جهان چگونه کار می کند؟

کاوشگر چین شواهدی از وجود آب مایع در تاریخ مدرن مریخ را شناسایی کرد کاوشگر «ژورونگ» چین شواهدی از وجود آب مایع را در محیط مدرن مریخ پیدا کرده است. اطلاعات دوربین‌های این کاوشگر نشان می‌دهد که احتمالاً تا چند صد هزار سال پیش در برخی از تلماسه‌های سیاره سرخ آب وجود داشته است. محققان چینی در مقاله‌ای اطلاعات به‌دست‌آمده از کاوشگر ژورونگ را منتشر کرده و مدعی شده‌اند که چهار تلماسه هلالی‌شکل در منطقه Utopia Planitia با لایه‌ای نازک و سراسری از پوسته‌های ترک‌خورده پوشیده شده است. این پوسته‌ها در بازه‌ای بین 1.4 میلیون تا 400 هزار سال پیش بر اثر ذوب‌شدن منابع کوچکی از «آب مدرن» تشکیل شده‌اند. یافته‌های جدیدی که از تحلیل تصاویر ژورونگ و مدارگرد «تیان‌ون 1» به‌دست آمده است، نشان می‌دهد که چند میلیون سال پیش مقدار محسوسی آب از مناطق یخی در قطب سیاره به حرکت درآمده و به عرض‌های جغرافیایی پایین‌تر آمده و روی تلماسه‌های Utopia Planitia قرار گرفته است. زمانی که ژورونگ به تلماسه‌های مدنظر خود نزدیک شد، با ابزار طیف‌سنج MarSCoDe به بررسی این ماسه‌ها و ذرات میلی‌متری آن‌ها پرداخت. ترکیبات شیمیایی این تلماسه‌ها از وجود مواد معدنی مرطوب مثل سولفات، سیلیکا، اکسید آهن و کلرید خبر می‌داد. به گفته محققان، این مواد معدنی در اواخر دوره «آمازونی» مریخ، در زمان حضور آب در عرض‌های جغرافیایی پایین‌تر، شکل گرفتند. آب مایع چگونه به عرض‌های جغرافیایی پایین‌تر مریخ رسید؟ دانشمندان همچنین می‌گویند بخار آب چند میلیون سال پیش از قطب‌های مریخ به عرض‌های پایین‌تر آمدند. این اتفاق زمانی افتاد که تغییر شیب قطب‌های این سیاره باعث شد قطب‌ها به‌طور مستقیم‌تر در برابر خورشید قرار بگیرند. سپس دمای بسیار پایین باعث فشرده‌سازی این بخارها شد و آن‌ها را به‌صورت برف روی سطح فرود آورد. این برف‌ها درنهایت ذوب شدند و بعد از ترکیب‌شدن با نمک، تشکیل آب نمکی دادند. بااین‌حال، آب نمکی برای مدتی طولانی در سطح مریخ باقی نماند؛ دمای مریخ افت‌وخیزهای فراوانی دارد و در صبح‌ها افزایش شدیدی پیدا می‌کند، پس این آب هم بخار شد و زیر نمک و دیگر مواد معدنی تلماسه‌ها قرار گرفت. درنهایت این مواد پوسته‌هایی به ضخامت 1.25 تا 1.7 سانتی‌متر را تشکیل دادند. پژوهشگران تاکنون تصور می‌کردند که آب مایع در حدود سه میلیارد سال پیش در مریخ وجود داشته است. اما با تغییر شرایط اقلیمی، بخش عمده این آب در دو قطب سیاره یخ‌زده و محبوس شده و حالا عمده سطح مریخ خشک باقی مانده است. منبع:space

پژوهشگران گونه‌ای از باکتری را شناسایی کرده‌اند که باعث آرتریت روماتوئید در افراد می‌شود دانشمندان گونهٔ باکتریایی از جنس سابدولیگرانولوم (Subdoligranulum) را شناسایی کردند که ممکن است باعث ابتلاء افراد به بیماری آرتریت روماتوئید شود. آرتریت روماتوئید (RA) یک بیماری خود ایمنی ناتوان کننده است که میلیون ها نفر را در سراسر جهان تحت تاثیر قرار می دهد. علت نهایی آرتریت روماتوئید تا حد زیادی مرموز باقی مانده است. در حالی که محققان مدت‌ها گمان می‌کردند که میکروبیوم بر پیشرفت بیماری تأثیر گذاشته است، میکروب (های) خاصی از شناسایی‌شدن توسط متد های آزمایشگاهی طفره رفته است. اکنون، در مقالهٔ اخیر کاربردی‌سازی علم پزشکی (Science Translational Medicine)، محققان یک سویهٔ باکتریایی از جنس سابدولیگرانولوم را گزارش کردند که ممکن است باعث ابتلاء افراد به بیماری آرتریت روماتوئید شود. برخی از افراد در معرض خطر ابتلاء به این بیماری دارای آنتی بادی‌هایی علیه این باکتری هستند و میزان فعال سازی لنفوسیت‌های T علیه سابدولیگرانولوم در افراد مبتلا به آرتریت روماتوئید بیشتر از افراد سالم بود. شاید جالب‌تر این باشد که موش‌هایی که به این باکتری تلقیح یافته بودند، وضعیتی شبیه به بیماری آرتریت روماتوئید انسانی داشتند. شناسایی این باکتری کار ساده ای نبود. ابتدا، تیم تحقیقاتی، با همکاری دانشمندان دانشگاه کلرادو، دانشگاه استنفورد، و موسسهٔ تحقیقاتی بنارویا، خون اهدایی افراد در معرض خطر ابتلاء به آرتریت روماتوئید یا مبتلا به آرتریت روماتوئید در مراحل اولیه را جهت شناسایی اتوآنتی بادی‌های مرتبط با آرتریت روماتوئید غربالگری کردند. سپس محققان آزمایش کردند که آیا هر یک از این آنتی بادی ها باکتری های روده انسان را نیز هدف قرار می دهد یا خیر. آنها آنتی بادی ها را با باکتری های نمونه های مدفوع اهدایی افراد سالم و افراد مبتلا به آرتریت روماتوئید مخلوط کردند. آنها سپس گونه های باکتریایی را که آنتی بادی ها به آن متصل شده بودند، توالی یابی کردند. این آنتی بادی های آرتریت روماتوئید با بسیاری از گونه های باکتری، عمدتاً از Lachnospiraceae یا Ruminococcaceae، دو خانواده نزدیک به هم، واکنش متقاطع نشان دادند. واکنش متقاطع بین آنتی ژن ها زمانی رخ می دهد که یک آنتی بادی ساخته شده علیه یک آنتی ژن خاص افینیتی یا میل ترکیبی بالایی نسبت به یک آنتی ژن متفاوت داشته باشد، بنابراین آنتی بادی قادر است اپی‌توپی (قسمتی از آنتی‌ژن) را تشخیص دهد که متفاوت از اپی‌توپی است که علیه آن ساخته شده است. برای مطالعهٔ دقیق‌تر این گونه‌ها، محققان باکتری‌هایی را از مدفوع فردی بر روی محیط کشت، کشت دادند که میزان بالایی از این دو خانواده باکتری را داشت. دو نوع باکتری سابدولیگرانولوم، که آنها را جدایه‌های 1 و 7 نامیدند، به عنوان کاندیدهای بالقوه که منجر به ابتلاء افراد به بیماری آرتریت روماتوئید می‌شوند، شناسایی شدند. در مقایسه با جدایهٔ 1، جدایهٔ 7 یک فعال‌کننده قوی‌تر لنفوسیت‌های T در خون بیماران مبتلا به آرتریت روماتوئید بود. دانشمندان برای اینکه بفهمند آیا  باکتری جدایهٔ 7 واقعا باعث بیماری می شود یا خیر، این باکتری را به موش ها تلقیح کردند. کریستین کوهن، نویسندهٔ همکار و روماتولوژیست در دانشگاه کلرادو گفت که وقتی تیم این باکتری را بدون عامل دیگری برای مختل کردن سیستم ایمنی بدن به موش‌ها تلقیح کردند، انتظار نداشتند که اتفاق خاصی بیفتد. کوهن گفت :"ما فکر می‌کردیم که باید سیستم ایمنی آنها را با یک ادجوانت یا ماده‌ای تقویت کنیم. میگان کریسول، نویسندهٔ دیگر این مطالعه، موش ها را زیر نظر داشت و مطمئن شد که کلونیزاسیون پایداری (رشد و تکثیر باکتری ها) دارند. بعد از چند هفته او با من تماس گرفت و گفت که پنجه های موش ها متورم شده است." این علائم شبیه به تورم مفاصل دست و انگشتان است که افراد مبتلا به آرتریت روماتوئید تجربه می شود. در حالی که سایر باکتری‌ها قبلاً با آرتریت روماتوئید انسانی مرتبط بوده‌اند، سابدولیگرانولوم تاکنون در توانایی خود در ایجاد علائم مشابه آرتریت روماتوئید در موش‌ها بدون افزودن یک تحریک‌کننده های ایمنی دیگر (برای مثال جراحت، آلرژن و یا مواد سمی) منحصر به فرد است. شباهت‌های بین موش‌ها و بیماران مبتلا به آرتریت روماتوئید فراتر از آن چیزی بود که با چشم غیر مسلح دیده می‌شد. کوهن گفت:"آنتی‌بادی‌هایی وارد مفاصل می‌شدند، مانند آنچه در آرتریت روماتوئید می‌بینیم. بنابراین، ما شروع به بررسی آنتی‌بادی‌های موجود در سرم موش‌ها کردیم و متوجه شدیم که بسیاری از آن آنتی‌بادی‌ها همان پروتئین‌هایی را هدف قرار می‌دهند که در آرتریت روماتوئید انسانی هدف قرار می‌گیرند." ادامهٔ مطلب - «Channel of Science is for all»

سرطان گلو در حال تبدیل شدن به یک اپیدمی است و زندگی جنسی ما ممکن است مربوط به آن باشد طی دو دهه گذشته، افزایش سریع سرطان گلو در غرب وجود داشته است، تا جایی که برخی آن را یک اپیدمی نامیده اند. این به دلیل افزایش شدید نوع خاصی از سرطان گلو به نام سرطان اوروفارنکس (ناحیه لوزه ها و پشت گلو) بوده است. عامل اصلی این سرطان ویروس پاپیلومای انسانی (HPV) است که عامل اصلی سرطان دهانه رحم نیز می باشد. سرطان اوروفارنکس در حال حاضر بیشتر از سرطان دهانه رحم در ایالات متحده و بریتانیا شایع شده است. ویروس HPV از راه جنسی منتقل می شود. برای سرطان اوروفارنکس، عامل اصلی خطر تعداد شرکای جنسی، به ویژه رابطه جنسی دهانی است. احتمال ابتلا به سرطان دهان و حلق در افرادی که شش یا بیشتر در طول عمرشان رابطه جنسی دهانی دارند، 8.5 برابر بیشتر از کسانی است که رابطه جنسی دهانی ندارند. مطالعات روندهای رفتاری نشان می دهد که رابطه جنسی دهانی در برخی کشورها بسیار رایج است. در مطالعه‌ای که من و همکارانم روی تقریباً ۱۰۰۰ نفری که به دلایل غیر سرطانی در بریتانیا جراحی لوزه انجام می‌دادند، انجام دادیم، ۸۰٪ از بزرگسالان گزارش دادند که در مقطعی از زندگی‌شان رابطه جنسی دهانی انجام داده‌اند. با این حال، خوشبختانه، تنها تعداد کمی از این افراد به سرطان دهان و حلق مبتلا می شوند. چرا چنین است، مشخص نیست. تئوری رایج این است که اکثر ما به عفونت های HPV مبتلا می شویم و قادر به پاکسازی کامل آن ها هستیم. با این حال، تعداد کمی از افراد نمی توانند از شر عفونت خلاص شوند، شاید به دلیل نقص در جنبه خاصی از سیستم ایمنی بدنشان. در این بیماران، ویروس قادر به تکثیر مداوم است و به مرور زمان در موقعیت‌های تصادفی در DNA میزبان ادغام می‌شود که برخی از آنها می‌توانند باعث سرطانی شدن سلول‌های میزبان شوند. واکسیناسیون HPV دختران جوان در بسیاری از کشورها برای پیشگیری از سرطان دهانه رحم اجرا شده است. در حال حاضر شواهد غیرمستقیم وجود دارد که نشان می دهد ممکن است در پیشگیری از عفونت دهانی HPV نیز موثر باشد. همچنین شواهدی وجود دارد مبنی بر اینکه پسران نیز در کشورهایی که پوشش واکسن بالایی در بین دختران دارند (بیش از ۸۵٪) با "ایمنی گله" محافظت می شوند. در مجموع، امیدواریم این امر منجر به کاهش سرطان دهان و حلق در چند دهه آینده شود. این از نقطه نظر بهداشت عمومی خوب و خوب است، اما فقط در صورتی که پوشش دختران بالا باشد - بیش از ۸۵٪ ، و تنها در صورتی که در "گله" تحت پوشش باقی بماند. با این حال، اگر برای مثال، شخصی با فردی از کشوری با پوشش کم رابطه جنسی داشته باشد، در سطح فردی - و به ویژه در این عصر سفرهای بین‌المللی - تضمین نمی‌کند. مطمئناً در کشورهایی که پوشش واکسن برای دختران کم است، محافظت نمی شود، به عنوان مثال، ایالات متحده که تنها 54.3 درصد از نوجوانان ۱۳ تا ۱۵ دو یا سه دوز HPV را در سال ۲۰۲۰ دریافت کرده بودند. پسران نیز باید واکسن HPV را بزنند این امر باعث شده است که چندین کشور، از جمله بریتانیا، استرالیا و ایالات متحده، توصیه های ملی خود را برای واکسیناسیون HPV به پسران جوان - که سیاست واکسیناسیون جنسی خنثی نامیده می شود - گسترش دهند. اما داشتن یک سیاست جهانی واکسیناسیون، پوشش را تضمین نمی کند. بخش قابل توجهی از برخی از جمعیت ها وجود دارند که به دلیل نگرانی در مورد ایمنی، ضرورت یا، کمتر رایج، به دلیل نگرانی در مورد تشویق بی بند و باری، با واکسیناسیون HPV مخالف هستند. به طور متناقض، شواهدی از مطالعات جمعیتی وجود دارد که احتمالاً در تلاش برای پرهیز از مقاربت دخولانه، افراد جوان ممکن است به جای آن، حداقل در ابتدا رابطه جنسی دهانی را انجام دهند. همه گیری ویروس کرونا چالش های خاص خود را نیز به همراه داشته است. اول اینکه دسترسی به جوانان در مدارس برای مدتی ممکن نبود. دوم، روند افزایشی در تردید عمومی واکسن یا نگرش "ضد واکسن" در بسیاری از کشورها وجود داشته است که ممکن است به کاهش جذب واکسن نیز کمک کند. مثل همیشه وقتی با جمعیت ها و رفتار سروکار داریم، هیچ چیز ساده یا سرراست نیست. هشام مهنا، استاد موسسه سرطان و علوم ژنومی دانشگاه بیرمنگام این مقاله از The Conversation تحت مجوز Creative Commons بازنشر شده است. https://www.sciencealert.com/throat-cancer-is-becoming-an-epidemic-and-our-sex-lives-could-be-behind-it

آنالیز دیتا ها و هوش مصنوعی پیش‌بینی و تجزیه و تحلیل داده‌ها توسط هوش مصنوعی به دلیل پتانسیل بسیار زیاد آن در زمینه‌های مختلف مانند پزشکی، مالی و مهندسی، به یک حوزه تحقیقاتی محبوب تبدیل شده است. در این مقاله، ما مبانی پیش‌بینی و تجزیه و تحلیل داده‌ها را با استفاده از Al و بررسی تحقیقات اخیر در این زمینه مورد بحث قرار می‌دهیم. ما با معرفی مفاهیم اولیه هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق شروع می کنیم. سپس رویکردهای مختلف برای پیش‌بینی و تحلیل داده‌ها را با استفاده از Al مورد بحث قرار می‌دهیم. یادگیری ماشینی زیرمجموعه‌ای از هوش مصنوعی است که ماشین‌ها را قادر می‌سازد از داده‌ها یاد بگیرند، الگوها را شناسایی و پیش‌بینی کنند. یادگیری عمیق نوع خاصی از یادگیری ماشینی است که برای پردازش داده ها و پیش بینی نتایج به شبکه های عصبی متکی است. رویکردهای مختلفی برای پیش‌بینی و تحلیل داده‌ها با استفاده از هوش مصنوعی وجود دارد. یکی از رویکردها یادگیری تحت نظارت است، که در آن به یک ماشین داده‌های برچسب‌گذاری شده داده می‌شود که قبلاً طبقه‌بندی شده‌اند، و از این داده‌ها برای یادگیری از آن و پیش‌بینی نتایج آینده استفاده می‌کند. رویکرد دیگر یادگیری بدون نظارت است. جایی که به ماشین داده های بدون برچسب داده می شود و الگوها و ساختارها را در داخل داده ها کشف می کند. همچنین یادگیری تقویتی وجود دارد که در آن ماشین از طریق آزمون و خطا با دریافت بازخورد بر اساس اقدامات خود یاد می گیرد. تحقیقات اخیر در زمینه هاش مصنوعی نتایج امیدوارکننده ای را در حوزه های مختلف نشان داده است. در پزشکی هوش مصنوعی برای پیش بینی احتمال ابتلای بیماران به بیماری های خاص بر اساس سوابق پزشکی و اطلاعات ژنتیکی آنها استفاده می شود. هوش مصنوعی همچنین می تواند با تجزیه و تحلیل تصاویر پزشکی و تشخیص ناهنجاری ها، به پزشکان در تشخیص بیماری ها کمک کند. در امور مالی هوش مصنوعی برای پیش بینی قیمت سهام و روند بازار بر اساس داده های تاریخی استفاده می شود. همچنین می توان از هوش مصنوعی برای کشف تقلب در معاملات مالی با تجزیه و تحلیل الگوها و ناهنجاری ها استفاده کرد. در مهندسی هوش مصنوعی در تعمیر و نگهداری پیش بینی برای تشخیص خرابی های احتمالی در ماشین آلات قبل از وقوع استفاده می شود. همچنین می توان از هوش مصنوعی برای بهینه سازی فرآیندهای تولید با تجزیه و تحلیل داده ها و شناسایی ناکارآمدی ها استفاده کرد. با این حال چالش هایی برای استفاده از هوش مصنوعی برای پیش بینی و تجزیه و تحلیل داده ها وجود دارد. یک چالش نیاز به مقادیر بزرگ و با کیفیت بالای دیتا برای آموزش موثر ماشین ها است. چالش دیگر انتخاب الگوریتم ها و مدل های مناسب برای داده های مورد تجزیه و تحلیل است. در نتیجه، پیش‌بینی و تحلیل داده‌ها توسط هوش مصنوعی پتانسیل تغییر دامنه‌های مختلف را دارد. با پیش بینی های دقیق و شناسایی الگوها در داده ها. غلبه بر چالش های ارائه شده توسط هوش مصنوعی و ادامه کشف قابلیت ها و کاربردهای بالقوه آن ضروری است. #Aria_S «Channel of Science is for all»

شبکه‌های Silver Nanowires مانند مغز انسان برای یادگیری و یادآوری عمل می کنند طی یک سال گذشته، مدل‌های مولد هوش مصنوعی مانند ChatGPT و DALL-E امکان تولید مقادیر زیادی از محتوای خلاقانه با کیفیت بالا و ظاهراً شبیه انسان را از طریق یک سری دستورات ساده فراهم کرده‌اند. اگرچه سیستم‌های هوش مصنوعی فعلی بسیار توانمند هستند و به‌ویژه در وظایف تشخیص الگوی داده‌های بزرگ، بسیار بهتر از انسان‌ها عمل می‌کنند، اما سیستم‌های هوش مصنوعی فعلی مانند ما هوشمند نیستند. سیستم های هوش مصنوعی مانند مغز ما ساختاری ندارند و به روشی مشابه یاد نمی گیرند. سیستم‌های هوش مصنوعی همچنین از مقادیر زیادی انرژی و منابع برای آموزش استفاده می‌کنند (در مقایسه با سه وعده غذایی ما در روز). توانایی آنها برای انطباق و عملکرد در محیط های پویا و نویز در مقایسه با ما ضعیف است و آنها فاقد قابلیت های حافظه مانند انسان هستند. تحقیقات ما سیستم‌های غیربیولوژیکی را که بیشتر شبیه مغز انسان هستند بررسی می‌کند. در مطالعه جدیدی که در Science Advances منتشر شد، متوجه شدیم که شبکه‌های خودسازماندهی از میکروسیم‌های نقره‌ای به نظر می‌رسد که به همان شیوه‌ی سخت‌افزار تفکر در سر ما یاد می‌گیرند و به یاد می‌آورند. تقلید از مغز کار ما بخشی از یک زمینه تحقیقاتی به نام neuromorphics است که هدف آن تکرار ساختار و عملکرد نورون‌های بیولوژیکی و سیناپس‌ها در سیستم‌های غیربیولوژیکی است. تحقیقات ما بر روی سیستمی متمرکز است که از شبکه ای از "نانوسیم" برای تقلید از نورون ها و سیناپس های مغز استفاده می کند. این نانوسیم‌ها، سیم‌های کوچکی هستند که عرض یک هزارم موی انسان است. آنها از یک فلز بسیار رسانا مانند نقره ساخته شده اند که معمولاً با یک ماده عایق مانند پلاستیک پوشانده شده است. نانوسیم‌ها برای تشکیل ساختار شبکه‌ای شبیه به شبکه عصبی بیولوژیکی به خودی خود جمع می‌شوند. مانند نورون ها که دارای غشای عایق هستند، هر نانوسیم فلزی با یک لایه عایق نازک پوشیده شده است. وقتی نانوسیم‌ها را با سیگنال‌های الکتریکی تحریک می‌کنیم، یون‌ها در سراسر لایه عایق و به نانوسیم همسایه (مانند انتقال‌دهنده‌های عصبی در سیناپس‌ها) مهاجرت می‌کنند. در نتیجه، سیگنال‌های الکتریکی سیناپس مانند را در شبکه‌های نانوسیم مشاهده می‌کنیم. یادگیری و حافظه کار جدید ما از این سیستم نانوسیم برای بررسی مسئله هوش شبیه انسان استفاده می کند. محور تحقیقات ما دو ویژگی است که نشان دهنده عملکرد شناختی مرتبه بالا است: یادگیری و حافظه. مطالعه ما نشان می‌دهد که می‌توانیم به طور انتخابی مسیرهای سیناپسی را در شبکه‌های نانوسیم تقویت (و تضعیف) کنیم. این شبیه "یادگیری تحت نظارت" در مغز است. در این فرآیند، خروجی سیناپس ها با یک نتیجه مطلوب مقایسه می شود. سپس سیناپس ها تقویت می شوند (اگر خروجی آنها به نتیجه مطلوب نزدیک باشد) یا هرس می شوند (اگر خروجی آنها به نتیجه مطلوب نزدیک نباشد). ما با نشان دادن اینکه می‌توانیم با «پاداش دادن» یا «تنبیه» شبکه، میزان تقویت را افزایش دهیم، به این نتیجه رسیدیم. این فرآیند از "یادگیری تقویتی" در مغز الهام گرفته شده است. همچنین نسخه ای از آزمایشی به نام "n-back task" را اجرا کردیم که برای اندازه گیری حافظه کاری در انسان استفاده می شود. این شامل ارائه یک سری از محرک ها و مقایسه هر ورودی جدید با یکی از مواردی است که چند مرحله (n) قبل رخ داده است. شبکه سیگنال های قبلی را حداقل برای هفت مرحله "به خاطر می آورد". عجیب است که هفت اغلب به عنوان میانگین تعداد مواردی در نظر گرفته می شود که انسان می تواند در یک زمان در حافظه کاری خود نگه دارد. زمانی که از یادگیری تقویتی استفاده کردیم، شاهد پیشرفت های چشمگیری در عملکرد حافظه شبکه بودیم. در شبکه‌های نانوسیمی ما، متوجه شدیم که شکل‌گیری مسیرهای سیناپسی بستگی به نحوه فعال شدن آن سیناپس‌ها در گذشته دارد. این در مورد سیناپس‌های مغز نیز صدق می‌کند، جایی که عصب‌شناسان آن را «متاپلاستیک» می‌نامند. هوش مصنوعی هوش انسانی هنوز به احتمال زیاد فاصله زیادی با تکرار دارد. با این حال، تحقیقات ما بر روی شبکه‌های نانوسیم نورومورفیک نشان می‌دهد که امکان پیاده‌سازی ویژگی‌های ضروری برای هوش (مانند یادگیری و حافظه) در سخت‌افزار غیربیولوژیکی و فیزیکی وجود دارد. شبکه‌های نانوسیمی با شبکه‌های عصبی مصنوعی مورد استفاده در هوش مصنوعی متفاوت هستند. با این حال، ممکن است منجر به "هوش مصنوعی" شوند. شاید یک شبکه نانوسیم نورومورفیک روزی بیاموزد که مکالماتی داشته باشد که بیشتر از ChatGPT شبیه انسان است و آنها را به خاطر بسپارد. گفتگو دکتر آلون لوفلر، محقق دانشگاه سیدنی و زدنکا کونچیچ، استاد فیزیک دانشگاه سیدنی این مقاله با مجوز Creative Commons از The Conversation بازنشر شده است. https://www.sciencealert.

com/networks-of-silver-nanowires-appear-to-learn-and-remember-like-the-human-brain Scientific chat: @world_function 💫کانال جهان چگونه کار می کند💫 @Function_of_the_world

شبکه‌های Silver Nanowires مانند مغز انسان برای یادگیری و یادآوری عمل می کنند طی یک سال گذشته، مدل‌های مولد هوش مصنوعی مانند ChatGPT و DALL-E امکان تولید مقادیر زیادی از محتوای خلاقانه با کیفیت بالا و ظاهراً شبیه انسان را از طریق یک سری دستورات ساده فراهم کرده‌اند. اگرچه سیستم‌های هوش مصنوعی فعلی بسیار توانمند هستند و به‌ویژه در وظایف تشخیص الگوی داده‌های بزرگ، بسیار بهتر از انسان‌ها عمل می‌کنند، اما سیستم‌های هوش مصنوعی فعلی مانند ما هوشمند نیستند. سیستم های هوش مصنوعی مانند مغز ما ساختاری ندارند و به روشی مشابه یاد نمی گیرند. سیستم‌های هوش مصنوعی همچنین از مقادیر زیادی انرژی و منابع برای آموزش استفاده می‌کنند (در مقایسه با سه وعده غذایی ما در روز). توانایی آنها برای انطباق و عملکرد در محیط های پویا و نویز در مقایسه با ما ضعیف است و آنها فاقد قابلیت های حافظه مانند انسان هستند. تحقیقات ما سیستم‌های غیربیولوژیکی را که بیشتر شبیه مغز انسان هستند بررسی می‌کند. در مطالعه جدیدی که در Science Advances منتشر شد، متوجه شدیم که شبکه‌های خودسازماندهی از میکروسیم‌های نقره‌ای به نظر می‌رسد که به همان شیوه‌ی سخت‌افزار تفکر در سر ما یاد می‌گیرند و به یاد می‌آورند. تقلید از مغز کار ما بخشی از یک زمینه تحقیقاتی به نام neuromorphics است که هدف آن تکرار ساختار و عملکرد نورون‌های بیولوژیکی و سیناپس‌ها در سیستم‌های غیربیولوژیکی است. تحقیقات ما بر روی سیستمی متمرکز است که از شبکه ای از "نانوسیم" برای تقلید از نورون ها و سیناپس های مغز استفاده می کند. این نانوسیم‌ها، سیم‌های کوچکی هستند که عرض یک هزارم موی انسان است. آنها از یک فلز بسیار رسانا مانند نقره ساخته شده اند که معمولاً با یک ماده عایق مانند پلاستیک پوشانده شده است. نانوسیم‌ها برای تشکیل ساختار شبکه‌ای شبیه به شبکه عصبی بیولوژیکی به خودی خود جمع می‌شوند. مانند نورون ها که دارای غشای عایق هستند، هر نانوسیم فلزی با یک لایه عایق نازک پوشیده شده است. وقتی نانوسیم‌ها را با سیگنال‌های الکتریکی تحریک می‌کنیم، یون‌ها در سراسر لایه عایق و به نانوسیم همسایه (مانند انتقال‌دهنده‌های عصبی در سیناپس‌ها) مهاجرت می‌کنند. در نتیجه، سیگنال‌های الکتریکی سیناپس مانند را در شبکه‌های نانوسیم مشاهده می‌کنیم. یادگیری و حافظه کار جدید ما از این سیستم نانوسیم برای بررسی مسئله هوش شبیه انسان استفاده می کند. محور تحقیقات ما دو ویژگی است که نشان دهنده عملکرد شناختی مرتبه بالا است: یادگیری و حافظه. مطالعه ما نشان می‌دهد که می‌توانیم به طور انتخابی مسیرهای سیناپسی را در شبکه‌های نانوسیم تقویت (و تضعیف) کنیم. این شبیه "یادگیری تحت نظارت" در مغز است. در این فرآیند، خروجی سیناپس ها با یک نتیجه مطلوب مقایسه می شود. سپس سیناپس ها تقویت می شوند (اگر خروجی آنها به نتیجه مطلوب نزدیک باشد) یا هرس می شوند (اگر خروجی آنها به نتیجه مطلوب نزدیک نباشد). ما با نشان دادن اینکه می‌توانیم با «پاداش دادن» یا «تنبیه» شبکه، میزان تقویت را افزایش دهیم، به این نتیجه رسیدیم. این فرآیند از "یادگیری تقویتی" در مغز الهام گرفته شده است. همچنین نسخه ای از آزمایشی به نام "n-back task" را اجرا کردیم که برای اندازه گیری حافظه کاری در انسان استفاده می شود. این شامل ارائه یک سری از محرک ها و مقایسه هر ورودی جدید با یکی از مواردی است که چند مرحله (n) قبل رخ داده است. شبکه سیگنال های قبلی را حداقل برای هفت مرحله "به خاطر می آورد". عجیب است که هفت اغلب به عنوان میانگین تعداد مواردی در نظر گرفته می شود که انسان می تواند در یک زمان در حافظه کاری خود نگه دارد. زمانی که از یادگیری تقویتی استفاده کردیم، شاهد پیشرفت های چشمگیری در عملکرد حافظه شبکه بودیم. در شبکه‌های نانوسیمی ما، متوجه شدیم که شکل‌گیری مسیرهای سیناپسی بستگی به نحوه فعال شدن آن سیناپس‌ها در گذشته دارد. این در مورد سیناپس‌های مغز نیز صدق می‌کند، جایی که عصب‌شناسان آن را «متاپلاستیک» می‌نامند. هوش مصنوعی هوش انسانی هنوز به احتمال زیاد فاصله زیادی با تکرار دارد. با این حال، تحقیقات ما بر روی شبکه‌های نانوسیم نورومورفیک نشان می‌دهد که امکان پیاده‌سازی ویژگی‌های ضروری برای هوش (مانند یادگیری و حافظه) در سخت‌افزار غیربیولوژیکی و فیزیکی وجود دارد. شبکه‌های نانوسیمی با شبکه‌های عصبی مصنوعی مورد استفاده در هوش مصنوعی متفاوت هستند. با این حال، ممکن است منجر به "هوش مصنوعی" شوند. شاید یک شبکه نانوسیم نورومورفیک روزی بیاموزد که مکالماتی داشته باشد که بیشتر از ChatGPT شبیه انسان است و آنها را به خاطر بسپارد. گفتگو دکتر آلون لوفلر، محقق دانشگاه سیدنی و زدنکا کونچیچ، استاد فیزیک دانشگاه سیدنی این مقاله با مجوز Creative Commons از The Conversation بازنشر شده است. https://www.sciencealert.

دلیل ساده ای که ما اشتباهات مشابه را بارها و بارها تکرار می کنیم، حتی اگر بهتر بدانیم شما از اشتباهات خود درس می گیرید. حداقل به اکثر ما چنین گفته شده است. اما علم نشان می دهد که ما اغلب از اشتباهات گذشته درس نمی گیریم. در عوض، ما احتمالاً همان اشتباهات را تکرار می کنیم. منظور من از اشتباهات در اینجا چیست؟ فکر می‌کنم همه ما قبول داریم که به سرعت یاد می‌گیریم که مثلاً اگر دستمان را روی اجاق داغ بگذاریم، می‌سوزیم، و بنابراین بعید است که این اشتباه را دوباره تکرار کنیم. این به این دلیل است که مغز ما بر اساس تجربیات گذشته، یک واکنش تهدیدآمیز به محرک های دردناک فیزیکی ایجاد می کند. اما وقتی نوبت به تفکر، الگوهای رفتاری و تصمیم‌گیری می‌رسد، ما اغلب اشتباهاتی را تکرار می‌کنیم - مانند دیر رسیدن به قرار ملاقات، ترک کارها تا آخرین لحظه، یا قضاوت در مورد افراد بر اساس برداشت اولیه. دلیل آن را می توان در روشی که مغز ما اطلاعات را پردازش می کند و الگوهایی ایجاد می کند که بارها و بارها به آنها مراجعه می کنیم، یافت. این الگوها اساسا میانبرهایی هستند که به ما در تصمیم گیری در دنیای واقعی کمک می کنند. اما این میانبرها که به عنوان اکتشافی شناخته می شوند، می توانند باعث شوند که اشتباهات خود را تکرار کنیم. همانطور که در کتاب Sway: Unraveling Bias ناخودآگاه بحث شده، انسان ها به طور طبیعی منطقی نیستند، حتی اگر بخواهیم باور کنیم که چنین نیست. اضافه بار اطلاعات خسته کننده و گیج کننده است، بنابراین ما نویز را فیلتر می کنیم. ما فقط بخش هایی از جهان را می بینیم و تمایل داریم به چیزهایی که تکرار می شوند توجه کنیم، چه الگوهایی وجود داشته باشد یا نه، و تمایل داریم با تعمیم و توسل به تایپ، حافظه را حفظ کنیم. ما همچنین از داده‌های پراکنده نتیجه‌گیری می‌کنیم و از میانبرهای شناختی برای ایجاد نسخه‌ای از واقعیت استفاده می‌کنیم که به طور ضمنی می‌خواهیم به آن باور داشته باشیم. این باعث کاهش جریان اطلاعات ورودی می‌شود که به ما کمک می‌کند نقاط را به هم متصل کنیم و شکاف‌ها را با چیزهایی که قبلاً می‌دانیم پر کنیم. ادامه مطلب... ترجمه: یاس «Channel of Science is for all»

دلیل ساده ای که ما اشتباهات مشابه را بارها و بارها تکرار می کنیم، حتی اگر بهتر بدانیم شما از اشتباهات خود درس می گیرید. حداقل به اکثر ما چنین گفته شده است. اما علم نشان می دهد که ما اغلب از اشتباهات گذشته درس نمی گیریم. در عوض، ما احتمالاً همان اشتباهات را تکرار می کنیم. منظور من از اشتباهات در اینجا چیست؟ فکر می‌کنم همه ما قبول داریم که به سرعت یاد می‌گیریم که مثلاً اگر دستمان را روی اجاق داغ بگذاریم، می‌سوزیم، و بنابراین بعید است که این اشتباه را دوباره تکرار کنیم. این به این دلیل است که مغز ما بر اساس تجربیات گذشته، یک واکنش تهدیدآمیز به محرک های دردناک فیزیکی ایجاد می کند. اما وقتی نوبت به تفکر، الگوهای رفتاری و تصمیم‌گیری می‌رسد، ما اغلب اشتباهاتی را تکرار می‌کنیم - مانند دیر رسیدن به قرار ملاقات، ترک کارها تا آخرین لحظه، یا قضاوت در مورد افراد بر اساس برداشت اولیه. دلیل آن را می توان در روشی که مغز ما اطلاعات را پردازش می کند و الگوهایی ایجاد می کند که بارها و بارها به آنها مراجعه می کنیم، یافت. این الگوها اساسا میانبرهایی هستند که به ما در تصمیم گیری در دنیای واقعی کمک می کنند. اما این میانبرها که به عنوان اکتشافی شناخته می شوند، می توانند باعث شوند که اشتباهات خود را تکرار کنیم. همانطور که در کتاب Sway: Unraveling Bias ناخودآگاه بحث شده، انسان ها به طور طبیعی منطقی نیستند، حتی اگر بخواهیم باور کنیم که چنین نیست. اضافه بار اطلاعات خسته کننده و گیج کننده است، بنابراین ما نویز را فیلتر می کنیم. ما فقط بخش هایی از جهان را می بینیم و تمایل داریم به چیزهایی که تکرار می شوند توجه کنیم، چه الگوهایی وجود داشته باشد یا نه، و تمایل داریم با تعمیم و توسل به تایپ، حافظه را حفظ کنیم. ما همچنین از داده‌های پراکنده نتیجه‌گیری می‌کنیم و از میانبرهای شناختی برای ایجاد نسخه‌ای از واقعیت استفاده می‌کنیم که به طور ضمنی می‌خواهیم به آن باور داشته باشیم. این باعث کاهش جریان اطلاعات ورودی می‌شود که به ما کمک می‌کند نقاط را به هم متصل کنیم و شکاف‌ها را با چیزهایی که قبلاً می‌دانیم پر کنیم. ادامه مطلب... ترجمه: یاس «Channel of Science is for all»

هوش مصنوعی، ماهواره چینی را به مدت ۲۴ ساعت برده خود کرد؛ اسکای نت واقعی می‌شود؟ روزنامه صبح جنوب چین (SCMP) اعلام کرد یک تیم تحقیقاتی از دانشگاه ووهان این کشور دسترسی لازم را برای کنترل یک ماهواره در مداری نزدیک به جو زمین را به هوش مصنوعی دادند. این کار برای سنجش عملکرد و مدیریت یک ماهواره به صورت تمام کامپیوتری انجام شد و هیچ‌گونه دخالت انسانی در این پروسه وجود نداشت. این تیم کنترل ماهواره کوچکی به نام Qimingxing که برای تصویربرداری از سطح زمین به فضا پرتاب شده را به مدت 24 ساعت به هوش کامپیوتری محول کردند. هوش مصنوعی با کنترل ماهواره Qimingxing نقاطی روی زمین را انتخاب کرده و اقدام به تصویربرداری واضح‌تر و دقیق‌تر کرده است. روزنامه چینی بیان می‌کند نتایج این تحقیقات در ژورنال ژئوماتیک و دانشنامه دانشگاه ووهان به چاپ رسیده و در دسترس همگان قرار دارد. درباره دلیل انتخاب مکان‌های خاص توسط هوش کامپیوتری دلیلی اعلام نشده است. یکی از لوکیشن‌هایی که ماهواره از آن تصویر جدیدی ارائه کرده مربوط به Patna، یک شهر قدیمی در شمال شرقی هند در نزدیکی Ganges River بوده که خانه Bihar Regiment، شاخه‌ای از ارتش هند محسوب می‌شود. این گروه نظامی در سال 2020 با ارتش چین بر سر مرزهای تعیین شده در Galwan Valley درگیر شده بود. لوکیشن بعدی که هوش مصنوعی روی آن تمرکز کرده اوزاکا، یکی از شلوغ‌ترین بنادر ژاپن بوده که کشتی‌های حوزه اقیانوس آرام ارتش آمریکا را در خود جای می‌دهد. تا پیش از این باید به ماهواره‌ها حتما مسیر مشخص یا وظیفه خاصی داده می‌شد تا برای کاری انجام بدهند. گاهی اوقات در حوادث غیرمترقبه‌ای مانند جنگ یا زلزله تنظیمات خودکاری اعمال می‌شود تا ماهواره دست به اقدام خاصی بزند یا حتی در پی آن خودش را نابود کند. تیم تحقیقاتی چینی می‌گوید در حال حاضر از هوش مصنوعی در امور مختلف مرتبط با ماهواره ها و هوافضا استفاده می‌شود. برای مثال در شناسایی تصاویر، به نقشه کشیدن مسیر پروازها و پیشگیری از برخورد هوایی از هوش کامپیوتری کمک گرفته می‌شود. اما تا به حال کنترل یک ماهواره به کلی در اختیار آن نبوده و این کار یک اتلاف هزینه و زمان محسوب می‌شد. روزنامه صبح جنوب چین ادعا می‌کند این کشور بیش از ۲۶۰ ماهواره کنترل‌شونده را به فضا ارسال کرده است؛ اما برخی از آن‌ها تقریبا هیچ کاری انجام نمی‌دهند. آن‌ها در حال جمع‌آوری اطلاعاتی کم‌اهمیت بر اساس بازه زمانی هستند و هیچ سوژه و هدف خاصی ندارند. ماهواره‌ها طول عمر کوتاهی داشته و بسیار گران‌قیمت هستند. محققان می‌گویند تغییر مدار چرخش یک ماهواره با توجه به محدودیت طول عمرش کار منطقی‌ای نخواهد بود. تیم محققان دانشگاه ووهان بیان کردند اگر ماهواره از موقعیت‌ها یا فعالیت‌های غیر معمول تصویر تهیه می‌کرد، این موضوع به اعضای تیم هشدار داده می‌شد تا هوش مصنوعی را متوقف کنند. این موقعیت‌ها مراکز نظامی، اداره اطلاعات و امنیت و سایر ارگان‌ها و مناطق مرتبط را شامل می‌شوند. با این وجود اگر هوش مصنوعی بخواهد موثر و کارآمد باشد باید آگاهی کاملی از کره زمین داشته باشد. اطلاعاتی که انسان‌ها به او می‌دهند برای شناسایی سوژه‌های طبیعی بوده ولی درک ارتباطات پیوسته و پیچیده میان انسان و هوش کامپیوتری را نمی‌توان به خورد دستگاه داد. این مسائل بایستی توسط خود هوش کامپیوتری تحلیل و بررسی شوند تا در نهایت اقدام آن نیز قابل سنجش و قابل نسبت دادن به تصمیمات کامپیوتری باشد. تصمیم‌گیری برای هوش مصنوعی بسیار سخت و پیچیده بوده است. این کامپیوتر باید فاکتورهای مختلفی مانند وضعیت فعلی ابرها، زاویه دوربین‌ها، ارزش هدف و محدودیت‌های حرکتی ماهواره را در نظر بگیرد تا بتواند دست به انجام کار خاصی بزند. منبعinterestingengineering Scientific chat: @world_function 💫کانال جهان چگونه کار می کند💫 @Function_of_the_world

نابرابری های نژادی در زندان های ایالات متحده در طول پاندمی COVID-19 عمیق تر شد نسبت افراد زندانی که سیاه‌پوست و لاتین تبار بودند در طول پاندمی COVID-19 عمدتاً به دلیل تفاوت در طول دورهٔ محکومیت افزایش یافت. همه گیری COVID-19 بیشترین کاهش جمعیت زندانیان ایالات متحده را در تاریخ این کشور به همراه داشت. اکنون، داده های تازه گردآوری شده نشان می دهد که سفیدپوستان به طور نامتناسبی از این وضعیتی پاندمی COVID-19 سود برده اند. با شروع پاندمی در اوایل سال 2020، نسبت سیاه‌پوستان و لاتین تبارها در جمعیت زندانیان ایالات متحده شروع به افزایش کرد، در حالی که نسبت سفیدپوستان شروع به کاهش کرد. محققانی که این کشف شگفت انگیز را انجام دادند، آن را تا حد زیادی به دورهٔ محکومیت کوتاه‌تری که سفیدپوستان در دادگاه‌های ایالات متحده دریافت می‌کنند نسبت می‌دهند (اگرچه کلمه "لاتین" در سراسر این گزارش استفاده شده است، این مطالعه شامل زنان، مردان و سایر جنسیت‌هایی بود که اطلاعات کافی و قابل دسترس را در اختیار محققان قرار داده‌اند). این مطالعه در 19 آوریل در Nature منتشر شد. رابرت سامپسون، جامعه شناس دانشگاه هاروارد در کمبریج ماساچوست، می‌گوید:"این یافته به دلیل پیشرفت هایی که در دهه های اخیر در کاهش جمعیت زندان ها و تفاوت های نژادی در آنها حاصل شده است تا حدودی غیرمنتظره است." کاهش جمعیت در طول سال اول پاندمی COVID-19، تعداد زندانیان ایالات متحده حداقل 17٪ کاهش یافته است: تقریباً در هر ایالت دادگاه‌ها تعطیل شدند، پذیرش زندانیان به حدود 30 درصد میزان قبل از پاندمی کاهش یافت و تقریباً 200000 نفر آزاد شدند. برای بررسی تأثیر این تغییر بر ترکیب نژادی زندان‌ها، محققان زیست شناسی، ریاضیات، علوم داده و تاریخ بیش از 20 سال سوابق جمعیت شناختی را در مورد جمعیت زندانیان در 50 ایالت و واشنگتن دی سی جمع آوری کردند. سیاه پوستان و لاتین تبارها به طور نامتناسبی در ایالات متحده نسبت به سهم آن‌ها از جمعیت عمومی، در زندان به سر می‌برند. محققان دریافتند که نسبت سیاهپوستان زندانی در هفت سال قبل از سال 2020 رو به کاهش بوده است. در مارس 2013، سیاه پوستان حدود 41.6 درصد از جمعیت زندان ها را تشکیل می دادند. تا مارس 2020، این درصد به 38.9٪ کاهش یافته بود. اما تا نوامبر 2020، در طول اوج محدودیت‌های COVID-19، درصد افراد سیاهپوست زندانی به 39.8 درصد افزایش یافت. معکوس شدگی تعجب‌آور برای توضیح این معکوس شدگی، محققان تفاوت های نژادی در پذیرش زندانیان، آزادی و دوره محکومیت آن‌ها را بررسی کردند. نه پذیرش و نه آزادی به تنهایی نمی تواند این روند را توضیح دهد. اما محققان دریافتند که این روند را می‌توان تا حد زیادی با محکومیت های طولانی‌تری که سیاه‌پوستان به‌طور متوسط ​​در ایالات متحده دریافت می‌کنند، همراه با کاهش پذیرش ناشی از بیماری پاندمی توضیح داد. برنان کلاین، دانشمند شبکه در دانشگاه نورت ایسترن در بوستون ماساچوست و یکی از نویسندگان همکار این مطالعه، می‌گوید:"سیاه پوستان به طور متوسط ​​20 درصد بیشتر از سفیدپوستان دورهٔ محکومیت خود را می سپری می‌کنند." محققان همچنین دریافتند که نسبت افراد زندانی که لاتین تبار بودند در همان دوره افزایش یافت، اما نه به اندازهٔ نسبت کسانی که سیاه پوست بودند. این عمدتا به این دلیل بود که تفاوت در زمان صدور حکم برای افراد لاتین تبار در مقایسه با افراد سفیدپوست به طور قابل توجهی بین ایالت ها متفاوت است. به عنوان مثال، در ایلینوی، هم سیاه‌پوستان و هم افراد لاتین تبار نسبت به سفیدپوستان محکومیت طولانی‌تری دارند، اما در تگزاس، مدت محکومیت افراد سفیدپوست و لاتین تبار مشابه است. درس سیاست تا پایان سال 2021، با افزایش نرخ پذیرش زندانیان، نسبت افراد سیاهپوست یا لاتین تبار در ایالات متحده به سطح قبل از پاندمی بازگشته بود. اما نویسندگان این مطالعه امیدوارند که نتایج آنها به تغییر نحوهٔ پرداختن به نابرابری‌های نژادی توسط سیستم قضایی کیفری کمک کند. الیزابت هینتون، مورخ دانشگاه ییل در نیوهیون کنتیکت، و یکی از نویسندگان همکار این مطالعه می‌گوید:"ما می‌توانیم به منظور بررسی نحوهٔ محکومیت افراد، محکوم شدن چه افرادی و مدت محکومیت آن‌ها نگاهی بیاندازیم. و این به تنهایی به ما کمک می کند تا این اختلافات واقعاً نگران کننده در سیستم زندان را کاهش دهیم." نیکول گونزالس ون کلیو، جامعه شناس از دانشگاه براون در پراویدنس رود آیلند می‌گوید:"نتایج همچنین می‌تواند نحوهٔ تمرکز سیاست‌گذاران برای کاهش نابرابری‌های نژادی در سیستم را تغییر دهد." او می‌گوید:"اغلب، تمرکز بر جرم‌زدایی از برخی رفتارها برای جلوگیری از زندانی کردن نامتناسب گروه‌های نژادی خاص، و استفاده از آزادی به‌عنوان «دریچهٔ فرار» برای کاهش بی‌عدالتی‌های گذشته، است." ادامهٔ مطلب - «Channel of Science is for all»

گروه «علم و فلسفه‌ علم» از بدو تولد تلگرام تشکیل شد و همواره و در همه حال مشغول فعالیت بوده است. این جمع متشکل از افراد فرهیخته‌ای است که ضمن پاسخ به پرسشهای علمی شما، در آن گفتگوها و کنفرانس‌های متعدد و پرباری انجام می‌شود. از علاقمندان به علم دعوت می‌شود تا به این جمع بپیوندید: لینک گروه: https://t.me/+TTM-tJ5WrVExZGNk

بزرگ‌ترین رآکتور هسته‌ای تکی اروپا در فنلاند شروع به کار کرد به فاصله کوتاهی پس از خاموشی آخرین نیروگاه‌های هسته‌ای آلمان، حالا بزرگ‌ترین رآکتور تکی اروپا در فنلاند شروع به کار کرده است. این نیروگاه اکنون می‌تواند حدود ۱۴٪ از برق این کشور را تأمین کند و پیش‌بینی شده است که تا حداقل ۶۰ سال دیگر به فعالیت خود ادامه دهد. اپراتور نیروگاه هسته‌ای «اولکیلوتو» اعلام کرد که رآکتور آن‌ها وارد فاز تولید انرژی شده است و انتظار می‌رود که تا دهه‌ها به تأمین انرژی در این کشور بپردازد. احداث این رآکتور نوع EPR از حدود ۱۸ سال پیش آغاز شده بود و حالا ۱۴ سال پس از برنامه اولیه برای راه‌اندازی، شروع به کار کرده است. البته این نیروگاه در ماه سپتامبر پارسال به‌صورت آزمایشی روشن شد و قرار بود در ماه دسامبر وارد فاز مصرف تجاری شود، اما این عملیات تاکنون به تعویق افتاده بود. حالا فنلاند در شرایطی این رآکتور را روشن کرده است که سه نیروگاه هسته ای آخر آلمان نیمه شب شنبه خاموش شدند. ظرفیت تولید رآکتور هسته‌ای فنلاند چقدر است؟ نیروگاه اتمی اولکیلوتو 3 با ظرفیت تولید ۱۶۰۰ مگاواتی بزرگ‌ترین رآکتور هسته‌ای تکی در اروپاست. اما اگر رآکتورهای چندگانه را در نظر بگیریم، نیروگاه Zaporizhzhia اوکراین در رده بالاتری قرار می‌گیرد. فنلاند سعی داشت در زمستان گذشته از این رآکتور جدید برای تأمین انرژی استفاده کند. اما شرایط برای انجام این کار مناسب نبود. حالا مدیرعامل TVO به‌عنوان شرکت اپراتور این نیروگاه اعلام کرده است که تولید برق به‌شکل سازگار با محیط‌زیست با این رآکتور می‌تواند یکی از برگ‌های برنده فنلاند باشد. طراحی EPR که اولکیلوتو 3 از آن استفاده می‌کند، پس از فاجعه چرنوبیل به‌وجود آمد تا ایمنی و راندمان بهتری ارائه کند. بااین‌حال، پروژه‌های زیادی با این طراحی ساخته و با تأخیرهای متعدد در زمان اجرا روبه‌رو شدند. گروه انرژی دولتی EDF فرانسه انتهای سال گذشته میلادی اعلام کرد که برای راه‌اندازی رآکتور جدید نیروگاه فلانویل به زمان بیشتری نیاز دارد و این اتفاق احتمالاً در اواسط سال ۲۰۲۴ خواهد افتاد. رآکتور اولکیلوتو بزرگ‌ترین اقدام اقلیمی فنلاند بوده است و می‌تواند حرکت به‌سمت جامعه بدون کربنی را تسریع کند. یک نظرسنجی در ماه مه ۲۰۲۲ در این کشور نشان داد که ۶۰٪ از فنلاندی‌ها حامی استفاده از انرژی هسته‌ای هستند. منبع:techxplore rfi Scientific chat: @world_function 💫کانال جهان چگونه کار می کند💫 @Function_of_the_world

سر و کله دو سیاه چاله بزرگ و نادر در نزدیکی زمین پیدا شده است؛ آیا در امان هستیم؟ آژانس فضایی اروپا اعلام کرد که فضاپیمای گایا توانسته دو سیاه چاله بزرگ را در فاصله بسیار کمی از کره زمین پیدا کند. این دو نسبت به دیگر سیاه چاله ها بسیار متفاوت هستند. تلسکوپ فضایی گایا به آژانس فضایی اروپا تعلق دارد و قرار است تا سال ۲۰۲۵ به کاوش در فضا بپردازد. حالا این تلسکوپ فضایی توانسته دو سیاه چاله منحصر‌به‌فرد را که نزدیک زمین هستند شناسایی کند. یافته‌های جدید Gaia BH1 و Gaia BH2 نام دارند و از جهات مختلفی توجه اخترشناسان را به‌خود جلب کرده‌اند. شکار جدید گایا: دو سیاه چاله منحصر‌به‌فرد نزدیک کره زمین در دنیای سیاه چاله ها مشاهده سیستم‌های دوگانه امری رایج است. بدین‌ صورت که یک ستاره در فاصله نزدیکی از سیاه چاله قرار دارد و غول فضایی به‌تدریج مواد ستاره را می‌بلعد. این اتفاق باعث می‌شود که حلقه‌ای داغ، روشن و مملو از انرژی در اطراف سیاه چاله شکل گیرد. دانشمندان نیز با بررسی همین حلقه‌ها توسط ابزارهای علمی کاشف پرتوهای ایکس یا امواج رادیویی، کشف یک سیاه چاله را اعلام می‌کنند. هرچند که دو سیاه چاله نزدیک زمین فاصله بسیار زیادی با ستاره خود دارند. در واقع آنها قادر به بلعیدن ستاره ها نیستند و به‌‌همین خاطر نیز هیچ حلقه‌ای در نزدیکی افق رویداد سیاه چاله شکل نگرفته است. این موضوع کشف آنها را مشکل می‌کند. اما گایا چطور توانسته در این زمینه موفق شود؟ این تلسکوپ فضایی در ابتدا متوجه اندکی تکان در ستاره شد که دیگر ابزارهای علمی قادر به‌ تشخیص آن نبودند. اخترشناسان تایید کردند که این تکان‌ها با نیروی گرانشی یک جرم فوق‌العاده بزرگ همچون سیاه چاله همخوانی دارد. یافته اولیه گایا سپس توسط رصدخانه پرتو ایکس چاندار و تلسکوپ رادیویی MeerKAT تایید شد. در دنیای سیاه چاله ها مشاهده سیستم‌های دوگانه امری رایج است. بدین‌ صورت که یک ستاره در فاصله نزدیکی از سیاه چاله قرار دارد و غول فضایی به‌تدریج مواد ستاره را می‌بلعد. این اتفاق باعث می‌شود که حلقه‌ای داغ، روشن و مملو از انرژی در اطراف سیاه چاله شکل گیرد. دانشمندان نیز با بررسی همین حلقه‌ها توسط ابزارهای علمی کاشف پرتوهای ایکس یا امواج رادیویی، کشف یک سیاه چاله را اعلام می‌کنند. هرچند که دو سیاه چاله نزدیک زمین فاصله بسیار زیادی با ستاره خود دارند. در واقع آنها قادر به بلعیدن ستاره ها نیستند و به‌‌همین خاطر نیز هیچ حلقه‌ای در نزدیکی افق رویداد سیاه چاله شکل نگرفته است. این موضوع کشف آنها را مشکل می‌کند. اما گایا چطور توانسته در این زمینه موفق شود؟ این تلسکوپ فضایی در ابتدا متوجه اندکی تکان در ستاره شد که دیگر ابزارهای علمی قادر به‌ تشخیص آن نبودند. اخترشناسان تایید کردند که این تکان‌ها با نیروی گرانشی یک جرم فوق‌العاده بزرگ همچون سیاه چاله همخوانی دارد. یافته اولیه گایا سپس توسط رصدخانه پرتو ایکس چاندار و تلسکوپ رادیویی MeerKAT تایید شد. اما این دو سیاه چاله تا چه حد نزدیک زمین هستند؟ پیشتر دانشمندان موفق شده بودند یک سیاه چاله را در فاصله ۱۰۱۱ سال نوری از منظومه شمسی کشف کنند. با توجه به اینکه کهکشان ما حدود ۱۰۵ هزار سال نوری را پوشش می‌‌دهد، فاصله ۱۵۶۰ و ۳۸۶۰ سال نوری دو کهکشان تازه کشف شده از زمین بسیار کم قلمداد می‌شود. البته این فاصله بسیار زیاد سیاه چاله از ستاره اصلی است که توانسته نظر اخترشناسان را جلب کند. ستاره گایا بی‌اچ‌۲ هر ۱۲۷۷ روز یکبار به دور سیاه چاله می‌چرخد که یعنی فاصله این دو حدود ۷۱۴ میلیون کیلومتر است. هرچند که در یک سیستم دوگانه عادی همچون Cygnus X-1 زمان مورد نیاز برای اینکار تنها ۵.۶ روز است. بدین‌ترتیب ما با دو سیاه چاله جدید در نزدیکی کره زمین طرف هستیم که نمی‌توانند مواد اطراف خود را ببلعند. همچنین آنها برای ساکنان کره زمین نیز خطرساز نیستند. Gaia BH1 در فاصله ۱۵۶۰ سال نوری از زمین در جهت صورت فلکی حواء قرار دارد و Gaia BH2 در فاصله ۳۸۰۰ سال نوری از زمین در جهت صورت فلکی کنتائورس است. livescience Scientific chat: @world_function 💫کانال جهان چگونه کار می کند💫 @Function_of_the_world

تصویر واضح و خیره کننده جیمز وب از سیاره اورانوس تلسکوپ فضایی جیمز وب گاهی به سراغ کهکشان های دور می‌رود و گاهی سیاره‌های فراخورشیدی را شکار می‌کند. اما اینبار جیمز وب تصویر بسیار زیبایی از سیاره اورانوس را ثبت کرده است. پیشتر اخترشناسان تصاویر جذابی از سیاره اورانوس و حلقه‌های آن در اختیار نداشتند. برای اولین بار در سال ۱۹۸۶ بود که فضاپیمای وویجر ۲ از کنار این سیاره عبور کرد. در تصویر ثبت شده توسط وویجر ۲ تنها سیاره‌ای آبی را بدون هیچ ویژگی خاصی شاهد بودیم. حتی حلقه‌های اطراف آن نیز به‌زحمت دیده می‌شدند؛ اما تصویر تلسکوپ جیمز وب از سیاره اورانوس سیاره ای پویا و دنیایی در حال تغییر را نشان می‌دهد. نگاه تلسکوپ جیمز وب به سیاره اورانوس تصویر رصدخانه کک نیز چندان نسبت به تصویر وویجر برتری خاصی ندارد و در ثبت حلقه‌های داخلی سیاره ناکام مانده بود. هرچند که جیمز وب توانسته غول یخی منظومه شمسی را با جزئیاتی حیرت‌انگیز به تصویر بکشد. در این تصویر که با ترکیب داده‌های ثبت شده توسط دو ابزار علمی تلسکوپ جیمز وب به‌دست آمده است، ۱۱ عدد از ۱۳ حلقه شناخته شده سیاره را می‌بینیم. برخی از این حلقه‌ها آنقدر درخشان هستند که گویی در هم ادغام شده‌اند. از همه جالب‌تر اینکه دوربین فروسرخ نزدیک جیمز وب توانسته حتی دو حلقه داخلی اورانوس را که از جنس گرد و غبار هستند، به‌ تصویر بکشد. استفاده از دو دوربین باعث شده که دانشمندان سیاره اورانوس را با دو رنگ آبی و نارنجی تصویر کنند. بدین‌ترتیب ترکیبی از یخ، متان و آمونیاک را روی یک هسته سنگی کوچک شاهد هستیم. حتی می‌توان گفت که اورانوس به یک توپ برفی آبی شباهت دارد. اورانوس مدار منحصربه‌فردی نیز دارد. بدین صورت که با زاویه‌ای ۹۰ درجه نسبت به خورشید در یک سمت می‌چرخد. همین نیز سبب می‌شود که این سیاره تغییرات فصلی فوق‌العاده شدیدی را تجربه کند. در واقع هر قطب اورانوس سال‌ها در معرض نور خورشید قرار می‌گیرد و سپس سال‌ها (۴۲ سال) در تاریکی و سرما فرو می‌رود. در حال حاضر در قطب شمال اورانوس بهار است و این را می‌توان در تصویر جیمز وب نیز مشاهده کرد. در تصویر تازه منتشر شده کلاهک قطب شمال این غول یخی به‌خاطر قرار گرفتن به‌سمت خورشید می‌درخشند. این اولین بار است که دانشمندان توانسته‌اند این جنبه اورانوس را مشاهده کنند. این مورد حتی در تصاویر ثبت شده توسط رصدخانه Keck هم دیده نمی‌شد. قطب شمال اورانوس از سال ۲۰۲۸ تابستان را تجربه خواهد کرد. در حال حاضر قطب جنوب اورانوس در بخش تاریک قرار دارد و در تصویر جیمز وب دیده نمی‌شود. از دیگر مواردی که در تصویر دیده می‌شود، می‌توان به ابرهایی روشن در نزدیکی کلاهک قطبی اشاره کرد. این ابرها عامل ایجاد توفان هستند و در طول موج‌های فروسرخ دیده می‌شوند. جیمز وب همچنین توانسته ۶ عدد از ۲۷ ماه شناخته شده غول یخی منظومه شمسی را ثبت کند. این ماه‌ها نسبتا درخشان هستند؛ اما بقیه را نمی‌توان به‌دلیل تاریک بودن در یک اکسپوژر ۱۲ دقیقه‌ای ثبت کرد. البته این پایان کار نیست. تلسکوپ جیمز وب می‌خواهد باز هم به مشاهده اورانوس بپردازد تا در آينده تصویر دو حلقه تاریک‌تر بیرونی را ثبت کند. این دو حلقه برای اولین بار در سال ۲۰۰۷ توسط تلسکوپ هابل دیده شده بودند. اورانوس اولین تصویر تلسکوپ جیمز وب از اجرام منظومه شمسی نیست، بلکه پیشتر شاهد تصاویری از نپتون بودیم. منبع:phys.org Scientific chat: @world_function 💫کانال جهان چگونه کار می کند💫 @Function_of_the_world

چرا برخی افراد لهجه خود را از دست می‌دهند؟ احتمالا تمام ما نمونه‌هایی از افرادی را دیده ایم که به نظر می‌رسد لهجه بومی و منطقه‌ای یا ملی شان را از دست داده اند و افراد دیگری که لهجه شان ثابت باقی مانده است. با توجه به اهمیت فردی و اجتماعی نحوه صحبت کردن یک نفر چرا لهجه فردی تغییر می‌کند؟ ممکن است لهجه خود را بخشی از شخصیت تان بدانید، اما چه بخواهید چه نخواهید تمایل خودآگاه یا ناخودآگاه برای تناسب با آن می‌تواند بر نحوه صحبت شما تاثیر بگذارد. تحقیقات نشان داده اند که لهجه افراد به سوی لهجه گروهی از سخنرانان سوق پیدا می‌کند که در مرحله‌ای از زندگی شان با آنان همذات پنداری می‌کنند. لهجه‌ها یکی از ویژگی‌های سیال گفتار هستند. برای مثال، اگر شخصی برای کار از استرالیا به ایالات متحده مهاجرت کند احتمالا حداقل لهجه خود را آگاهانه یا ناخودآگاه تغییر خواهد داد. این تغییر ممکن است به دلیل نیاز افراد یا تمایل به درک واضح‌تر و پذیرفته شدن در یک جامعه جدید باشد. هم چنین، آنان ممکن است بخواهند از مورد تمسخر قرار گرفتن برای نحوه صحبت کردن شان جلوگیری کنند. بیش از یک چهارم از متخصصان ارشد از پیشینه طبقه کارگر در بریتانیا به دلیل لهجه‌های شان در محل کار شناسایی و از سایرین متمایز می‌شوند. احساس تعلق خاطر داشتن برای افرادی که لهجه شان تغییر می‌کند نحوه صحبت کردن شان ممکن است برای حس هویت شان اهمیت کمتری داشته باشد و یا تعلق خاطر هویت شان با یک گروه اجتماعی یا حرفه‌ای ضروری‌تر به نظر برسد. ما حتی پیش از تولد نیز در معرض الگو‌های گفتاری اطرافیان‌مان قرار داریم. مطالعات صورت گرفته روی نوزادان نشان داده اند که می‌توان جنبه‌های آهنگی خاص جوامع گفتاری آنان را از روی گریه‌های شان تشخیص داد. یک هویت قوی برای دیگرانی که ظاهرا لهجه شان تغییر نمی‌کند این امر می‌تواند بدان خاطر باشد که در هویت‌شان احساس امنیت می‌کنند و لهجه شان تا حد زیادی بخشی از این هویت است یا این که حفظ تفاوت برای آنان ارزشمند است. آنان حتی ممکن است ندانند که لهجه‌شان تا چه اندازه برای شان مهم است. اگر گوینده‌ای دارای لهجه مطلوبی باشد ممکن است نخواهد با اصلاح آن این مزیت را از دست بدهد. خواه آگاهانه باشد یا غیر آگاهانه افراد هنگام نقل مکان به خانه حداقل تا حدودی بر گفتار خود کنترل دارند. با این وجود، آسیب مغزی یا سکته مغزی در موارد نادر می‌تواند منجر به بروز سندرم لهجه خارجی (FAS) شود. این سندرم ناشی از تغییرات فیزیکی است که تحت کنترل گوینده نیست. برخی از نواحی در مغز با تولید و درک زبان مرتبط هستند و هم چنین مناطقی از مغز را داریم که جنبه‌های حرکتی گفتار را کنترل می‌کنند. اگر این مناطق مغزی آسیب ببینند افراد ممکن است اصولا توانایی صحبت کردن را از دست بدهند یا تغییراتی را در نحوه بیان صدا‌ها تجربه کنند، زیرا ناحیه حرکتی دستورات مختلفی را به اندام‌های صوتی می‌فرستد. یک مثال افراطی در این باره که اخیر توسط نشریه "مترو" گزارش شد نشان می‌دهد که چگونه زنی به نام فرنچ، اهل تگزاس در ایالات متحده پس از عمل جراحی با سندرم لهجه خارجی به هوش آمد. فرنچ ادعا کرد که صدای او در هر زمان روسی، اوکراینی یا استرالیایی بوده است. شنوندگان تمایل دارند لهجه‌ای را حدس بزنند که فکر می‌کنند گفتار تغییر یافته بیش‌تر شبیه آن است. شنوندگان در برخی موارد ممکن است علیه یک فرد مبتلا به سندرم لهجه خارجی تبعیض قائل شوند، زیرا معتقدند که او خارجی است که همین امر نشان می‌دهد گفتار مان تا چه اندازه می‌تواند بر نحوه رفتار دیگران با ما تاثیرگذار باشد. جای تعجب نیست که بسیاری از مردم ناخودآگاه با تطبیق گفتار با اطرافیان شان از خود محافظت می‌کنند. https://www.sciencealert.com/how-and-why-some-people-lose-their-accents-or-pick-up-new-ones Scientific chat: @world_function 💫کانال جهان چگونه کار می کند💫 @Function_of_the_world

🎙️کنفرانس علمی🎙️ 🔹 سلسله‌کنفرانس‌ها ◼️ موضوع: «قضیهٔ سگ» ◾️ قسمت نخست: درآمدی بر گونهٔ مهاجم ▪️ ارائه: امیرحسین کردافشاری، محقق و نویسندهٔ علمی 📅 چهارشنبه، ۱۶ فروردین ۱۴۰۲ 🕙 ساعت ۲۲:۰۰ به وقت ایران محل برگزاری: گروه تلگرامی علم و فلسفهٔ علم

کشف سیاره فراخورشیدی غول‌پیکری که ۱۳ برابر مشتری جرم دارد جهان وسیع و گسترده ما پر از اجرام کیهانی متنوع و عجیبی است که موارد کشف‌نشده بسیار زیادی بین آن‌ها وجود دارد. ماهواره بررسی سیارات فراخورشیدی گذر ناسا یا TESS برای همین امر و کشف اجرام کیهانی ساخته شده و اکنون یک سیاره فراخورشیدی غول پیکر با جرمی به‌اندازه حدود ۱۳ سیاره مشتری پیدا کرده است. براساس داده‌هایی که توسط TESS جمع‌آوری شده، شعاع این سیاره فراخورشیدی 1.042 برابر سیاره مشتری است. این سیاره فراخورشیدی که TOI-4603b نام گرفته، در مداری 7.25 روزه به دور ستاره‌ای در فاصله ۷۳۰ سال نوری از ما می‌چرخد. دانشمندان ناسا با اندازه‌گیری سرعت شعاعی TOI-4603b توانستند جرم آن را تشخیص دهند که به‌طور دقیق 12.89 برابر مشتری است. تیم ناسا ادعا کرده که این سیاره به دسته خاصی از سیارات تعلق دارد که شکل‌گیری و تکامل آن‌ها هنوز برای ستاره‌شناسان یک امر ناشناخته است. توضیح بیشتر درباره مدار این سیاره فراخورشیدی دانشمندان در مقاله خود درباره TOI-4603b توضیح داده‌اند که این سیاره یک گزینه جدید ارزشمند محسوب می‌شود که به درک نحوه شکل‌گیری آن‌ها کمک خواهد کرد. به زبان ساده، این سیاره می‌تواند بین سایر سیارات و کوتوله قهوه‌ای قرار بگیرد. کوتوله‌های قهوه‌ای اجسامی هستند که جرم آن‌ها چیزی بین سیارات غول پیکر مانند مشتری و کوچک‌ترین ستارگان است. همچنین در این مقاله توضیح داده شده که TOI-4603b دارای یک مدار خارج از مرکز است و میزان خروج از مرکزیت آن در سطح 0.325 تشخیص داده شده. به گفته اخترشناسان، این موضوع همراه با یک جدایی مداری نسبتاً کوچک نشان می‌دهد که سیاره احتمالاً در وضعیت انتقال جزرومدی با گریز از مرکز بالا (HET) قرار دارد؛ یک پراکندگی گرانشی ناشی از سیاره یا ستاره دیگری. فضاپیمای TESS با هدف جستجوی سیارات فراخورشیدی درحال عبور، درحال بررسی حدود ۲۰۰ هزار ستاره از درخشان‌ترین ستاره‌های نزدیک به خورشید است. این فضاپیما تاکنون بیش از ۶۲۰۰ سیاره فراخورشیدی را شناسایی کرده که ۳۰۳۱ مورد از آن‌ها تأیید شده است.ز منبع:forbes interestingengineering Scientific chat: @world_function 💫کانال جهان چگونه کار می کند💫 @Function_of_the_world

کشف سیاره فراخورشیدی غول‌پیکری که ۱۳ برابر مشتری جرم دارد جهان وسیع و گسترده ما پر از اجرام کیهانی متنوع و عجیبی است که موارد کشف‌نشده بسیار زیادی بین آن‌ها وجود دارد. ماهواره بررسی سیارات فراخورشیدی گذر ناسا یا TESS برای همین امر و کشف اجرام کیهانی ساخته شده و اکنون یک سیاره فراخورشیدی غول پیکر با جرمی به‌اندازه حدود ۱۳ سیاره مشتری پیدا کرده است. براساس داده‌هایی که توسط TESS جمع‌آوری شده، شعاع این سیاره فراخورشیدی 1.042 برابر سیاره مشتری است. این سیاره فراخورشیدی که TOI-4603b نام گرفته، در مداری 7.25 روزه به دور ستاره‌ای در فاصله ۷۳۰ سال نوری از ما می‌چرخد. دانشمندان ناسا با اندازه‌گیری سرعت شعاعی TOI-4603b توانستند جرم آن را تشخیص دهند که به‌طور دقیق 12.89 برابر مشتری است. تیم ناسا ادعا کرده که این سیاره به دسته خاصی از سیارات تعلق دارد که شکل‌گیری و تکامل آن‌ها هنوز برای ستاره‌شناسان یک امر ناشناخته است. توضیح بیشتر درباره مدار این سیاره فراخورشیدی دانشمندان در مقاله خود درباره TOI-4603b توضیح داده‌اند که این سیاره یک گزینه جدید ارزشمند محسوب می‌شود که به درک نحوه شکل‌گیری آن‌ها کمک خواهد کرد. به زبان ساده، این سیاره می‌تواند بین سایر سیارات و کوتوله قهوه‌ای قرار بگیرد. کوتوله‌های قهوه‌ای اجسامی هستند که جرم آن‌ها چیزی بین سیارات غول پیکر مانند مشتری و کوچک‌ترین ستارگان است. همچنین در این مقاله توضیح داده شده که TOI-4603b دارای یک مدار خارج از مرکز است و میزان خروج از مرکزیت آن در سطح 0.325 تشخیص داده شده. به گفته اخترشناسان، این موضوع همراه با یک جدایی مداری نسبتاً کوچک نشان می‌دهد که سیاره احتمالاً در وضعیت انتقال جزرومدی با گریز از مرکز بالا (HET) قرار دارد؛ یک پراکندگی گرانشی ناشی از سیاره یا ستاره دیگری. فضاپیمای TESS با هدف جستجوی سیارات فراخورشیدی درحال عبور، درحال بررسی حدود ۲۰۰ هزار ستاره از درخشان‌ترین ستاره‌های نزدیک به خورشید است. این فضاپیما تاکنون بیش از ۶۲۰۰ سیاره فراخورشیدی را شناسایی کرده که ۳۰۳۱ مورد از آن‌ها تأیید شده است.ز منبع:forbes interestingengineering Scientific chat: @world_function 💫کانال جهان چگونه کار می کند💫 @Function_of_the_world

« نوشیدن آب بطری با تاریخ انقضای گذشته» در طول یک سفر جاده ای، بطری آبی را که در آخرین پمپ بنزین خریده اید، برمی دارید. طعمی شیمیایی زبان شما را شستشو می دهد. شما بطری را بررسی می کنید و متوجه می شوید که تاریخ فروش آن یک ماه پیش است. درست خواندید! آب بطری ممکن است تاریخ انقضا داشته باشد. این تاریخ به شما هشدار می دهد که چه زمانی مواد شیمیایی که وارد آب شده روی طعم آب تأثیر می گذارد. در مورد میزان میکروپلاستیک سمی در نوشیدنی شما چیزی به شما نمی گوید. ماندگاری دقیق به برند بستگی دارد. یک بطری فیجی می‌تواند دو سال دوام بیاورد، در حالی که بسته‌های فله بطری‌های نستله Pure Life فقط سه ماه ماندگاری دارند. فروش بطری‌های آب به بهترین شکل ممکن در آمریکا کاملا قانونی است. در ۲۱ سال گذشته، موضع FDA این بوده است که اگر آب بطری شده را به درستی ذخیره کنید، می تواند برای مدت نامحدودی دوام بیاورد. با این حال، آبی که به صورت نادرست ذخیره شده نه تنها طعم بدی دارد، بلکه می تواند در طول زمان سمی یا آلوده شود. مواد شیمیایی به مرور زمان به داخل آب بطری می روند! وقتی آب بطری‌ کهنه می‌شود، اغلب به این دلیل است که بطری شروع به خراب شدن کرده است و مواد شیمیایی میکروسکوپی در آن ریخته می‌شود. برایان کوک لی، شیمیدان مواد غذایی و نویسنده کتاب ۱۵۰ پاسخ به سؤالات علوم غذایی می گوید: این ترکیبات ممکن است طعم آب شما را مانند دارو، کلر یا ازن ایجاد کنند. هر بطری فقط به دلیل تماس با آب، مواد شیمیایی را کمی دفع می کند. برخی از این مواد شیمیایی سمی تر از سایرین هستند، مانند آنتیموان، ماده شیمیایی که می تواند به معده و روده شما آسیب برساند و استرهای فتالات که می تواند سیستم غدد درون ریز شما را مختل کند. بطری های شیشه ای آنتیموان و استرهای فتالات کمتری نسبت به بطری های پلاستیکی آزاد می کنند. اما بیشتر بطری‌های آب از پلاستیک پلی اتیلن ترفتالات (PET) ساخته شده‌اند که بیشتر آنتیموان را در بین مواد رایج بطری آزاد می‌کند. اما حتی بطری های PET نیز نباید مواد شیمیایی کافی برای سمی کردن آب داخل آن آزاد کنند. با گذشت زمان، آب و بطری به تعادل شیمیایی می رسند، بنابراین در هر لحظه فقط مقادیر کمی از ترکیبات در نوشیدنی شما وجود دارد. جایی که آب خود را ذخیره می کنید نیز می تواند بر طعم آب شما تأثیر بگذارد. طبق گفته انجمن بین المللی آب بطری، ظروف پلاستیکی کمی نفوذپذیر هستند، به این معنی که مولکول های هوا ممکن است به داخل و خارج بطری حرکت کنند. اگر آب بطری‌شده را در کنار یک سطل رنگ خانگی یا پاک‌کننده فاضلاب نگهداری کنید، بخارات حاصل از حلال‌های خانگی ممکن است به داخل بطری نفوذ کرده و طعم داخل آن را تغییر دهند. مطالعات تاکنون نشان می دهد که مقدار مواد شیمیایی موجود در آب تاریخ مصرف گذشته معمولا کمتر از حد تعیین شده توسط FDA است. حداقل تا زمانی که بطری را در مکانی خنک و تاریک نگهداری کرده باشید. ترجمه: یاس ادامه مطلب... - «Channel of Science is for all»