🔭علم نجوم طبیعت🔭🕊

🔘 انتشار اولین یافته‌های مهم آشکارساز غول‌پیکر زیرزمینی درباره «ذرات شبح‌وار» 🌌 این آشکارساز در اعماق زمین در رصدخانه زیرزمینی نوترینو جیانگمن (Jiangmen Underground Neutrino Observatory) در کایپینگ، واقع در استان گوانگ‌دونگ در جنوب چین قرار دارد. (منبع عکس: اسوشیتد پرس/انگ هان گوان) ¹★ نیویورک (اسوشیتد پرس) — یک آشکارساز غول‌پیکر زیرزمینی با هدف درک ذرات مرموز شبح‌وار (Ghost particles) در جهان ما، اولین نتایج بزرگ خود را روز چهارشنبه منتشر کرد. ²★ رصدخانه زیرزمینی نوترینو جیانگمن (Jiangmen Underground Neutrino Observatory) در چین، جمع‌آوری داده‌ها را در ماه اوت با هدف درک نوترینوها (Neutrinos) آغاز کرد. ³★ قدمت این ذرات ریز کیهانی به بیگ بنگ (Big Bang) بازمی‌گردد و در هر ثانیه تریلیون‌ها عدد از آن‌ها بدون هیچ آسیبی از درون بدن ما عبور می‌کنند. ⁴★ با این حال، وزن آن‌ها تقریباً نزدیک به صفر است و همین امر ردیابی (Sniff out) آن‌ها را دشوار می‌کند. 🌌 کارگران در بخش زیرین آشکارساز. (منبع عکس: اسوشیتد پرس/انگ هان گوان) ⁵★ تیم جونو (JUNO) از یافته‌های اولیه خود حاصل از دو ماه جمع‌آوری داده‌ها پرده‌برداری کرد؛ این یافته‌ها شامل برخی از دقیق‌ترین اندازه‌گیری‌های انجام‌شده تا به امروز درباره چگونگی تغییر نوترینوها بین سه گونه یا طعم (Flavors) مختلف در هنگام حرکت سریع در فضا است. ⁶★ فیزیکدان، کیت شولبرگ (Kate Scholberg) از دانشگاه دوک، که نقشی در این پژوهش جدید نداشته است، بیان می‌دارد: «این دستاورد واقعاً مرا به دیدن نتایج هیجان‌انگیزتر در آینده امیدوار می‌کند.» ⁷★ آشکارساز کروی جونو (JUNO) در عمق ۷۰۰ متری (۲٬۲۹۷ پایی) زیر زمین قرار دارد. این دستگاه پادنوترینوها (Antineutrinos) را که از برخوردها در داخل دو نیروگاه هسته‌ای نزدیک سرچشمه می‌گیرند، بررسی می‌کند. 🌌 این آشکارساز مایع سوسوزن (Liquid scintillator) ۲۰ کیلوتنی در زیر زمین قرار گرفته است تا پادنوترینوهای الکترون (Electron antineutrinos) حاصل از راکتورهای هسته‌ای را از طریق برهم‌کنش‌های واپاشی بتای معکوس (Inverse β-decay) شناسایی کند. (منبع: همکاری جونو، نیچر (Nature)، ۲۰۲۶) ⁸★ پادنوترینوها (Antineutrinos) نسخه‌های مقابل و به همان اندازه مرموز نوترینوها هستند که دانشمندان می‌توانند برای درک رفتار آن‌ها و نحوه کارکرد نوترینوها مطالعه کنند. ⁹★ هنگامی که پادنوترینوها با ذرات درون آشکارساز برخورد می‌کنند، یک فلش یا جرقه نوری تولید می‌نمایند. ¹⁰★ دانشمندان امیدوارند که این آشکارساز به حل معمای دیرینه درباره میزان سنگینی هر طعم نوترینو (Neutrino flavor) کمک کند. ¹¹★ آن‌ها فکر می‌کنند که وزن دو طعم مشابه است و طعم سوم یک مورد عجیب (Oddball) است، اما مطمئن نیستند که آیا دو طعم سنگین هستند و دیگری سبک است، یا برعکس. ¹²★ نتایج اولیه هنوز به این سؤال پاسخ نداده است. ¹³★ نویسنده همکار این پژوهش و عضو همکاری جونو، لیانگیان ون (Liangjian Wen)، مطرح می‌کند: «این نتایج توانایی‌های آشکارساز را نشان می‌دهند و این دستگاه قادر خواهد بود ظریف‌ترین موج‌ها (Finer ripples) را که طعم‌های نوترینو و جرم آن‌ها را از هم جدا می‌کند، آزمایش کند.» ¹⁴★ دو آشکارساز نوترینوی مشابه دیگر — هایپر کامیوکانده (Hyper-Kamiokande) در ژاپن و آزمایش عمیق زیرزمینی نوترینو (Deep Underground Neutrino Experiment) مستقر در ایالات متحده — قرار است طی دهه آینده جمع‌آوری داده‌ها را آغاز کنند تا نتایج آشکارساز چین را با استفاده از روش‌های مختلف راستی‌آموزی (Cross-checking) نمایند. منبع: ساینس‌آلرت ( sciencealert) 📝 این پژوهش در نشریه نیچر (Nature) منتشر شده است. 🆔@keyhan_on1🔭 ♻️آشکارساز زیرزمینی جونو در چین نخستین نتایج خود را با دقیق‌ترین اندازه‌گیری نوسان نوترینوها میان سه طعم منتشر کرد؛ این کره غول‌پیکر در عمق ۷۰۰ متری پادنوترینوهای راکتورهای هسته‌ای را شکار می‌کند و گرچه هنوز ترتیب جرم طعم‌ها را مشخص نکرده، توانایی‌اش برای ردیابی ظریف‌ترین موج‌ها چشمگیر است. ♻️China's underground JUNO detector published its first results with the most precise neutrino-oscillation measurements yet among the three flavors; the giant sphere at 700 meters depth catches reactor antineutrinos and, while not yet resolving the mass ordering, has impressively demonstrated its ability to track the finest oscillation ripples.

²¹★ در آینده، این نوع آزمایش می‌تواند پیچیده‌تر شود و به گونه‌ای مدل‌سازی شود که به سناریوهای جهان واقعی نزدیک باشد – جایی که برای مثال، یک راکتور هسته‌ای توسط بتن, آب، شیشه، خاک و هر چیز دیگری احاطه شده است. ²²★ محققان در مقاله منتشرشده خود می‌نویسند: «اگرچه این راکتور نمی‌تواند پیچیدگی شیمیایی کامل یک گوی آتشین هسته‌ای را بازتولید کند، اما یک بستر کنترل‌شده برای جداسازی مکانیسم‌هایی فراهم می‌سازد که تعامل بین اجزای فرار و دیرگداز را به تأخیر می‌اندازند یا تسریع می‌کنند.» ²³★ آن‌ها در ادامه می‌افزایند: «این قابلیت، تلاش‌ها را برای تفسیر نشانه‌های جداسازی در سیستم‌های بقایای ساده‌شده تقویت می‌کند.» منبع: ساینس‌آلرت ( sciencealert) 📝 این تحقیق در نشریه «شیمی تحلیلی» منتشر شده است. 🆔@keyhan_on1🔭 🔄خلاصه کوتاه این مطلب ₁★پژوهشگران آزمایشگاه ملی لارنس لیورمور با شبیه‌سازی بخشی از گوی آتشین هسته‌ای در یک لوله پلاسمای دمابالا، رفتار ذرات تبخیرشده اورانیوم، سزیم و سریم را در دو سناریوی خنک‌سازی متفاوت بررسی کردند و سزیم برخلاف دو عنصر دیگر، رفتاری کاملاً غافلگیرکننده نشان داد. ₂★اورانیوم و سریم در هر دو سناریو نسبتاً زود چگال شدند، اما سزیم بسیار دیرتر میعان کرد و در سناریوی با توقف طولانی‌تر در دمای بالا، بیشتر با عناصر دیگر آمیخته و ترکیبات پیچیده‌تری ساخت. ₃★این یافته‌ها نشان می‌دهد که «تاریخچه حرارتی» — یعنی مدت ماندگاری مواد در دمای بالا — نقشی تعیین‌کننده در شیمی ذرات ریزش اتمی دارد و مدل‌های تعادلی سنتی از ثبت این تفاوت‌های ظریف ناتوان‌اند. ₄★فراتر از مدیریت بحران هسته‌ای، این سیستم کنترل‌شده می‌تواند برای مهندسی معکوس رویدادهای هسته‌ای، تفسیر بقایای انفجار، و بررسی سایر محیط‌های دمابالا به کار رود و در آینده با افزودن مصالح واقعی مانند بتن و خاک پیچیده‌تر خواهد شد. ₁★Researchers at Lawrence Livermore National Laboratory simulated a segment of a nuclear fireball in a high-temperature plasma tube, studying how vaporized uranium, cesium, and cerium behave under two different cooling scenarios—and cesium surprised them. ₂★Uranium and cerium condensed relatively early in both scenarios, but cesium condensed much later and, in the scenario with a prolonged high-temperature hold, mixed more extensively with other elements to form more complex compounds. ₃★The findings reveal that «thermal history»—how long materials linger at high temperatures—plays a decisive role in fallout particle chemistry, a nuance that traditional equilibrium models fail to capture. ₄★Beyond nuclear crisis management, this controlled platform can aid in reverse-engineering nuclear events, interpreting explosion debris, and studying other high-temperature environments, with future plans to incorporate real-world materials like concrete and soil 🆔@keyhan_on1🔭 ♻️پژوهشگران آزمایشگاه لیورمور با شبیه‌سازی گوی آتشین هسته‌ای در لوله پلاسما دریافتند که سزیم برخلاف اورانیوم و سریم، دیرتر میعان می‌شود و تاریخچه حرارتی نقشی کلیدی در شیمی ریزش اتمی دارد؛ یافته‌ای که مدل‌های سنتی از آن غافل‌اند و هم برای مدیریت بحران و هم مهندسی معکوس انفجارهای هسته‌ای کاربرد دارد. ♻️Livermore researchers simulating a nuclear fireball in a plasma tube found that cesium—unlike uranium and cerium—condenses much later, and that thermal history plays a key role in fallout chemistry; a finding that traditional models miss, with applications for both crisis management and reverse-engineering nuclear events.

🔘 دانشمندان ریزش اتمی را در آزمایشگاه شبیه‌سازی کردند و با یک شگفتی مواجه شدند 🌌منبع: آزمایشگاه ملی لارنس لیورمور ¹★رویدادهای ریزش اتمی، چه به صورت عمدی و چه تصادفی رخ دهند، چیزی هستند که امیدواریم هرگز اتفاق نیفتند. ²★ اما اگر چنین اتفاقی بیفتد، درک پیامدهای آن بخشی حیاتی از برنامه‌ریزی ایمنی و مدیریت بحران است. ³★ با در نظر گرفتن این موضوع، پژوهشگران آزمایشگاه ملی لارنس لیورمور (LLNL) در ایالات متحده، آزمایش‌های کنترل‌شده‌ای را در یک لوله پلاسمای دمابالا انجام دادند و بخشی از یک گوی آتشین هسته‌ای را شبیه‌سازی کردند تا ببینند ذرات تبخیرشده در یک واکنش شکافت هسته‌ای، هنگام خنک شدن چگونه واکنش نشان می‌دهند. ⁴★ سه عنصر اولیه‌ای که محققان استفاده کردند عبارت بودند از اورانیوم (سوخت بسیاری از سلاح‌ها و راکتورها)، سزیم (یک محصول جانبی رادیواکتیو ناشی از شکافت هسته‌ای) و سریم (که به عنوان جایگزینی برای پلوتونیومِ مورد استفاده در سلاح‌های هسته‌ای به کار رفت). ⁵★ این تیم به طور حیاتی، دو سناریوی متفاوت (تاریخچه‌های حرارتی) را برای جمع‌آوری نتایج خود مدل‌سازی کرد: سناریوی خنک‌سازی یکنواخت و مداوم، و سناریویی که در آن دما پیش از افت سریع، برای مدتی بسیار بالا نگه داشته می‌شد. ⁶★ راکیا ضاوی، شیمی‌دان این پروژه، توضیح می‌دهد: «تغییر مدت‌زمانی که مواد در دمای بالا باقی می‌مانند، می‌تواند واکنش‌های شیمیایی و نحوه ادغام عناصر فراری مانند سزیم را در ذرات تغییر دهد.» ⁷★ او در ادامه می‌افزاید: «مطالعات تاریخی ریزش اتمی نشان می‌دهد مسیری که مواد هنگام خنک شدن طی می‌کنند، اهمیت زیادی دارد.» 🌌چیدمان آزمایشگاهی. منبع: ضاوی و همکاران، نشریه شیمی تحلیلی، ۲۰۲۶ ⁸★ این تیم با استفاده از راکتور جریان پلاسمای خود که طول آن حدود یک متر (۳۹٫۴ اینچ) است، عناصر خود را تا دمای حدود ۵,۰۰۰ کلوین (یعنی ۴,۷۲۷ درجه سانتی‌گراد یا ۸,۵۴۰ درجه فارنهایت) گرم کردند. ⁹★ گوی آتشین بسیار داغ اولیه، همه‌چیز را تبخیر کرد، درست همان‌طور که در یک انفجار هسته‌ای رخ می‌دهد؛ اما آنچه محققان بیش از همه به آن علاقه داشتند، نحوه میعان و تبدیل این سه عنصر اولیه به ذره بود. ✨برای اورانیوم و سریم، الگوها تا حد زیادی مشابه بودند. ¹⁰★ هر دو عنصر پس از شروع افت دما، در هر دو سناریوی خنک‌سازی مداوم و خنک‌سازی با تأخیر، نسبتاً زود چگال شدند؛ اگرچه تفاوت‌هایی در ترکیبات اضافی که این عناصر به خود گرفتند وجود داشت. ¹¹★ سزیم بزرگ‌ترین شگفتی برای محققان بود، زیرا دست به کار غیرمنتظره‌ای زد. ¹²★ این عنصر در هر دو سناریوی خنک‌سازی، بسیار دیرتر از اورانیوم و سریم میعان شد و در سناریویی که دما برای مدت طولانی‌تری بالاتر نگه داشته شده بود، بیشتر با عناصر دیگر مخلوط شد و ترکیبات پیچیده‌تری را تشکیل داد. ¹³★ این یافته‌ها علاوه بر درک پیشاپیش ریزش اتمی، می‌توانند به دانشمندان در مهندسی معکوس نیز کمک کنند؛ یعنی بررسی نتایج یک رویداد هسته‌ای و کشف شرایطی که این ذرات چگال‌شده را ایجاد کرده است. ¹⁴★ ضاوی می‌گوید: «این ذرات تاریخچه‌ای از نحوه شکل‌گیری خود را حفظ می‌کنند.» ¹⁵★ او خاطرنشان می‌سازد: «ما می‌توانیم با مطالعه این فرآیندها در یک سیستم کنترل‌شده، فرضیات را با اندازه‌گیری‌ها جایگزین کنیم، مدل‌های مورد استفاده برای تفسیر بقایای هسته‌ای را بهبود ببخشیم و در مواقعی که بیشترین اهمیت را دارد، از تصمیم‌گیری‌ها پشتیبانی کنیم.» ¹⁶★ تنوع در آزمایش‌های انجام‌شده در اینجا، در تضاد با روش‌های سنتی مدل‌سازی ابرهای رادیواکتیو است که به عنوان مدل‌های تعادلی شناخته می‌شوند. ¹⁷★ این رویکردها واکنش‌های شیمیایی پایدارتر و یکنواخت‌تری را فرض می‌کنند و ممکن است تفاوت‌های ظریف ناشی از تغییر در سرعت خنک‌سازی را – همان‌طور که در اینجا در مورد سزیم نشان داده شد – نادیده بگیرند. ¹⁸★ با این حال باید اعتراف کرد که این هنوز یک سیستم ساده‌شده و کنترل‌شده آزمایشگاهی است و در واقع هیچ واکنش هسته‌ای در داخل لوله پلاسما رخ نداشته است. ¹⁹★ با این حال، محققان پیشنهاد می‌کنند که یافته‌های جدید آن‌ها می‌تواند در کنار نتایج حاصل از مدل‌های دیگر ارزیابی شود تا تصویر روشن‌تری از شیمی ریزش اتمی به دست آید. 🌌نموداری از راکتور جریان پلاسما که برای بررسی ذرات در حین حرکت از یک پلاسمای داغ (سمت چپ) به یک حالت چگال‌شده خنک‌تر (سمت راست) استفاده می‌شود. منبع: آزمایشگاه ملی لارنس لیورمور ²⁰★ این دستاورد پیامدهایی دارد که فراتر از حوادث هسته‌ای نیز می‌رود. کشفیات انجام‌شده در اینجا می‌تواند در سایر محیط‌های با دمای بالا کاربرد داشته باشد، در حالی که چیدمان این سیستم می‌تواند برای گنجاندن انواع دیگر عناصر و ترکیبات گسترش یابد. 🆔@keyhan_on1🔭

²⁵★یوکسوان دو، هم‌نویسنده این مقاله، افزود: «اول این‌که ما می‌خواهیم جایگزین‌های پیش‌بینانه را از منظر نظریه یادگیری عمیق‌تر درک کنیم؛ از جمله این‌که چرا آن‌ها می‌توانند فراتر از آنچه شبیه‌سازی کلاسیک به‌راحتی انجام می‌دهد عمل کنند، و عملکرد آن‌ها چگونه به ایده‌هایی از نظریه منابع کوانتومی مرتبط می‌شود.» ²⁶★او ادامه می‌دهد: «دوم این‌که ما می‌خواهیم این چارچوب را فراتر از محاسبات کوانتومی استانداردِ مبتنی بر کیوبیت، به دیگر پلتفرم‌های مهم مانند سیستم‌های متغیر پیوسته و سیستم‌های فرمیونی تعمیم دهیم. سوم این‌که می‌خواهیم این جایگزین‌ها را قدرتمندتر و به طور گسترده‌تری مفید سازیم تا بتوانند طیف وسیع‌تری از کارهای کوانتومی کاربردی و در مقیاس سودمند را در عین حفظ تضمین‌های نظری قوی پشتیبانی کنند.» ²⁷★ از دیدگاه تجربی، پژوهشگران مایلند امکان استفاده از تکنیک‌های محاسباتی مشابه را برای تحقق رایانه‌های کوانتومی خطاپذیر و شبکه‌های کوانتومی بزرگ بررسی کنند. هدف بلندمدت آن‌ها این است که محاسبات کوانتومی را در مواجهه با مسائل مختلف علمی، قابل‌دسترس‌تر، مقیاس‌پذیرتر و مؤثرتر سازند. منبع: [فیز دات اُرگ (Phys.org) 🆔@keyhan_on1🔭 🔄خلاصه کوتاه این مطلب ₁★ پژوهشگران «جایگزین‌های پیش‌بینانه» را توسعه دادند؛ مدل‌های یادگیری ماشین کلاسیک که رفتار پردازنده‌های کوانتومی را با ضمانت‌های نظری دقیق می‌آموزند و خروجی آن‌ها را بدون نیاز به اجرای مکرر روی سخت‌افزار واقعی پیش‌بینی می‌کنند. ₂★ این جایگزین‌ها مانند «دوقلوی دیجیتال» پردازنده کوانتومی عمل می‌کنند و با آموزش روی داده‌های محدود، هزینه سربار اندازه‌گیری را بیش از ۹۹.۹۷٪ کاهش می‌دهند؛ کارآیی آن‌ها به اندازه سیستم حساس نیست و برای پردازنده‌های بزرگ‌مقیاس نیز کاربرد دارد. ₃★ در آزمایش روی پردازنده ابررسانای ۴۲ کیوبیتی، جایگزین‌ها در دو وظیفه شاخص—بهینه‌سازی کوانتومی و شناسایی فازهای غیرتعادلی—دقت بالایی نشان دادند و حتی از روش‌های پیشین با دسترسی مستقیم سخت‌افزاری بهتر عمل کردند. ₄★ این چارچوب راه را برای دموکراتیزه کردن دسترسی به سخت‌افزار کوانتومی پیشرفته هموار می‌کند و گام‌های بعدی شامل تعمیم به سیستم‌های متغیر پیوسته، تعمیق درک نظری، و توسعه برای رایانه‌های کوانتومی خطاپذیر است. ₁★Researchers developed «predictive surrogates»—classical machine-learning models that learn the behavior of quantum processors with rigorous theoretical guarantees and predict their outputs without repeated runs on real hardware. ₂★Acting as a «digital twin» of a quantum processor, these surrogates train on limited data and slash measurement overhead by over 99.97%; their performance is insensitive to system size, making them viable for large-scale processors. ₃★Tested on a real 42-qubit superconducting processor, the surrogates achieved high accuracy on two benchmark tasks—quantum optimization and identifying nonequilibrium quantum phases—and outperformed prior methods requiring more direct hardware access. ₄★The framework paves the way toward democratizing access to advanced quantum hardware; next steps include extending to continuous-variable systems, deepening theoretical understanding, and developing tools for fault-tolerant quantum computers. 🆔@keyhan_on1🔭 ♻️پژوهشگران «جایگزین‌های پیش‌بینانه» را ساختند؛ مدل‌های کلاسیکی که مثل دوقلوی دیجیتالِ پردازنده‌های کوانتومی، خروجی آن‌ها را با دقت بالا و کاهش هزینه اندازه‌گیری بیش از ۹۹.۹۷٪ پیش‌بینی می‌کنند، راه را برای دسترسی همگانی به سخت‌افزار کوانتومی می‌گشایند، و روی پردازنده ۴۲ کیوبیتی با موفقیت آزموده شده‌اند. ♻️Researchers built «predictive surrogates»—classical models that act as digital twins of quantum processors, predicting their outputs with high accuracy while cutting measurement costs by over 99.97%, opening the door to democratized quantum-hardware access, and successfully tested on a 42-qubit superconducting processor.

¹²★هوانگ بیان کرد: «این جایگزین‌ها پس از آموزش، می‌توانند نتایج بسیاری از محاسبات کوانتومی جدید را کاملاً در سمت کلاسیک پیش‌بینی کنند. مزیت اصلی، کارایی است. اجرای برنامه‌های کوانتومی در مقیاس کاربردی روی یک پردازنده کوانتومی اغلب نیازمند زمان آزمایشگاهی و منابع اندازه‌گیری قابل‌توجهی است. جایگزین‌های پیش‌بینانه می‌توانند با جایگزین کردن بسیاری از ارزیابی‌های پرهزینه سخت‌افزاری با پیش‌بینی‌های کلاسیک سریع، این بار را تا حد زیادی کاهش دهند.» ¹³★ یک مزیت دیگر جایگزین‌های پیش‌بینانه این است که آن‌ها مدل‌های یادگیری ماشین جعبه‌سیاه نیستند. این موضوع اساساً به این معنی است که فرآیندهای پشت پیش‌بینی‌های آن‌ها ناشناخته نیستند، زیرا این تیم به‌دقت عوامل موثر در خطاهای پیش‌بینی، مانند ابعاد ورودی‌های کلاسیک یا نویز در سیستم را مشخص کرده است. ¹⁴★ نکته مهم این است که عملکرد جایگزین‌های پیش‌بینانه نسبت به اندازه سیستم کوانتومی حساس نیست، که این امر نشان‌دهنده پتانسیل آن‌ها برای مدیریت پردازنده‌های کوانتومی مقیاس بزرگ با هزاران کیوبیت است. ✨ارزیابی‌های اولیه از جایگزین‌های پیش‌بینانه ¹⁵★هوانگ و همکارانش برای ارزیابی پتانسیل الگوریتم‌های پیشنهادی خود، آن‌ها را با استفاده از داده‌های جمع‌آوری‌شده از یک پردازنده کوانتومی ابررسانای واقعی با حداکثر ۴۲ کیوبیت برنامه‌ریزی‌پذیر آموزش دادند. این یک نوع تراشه محاسبات کوانتومی است که با استفاده از ابررساناها (یعنی موادی که مقاومت الکتریکی آن‌ها در یک دمای بحرانی خاص به صفر می‌رسد) ساخته شده است. ¹⁶★هوانگ توضیح داد: «ما سپس آن‌ها را در دو کار شاخص به کار گرفتیم: شتاب‌بخشی به بهینه‌سازی ویژه‌حل‌کننده‌های کوانتومی متغیر و شناسایی فازهای غیرتعادلی کوانتومی ماده. در هر دو مورد، این جایگزین‌ها به دقت پیش‌بینی بالایی دست یافتند و در عین حال هزینه سربار اندازه‌گیری را به میزان قابل‌توجهی یعنی بیش از ۹۹٫۹۷ درصد کاهش دادند.» ـ ¹⁷★ injection به طرز شگفت‌آوری، پژوهشگران همچنین تأیید کردند که مقدار داده‌های کوانتومی مورد نیاز برای آموزش مؤثر جایگزین‌های پیش‌بینانه با افزایش اندازه پردازنده، به طور چشمگیری افزایش نمی‌یابد. این موضوع بسیار امیدوارکننده است، زیرا نشان می‌دهد که این الگوریتم‌ها می‌توانند نتایج پردازنده‌های کوچک و بزرگ‌مقیاس را به‌دقت پیش‌بینی کنند. ¹⁸★هوانگ اظهار داشت: «به طور سنتی، هر محاسبه جدید باید به طور مستقیم و کامل روی سخت‌افزار کوانتومی انجام شود. نتایج ما نشان می‌دهد که در مقابل، برای بسیاری از کارهای مهم عملی، امکان یادگیری یک مدل پیش‌بینانه از پردازنده و سپس استفاده مجدد از آن مدل در چندین محاسبه آینده وجود دارد.» ¹⁹★ آزمایش‌های اولیه انجام‌شده توسط هوانگ و همکارانش نشان می‌دهد که جایگزین‌های پیش‌بینانه می‌توانند هزینه‌های انجام محاسبات کوانتومی را تا چند مرتبه بزرگی کاهش دهند. در برخی وظایف، مشخص شد که این الگوریتم‌ها از روش‌هایی که قبلاً معرفی شده بودند و نیاز به دسترسی مستقیم بیشتری به سخت‌افزار کوانتومی داشتند نیز بهتر عمل می‌کنند. ²⁰★هوانگ ابراز داشت: «به طور گسترده‌تر، ما بر این باوریم که این کار راه را برای همگانی کردن دسترسی به سخت‌افزار پیشرفته کوانتومی باز می‌کند. با ادامه بزرگ‌تر شدن ابعاد پردازنده‌های کوانتومی، جایگزین‌های پیش‌بینانه می‌توانند به پژوهشگران، مهندسان و دانشمندان بسیار بیشتری اجازه دهند تا بدون نیاز به دسترسی مداوم به دستگاه‌های کوانتومی قدرتمند، از آن‌ها بهره‌مند شوند.» ✨امکانات آینده و گام‌های بعدی پژوهش ²¹★این مطالعه اخیر به‌زودی می‌تواند به پژوهشگران بیشتری اجازه دهد تا هنگام دست‌وپنجه نرم کردن با مسائل مختلف ریشه‌دار در فیزیک، شیمی، علم مواد و سایر رشته‌ها، از قابلیت‌های محاسباتی رایانه‌های کوانتومی بهره ببرند. علاوه بر این، الگوریتم‌های این تیم می‌توانند برای شبیه‌سازی سیستم‌های کوانتومی با اندازه‌های مختلف یا یافتن راه‌حل‌های بهینه برای مسائل پیچیده استفاده شوند. ²²★هوانگ بیان کرد: «جایگزین‌های پیش‌بینانه می‌توانند به پژوهشگران در کاهش ارزیابی‌های پرهزینه سخت‌افزاری و اندازه‌گیری‌های مکرر کمک کنند، در حالی که قدرت دستگاه‌های کوانتومی پیشرفته را در دسترس جامعه بسیار گسترده‌تری قرار می‌دهند.» ²³★او می‌افزاید: «ما این کار را به عنوان گامی اولیه به سوی یک اکوسیستم گسترده‌تر از هوش مصنوعی برای علم کوانتوم می‌بینیم و برنامه‌ریزی کرده‌ایم که این مسیر را از هر دو جنبه نظری و تجربی به پیش ببریم.» ²⁴★ هوانگ و همکارانش قصد دارند به بهبود و ارزیابی الگوریتم‌های خود ادامه دهند. علاوه بر این، برخی از اعضای تیم مطالعاتی نظری را با هدف درک بهتر نحوه عملکرد جایگزین‌های پیش‌بینانه انجام خواهند داد. 🆔@keyhan_on1🔭

🔘جایگزین‌های پیش‌بینانه می‌توانند هزینه سربار اندازه‌گیری محاسبات کوانتومی را بیش از ۹۹٫۹۷ درصد کاهش دهند 🌌خلاصه‌ای از رویکرد این تیم که با همکاری چت‌جی‌پی‌تی طراحی شده است. ¹★رایانه‌های کوانتومی، سیستم‌هایی که اطلاعات را با بهره‌گیری از اثرات مکانیک کوانتومی پردازش می‌کنند، این پتانسیل را دارند که در برخی وظایف از رایانه‌های کلاسیک بهتر عمل کنند. با وجود این پتانسیل، استفاده از این سیستم‌ها به دلیل هزینه بالا و چالش‌های دیگری که تاکنون مانع از ساخت آن‌ها در مقیاس بزرگ شده، بسیار محدود مانده است. ²★پژوهشگران در آزمایشگاه کلیدی اطلاعات کوانتومی و رمزنگاری هنان و دانشگاه فناوری نانیانگ، «جایگزین‌های پیش‌بینانه» را توسعه داده‌اند؛ مدل‌های محاسباتی جدیدی که می‌توانند خروجی‌های پردازنده‌های کوانتومی را یاد بگیرند و بازتولید کنند. ³★ این مدل‌ها که در مقاله‌ای در نشریه «نیچر کامیونیکیشنز» معرفی شده‌اند، می‌توانند برای استخراج اطلاعات مفید از رایانه‌های کوانتومی و انجام کارآمدتر محاسبات با تضمین‌های اثبات‌پذیر مورد استفاده قرار گیرند، حتی اگر کاربران دسترسی مستقیم به سخت‌افزار پیشرفته و گران‌قیمت محاسبات کوانتومی نداشته باشند. ⁴★هه-لیانگ هوانگ، نویسنده ارشد این مقاله، به فیز دات ارگ گفت: «پردازنده‌های کوانتومی در سال‌های اخیر به‌سرعت پیشرفت کرده‌اند و این امید را افزایش داده‌اند که بتوانند به حل مسائل مهم در علوم پایه، شیمی، علم مواد و فراتر از آن کمک کنند. با این حال، هنوز دو مانع بزرگ بر سر راه استفاده عملی از آن‌ها وجود دارد؛ اولین مانع دسترسی است و دومین مانع، سرعت.» ⁵★ یک محدودیت کلیدی رایانه‌های کوانتومی موجود این است که ساخت آن‌ها و اطمینان از عملکرد قابل‌اعتمادشان در طول زمان، بسیار هزینه‌بر است. به همین دلیل، تنها تعداد کمی از این رایانه‌ها در سراسر جهان وجود دارد. در نتیجه، پژوهشگران بسیار کمی می‌توانند الگوریتم‌های کوانتومی توسعه‌یافته خود را به طور مستقیم روی پردازنده‌های کوانتومی آزمایش کنند. ⁶★ اکثر پردازنده‌های کوانتومی موجود علاوه بر کمیاب و گران بودن، هنوز داده‌ها را به‌کندی پردازش می‌کنند. این موضوع تا حدی به این دلیل است که اجرای قابل‌اعتماد الگوریتم‌های شبیه‌سازی کوانتومی و سایر الگوریتم‌های کوانتومی، نیازمند جمع‌آوری اندازه‌گیری‌های مکرر بی‌شمار و همچنین ارزیابی‌های دقیق مدار است. ⁷★هوانگ خاطرنشان کرد: «یک مسئله کمتر پنهان اما به همان اندازه مهم این است که خود پردازنده‌های کوانتومی خیلی سریع کار نمی‌کنند. به عنوان مثال، در سیستم‌های ابررسانا، یک مدار کوانتومی کامل اغلب تنها با نرخ‌های کیلواهرتز تکرار می‌شود. وقتی یک کار به میلیون‌ها بار تکرار نیاز دارد، این موضوع به‌سرعت به یک تنگنای عملی جدی تبدیل می‌شود.» 🌌تصویر مفهومی از چارچوب جایگزین پیش‌بینانه. جایگزین‌های پیش‌بینانه از تعاملات محدود با یک پردازنده کوانتومی یاد می‌گیرند و متعاقباً می‌توانند نتایج بسیاری از محاسبات کوانتومی جدید را تنها با استفاده از استنتاج کلاسیک پیش‌بینی کنند. منبع: لیائو و همکاران، نیچر کامیونیکیشنز ۱۷، ۴۷۳۱ (۲۰۲۶). ✨مدل‌های یادگیری کلاسیک جدید که رفتار پردازنده کوانتومی را بازتولید می‌کنند ⁸★هوانگ و همکارانش می‌خواستند به برخی از محدودیت‌های اثبات‌شده رایانه‌های کوانتومی بپردازند. برای انجام این کار، آن‌ها تلاش کردند مدل‌های یادگیری ماشین کلاسیکی را توسعه دهند که رفتار معمول یک پردازنده کوانتومی خاص را چنان خوب یاد بگیرند که بتوانند خروجی‌های آن را به‌دقت پیش‌بینی کنند. ⁹★هوانگ توضیح داد: «ما چارچوب جدیدی را به نام جایگزین‌های پیش‌بینانه توسعه دادیم. یک ویژگی کلیدی این چارچوب این است که با تضمین‌های نظری دقیقی همراه است. جایگزین‌های پیش‌بینانه پس از آموزش روی مقدار نسبتاً کمی از داده‌های جمع‌آوری‌شده از یک پردازنده کوانتومی، می‌توانند نتایج بسیاری از محاسبات آینده را کاملاً در سمت کلاسیک پیش‌بینی کنند.» ¹⁰★او می‌افزاید: «به این ترتیب، آن‌ها با کاهش پرس‌وجوهای مکرر سخت‌افزاری و هزینه‌های اندازه‌گیری، راهی کاربردی برای رسیدن به سودمندی کوانتومی ارائه می‌دهند و در عین حال، پردازنده‌های کوانتومی پیشرفته را برای جامعه بسیار گسترده‌تری مفید می‌سازند.» ¹¹★ جایگزین‌های پیش‌بینانه، یعنی الگوریتم‌هایی که توسط این تیم پژوهشی توسعه یافته‌اند، اساساً می‌توانند به عنوان «دوقلوهای دیجیتال» یک پردازنده کوانتومی دیده شوند. این الگوریتم‌ها با تحلیل یک مجموعه داده کوچک جمع‌آوری‌شده از یک پردازنده کوانتومی، رابطه بین ورودی‌های کلاسیک داده‌شده به پردازنده و اندازه‌گیری‌ها یا خروجی‌های مربوط به آن را یاد می‌گیرند. 🆔@keyhan_on1🔭

لوکا پارمیتانو در آرتمیس ۳ 🆔@keyhan_on1🔭

🔘ناسا از خدمه آرتمیس ۳ برای برداشتن گام بزرگ بعدی به سمت ماه رونمایی کرد 🌌خدمه آرتمیس ۳: آندره داگلاس، لوکا پارمیتانو، رندی برزنیک و فرانک روبیو. منبع: ناسا / بیل استفورد ¹★نیویورک (آسوشیتد پرس) – ناسا روز سه‌شنبه از خدمه مأموریت آرتمیس ۳ رونمایی کرد؛ این اقدام، گام بعدی در برنامه این آژانس فضایی برای فرود نهایی فضانوردان بر روی ماه است. ²★ این اعلامیه دو ماه پس از سفر رکوردشکن آرتمیس ۲ به دور ماه منتشر شد؛ سفری که رکورد مسافت ثبت‌شده توسط آپولو ۱۳ را شکست. ³★رندی برزنیک، فرانک روبیو و آندره داگلاس از ناسا به همراه لوکا پارمیتانو از آژانس فضایی اروپا، به ماه پرواز نخواهند کرد و بر سطح آن فرود نخواهند آمد. ⁴★ در عوض، آن‌ها در حین تمرین اتصال کپسول اوریون خود به دو مه‌نشین، به دور زمین گردش خواهند کرد. ⁵★جرد آیزاکمن، مدیر ناسا، ابراز داشت: «برای خدمه آرتمیس ۳، در سفر پیش رو آرزوی موفقیت و سلامت داریم.» ⁷★شرکت اسپیس‌ایکس متعلق به ایلان ماسک و بلو اوریجین متعلق به جف بزوس در رقابتی تنگاتنگ برای تحویل مه‌نشین‌ها هستند. ✨هدف‌گذاری این آزمایش دو هفته‌ای برای سال ۲۰۲۷ است. ⁸★ بلو اوریجین اخیراً دچار یک عقب‌گرد شد؛ زمانی که موشک غول‌پیکر آن در جریان آزمایش آتش موتور روی سکوی پرتاب در فلوریدا منفجر شد، خانه‌های اطراف را لرزاند و آسمان را با یک گلوله آتشین نارنجی‌رنگ روشن کرد. ⁹★جرمی پارسونز از ناسا خاطرنشان کرد که این عقب‌گرد یک فرصت یادگیری است و این آژانس فضایی اطمینان دارد که موشک بلو اوریجین به موقع آماده خواهد شد. ¹⁰★هدف برنامه آرتمیس ناسا این است که فضانوردان را برای نخستین بار از دهه ۱۹۷۰ میلادی به سطح ماه بازگرداند. ¹¹★ بازنگری اخیری که توسط آیزاکمن در این برنامه اعلام شد، با هدف شتاب‌بخشی به آن همانند دوران آپولو انجام گرفته است؛ این بازنگری پرواز فضایی آتی به دور زمین را پیش از چشم دوختن به فرود روی ماه در سال ۲۰۲۸ اضافه می‌کند. 🌌اعضای خدمه مأموریت اعزامی ۷۴ که هم‌اکنون در ایستگاه فضایی بین‌المللی حضور دارند – سوفی آدنوت، جک هاتاوی، جسیکا میر و کریس ویلیامز – در یک پیام ویدئویی ضبط‌شده به خدمه آرتمیس ۳ تبریک گفتند. منبع: ناسا ¹²★رندی برزنیک، فرمانده آرتمیس ۳، بیان کرد: «ما به عنوان یک خدمه قطعاً متواضع و مفتخریم که می‌توانیم خدمه شما برای اجرای این مأموریت آرتمیس ۳ در فضا باشیم.» ¹³★آندره داگلاس، متخصص مأموریت، این‌گونه توضیح داد: «مغز من در حال حاضر با سرعت سرسام‌آوری کار می‌کند.» ✨«اما قلبم بسیار گرم و سرشار از احساس است.» ¹⁴★ناسا در ماه مه، قراردادهایی به ارزش صدها میلیون دلار را با چهار شرکت، از جمله بلو اوریجین، برای ساخت مه‌نشین‌ها، ماه‌نوردها و پهپادها برای یک پایگاه آینده در ماه امضا کرد. ¹⁵★جرد آیزاکمن تصریح کرد که هدف از پایگاه ماه، پی‌ریزی شالوده مأموریت به مریخ است. منبع: ساینس‌آلرت ( sciencealert) 🆔@keyhan_on1🔭 🔄خلاصه کوتاه این مطلب ₁★ناسا خدمه آرتمیس ۳ را رونمایی کرد: رندی برزنیک، فرانک روبیو، آندره داگلاس و لوکا پارمیتانو (آژانس فضایی اروپا) که هرچند به ماه پرواز نمی‌کنند، اما در مدار زمین اتصال کپسول اوریون به دو مه‌نشین را تمرین خواهند کرد. ₂★این مأموریت دو هفته‌ای که برای ۲۰۲۷ هدف‌گذاری شده، دو ماه پس از سفر رکوردشکن آرتمیس ۲ به دور ماه اعلام شد و گامی میانی پیش از فرود نهایی روی ماه در ۲۰۲۸ است. ₃★اسپیس‌ایکس و بلو اوریجین در رقابتی تنگاتنگ برای تحویل مه‌نشین‌ها هستند؛ بلو اوریجین اخیراً با انفجار موشک غول‌پیکرش روی سکوی پرتاب فلوریدا دچار عقب‌گرد شد، اما ناسا آن را فرصتی یادگیری می‌داند. ₄★برنامه آرتمیس با بازنگری جدید، مسیری شتاب‌یافته مشابه دوران آپولو را دنبال می‌کند و هدف نهایی آن پی‌ریزی پایگاهی در ماه به عنوان شالوده سفر به مریخ است. ₁★NASA unveiled the Artemis III crew—Randy Bresnik, Frank Rubio, Andre Douglas, and ESA's Luca Parmitano—who will not fly to the Moon but will practice docking Orion with two lunar landers in Earth orbit. ₂★The two-week test, targeted for 2027, was announced two months after Artemis II's record-breaking trip around the Moon and serves as a stepping stone toward a lunar landing in 2028. ₃★SpaceX and Blue Origin are in a tight race to deliver the landers; Blue Origin recently suffered a setback when its giant rocket exploded on the Florida launch pad, but NASA views it as a learning opportunity. ₄★The Artemis program, now under an accelerated Apollo-style review, ultimately aims to build a Moon base as the foundation for a future Mars mission.

🔘باد گم‌شده سیاه‌چاله راه شیری سرانجام پس از جستجویی نیم‌قرنی پیدا شد. ص ¹★     ص ²★      ص ³★   پاد کست صوتی 🔘منظومه شمسی ممکن است ۲ سیاره را از دست داده باشد، و این راز به‌تازگی عمیق‌تر شده است ص ²★ پاد کست صوتی ویدیو 🔘ساختار پوسته کوانتومی از قاعده جدیدی برای جفت‌شدن پروتون-نوترون در داخل هسته پرده برمی‌دارد ص ¹★   ص ²★  ص ³★    پادکست صوتی 🔘بزرگ‌ترین نقشه از میدان‌های مغناطیسی پنهان جهان رونمایی شد ص ²★ ویدیو پاد کست صوتی 🔘فیزیکدانان خانواده جدیدی از حالت‌های گربه شرودینگر را خلق کردند ص ²★ پاد کست صوتی

¹⁰★«ما واقعاً از واکنش همکارانمان وقتی آنچه را ساخته بودیم به آن‌ها نشان دادیم، دلگرم شدیم.ما بر این باوریم که هنوز در ابتدای راهِ چیزهای ممکن هستیم، هم برای کاربردهای عملی و هم برای درک این حالت‌ها در یک سطح بنیادی‌تر.» دکتر راغاوندارا سرینیواس از دپارتمان فیزیک دانشگاه آکسفورد که سرپرستی این کار را بر عهده داشت، این مسئله را خاطرنشان می‌کند. ¹¹★ این کار راه را به سوی فناوری‌های کوانتومی باز می‌کند که به جای استفاده‌ی صِرف از بیت‌های کوانتومی ساده، از نوسانگرهای کوانتومی بهره می‌برند. یک مسیر نویدبخش در محاسبات کوانتومی است؛ چنین حالت‌هایی می‌توانند در برابر خطاها مقاوم‌تر باشند و در عین حال پروتکل‌های تصحیح خطای ساده‌تر و مستحکم‌تری را امکان‌پذیر کنند. این سیستم‌ها همچنین بستر جدیدی را برای کاوش در مرز میان رفتار کلاسیک و کوانتومی فراهم می‌سازند. منبع: [فیز دات اُرگ (Phys.org) 🆔@keyhan_on1🔭 🔄خلاصه کوتاه این مطلب ₁★فیزیک‌دانان دانشگاه آکسفورد خانواده‌ای کاملاً جدید از ابرموقعیت‌های کوانتومی شبیه گربه شرودینگر را با استفاده از یک تک‌یون به دام افتاده خلق کردند؛ این بار نه از حالت‌های همدوس شبه‌کلاسیک، بلکه از مؤلفه‌های به‌شدت غیرکلاسیک مانند حالت‌های فشرده. ₂★روش آن‌ها با درهم‌تنیدن حالت داخلی یون (کیوبیت) و حالت حرکتی آن (نوسانگر هارمونیک)، و سپس یک اندازه‌گیری میان‌مداری، امکان ساخت ابرموقعیت‌هایی تقریباً با هر شکل دلخواه را با کنترل برنامه‌ریزی‌پذیر روی اندازه، چرخش و فاصله مؤلفه‌ها فراهم کرد. ₃★بازسازی مستقیم حالت‌ها، الگوهای تداخلی و نواحی منفی بودن تابع ویگنر را آشکار کرد که ثابت می‌کند این ابرموقعیت‌ها واقعاً کوانتومی‌اند و نمی‌توان آن‌ها را با آمیخته‌های کلاسیک توصیف کرد. ₄★این دستاورد راه را برای رایانش کوانتومی مقاوم‌تر در برابر خطا با پروتکل‌های تصحیح ساده‌تر هموار می‌کند و بستری تازه برای کاوش مرز میان دنیای کلاسیک و کوانتومی فراهم می‌سازد. ₁★University of Oxford physicists created a whole new family of Schrödinger-cat-like quantum superpositions using a single trapped ion—this time built not from quasiclassical coherent states, but from highly nonclassical components such as squeezed states. ₂★By entangling the ion's internal state (qubit) with its motion (harmonic oscillator) and performing a mid-circuit measurement, the method offers programmable control to engineer superpositions of nearly any shape, tuning size, rotation, and separation. ₃★Direct reconstruction of the states revealed interference patterns and Wigner-function negativity—unequivocal signatures proving these are genuine quantum superpositions that cannot be described as classical mixtures. ₄★The breakthrough opens a path toward more error-resilient quantum computing with simpler correction protocols and provides a fresh platform for probing the boundary between classical and quantum behaviour.

🔘فیزیکدانان خانواده جدیدی از حالت‌های گربه شرودینگر را خلق کردند 🌌تابع ویگنر بازسازی‌شده از ابرموقعیتِ دو حالتِ سه‌بار فشرده‌شده. تقارن چرخشی شش‌جزیی و نواحی منفی بودن ویگنر در آن، از تداخل کوانتومی کاملاً غیرکلاسیک در حرکت یون پرده برمی‌دارد. منبع: دپارتمان فیزیک، دانشگاه آکسفورد ¹★مکانیک کوانتومی بر خلاف فیزیک کلاسیک، به اشیاء اجازه می‌دهد تا به طور هم‌زمان در بیش از یک حالت وجود داشته باشند. این ایده اغلب با گربه شرودینگر تصویر می‌شود؛ گربه‌ای که تصور می‌رود تا زمان مشاهده شدن، هم زنده است و هم مرده. فیزیکدانان در آزمایشگاه می‌توانند نسخه‌هایی کم‌هیجان‌تر اما بسیار واقعی از این اثر را با قرار دادن هم‌زمان اتم‌ها، نور یا حرکت در دو حالت کوانتومی متمایز خلق کنند. ایجاد و کنترل این ابرموقعیت‌ها برای کاربردهایی از محاسبات کوانتومی گرفته تا زمان‌سنجی دقیق، حیاتی است. ²★یک نمونه ساده، یک بیت کوانتومی یا کیوبیت در ابرموقعیتِ هر دو حالت ۰ و ۱ است، اما سیستم‌های کوانتومی تنها به دو حالت محدود نمی‌شوند. در یک نوسانگر هارمونیک کوانتومی که می‌تواند ترازهای انرژی بسیار متفاوتی را اشغال کند، مجموعه بسیار غنی‌تری از احتمالات وجود دارد. نوسانگرهای هارمونیک کوانتومی بسیاری از سیستم‌های فیزیکی از جمله نور، ارتعاشات و حرکت ذرات به دام افتاده را توصیف می‌کنند و برای خلق طیف وسیعی از ابرموقعیت‌های کوانتومی به کار رفته‌اند. یک نمونه معروف، «حالت گربه‌ای» است که در آن، یک نوسانگر در ابرموقعیتِ دو بسته موجی قرار می‌گیرد که در جهت‌های مخالف جابه‌جا شده‌اند. این بسته‌های موج که به عنوان حالت‌های همدوس شناخته می‌شوند، تا جایی که مکانیک کوانتومی اجازه می‌دهد به حرکت کلاسیک شباهت دارند. ³★ پژوهشگران دانشگاه آکسفورد اکنون خانواده جدیدی از ابرموقعیت‌های کوانتومی را به نمایش گذاشته‌اند. آن‌ها به جای ساختن حالت‌های گربه‌مانند از بسته‌های موجِ حالتِ همدوس، روشی را برای ایجاد ابرموقعیت‌ها از طیف گسترده‌ای از مؤلفه‌ها توسعه دادند که خودشان به شدت غیرکلاسیک هستند. در نمونه‌هایی مانند ابرموقعیت‌های حالتِ فشرده، عدم قطعیت کوانتومی در هر بخش از حالت به شکل متفاوتی بازتوزیع می‌شود. این پژوهش در نشریه «فیزیکال ریویو ایکس» منتشر شده است. ⁴★ این آزمایش از حرکت یک تک‌یون به دام افتاده استفاده کرد. یک یون به دام افتاده دو نوع متفاوت از سیستم کوانتومی را با هم ترکیب می‌کند: حالت داخلی آن مانند یک کیوبیت عمل می‌کند، در حالی که حرکت آن مانند یک نوسانگر هارمونیک کوانتومی رفتار می‌کند که قادر است حالت‌های حرکتی بسیار متفاوتی را اشغال کند. این ویژگی، آن را به بستری قدرتمند برای مهندسی حالت‌های کوانتومی تبدیل می‌کند که فراتر از کیوبیت‌های معمولی می‌روند. 🌌دکتر اوآنا بازاوان (سمت چپ) و دکتر سباستین سانر (سمت راست) در آزمایشگاه دانشگاه آکسفورد. منبع: دپارتمان فیزیک، دانشگاه آکسفورد ✨روش یون به دام افتاده چگونه کار می‌کند ⁵★ این تیم برای خلق این حالت‌ها، ابتدا از تعاملات مهندسی‌شده برای درهم‌تنیده کردن حالت داخلی یون با حالت‌های حرکتی مختلفِ ممکن استفاده کرد. سپس یک اندازه‌گیری کوانتومیِ میان‌مداری از حالت داخلی، حرکت یون را به ابرموقعیتِ انتخابی از مؤلفه‌های غیرکلاسیک منتقل کرد. ⁶★«این رویکرد ابزاری به ما داد تا ابرموقعیت کوانتومی را تقریباً به هر شکلی بسازیم.» دکتر سباستین سانر، نویسنده اصلی پژوهش از دپارتمان فیزیک دانشگاه آکسفورد، این موضوع را توضیح می‌دهد. ⁷★ این روش به پژوهشگران کنترلی برنامه‌ریزی‌پذیر روی حالت‌های تولیدشده داد. آن‌ها می‌توانستند با تغییر تنظیمات آزمایش، اندازه نسبی، چرخش و فاصله مؤلفه‌ها را تنظیم کنند و این امر اجازه داد تا طیف وسیعی از ابرموقعیت‌های حرکتیِ شگفت‌انگیز در همان سیستم یون به دام افتاده ایجاد شود. ⁸★ این تیم به طور مستقیم حالت‌های کوانتومی خلق‌شده را بازسازی کرد. این بازسازی‌ها الگوهای تداخلی و نواحی منفی بودن ویگنر را آشکار کردند—نشانه‌هایی که ثابت می‌کرد این حالت‌ها را نمی‌توان به عنوان مخلوط‌های کلاسیک معمولی توصیف کرد. این ویژگی‌ها تایید کردند که آزمایش، ابرموقعیت‌های کوانتومی واقعی از حالت‌های حرکتیِ اصالتاً غیرکلاسیک تولید کرده است. ✨چرا این نتایج اهمیت دارند ⁹★ پژوهشگران اکنون در حال همکاری با نظریه‌پردازان هستند تا با دقت بیشتری تعیین کنند که این حالت‌ها تا چه حد «کوانتومی» هستند. 🆔@keyhan_on1🔭

دقیقترین نقشه از میدانهای مغناطیسی کیهان توسط تلسکوپ رادیویی استرالیا تهیه شد با زیرنویس فارصی اختصاصی ✨بزرگترین تلسکوپ رادیویی استرالیا برای تهیه بزرگترین و دقیقترین نقشه از میدانهای مغناطیسی کیهان مورد استفاده قرار گرفته است. ✨الک تامسون، دانشمند سازمان پژوهشهای علمی و صنعتی کشورهای همسود (CSIRO)، میگوید این اولین گام بزرگ برای درک چگونگی تأثیر میدانهای مغناطیسی بر نحوه عملکرد کهکشانها است. 🆔@keyhan_on1🔭

¹⁷★ برای شروع حل این مشکلات، ما به نسل جدیدی از تلسکوپ‌های رادیویی نیاز داریم. ✨تلسکوپی ساخته‌شده برای سرعت ¹⁸★ نجوم رادیویی در حال حاضر با ساخت رصدخانه اس‌کی‌ای (SKA) در آفریقای جنوبی و استرالیا، در حال تجربه یک انقلاب است. ¹⁹★★ در مسیر این آمادگی، نسلی از تلسکوپ‌ها که به عنوان پیشروها و ردیاب‌های اس‌کی‌ای شناخته می‌شوند، از قبل در سراسر جهان در حال فعالیت هستند. ²⁰★ تلسکوپ رادیویی اَسکَپ یکی از این پیشروها است. این تلسکوپ که در اینیاریمانها ایلگاری بوندارا، یعنی رصدخانه رادیو-نجومی مورچیسونِ سی‌اس‌آی‌آرو در منطقه واجاری یاماجی در استرالیای غربی قرار دارد، از ۳۶ دیش ۱۲ متری تشکیل شده است. این دیش‌ها هر کدام می‌توانند بخش عظیمی از آسمان را به طور هم‌زمان ببینند و دید فوق‌عریضی از جهان را در اختیار اخترشناسان قرار دهند. 🌌تلسکوپ رادیویی اسکپِ سازمان سی‌اس‌آی‌آرو در اینیاریمانها ایلگاری بوندارا، یعنی رصدخانه رادیو-نجومی مورچیسونِ سی‌اس‌آی‌آرو در منطقه واجاری یاماجی. منبع: سی‌اس‌آی‌آرو ²¹★ پروژه شاخص برای ساخت نقشه‌ای از میدان‌های مغناطیسی جهان، به عنوان «نقشه‌برداری قطبش آسمان از مغناطیس جهان» یا پوزوم (POSSUM) شناخته می‌شود. ²²★ تیم این تلسکوپ در مسیر آمادگی برای این پروژه، «نقشه‌برداری‌های پیوسته و سریع اسکپ» یا رکس (RACS) را انجام دادند که این کار شبیه به ساختن اطلسی از جهان است. ²³★ جدیدترین نسخه‌های این نقشه‌برداری‌ها نزدیک به ۴ میلیون کهکشان دوردست را شناسایی کرده‌اند که حدود ۲ میلیون از آن‌ها پیش از این هرگز دیده نشده بودند. ✨آسمان مغناطیسی ²⁴★ نقشه جدید ما که اسپایس-رکس نام دارد، حاصل همکاری بین دو تیم نقشه‌برداری است. ²⁵★ نویسندگان بیان می‌دارند که هدف آن‌ها نگاه کردن به سمت تک‌تک کهکشان‌های یافته‌شده توسط رکس و رصد نشانه‌های تغییر قطبش ناشی از میدان‌های مغناطیسی بوده است؛ آن‌ها با استفاده از آخرین نسخه منتشرشده از این نقشه‌برداری، ۳۵۰ هزار کهکشان را از میان آن ۴ میلیون کهکشان اولیه یافتند که می‌توانستند برای این منظور استفاده کنند. ²⁶★ مجموعه منابع ما تقریباً ۱۰ بار بزرگ‌تر از بزرگ‌ترین مجموعه قبلی و ۵ بار بزرگ‌تر از تمام مشاهداتی است که تا کنون با یکدیگر ترکیب شده‌اند. ✨ در نتیجه، ما به بزرگ‌ترین و دقیق‌ترین نقشه تا به امروز دست یافته‌ایم. 🌌این نقشه جدید که اسپایس-رکس نام دارد، دقیق‌ترین نقشه از میدان‌های مغناطیسی پنهان جهان را نشان می‌دهد. این نقشه پنج برابر بزرگ‌تر از تمام تلاش‌های قبلیِ ترکیب‌شده با یکدیگر است. منبع: الک تامسون و همکاران ²⁷★ این نقشه دارای رنگ‌های قرمزی است که میدان‌های مغناطیسیِ رو به ما را نشان می‌دهند و رنگ‌های آبی که جهت مخالف را نمایش می‌دهند، درست مانند شمال و جنوب یک قطب‌نما. ²⁸★ بیشتر ساختارهای چرخان و حباب‌مانندی که می‌توانیم ببینیم، مربوط به کهکشان راه شیری خودمان است. در جزئیات ظریف این نقشه، نشانه‌هایی از بخش‌های حتی دورتر جهان وجود دارد. ²⁹★ این نقشه جدید از همین حالا در حال فراهم کردن امکان تحقیقات علمی تازه در سراسر جهان است و داده‌های آن به صورت آنلاین و عمومی در دسترس جامعه پژوهشی قرار دارد. ³⁰★ ما قصد داریم در آینده، تمام نسخه‌های رکس را با یکدیگر ترکیب کنیم تا نقشه‌ای حتی بزرگ‌تر و دقیق‌تر خلق نماییم. ³¹★ نشریه کانورسیژن خاطرنشان می‌سازد که در همین حال، انتظار می‌رود پروژه پوزوم مشاهدات خود را تا سال ۲۰۳۰ به پایان برساند؛ نقشه مغناطیسی واضح‌ترِ حاصل از این نقشه‌برداری، پنجره جدیدی را به سوی میدان‌های مغناطیسی کیهانی دوردست خواهد گشود و به ما اجازه می‌دهد تا به زمان‌های دورتری در تاریخ جهان بنگریم. ³²★ الک تامسون، دانشمند راه‌اندازی بخش فرکانس‌پایینِ اس‌کی‌ای در رصدخانه آرایه کیلومتر مربعی؛ و وابسته بخش فضا و نجوم در سازمان سی‌اس‌آی‌آرو. ³³★ این مقاله تحت مجوز کرییتیو کامنز از وب‌سایت کانورسیژن بازنشر شده است. مقاله اصلی را بخوانید. منبع: ساینس‌آلرت ( sciencealert) 🆔@keyhan_on1🔭 ♻️اخترشناسان با تلسکوپ رادیویی اَسکَپ، نقشه اسپایس-رکس را رونمایی کردند؛ بزرگ‌ترین و دقیق‌ترین نقشه میدان‌های مغناطیسی پنهان جهان که با ۳۵۰ هزار کهکشان، این باتری‌های غول‌پیکر کیهانی را ۱۰ برابر بزرگ‌تر از هر نقشه پیشین ترسیم می‌کند و گام نخست به سوی پروژه پوزوم تا ۲۰۳۰ است. ♻️Using the ASKAP radio telescope, astronomers unveiled SPICE-RACS—the largest and most detailed map of the universe's hidden magnetic fields—using 350,000 galaxies to chart these giant cosmic batteries at 10 times the size of any previous map, marking a first step toward the POSSUM project through 2030.

🔘بزرگ‌ترین نقشه از میدان‌های مغناطیسی پنهان جهان رونمایی شد 🌌این نقشه جدید که اسپایس-رکس نام دارد، دقیق‌ترین نقشه از میدان‌های مغناطیسی پنهان جهان را نشان می‌دهد. منبع: تامسون و همکاران، نشریه انجمن نجوم استرالیا، ۲۰۲۶ ¹★میدان‌های مغناطیسی بخشی بنیادین از جهان هستند. آن‌ها نحوه حرکت ذرات کوچک – یعنی خشت‌های بنای سیارات، ستارگان و در نهایت کهکشان‌ها – را در فضا کنترل می‌کنند. ²★ما هنوز نمی‌دانیم که میدان‌های مغناطیسی چگونه در جهان به وجود آمده‌اند، اما می‌دانیم که آن‌ها همه‌جا حضور دارند. خود زمین نیز دارای یک میدان مغناطیسی است که قطب‌نماها و پرندگان مهاجر به آن پاسخ می‌دهند. ³★ اخترشناسان می‌توانند با استفاده از تلسکوپ‌های رادیویی، از نور کهکشان‌های دوردست برای روشن کردن این نواحیِ در غیر این صورت نامرئی در فضا بهره بگیرند. ⁴★ نویسندگان مقاله توضیح می‌دهند که در این مطالعه که امروز در نشریه انجمن نجوم استرالیا منتشر شد، از قدرتمندترین تلسکوپ رادیویی استرالیا برای خلق بزرگ‌ترین و دقیق‌ترین نقشه ساخته‌شده از میدان‌های مغناطیسی کیهانی استفاده کرده‌اند. 🌌نقشه جدید همراه با برچسب‌گذاری برخی از ویژگی‌های مرئی آسمان. منبع: تامسون و همکاران، نشریه انجمن نجوم استرالیا، ۲۰۲۶ ✨باتری‌های غول‌پیکری که کهکشان‌ها را کنترل می‌کنند ⁵★ میدان‌های مغناطیسی در سراسر جهان به شدت با یکدیگر تفاوت دارند. اجرام بسیار چگال مانند ستارگان نوترونی و سیاه‌چاله‌ها، میدان‌های مغناطیسی‌ای دارند که هزاران میلیارد بار قوی‌تر از میدان مغناطیسی خود زمین است. ⁶★ دانشمندان تشریح می‌کنند که در فضای میان ستارگان نیز میدان‌های مغناطیسی‌ای را اندازه‌گیری کرده‌اند که یک میلیون بار ضعیف‌تر از میدان زمین است. با وجود این ضعف، می‌دانیم که این میدان‌ها برای کنترل نحوه تکامل کهکشان‌ها فوق‌العاده مهم هستند؛ چرا که آن‌ها مانند باتری‌های غول‌پیکر عمل می‌کنند، مقادیر عظیمی از انرژی را ذخیره می‌سازند و سرعت شکل‌گیری ستارگان جدید را کاهش می‌دهند یا حتی از آن جلوگیری می‌کنند. ⁷★ اما میدان‌های مغناطیسی برای ما نامرئی هستند. اخترشناسان برای یافتن آن‌ها در فضا، ناچارند فقط از نور ستارگان و کهکشان‌های دوردست استفاده کنند؛ چرا که نور، موجی از میدان‌های الکتریکی و مغناطیسی است (و نام «طیف الکترومغناطیسی» نیز از همین‌جا گرفته شده است). 🌌این نقشه جدید بر اساس این اصل کار می‌کند که نور هنگام سفر در میان میدان‌های مغناطیسی می‌چرخد. در اینجا، نقشه بر روی تصویری از تلسکوپ رادیویی اَسکَپ متعلق به سازمان سی‌اس‌آی‌آرو در منطقه واجاری یاماجی در استرالیای غربی قرار گرفته است. منبع: سی‌اس‌آی‌آرو / الک تامسون و همکاران / الکس چرنی / سم مورفیلد ⁸★ محققان خاطرنشان می‌سازند که نور در حین سفر در سراسر جهان، با هر میدان مغناطیسی که از آن بگذرد تعامل می‌کند. این امر باعث چرخش جهتی می‌شود که نور در آن نوسان می‌کند – ما این پدیده را «قطبش» می‌نامیم؛ بنابراین، نوری که به سمت بالا و پایین نوسان می‌کند، قطبش متفاوتی نسبت به نوری دارد که به چپ و راست نوسان می‌کند. ⁹★ اخترشناسان می‌توانند این قطبش را آشکار کنند، به‌ویژه هنگامی که آسمان را در امواج رادیویی – که بخشی از طیف الکترومغناطیسی هستند – رصد می‌کنند. ✨دیدن نامرئی‌ها ¹⁰★ تلسکوپ‌های استرالیایی از زمان نخستین آشکارسازی میدان‌های مغناطیسی، همواره در پیشگامیِ نجوم رادیویی و همچنین تشخیص این میدان‌ها بوده‌اند. ¹¹★ موریانگ، تلسکوپ رادیویی پارکْس متعلق به سازمان سی‌اس‌آی‌آرو، نخستین تلسکوپی بود که در سال ۱۹۶۲ قطبش چرخشی نور برخاسته از میدان‌های مغناطیسی فراتر از زمین را آشکار کرد. ¹²★ از آن زمان تاکنون، اخترشناسان همواره در تلاش بوده‌اند تا منابع بیشتر و بیشتری را بیابند که این نور چرخشی را به ما نشان می‌دهند. ما می‌توانیم با اندازه‌گیری‌های کافی، نقشه‌ای از میدان‌های مغناطیسی جهان خلق کنیم. ¹³★ هر نقطه در این نقشه، جرمی است که توسط تلسکوپ ما شناسایی شده و نور آن جرم، میدان‌های مغناطیسی میان ما و آن منبع دوردست را روشن کرده است. هرچه منابع بیشتری را شناسایی کنیم، نقشه ما دقیق‌تر می‌شود. ¹⁴★ آخرین نقشه بزرگ از میدان‌های مغناطیسی در سال ۲۰۰۹ ساخته شد. این نقشه در طول ۱۷ سال پس از آن، جانشین واقعی به خود ندیده بود که این امر عمق و دامنه پرسش‌هایی را که اخترشناسان به دنبال پاسخ به آن‌ها بوده‌اند، محدود می‌کرد. ¹⁵★ ما هنوز قدرت و ساختار کامل میدان‌های مغناطیسی کیهانی را در نواحی مختلف جهان، از جمله کهکشان راه شیری خودمان، به طور کامل درک نکرده‌ایم. ¹⁶★ ما نه تنها نمی‌دانیم آن‌ها چگونه به وجود آمده‌اند، بلکه از چگونگی تغییرات آن‌ها در طول زمان پس از انفجار بزرگ نیز بی‌اطلاعیم. 🆔@keyhan_on1🔭