳، ژاپن🇯🇵 و ... می‌شد و هر کدوم در زمینه‌ای خاص فعالیت‌هاشون رو شروع کردند. ✍🏻 مجتبی ابراهیمی 🆔 @ECETrends | http://instagram.com/ece_trends

🔹یادگیری چیست؟ منشأ تصمیمات و رفتارهای انسان از کجاست؟ آیا رفتارهای انسان قابل پیش‌بینی است؟ آیا الگوهای ثابتی در رفتارهای هوشمندانه و شناختی افراد وجود دارد؟🧐 سؤالاتی که مطرح شد سؤالاتی هستند که ذهن بشر 🤔 رو از زمان‌های خیلی دور به خودش مشغول کرده. دانشمندان رشته‌هایی مثل فلسفه و روان‌شناسی تلاش‌هایی برای پاسخ‌دادن به این سؤالات کردن و موضوعی که در این پیام دنبال می‌شود هم رشته‌ای هست که سؤالاتی مثل این رو برسی می کنه. و البته چیزی نیست جز نوروساینس شناختی. و خب... یک جورایی می‌شود گفت نوروساینس شناختی رشته‌ای هست که سعی می کنه با ابزارهای نوروساینس به سؤالات علوم‌شناختی پاسخ بده. حالا علوم‌شناختی چیست؟ یک شاخه میان‌رشته‌ای از رشته‌هایی مثل روان‌شناسی، فلسفه ذهن، زبان‌شناسی، انسان‌شناسی و ... که سعی می کنه ماهیت فعالیت‌های ذهنی مثل فکرکردن، یادگرفتن، طبقه‌بندی، تصمیم‌گیری و فرایندهایی که این کارها رو ممکن می‌کند، می پردازه. در اصل در اواخر قرن 20 با پیشرفت علوم تصویربرداری 📸 به‌خصوص شیوه‌های مختلف تصویربرداری مغز 🧠 کم‌کم بشر شروع کرد به برسی این‌جور مسائل با سلول‌های مغز و فرایندهای عصبی، و اینجا بود که نوروساینس شناختی متولد شد. کم‌کم ابزارهایی که بشر برای انجام این کارها داشت پیشرفت کردن و با کمک تکنولوژی‌هایی مثل الکتروفیزیولوژی، اپتوژنتیک و تجزیه‌وتحلیل ژنتیکی انسانی روزبه‌روز این پیشرفت بیشتر شد. موارد زیر از مهم‌ترین موضوعات مطرح شده در این شاخه هستند 🔺 توجه | attention 🔺 تغییر بینایی چشم | change blindness 🔺 هوشیاری | consciousness 🔺 تصمیم‌گیری | decision-making 🔺 یادگیری | Learning 🔺 حافظه | Memory 🔺 زبان | Language 🔺 نورون‌های آینه‌ای | Mirror neurons 🔺 ادراک | Perception 🔺 شناخت اجتماعی | Social cognition 🔺 احساسات | Emotions 🔺 فیزیولوژی و آناتومی سیستم عصبی هرچند این مسئله مستقیماً به مهندسی برق ⚡️و کامپیوتر 💻 مرتبط نمی‌شود ولی یک پیام کوچکی رو بهش اختصاص دادیم چون مسائل شناختی برای خیلی از دانشجوها 🎓ممکنه جذاب باشه و شاید این پیام جرقه‌ای شد برای کسانی که به این‌جور مسائل علاقه دارند و تا حالا چیزی در موردش نشنیده بودن. ✍🏻 محمد رضا بخشایش 🆔 @ECETrends | http://instagram.com/ece_trends

🔹ادامه BCI 💻🧠 🔺ایده و تاریخچه : تاریخچه BCI با کشف فعالیت‌های الکتریکی⚡️مغز انسان توسط هانز برگر و توسعه الکتروانسفالوگرافی (EEG) آغاز شد. در ۱۹۲۴، برگر اولین کسی بود که به وسیله دستگاه EEG فعالیت‌های مغز انسان را ضبط کرد. در سال ۱۹۷۴ گری والتر اولین نمونه دستگاه BCI را معرفی کرد که بر اساس تصور روشن و خاموش‌ کردن یک سوئیچ توسط فرد عمل می‌کرد. تلاش برای کنترل محیط پیرامون با استفاده از سیگنال های مغزی با انجام آزمایشاتی روی حیوانات ادامه یافت. در سالهای ۱۹۷۹ و ۱۹۶۱ آزمایشات به منظور کنترل حرکت بازوی مکانیکی و حرکت مکان نمای موس روی صفحه مانیتور بر روی میمون ها انجام گرفت. 🔺شرکت Neuralink ایلان ماسک زمانی اقدام به راه‌اندازی Neuralink کرد که علاقهٔ شدیدی به BCI داشت.به نظر شما علت علاقهٔ سرشار ایلان ماسک به BCI چیست؟ همان‌طور که شما از هر چیزی که توسط ایلان اجرا شده انتظار دارید، هم جاه‌طلبی و هم رمزآلود بودن در یک چشم‌انداز وجود دارد. ایلان ماسک عمدتاً روی ایمپلنت‌های مغزی به شکل نوارهای عصبی (neural lace) کار می‌کند. نوارهای عصبی، شبکه‌ای از الکترودها هستند که روی سطح مغز قرار می‌گیرند. اولین سری از اطلاعات فناوری نورالینک، آرایهٔ جدیدی از الکترودها را به نمایش گذاشت که توسط ربات‌های جراحی می‌تواند در قشر مغز کاشته شود. مانند بیش‌تر نمونه‌های BCI،تراشه‌های نورالینک در ابتدا به‌عنوان راهی برای کمک به ناتوان‌های عصبی طراحی شده بود؛ اما ایلان ماسک به فراتر از آن نگاه می‌کرد. به‌گونه‌ای که مدعی شد نورالینک می‌تواند به انسان🧍اجازه دهد تا ارتباط مستقیمی باهوش مصنوعی داشته باشد؛ بنابراین هوش مصنوعی نمی‌تواند به مقداری زیادی از انسان پیشی بگیرد. این‌طور به نظر می‌رسد که تنها راه برای متوقف کردن خودمان در برابر پس‌رفتن از ماشین‌ها، متصل شدن به آن‌هاست! (نظر ماسک این است که اگر ما نتوانیم با آن‌ها بجنگیم، باید به آن‌ها بپیوندیم.) 🔺آینده BCI: (BCI & VR) حتماً فیلم ماتریکس را دیده‌اید. احتمالاً می‌توانیم در آینده‌ای نزدیک در دنیای مجازی با سیگنال‌هایی که BCI از مغز🧠دریافت می‌کند یا به آن ارسال می‌کند اجسامی که در واقعیت نیستند را لمس یا تجربیات و مهارت‌های جدیدی بدست اوریم! یا بتوانیم با انسان دیگری بدون صحبت‌کردن🗣 و فقط به‌وسیله مغز🧠خود ارتباط برقرار کنیم. یا حتی بتوانیم خاطراتمان را ذخیره و بازپخش کنیم و به ربات یا حتی انسان دیگری منتقل کنیم و ..... ✍🏻 اشکان بهروزی #Neurosciences 🆔 @ECETrends | http://instagram.com/ece_trends

🔹بسیاری از افراد با ناتوانی‌های حرکتی شدید، به فناوری‌های ارتباطی مخصوص خود نیاز دارند. کسانی هستند که کاملاً فلج هستند و نمی‌توانند از فناوری‌های مرسوم که باعث راحت‌تر شدن کارهای روزمره ما می‌شود، استفاده کنند زیرا این فناوری‌ها نیازمند داشتن کنترل بر عضلات بدن است که این افراد از آن بی‌بهره‌اند. در اینجا BCI(Brain computer inteface) یا همان رابط مغز و کامپیوتر به کمک آنها می‌آید. 🔺رابط مغز 🧠 و کامپیوتر 🖥 (BCI): سیستم‌هایی هستند که می‌توانند فعالیت مغز شما را (سیگنال‌های الکتریکی) 1️⃣ دریافت و ثبت کنند 2️⃣ پیش‌پردازش کنند 3️⃣ سپس آنها را فیلتر می‌کنند و داده‌های مناسب استخراج و دسته‌بندی می‌کنند 4️⃣ در نهایت به سیگنال‌های قابل‌فهم برای نرم‌افزار ترجمه می‌کنند. یک راه تعامل با محیط پیرامون بدون به‌کارگیری اندام‌ها و عضلات است. برای این منظور، فرمان‌های صادر شده از مغز 🧠 به‌صورت بدون واسطه به یک رایانه🖥، ربات 🤖 یا پروتز هوشمند انتقال داده می‌شود تا کاربر 👤 با کنترل 🕹 آن با محیط خارج ارتباط برقرار کند. به این معنا که فعالیت مغز شما، می‌تواند اندازه‌گیری شود. یعنی خواندن ذهن در هر لحظه. 🔺در حال حاضر BCI نمی‌تواند به مقدار لازم ذهن شما را دقیق بخواند تا بفهمد در هر لحظه به چه چیزی فکر می‌کنید. هم اکنون محققان، بیش‌تر به دنبال نمونه‌برداری از حالات احساسی یا حرکاتی که قصد دارید انجام دهید، هستند. BCI می‌تواند بفهمد که یک شخص در حال فکرکردن به «بله» یا «خیر» است ولی تشخیص تفکرات خاص، مانند اینکه بفهمد شما در حال حاضر یک ساندویچ پنیری🌯 را دوست دارید یا اینکه رئیس شما 👨🏻‍💼واقعاً شما را آزار داده است، فراتر از علم بسیاری از رابط‌های مغز و رایانه است. اما شاید در آینده‌ای نزدیک این امکان نیز تا حدی برآورده شود. 🔺انواع BCIها به 3 دسته اصلی تقسیم می‌شوند 1️⃣ غیرتهاجمی: در این روش فعالیت الکتریکی مغز از طریق نصب الکترودهای سطحی به‌صورت کلاه یا هدبند بر روی سر و به‌صورت، انجام می‌شود. که از معروف‌ترین آنها می‌توان EEG و fMRI را نام برد نوار مغزی یا EEG چیست؟ در حالت کلی در یک سیستم EEG، اثر الکتریکی فعالیت نورون‌های مغز از طریق الکترودهای نصب شده بر روی سر به دستگاه انتقال‌داده‌شده و پس از تقویت و حذف نویز به‌صورت سیگنال زمانی ثبت و نمایش داده می‌شود. 2️⃣ تقریباً تهاجمی: در این روش الکترودها در قسمت بیرونی مغز و در جمجمه قرار می‌گیرند و طبیعتاً نسبت به حالت قبل دقیق‌تر است. 3️⃣ تهاجمی : دقیق‌ترین روش است که الکترودها در داخل و قسمت خاکستری مغز قرار می‌گیرند.(ECoG و intracortical recording) 🔜 در ادامه با گذشته، حال و افق دید در حوزه BCI آشنا می‌شوید. ✍🏻 اشکان بهروزی 🆔 @ECETrends | http://instagram.com/ece_trends

سلام دوستان👋 امیدواریم که تا اینجای تابستون خوبی رو سپری کرده باشید😉 در ابتدا معذرت می‌خوایم بابت اینکه دو ماه نبودیم😔 ولی از امروز به کمک و حضور شما بزرگواران شروع قوی خواهیم داشت💪 از مطالب و پست‌های علمی و جلسات با آدم‌های خفن گرفته تا همایش و جشنواره و مسابقه‌هايي كه هوش از سرتون بپره😎 منتظر ما باشید... دوستانی که تمایل به همکاری با ما یا نقد و پیشنهادی دارند، لطفا به ادمین کانال پیام بدن. 🆔 @ECETrends | http://instagram.com/ece_trends

#Trends_pic ! 📽 پخش مستند I Am Human 🎙به همراه تحلیل و بررسی 🔗و بازدید از آزمایشگاه ملی نقشه برداری مغز 🆔 @ECETrends | http://instagram.com/ece_trends

🎥 در این مستند با "بیل" ، "آن" و "استفان" ملاقات می‌کنید؛ سه نفر از اولین “سایبورگها” در دنیای واقعی. “بیل” که در یک حادثه دوچرخه سواری فلج شده است، به امید بازیابی مجدد جنبش و تحرک، در یک تحقیق مرموز ثبت نام می کند. “آن” هنرمندیست که پارکینسون دارد، و "استفان" بازنشسته کور و شوخ طبع با اکراه روش های تهاجمی را برای بازیابی مجدد ثبت می کند. همانطور که بیماران هر کدام از فرصتها و خطرات منحصر به فرد کاشت تراشه در مغز خود را درک می کنند، دانشمندان با فشارهای فنی و اخلاقی روبرو می شوند: آیا همان فناوری که باعث بهبودی بیمار می شود منجر به توانایی های فوق العاده انسانی، ارتباط تله پاتی و تقویت شناختی خواهد شد؟  📍روز سه شنبه ۱۷ خرداد در چهارمین جلسه Trends.doc، علاوه بر بازدید از آزمایشگاه ملی نقشه برداری، این مستند همزمان به صورت حضوری پخش میشود و در ادامه به تحلیل و بررسی این مستند خواهیم پرداخت.

🔴Trends.doc🔴 🔰سلسله جلسات بررسی مستند 🔻جلسه چهارم: بررسی مستند I Am Human 📌به همراه بازدید از آزمایشگاه ملی نقشه برداری مغز ❗️ظرفیت بازدید محدود است! 🗓 3شنبه - 17 خرداد 🕠ساعت 12:00 جهت ثبتنام برای بازدید به آیدی @Trends_doc پیام دهید #Neuro_Sience 🆔 @ECETrends | http://instagram.com/ece_trends

🔹پردازنده هایی با معماری اسپایکینگ! خوب توی پست اول راجع این صحبت کردیم که اصلا چرا به معماری های متفاوت از معماری فون نیمان نیاز داریم. توی پست دوم کامپیوتر های نورومورفیک و قابلیت های اونارو معرفی کردیم و الان می خوایم کاربرد های این پردازنده ها و برخی از پردازنده هایی که با این معماری ساخته شدن رو برسی کنیم: 🔺این کامپیوتر ها در آینده و زمانی که به مرحله بهره برداری تجاری برسن به دلیل سایز کوچیک و مصرف کم برقشون میتونن جایگزین پردازش های ابری برای اجرای الگوریتم های هوش مصنوعی بشن. اون ها درست مثل یک انسان توانایی سازگار شدن با محیط های جدید🫂، به یاد داشتن داده های ضروری🆘 و توانایی دسترسی به منابع خارجی🌐 در مواردی که نیاز به داده های بیشتری داشتن(در این مورد سرور های ابری) رو دارن. 🔺سایر قابلیت هاشون شامل استفاده در ماشین‌های خودران، خانه‌های هوشمند، ابزارهای تحلیل زبان طبیعی، و پردازش تصویر به صورت real-time (برای مثال در دوربین های پلیس) میشه. 🔺البته هر چند این قابلیت ها در حال حاضر فقط حدسی هستن که برای آینده می زنیم🤔 در همین زمان هم نمونه هایی از کامپیوتر های نورومورفیک (عموما برای استفاده های تحقیقاتی) به وجود اومدن. برای مثال: ✔️ تراشه Tiajic: برای هدایت یه دوچرخه خودکار ساخته شده که توانایی دنبال کردن یه انسان، عبور از موانع و پاسخ به فرمان های صوتی رو داره. این تراشه نزدیک 40 هزار نورون و نزدیک 10 میلیون سینابس تاره و از یه GPU قابل مقایسه با خودش 160 برابر بهتر عمل کرده. ✔️ تراشه Loihi اینتل: دارای 130 میلیون سینابس و 131 هزار نورون در هر چیپ هستش و برای پیاده سازی ساختار SNN بهینه سازی شده. ✔️ کامپیوتر های Pohoiki Beach اینتل: از حدود 8.3 میلیون نورون استفاده می کنن و حدود 1000 برابر سریع تر و 10000 برابر کم مصرف تر از GPU های قابل مقایسه هستن. ✔️ تراشه TrueNorth از IBM: بیشتر از 1 میلیون نورون و 268 میلیون سینابس داره. حدود 10000 برابر از میکروپروسسور های هم رده خودش از لحاظ مصرف انرژی بهینه تره و فقط در زمان نیاز برق مصرف می کنه. 💬 و البته اینها فقط بخشی از کار های انجام شده در این حوزست... خدا میدونه کی قراره تراشه های نورومورفیک به بازار بیان... ✍🏻م.ر. بخشایش #Neurosciences 🆔 @ECETrends | http://instagram.com/ece_trends