ULTRA

از تشابه ظاهری کلمه مَرد و مَرگ باخبریم؛ اما مهم است که بدانیم این تشابه فقط در ظاهر نیست و ما با دو كلمه همزاد و هم‌ريشه روبه‌رو هستیم. واژه مرد از ریشه مَرِتا یا ماریتا به معنای میرا اخذ شده. دهخدا در برابر مرد نوشته است «مقابل زن، که نوع ماده است»؛ اما مهم است كه بدانيم این تقابل، ریشه عمیقتری دارد. انسان باستان، آن نوع از خود را که زاینده بوده، به مخفف «زندگی»؛ زن نامیده است. در مقابل آن نوع از خود که نمیزاید را هم‌ریشه مرگ دانسته و به همین مناسبت به او گفته است «مَرد». آنکه زاینده است، همواره میتواند خود را در «دیگری» پدیدار کند. شاید برای همین است که «مادَر» آنی است که هم «ما» در آن به هست‌ شدن پا میگذاریم و هم او خود را «در» ما امتداد میدهد. اما زایش مرد، مرگ است! او هیچگاه نمی تواند مستقلاً خود را تکثیر کند. به این سبب است که اگر مسئله اصیل زن را «زایش» بدانیم - یعنی چه و چگونه زایش داشتن - در مقابل مسئله اصیل مرد را باید «مرگ» بدانیم؛ یعنی چه و چگونه مرگیدن. من اما میخواهم در اين يادداشت از به پيشنهاد معناى دیگری برای واژه مرد بېردازم. اینکه مرد یعنی نر و يعنى مقابل زن و ... به جای خود باقی. پیش از این گفته‌اند و به قدر كفایت دانسته‌ايم. من میخواهم با پیشنهاد معنای جدید، لفظ مرد را از «نر» تفکیک کنم. مرد یعنی: آنكە دانسته میمرگد! اگر مرد را زایش مرگ بدانیم؛ آنچه در خصوص انسان میتواند متمایز باشد، «دانستگی» است. انسان، آنچه را زیست میکند میداند. يا به بیان دقیقتر، انسان آنی است که آنچه را زیست میکند، بداند. هر ماده‌اى می زايد اما هر ماده‌ای زن نیست. زن آن است که زندگی میزاید و این مسیر را دانسته طی میکند. در مقابل، هرکه میمیرد مرد نیست بلکه مرد آنی است که از عهده «دانسته مرگیدن» برمی‌آید. با این معنا از مرد موافقید؟ متن از صفحه اینستاگرام احسان ایپکچی

چرا تنظیم دانه اولیه (Seed) در تولید #اعداد_تصادفی اهمیت دارد؟ اگر به دنبال تولید نتایج تکرارپذیر در #کدنویسی، #یادگیری_ماشین و#شبکه‌های_عصبی هستید، اهمیت تنظیم دانه اولیه را نمی‌توان نادیده گرفت! این فایل راهنمایی برای تنظیم Seed در #پایتون ارائه می‌دهد، از ماژول‌های پایه مثل random و numpy گرفته تا کتابخانه‌های پیشرفته‌ای مثل TensorFlow و PyTorch. همچنین به راز محبوبیت عدد ۴۲ نیز پرداخته است!

ترندهای #گوگل در سال ۲۰۲۴ ۱- جام ملت‌های آمریکا بین ۱۰ تیر ماه تا ۲۶ تیر ماه ۲- جام ملت‌های اروپا بین ۹ دی‌ماه تا ۱۵ دی‌ماه ۳- ۶ خرداد تا ۱۲ خرداد ۴- مسابقه کریکت انگلستان و هند بین ۲۹ بهمن تا ۵ اسفند ۵- مرگ لیام پاین (خواننده پاپ) بین ۲۲ تا ۲۸ مهر ماه ۶- دونالد ترامپ بین ۱۱ تا ۲۰ آبان ماه ۷- مسابقه کریکت هند و بنگلادش بین ۲۴ تا ۳۰ شهریور ۸- آیفون ۱۶ بین ۱۷ تا ۲۳ شهریور ۹- المپیک بین ۲۷ مارس تا ۴ فروردین ۱۰- ماجرا بیماری سرطان کیت میدلتون پرنسس ولز

ضریب تأثیر یا به روایت انگلیسی‌اش، Impact Factor، یکی از شاخص‌هایی است که میزان اعتبار یک #مجله برای چاپ و یا مطالعه یک #مقاله از آن را مشخص می‌کند. در حقیقت به عنوان یک معیار در تصمیم‌گیری برای انتخاب یک مجله برای انتشار یا مطالعه مقاله عمل کند. این شاخص رابطه خیلی ساده‌‌ای برای محاسبه دارد، یک نسبت خیلی ساده، مثلا اگر بخواهیم ضریب تأثیر مجله‌ {x} را در سال {y} بدانیم و اگر تعداد استنادات به مقالات منتشر شده در مجله {x} در‌ سال‌های {y-1} و {y-2} را با عدد "A" نشان دهیم و تعداد کل مقالات منتشر شده در سال‌های {y-1} و {y-2}‌ مجله {x} را با مقدار "B" نشان دهیم، آن‌گاه میزان ضریب تأثیر مجله {x} می‌شود: IF = A/B، البته {IF} نماد این ضریب است. یا به بیان ساده‌تر، نسبت تعداد استنادات در دو سال اخیر، به کل تعداد مقالات منتشر شده مجله در همان دو سال. ولی {IF} یک مشکلاتی دارد - فقط تعداد استنادات را در نظر می‌گیرد، مثلا ممکن است یک مقاله صرفا برای افزایش ضریب تأثیر یک مقاله خاص، چندین بار به مقاله مورد نظر استناد کرده باشد که این استنادها لزوما برای بار علمی مطالب درون مقاله مورد نظر نبوده باشد. - در حوزه‌هایی که تولید دانش در آن‌ها دشوار است یا نمی‌توان مقالات زیادی منتشر کرد، {IF} نمی‌تواند معیار مناسبی باشد. - چند مقاله خاص که حتی بار علمی خوبی دارند و تعداد استناد بالایی دریافت‌ کرده‌اند، می‌توانند ضریب تأثیر یک مجله را افزایش دهند در صورتی کیفیت سایر مقالات شاید اصلا مناسب هم نباشد. اگر بخواهیم معتبرترین مجلات در حیطه #آمار را لیست کنیم، می‌توانیم به نام‌های پایین اشاره کنیم؛ ۱- #سالنامه_آمار (Annals of Statistics) یکی از معتبرترین مجلات (یا شاید معتبرترین مجله آماری) در حیطه آمار محسوب می‌شود که این اعتبار هر سال هم تجدید می‌شود. کشور مبدأ آمریکاست و ناشر آن مؤسسه آمار ریاضیات (Institute of Mathematical Statistics) می‌باشد. IF این مجله بر طبق گزارش JCR (Journal Citation Reports) در سال ۲۰۲۴، ۵/۳۳۵ اعلام شده است. ۲- مجله انجمن آمار آمریکا یا به اختصار JASA (Journal of the American Statistical Association); که مجله رسمی انجمن آمار آمریکاست، IF این مجله در سال ۲۰۲۳ بر طبق گزارش JCR، مقدار ۳ اعلام شده است. ۳- بایومتریکا؛ از جمله مجلاتی است که تمرکز ویژه‌ای در حیطه آمار زیستی دارد، این مجله که متعلق به مؤسسه بیومتریکا می‌باشد و از پیشروترین و قدیمی‌ترین مؤسساتی است که در حیطه‌ای آمار فعالیت دارد (تأسیس ۱۹۰۱)، زیر مجموعه دانشگاه آکسفورد است. IF این مجله در سال ۲۰۲۳ بر طبق اعلام JCR حدود ۲/۴ گزارش شده است. بد نیست بدانید که بنیانگذاران بایومتریکا، کارل پیرسون یکی از پیشروترین آماردانان، فرانسیس گالتون، کسی که علم ژنتیک به شدت مدیون اوست و والتر والدن بودند. دو نفر آخر علاوه بر آمار تخصص اصلیشان زیست‌شناسی بوده است. ۴- مجله انجمن سلطنتی آمار ((Journal of the Royal Statistical Society که در حقیقت قدیمی‌ترین مجله تخصصی آمار نیز می‌باشد، در سال ۱۸۳۴ در انگلستان بنیان گذاشته شده است. ضریب تأثیر این مجله بر طبق گزارش JCR در سال ۲۰۲۳ در حدود ۳/۱ گزارش شده است. ۵- Annual Review of Statistics and Its Application; یکی دیگر از مجلات معتبر در حیطه آمار است که در سال ۲۰۱۴ بنیان گذاشته شده است، این ژورنال بخشی از مجموعه انتشارات Annual Reviews است که در حوزه‌های مختلف علمی فعالیت می‌کند. گروه Annual Reviews توسط مجموعه‌ای از متخصصان علمی تأسیس شده که هدف آن‌ها بررسی پیشرفت‌های اخیر در زمینه‌های مختلف علمی است. ضریب تأثیر این مجله در سال ۲۰۲۴ که بالاترین ضریب تأثیر مجلات آماری نیز محسوب می‌شود به گزارش JCR در حدود ۷/۴ اعلام شده است.

مدتهاست بر این باورم که اگر قرار باشد جنسیتی برای زمین و یا حتی کیهان قائل باشیم باید بگوییم مونث است، نگاهی کوتاه به اساطیر یونان که بکنیم متوجه میشویم اولین الهه گایا یا همان زمین، موجودی که از خلا به وجود آمده (بر گرفته از اساطیر یونان انتشارات اساطیر) جنسیتش مونث است. این گایا بود که زئوس (خدای خدایان در یونان باستان) را از مرگ نجات داد. شاید پیش خودمان بگوییم اینها فقط افسانه سراییست، ولی به قول آنتونی هاپکینز در سریال کم‌نظیر وست ورلد میگوید؛ افسانه‌ها داستان‌هایی هستند که از دل واقعیت‌ها شکل گرفته‌اند. در باب تقدس مادر و ارزش آن حتی اگر به عرفای خودمان نگاه کنیم روایتی از بایزید بسطامی هست که خیلی برای من دلنشین هست، می‌گویند؛ (بایزید یکی از پیشگامان عرفان ایرانی است و عرفایی از جمله منصور حلاج از او الهام گرفته‌اند.) زمان جوانی بایزید که معمولا تمام شب را در حال عبادت بود، مادرش ناگاه بیدار شده است و از او درخواست آب کرده است، بایزید یک پیاله آب برای او می‌برد، ولی مادر دوباره به خواب رفته است، بایزید با پیاله آب در دست تمام شب را بر بستر مادر بیدار مانده است، تا هر وقت دوباره مادرش از خواب برخواست پیاله آب را به او بدهد. ولی از این‌که مادرش را از خواب بیدار کند امتناع کرده است (منبع کتاب تذکره اولیاء عطار نیشابوری نشر هرمس) من این مقدمه رو آوردم که بگم مادر حقیقتیست که باعث استمرار حیات و بقاء امید نه تنها در زمین بلکه در هستی شده هست، و وقتی به پیرامونم نگاه میکنم چه طبیعت وحشی چه تمدن انسانی پی به درستی باورم میبرم. روز مادر این حقیقت جاری و مقدس گرامی باد!

مدتهاست بر این باورم که اگر قرار باشد جنسیتی برای زمین و یا حتی کیهان قائل باشیم باید بگوییم مونث است، نگاهی کوتاه به اساطیر یونان که بکنیم متوجه میشویم اولین الهه گایا یا همان زمین، موجودی که از خلا به وجود آمده (بر گرفته از اساطیر یونان انتشارات اساطیر) جنسیتش مونث است. این گایا بود که زئوس (خدای خدایان در یونان باستان) را از مرگ نجات داد. شاید پیش خودمان بگوییم اینها فقط افسانه سراییست، ولی به قول آنتونی هاپکینز در سریال بینظیر وست ورلد میگوید؛ افسانه‌ها داستان‌هایی هستند که از دل واقعیت‌ها شکل گرفته‌اند. حتی اگر به عرفای خودمان نگاه کنیم روایتی از بایزید بسطامی هست که خیلی برای من دلنشین هست، می‌گویند. من این مقدمه رو آوردم که بگم مادر ارزشمندترین حقیقتیست که باعث استمرار حیات و بقای امید نه تنها در زمین بلکه در هستی شده هست، و وقتی به پیرامونم نگاه میکنم چه طبیعت وحشی چه تمدن انسانی پی به درستی باورم میبرم. روز مادر این حقیقت (و شاید تنها حقیقت) مقدس گرامی باد!

کتابی که PDF آن آورده شده است، "The SAGE Dictionary of Statistics" نوشته‌ی دانکن کرامر و دنیس هاویت است و در سال ۲۰۰۴ منتشر شده. این فرهنگ اصطلاحات #آمار به طور خاص برای دانشجویان علوم اجتماعی طراحی شده ولی توصیفاتش آن‌چنان ساده است که می‌تواند هر کسی از آن بهره ببرد. این کتاب مفاهیم و اصطلاحات کلیدی آمار را به شیوه‌ای دقیق و کاربردی توضیح می‌دهد. ویژگی‌های کلیدی کتاب: - توضیحات مختصر و مفصل از مفاهیم اساسی #ریاضی و آماری - ارائه دستورالعمل‌های عملی برای محاسبات دستی (در صورت امکان) - پوشش گسترده مفاهیم، روش‌ها و مسائل مرتبط با آمار - همخوانی با نرم‌افزارهای آماری استاندارد - ارائه رفرنس‌ها و منابع مفید برای مطالعه‌ی بیشتر مثال‌هایی از اصطلاحات مهم تعریف‌شده در کتاب: Deviation Absolute: «این معیار، تفاوت بین یک مقدار عددی و مقدار دیگری است، به طوری که مقادیر منفی نادیده گرفته می‌شوند. در آمار، معمولاً به تفاوت مطلق یک نمره از میانگین یا میانه مجموعه‌ای از نمرات اشاره دارد.» #Anova(تحلیل #واریانس): «روشی آماری برای بررسی اینکه آیا میانگین‌های یک متغیر وابسته در گروه‌های مختلف یک متغیر مستقل به طور معناداری متفاوت هستند یا خیر. این روش شامل تحلیل واریانس یک‌طرفه، چندعاملی و کوواریانس می‌شود.» Bootstrap (بوت‌استرپ): «این روش آماری مبتنی بر استفاده از نمونه‌برداری مجدد از داده‌های موجود است تا توزیع نمونه‌گیری خاصی را ایجاد کند. این فرآیند امکان تحلیل دقیق‌تر و ارزیابی اطمینان از نتایج را فراهم می‌کند.» #Bayesian Inference (استنتاج #بیزی): «این رویکرد آماری از قضیه بیز برای به‌روزرسانی احتمال وقوع یک رویداد با استفاده از اطلاعات جدید بهره می‌برد. این روش، ترکیبی از دیدگاه‌های عینی و ذهنی در تحلیل داده‌ها است.» Bimodal (دو-مدی): «توزیعی که دارای دو مقدار پرتکرار یا مد باشد. در این نوع توزیع، مقادیر پرتکرار ممکن است به دلایل ساختاری یا طبیعت داده‌ها ظاهر شوند.» Mean (میانگین): «مقداری که با تقسیم مجموع داده‌ها بر تعداد آن‌ها محاسبه می‌شود و به عنوان معیار مرکزی داده‌ها شناخته می‌شود.» Variance (واریانس): «معیاری برای اندازه‌گیری پراکندگی داده‌ها در اطراف میانگین. واریانس از میانگین اختلافات مربع‌شده مقادیر داده با میانگین آن محاسبه می‌شود.» Standard Deviation (انحراف معیار): «ریشه دوم واریانس که معیاری پراهمیت برای سنجش میزان تغییرپذیری یا پراکندگی داده‌ها نسبت به میانگین است.» #Correlation (#همبستگی): «شاخصی برای اندازه‌گیری و نمایش ارتباط بین دو متغیر. این شاخص می‌تواند مثبت، منفی یا صفر باشد و بیانگر جهت و شدت رابطه است.» Hypothesis Testing (#آزمون_فرض): «روشی آماری برای بررسی صحت یک فرضیه مشخص بر اساس داده‌های نمونه‌ای. این روش شامل دو فرضیه اصلی (فرض صفر و فرض جایگزین) است.» اگر به دنبال منبعی برای درک سریع و جامع اصطلاحات آماری هستید، کتاب "The SAGE Dictionary of Statistics" یک گزینه مناسب است.

یلدا که ریشه سریانی دارد، به معنای «تولد» هست، تولد روشنایی، این شب که آبستن عمیق‌ترین تاریکی سال است، موعود دهنده روشنایی و نور هم است. یلدا مبارک!

از اسناد پیچیده به مارکداون: معرفی ابزار جدید مایکروسافت! ابزارهای نوشتاری را می‌توان به دو دسته کلی تقسیم کرد: ✅ WYSIWYG (What You See Is What You Get): مثل Microsoft Word یا Google Docs ✅ WYSIWYM (What You See Is What You Mean): مثل TexStudio و سایر ادیتورهای مبتنی بر زبان‌های نشانه‌گذاری. زبان‌های نشانه‌گذاری مانند #Markdown، #LaTex و #Html نقش مهمی در قالب‌بندی و انتقال محتوا دارند. مثلاً، ابزارهایی مانند #Github از Markdown برای سادگی و خوانایی بیشتر محتوا استفاده می‌کنند. مایکروسافت اخیراً کتابخانه‌ای جدیدی در #پایتون معرفی کرده که قابلیت تبدیل فرمت‌های مختلف به مارک‌داون را فراهم می‌کند: 📂 PDF (.pdf) 📝 Word (.docx) 📊 Excel (.xlsx) 🎤 Audio 🌐 HTML و فرمت‌های دیگر! چرا این مهم است؟ 🔹 سادگی Markdown، یادگیری آسان و پیاده‌سازی سریع آن را به گزینه‌ای محبوب تبدیل کرده است. 🔹 این ابزار برای توسعه‌دهندگان، نویسندگان، و حتی در استفاده از مدل‌های زبانی مانند ChatGPT برای خواندن و خلاصه‌سازی اسناد بسیار مؤثر است. نمونه کد در پایتون برای استفاده از این ابزار:

# in Terminal (bash or cmd or powershell)
pip install markitdown

# in script
 from markitdown import MarkItDown
Convertor = MarkItDown()
 OutPut = Convertor.convert("document.pdf")
 print(OutPut.text_content)

اگر به دنبال ساده‌سازی انتقال اطلاعات هستید یا می‌خواهید محتوای خود را سریع‌تر به Markdown تبدیل کنید، این ابزار می‌تواند تغییر بزرگی ایجاد کند. اگر به دنبال جزئیات بیشتر در مورد این کتابخانه هستید، می‌توانید به صفحه [ گیتهاب این بسته ] مراجعه کنید. من قبلا در این [ پست ] راجع به یک زبان نشانه‌گذاری دیگر به نام Typst که هدفش ایجاد یک جایگزین برای زبان دشوار لاتک است، صحبت کرده‌ام. آیا از Markdown برای مستندسازی استفاده کرده‌اید؟

در دنیای #آمار، #میانگین (Mean | Average) و #میانه (Median) دو راه برای خلاصه کردن داده‌ها هستند، اما هر یک ممکن است روایتی متفاوت را ارائه دهند. میانگین، در ساده‌‌ترین نمایشش جمع تمام مقادیر تقسیم بر تعداد آن‌ها است و تحت تأثیر مقادیر دور‌افتاده (بسیار کم یا زیاد) قرار می‌گیرد. در مقابل، میانه، نقطه‌ای است که نیمی از داده‌ها بالاتر از آن و نیمی پایین‌تر قرار دارند و از تأثیر مقادیر نامتعارف بیشتر در امان است. (تو قسمت اول سریال بازی مرکب، (چراغ سبز، چراغ قرمز) اکثر شرکت‌ کننده‌ها تمایل دارند در مرکز جمعیت قرار بگیرند. در حقیقت قرار گرفتن در مرکز در مواقع خطر یک ویژگی تکاملی است که احساس می‌کنیم امنیت بیشتری داریم.) در بررسی ثروت ملل، میانگین تحت تأثیر اقلیت فوق‌العاده ثروتمند (یا فقیر) است، در حالی که میانه تصویری دقیق‌تر از وضعیت اقتصادی اکثریت جمعیت ارائه می‌دهد. اگرچه کشورهایی مانند ایالات متحده در میانگین ثروت‌ جزء کشورهای خیلی پیشتاز هست، ولی جدول بالا نشان می‌دهد که اختلاف فاحشی بین میانگین و میانه ثروت در این کشور وجود دارد، هر چند کشوری مثل آمریکا که در هر دوی این شاخص‌ها جزء برترین‌هاست، نشان از ثروت نسبی بالای توزیع شده در این کشور را می‌دهد، ولی همچنان خبر از شکاف طبقاتی عمیقی نیز می‌دهد. در عوض کشوری مثل لوکزامبورگ و یا هلند که در هر دو شاخص رتبه‌ این کشور‌ها چندان تفاوتی نکرده است، بیانگر توزیع نسبتا عادلانه‌تر ثروت در این دو کشور است. هر چند در این‌جا فقط رتبه معیار قضاوت بوده است که در یک قضاوت قابل اتکاتر باید مقادیر این شاخص‌ها نیز بررسی شود. البته برای کشورهایی مثل ایتالیا، ژاپن، اسپانیا که در شاخص میانه جزء کشورهای برتر هستند ولی در رتبه‌بندی بر‌اساس میانگین جایگاهی در بین ۲۰ کشور برتر نداشته‌اند، می‌تواند نشان از طبقه متوسط بسیار قوی در این کشورها نسبت به دیگر کشور‌های این لیست دهد و همچنین نشان دهد که عمده سیاست‌های اقتصادی در این کشورها نیز معطوف به رفاه عمومی است، البته روایتگر این هم هست که افراد خیلی ثروتمند در این کشورها خیلی محدود است. کدام معیار شما را به حقیقت نزدیک‌تر می‌کند؟ میانگین یا میانه؟ [ منبع ]

برای مقایسه قدرت‌ محاسباتی CPU و یا GPU‌ها یک شاخص خیلی رایج، مفهومی به نام ترافلاپ (TeraFlop) است. یک ترافلاپ معادل یک تریلیون عملیات ممیز شناور در ثانیه(Floating-Point Operations per second) است. ولی عملیات ممیز شناور چه معنایی دارد؟ عملیات ممیز شناور، به محاسباتی گفته می‌شود که با اعداد اعشاری سروکار دارد. برای مثال؛ فرض کنید می‌خواهید مقدار زیر را محاسبه کنید؛ 3.14 * 3.14 این یک عملیات ممیز شناور محسوب می‌شود، حالا اگر بخواهید محاسبه زیر را انجام دهید؛ y = 2.1 * cos(1.2) + 3.5 * sin(4.2) • ابتدا باید مقدار cos(1.2) محاسبه شود که استفاده از سری تیلور یا جداول این مقدار به دست می‌اید (۱ عملیات ممیز شناور) • سپس باید مقدار به دست آمده cos(1.2) در 2.1 ضرب شود (۱ عملیات ممیز شناور) • در ادامه باید مقدار sin(4.2) محاسبه شود (۱ عملیات ممیز شناور) • مقدار به دست آمده برای sin(4.2) باید در 3.5 ضرب شود (۱ عملیات ممیز شناور) پس در مجموع باید ۴ عملیات ممیز شناور برای محاسبه رابطه بالا انجام شود. اگر یک پردازند که می‌تواند CPU یا GPU باشد، ۱ ترافلاپ قدرت داشته باشد یعنی می‌تواند در هر ثانیه ده به توان دوازده عملیات ممیز شناور را در یک ثانیه انجام دهد. برای درک راحت‌تر، یک پلی استیشن ۲ که یک کنسول بازی قدیمی عرضه شده توسط شرکت سونی در سال ۲۰۰۰ است، حدود ۶ هزارم ترافلاپ قدرت محاسباتی داشته است و یک پلی استیشن ۵ که جدیدترین کنسول بازی شرکت سونی است در حدود 10.28 ترافلاپ قدرت محاسباتی دارد. در نمودار موزاییکی بالا قدرت محاسباتی کشور‌های دنیا که براساس مجموع‌گیری از قدرت‌ محاسباتی ابرکامپیوترهای موجود در این کشور‌ها حاصل شده است را نشان می‌دهد. در این مقایسه کامپیوترهایی به عنوان ابرکامپیوتر شناخته می‌شوند که بیش از ۵۰۰ ترافلاپ قدرت محاسباتی داشته باشند. در این نمودار تعداد این ابرکامپیوترها نیز گزارش شده است. در ادامه جدولی که این نمودار از آن استخراج شده است نیز آمده است. البته نویسنده این گزارش که منبع آن در انتهای این پیام آمده است، به درستی (از دیدگاه من) بیان کرده است که توان محاسباتی چین بالاتر از رقم گزارش شده در این نمودار است و چرایی آن را، پنهان‌کاری چین در آشکار سازی توان محاسباتی بعضی از کامپیوترهایش به دلیل ترس از تحریم‌های جدید آمریکا دانسته است. [منبع خبر ]