ناشران جهانی نصف تریلیون دلار برای حمایت از زغال سنگ اختصاص می دهند

ملل در سراسر جهان با ادامه سرمایه گذاری در صنعت ذغال سنگ به جای سرمایه گذاری در طرح های بادی و خورشیدی ارزان تر و سازگار با محیط زیست ، خطر ابتلا به 640 میلیارد دلار را هدر داده اند.

در گزارشی که روز پنج شنبه منتشر شد ، اندیشکده اقتصادی Carbon Tracker گفت: 60 درصد نیروگاه های زغال سنگ در جهان برق با هزینه بالاتر از جایگزین های انرژی تجدید پذیر ارائه می دهند.

با آغاز طرحهای سبز در سالهای اخیر ، سرمایه گذاران اعتماد به نفس قرن ها خود را به زغال سنگ رها کرده اند. اما به دلیل عمده فشارهای سیاسی ، دولت ها همچنان سرمایه گذاری در صنعت ذغال سنگ را تأمین می کنند . گزارش Carbon Tracker نسبت به چنین عملی هشدار می دهد.

مت گری ، کربن ردیاب ، سرپرست نیرو و آب و برق و همکار نویسنده گفت: "انرژی های تجدید پذیر ذغال سنگ غیرقابل رقابت در سراسر جهان هستند و سرمایه گذاری های ذغال سنگ پیشنهاد شده است که دارایی های رشته ای شوند که می توانند در انرژی زغال سنگ گران قیمت برای چندین دهه قفل شوند." گزارش. "بازار انتقال انرژی کم کربن را هدایت می کند ، اما دولت ها گوش نمی دهند."

به گفته تحلیلگر ارشد Carbon Tracker ، سریا سوندراسان ، "سرمایه گذاران باید نسبت به تکیه بر ادامه حمایت دولت از زغال سنگ مراقب باشند وقتی که مرحله نهایی ، میلیاردها رأی دهندگان خود را نجات دهد و اقتصاد خود را رقابتی تر کند."

برای اینکه گرم شدن کره زمین تا پایان این قرن به 1.5 درجه سانتیگراد برسد ، طبق اهداف تعیین شده توسط توافق نامه پاریس در مورد تغییر اقلیم ، باید اعتماد جهانی به قدرت ذغال سنگ قبل از سال 2030 کاهش یابد. تاریخ ، نیاز به کاهش 80 درصدی از سطح زغال سنگ در سال 2010 است. علاوه بر این ، طبق گزارش کربن ردیاب ، یک کارخانه ذغال سنگ مجبور است هر روز تا سال 2040 بسته شود تا درپوش گرمایش جهانی 1.5 درجه سانتیگراد را تأمین کند.

در این گزارش با عنوان "چطور بیش از نیم تریلیون دلار هدر دهیم" ، آمده است: تهدید تغییرات آب و هوا و فواید روشن زیست محیطی و اقتصادی ، اقدام فوری را ضروری می کند. تقریباً 500 گیگاوات برق ذغال سنگ جدید در سطح جهان برنامه ریزی شده یا در حال ساخت است.
در این گزارش آمده است: "این منطقی است که دولتها پروژه های جدید ذغال سنگ را فوراً و به تدریج از گیاهان موجود فسخ کنند.

در این گزارش آمده است که چین به ویژه با انتخاب های فوری روبرو است. نیمی از انرژی ذغال سنگ جهان در آنجا تولید می شود ، که در هر 10 کارخانه هفت مورد از چینی ها بیش از مزارع خورشیدی و بادی هزینه دارد. با توجه به ضربه فوق العاده ای که اقتصاد آنها در نتیجه COVID-19 به دست آورد ، که به نظر می رسد در روزهای اخیر در چین رو به تسکین است ، با این وجود آنها می توانند با تجدید نظر در مورد اعتماد به نفس فوق العاده خود به زغال سنگ و مقاومت در برابر تلاش برای تخصیص بودجه محرک اقتصادی به یک صنعت در حال مرگ ، سود ببرند. . کربن ردیاب از چین خواست که "از سرمایه گذاری در انرژی زغال سنگ که از نظر اقتصادی زائد و از نظر زیست محیطی فاجعه بار است ، جلوگیری کند."

در سطح جهان ، جمعیتی که از لحاظ زیست محیطی آگاه تر هستند ، از حمایت های فزاینده ای برای جایگزین های انرژی مانند منابع خورشیدی ، باد ، هیدرو ، جزر و مد ، زمین گرمایی و زیست توده حمایت می کنند.

در این گزارش آمده است: "سیاستگذاران برای جلوگیری از به حداقل رساندن ریسک دارایی رشته ای و تسریع در انتقال به اقتصاد کم کربن ، باید فوراً سرمایه گذاری های جدید را در انرژی ذغال سنگ متوقف کنند و تنظیم بازار قدرت را مجددا طراحی کنند ."

نابرابری انرژی بین کشورها

نابرابری انرژی بین کشورها

این مطالعه توزیع نابرابر ردپای انرژی بین کشورها را نشان می دهد ، به طوری که 20٪ از شهروندان انگلستان در 5٪ برتر مصرف کنندگان انرژی به همراه 40٪ از شهروندان آلمانی و 100٪ از جمعیت لوکزامبورگ تعلق دارند.

 
در همین حال ، تنها 2٪ از جمعیت چین در 5٪ برتر مصرف کنندگان انرژی و صرفاً 0.02٪ از جمعیت هندوستان قرار دارند.

فقیرترین 20٪ از جمعیت انگلستان هنوز بیش از پنج برابر بیشتر از انرژی 84٪ پایین در هند مصرف می کند ، این گروه تقریباً یک میلیارد نفر است.

دکتر آنا اوون ، نویسنده مطالعه ، همچنین از دانشکده زمین و محیط زیست لیدز ، گفت: "نتایج ما نشان می دهد که ما می توانیم ردپای انرژی انواع کالاها و خدمات ، در سراسر جهان را به روشی مقایسه کنیم. این نوع تحقیقات برای مدل سازی پیامدهای توزیع در آینده از سیاست های آب و هوا و انرژی بسیار امیدوار کننده است.

"رشد و افزایش مصرف همچنان از اهداف اصلی سیاست و اقتصاد امروز است. انتقال به انرژی کربن صفر با کاهش تقاضا آسانتر می شود ، به این معنی که مصرف کنندگان برتر نقش مهمی در کاهش مصرف انرژی اضافی خود خواهند داشت."

نویسندگان هشدار می دهند که بدون کاهش مصرف و مداخلات مهم در سیاست ، تا سال 2050 ردپای انرژی می تواند از آنچه در سال 2011 وجود داشته باشد ، حتی اگر بهره وری انرژی بهبود یابد ، دو برابر شود.

با توجه به مقادیر مصرفی مورد بررسی ، می توان 31 درصد افزایش به تنهایی به سوخت خودرو و 33 درصد دیگر به گرمایش و برق اشاره کرد. اگر حمل و نقل به سوختهای فسیلی تکیه کند ، این افزایش برای آب و هوا فاجعه بار خواهد بود.

با این حال ، این مطالعه نشان می دهد که با مداخله مناسب می توان از نابرابری پایدار جلوگیری کرد. مقولات مختلف به اشکال مختلفی از عمل نیاز دارند: مصرف فشرده انرژی مانند پرواز و رانندگی که بیشتر درآمدهای پردرآمد رخ می دهد ، می توان از طریق مالیات انرژی تنظیم شد ، به عنوان مثال ، در حالی که می توان رد پای انرژی گرمایشی و برق را با انبوه کاهش داد - مقیاس برنامه های سرمایه گذاری عمومی در مقاوم سازی مسکن.

جولیا اشتاینبرگر ، نویسنده مطالعه ، رهبر پروژه Living Well Within Limits و استاد محیط زیست اجتماعی و اقتصاد بوم شناسی لیدز ، اظهار داشت: "باید چگونگی تغییر توزیع ناعادلانه مصرف جهانی انرژی برای مقابله با آن ، توجه جدی شود. معضل تأمین زندگی مناسب و مناسب برای همه در حالی که از آب و هوا و اکوسیستم محافظت می کند. "

روشنایی بر نابرابری انرژی بین المللی

یک مطالعه جدید نابرابری انرژی را برای کلاسهای درآمد در 86 کشور ، از کلاسهای بسیار صنعتی تا توسعه یافته ، نشان می دهد که نابرابری شدید در ردپای انرژی ، هم در داخل کشورها و هم در سطح جهان را نشان می دهد.

در اولین مطالعه در نوع خود ، محققان دانشگاه لیدز داده های اتحادیه اروپا و بانک جهانی را برای محاسبه توزیع ردپای انرژی و همچنین اینکه کالاها و خدمات با گروه های مختلف با درآمد چگونه تمایل دارند پول خود را صرف کنند ، جمع آوری کردند.

مطالعه آنها ، که امروز در طبیعت انرژی منتشر شده است ، نشان می دهد که ردپاهای انرژی با هزینه رشد می کنند ، و به عنوان یک نتیجه ، نابرابر توزیع می شوند. در بین تمام کشورها و طبقات درآمدی در این مطالعه ، 10٪ برتر تقریباً 20 برابر بیشتر از 10٪ پایین انرژی مصرف می کنند.

علاوه بر این ، با افزایش درآمد ، مردم بیشتر پول خود را صرف کالاهای پر انرژی از قبیل تعطیلات بسته بندی یا اتومبیل می کنند که منجر به نابرابری بالای انرژی می شود. در واقع ، محققان دریافتند که 187 برابر بیشتر انرژی سوخت وسیله نقلیه توسط 10٪ مصرف کننده برتر نسبت به 10٪ پایین استفاده می شود.

نابرابری شدید انرژی در حمل و نقل

حمل و نقل برخی از بزرگترین نابرابری ها را نشان می دهد ، در حالی که 10٪ بالای مصرف کنندگان بیش از نیمی از انرژی مربوط به تحرک را مصرف می کنند - اکثریت قریب به اتفاق آن سوخت های فسیلی است. در مقابل ، سوختهای مسکونی مانند آنهایی که در پخت و پز و گرمایش استفاده می شوند و برق بسیار به طور عادلانه توزیع می شوند ، با 10٪ بالای مصرف کنندگان تقریباً یک سوم کل را مصرف می کنند.

این یافته ها نشان می دهد که کالاها و خدمات متنوع از نظر توزیع و نیازهای انرژی چقدر متفاوت هستند. محققان همچنین مناطق اصلی را که باید در آن کاهش یابد ، شناسایی می کنند.

نویسنده اصلی یانیک اسوالد ، دکتری محقق دانشکده زمین و محیط زیست لیدز اظهار داشت: ما دریافتیم که هیچ یک از مقولات انرژی عاری از نابرابری انرژی نیستند و یا از نفع جمعیت به میزان مساوی برخوردار هستند.

"مقوله های مصرفی مربوط به حمل و نقل جزو موارد مساوی نیستند. بدون کاهش تقاضای انرژی این خدمات ، چه از طریق بارهای مکرر پرواز ، ترویج حمل و نقل عمومی و محدود کردن استفاده از وسایل نقلیه خصوصی ، یا فناوری جایگزین مانند وسایل نقلیه برقی ، این مطالعه نشان می دهد که درآمد و ثروت بهبود می یابد ، مصرف سوخت فسیلی ما در حمل و نقل افزایش می یابد. "

پمپ خلاء روش نگهداری

پمپ خلاء روش نگهداری

پمپ خلاء باید توسط یک تکنسین آموزش دیده و صحیح که با روغن پمپ خلاء و محصولات سیستم آشنا است ، حفظ شود. قبل از تعمیر ، پمپ خلاء باید در دمای مطمئن متوقف شود و برای جلوگیری از بروز حوادث ، اتصال بین پمپ و سایر اجزا و مدار باید قطع شود. پس از نگهداری ، قبل از اتصال منبع تغذیه ، جهت چرخش پمپ خلاء را دوباره بررسی کنید. در صورت آسیب دیدن ، از حلقه ها و واشر استفاده نمی شود.

در حین کار ، پمپ وکیوم و روغن توسط مواد شیمیایی آلوده می شوند. بنابراین لازم است تا در مورد تمیز بودن پمپ خلاء تأیید شود و اقدامات کافی برای جلوگیری از آسیب رساندن این مواد مضر به پرسنل انجام شود. پس از نگهداری ، لازم است بررسی کنید که در صورت وجود نشتی وجود داشته باشد ، در صورت وجود ، باید آنرا بازبینی کرد. با محصولات تخریب حرارتی تولید شده در دمای بالا (260 ℃) که بسیار خطرناک هستند ، از جمله روغن ، گریس و گریس خلاء با آنها تماس نگیرید و یا استنشاق نکنید.

سطح روغن پمپ خلاء جلو را بررسی کنید:

در صورت لزوم ، سطح روغن را هنگام پمپ خلاء بررسی کنید ، اما اگر می خواهید روغن را داخل آن اضافه کنید ، پمپ خلاء جلویی و اجزای مرتبط را از منبع تغذیه جدا کنید.

1. بررسی کنید که آیا سطح روغن بالاتر از حد کم Z * و زیر حد بالا Z * از طریق پنجره بصری پمپ خلاء جلو است.
2. اگر سطح روغن در حد کم Z * یا پایین تر از حد Z * پایین است ، سوراخ پر کننده روغن را باز کنید و روغن را به حد بالای Z * اضافه کنید. اگر سطح روغن بیش از حد پر باشد ، می تواند از محل خروجی تخلیه شود.
3. اگر آلودگی روغن جدی است ، روغن آلوده را تخلیه کرده و بعد از تمیز کردن پمپ خلاء ، روغن تمیز را اضافه کنید.

روغن پمپ خلاء را تعویض کنید:
1. پمپ خلا را به مدت 10 دقیقه روشن کنید تا روغن پمپ خلاء گرم شود و سپس پمپ خلا را خاموش کنید (ویسکوزیته روغن را می توان بعد از گرم شدن کاهش داد و ریختن آن آسان است) .
2. پمپ خلا را از سیستم مدار و خلاء جدا کنید.
3. پلاگین سوراخ پر کننده روغن را جدا کنید.
4- پمپ خلا را روی تکیه گاه مناسب (مانند مدفوع) قرار دهید تا تمایل پمپ خلاء را تسهیل کند ، و یک ظرف مناسب را در بندر تخلیه روغن قرار دهید. شاخه پورت تخلیه روغن را جدا کنید و بگذارید روغن تحت عمل ثقل در داخل ظرف جریان یابد.
5- در هنگام آلوده شدن روغن:
5.1 فیش سوراخ پر کننده روغن را برداشته و درون روغن تمیز ریخته و بزنید.
5.2 پمپ خلاء و مدار را دوباره وصل کنید و پمپ خلاء را به مدت 5-10 دقیقه روشن کنید.
5.3 پمپ خلاء و مدار را جدا کنید ، شاخه پورت تخلیه روغن را جدا کنید و بگذارید روغن بیرون بیاید.
5-4 تا زمانی که پمپ خلاء تمیز نشود مراحل بالا را تکرار کنید.
6. پلاگین تخلیه را وصل کنید ، تکیه گاه را جدا کرده و پمپ خلا را با سیستم مدار و خلاء وصل کنید.
7. روغن جدید را نصب کنید تا سطح روغن نزدیک به موقعیت حداکثر باشد.
8- چند دقیقه صبر کنید تا روغن درون پمپ خلاء پمپ شود. در صورت لزوم ، روغن اضافه کنید (پمپ خلاء را دوباره خاموش کنید). سوراخ پرکننده را وصل کنید.

فیلتر ورودی پمپ خلاء را بررسی و تمیز کنید

1. آداپتور ورودی را شل کنید و حلقه "O" ، گردشی و فیلتر ورودی را بردارید.
2. فیلتر ورودی را با محلول مناسب تمیز کرده و فیلتر ورودی را در سایه خشک کنید.
3. دوباره از فیلتر ورودی ، حلقه حلقه ، حلقه 'o' و آداپتور ورودی استفاده کنید.

صفحه نمایش گاز حامل پمپ خلاء جلو را تمیز کنید:

1- واشر ثابت را بردارید.
2. مش سیم و عنصر فیلتر را بردارید.
3. مش سیم و عنصر سر فیلتر را با حلال مناسب تمیز کرده و پس از خشک شدن در سایه مجدداً آنها را روی پمپ خلاء نصب کنید.
4- دوباره واشر ثابت را برطرف کنید.

اطراف فن موتور را تمیز کنید:

1. پمپ خلا را خاموش کنید و آن را از منبع تغذیه جدا کنید.
2. از پارچه یا قلم مو خشک استفاده کنید تا آلاینده ها را از پوشش فن و نرده موتور جدا نکنید.

مراقب باشید: در
صورت تمیز نگه داشتن فن و اطراف موتور ، جریان هوا به داخل موتور محدود شده و پمپ خلاء بیش از حد گرم می شود

پمپ خلاء روش نگهداری

مطلب مرتبط:

https://akhabarebartar.ir/%d9%be%d9%85%d9%be-%d8%a7%d9%86%d8%aa%d9%82%d8%a7%d9%84-%d9%86%db%8c%d8%b1%d9%88-%d9%88%da%a9%db%8c%d9%88%d9%85/

تکنیک یادگیری ماشینی پیش بینی خواص مکانیکی مواد را تشدید می کند

دانشمندان دانشگاه فنی نانیانگ ، سنگاپور (NTU سنگاپور) ، انستیتوی فناوری ماساچوست (MIT) و دانشگاه براون روشهای جدیدی را توسعه داده اند که با بهره گیری از قدرت یادگیری ماشین ، دقت یک روش مهم تست مواد را بهبود می بخشد.

نانو تورفتگی ، فرایند فشار دادن نمونه ای از مواد با نوک سوزن مانند تیز برای دیدن چگونگی واکنش مواد با تغییر شکل ، در بسیاری از کاربردهای تولید از اهمیت برخوردار است ، اما دقت ضعیف آن در بدست آوردن برخی خصوصیات مکانیکی کلیدی یک ماده است. مانع از استفاده گسترده آن در صنعت شد.

دانشمندان با استفاده از فرآیند استاندارد نانوسنتون و تغذیه داده های اندازه گیری شده تجربی آن به یک سیستم یادگیری شبکه عصبی ، دانشمندان این سیستم را تولید و آموزش دادند تا قدرت نمونه را 20 برابر با دقت بیشتری نسبت به روشهای موجود پیش بینی کند.

این تکنیک جدید تحلیلی می تواند نیاز به شبیه سازی های کامپیوتری وقت گیر و پرهزینه را کاهش دهد تا اطمینان حاصل شود که قطعات تولید شده مورد استفاده در کاربردهای ساختاری مانند هواپیما و اتومبیل و مواردی که از تکنیک های تولید دیجیتالی مانند چاپ 3 بعدی ساخته شده اند ، قابل استفاده نیستند. شرایط زندگی

نویسنده ارشد مربوطه در این مقاله ، استاد برجسته دانشگاه NTU Subra Suresh ، که همچنین رئیس دانشگاه است ، گفت: "با درج جدیدترین پیشرفت ها در یادگیری ماشینی با nano-indentation ، ما نشان داده ایم که می توان به دقت دقت کرد. برآوردهای خاصیت مواد تا 20 برابر ما همچنین توانایی پیش بینی و افزایش دقت این سیستم را در آلیاژهای آلومینیومی تولیدی معمولی و آلیاژهای تیتانیوم چاپی 3 بعدی چاپ کرده ایم. ، به ویژه در مناطقی مانند چاپ 3 بعدی. "

این یافته ها این هفته در مجموعه مقالات آکادمی ملی علوم منتشر می شود.

مزایای ماده از رویکرد ترکیبی برخوردار است

این روش که توسط تیم محققان NTU ، MIT و Brown ساخته شده است ، یک رویکرد ترکیبی است که یادگیری ماشین را با تکنیک های پیشرفته ترین حالت نانوسندینگ ترکیبی می کند.

این فرآیند ابتدا با فشار دادن یک نوک سخت - که معمولاً از ماده ای مانند الماس ساخته شده است- به مواد نمونه با سرعت کنترل شده با نیروی دقیق کالیبره شده ، شروع می شود ، در حالی که دائماً عمق نفوذ نوک را درون ماده تغییر شکل می دهد.

 
به گفته پروفسور NTU ، Upadrasta Ramamurty ، که گفته است ، روند رمزگشایی داده های حاصل از اندازه گیری آزمایشی بسیار پیچیده است و در حال حاضر از استفاده گسترده از تکنیک تست نانوذرات در ساخت هواپیماها و اتومبیل ها جلوگیری می کند. صندلی رئیس جمهور در مهندسی مکانیک و هوافضا و علوم و مهندسی مواد در NTU.

برای بهبود دقت در چنین شرایطی ، تیم NTU-MIT-Brown یک شبکه عصبی پیشرفته ایجاد کردند - یک سیستم محاسباتی که به راحتی در مغز انسان مدل سازی می شود - و آن را با ترکیبی از داده های تجربی واقعی و داده های تولید شده توسط رایانه ، آموزش دادند. رویکرد "چند وفاداری" آنها به داده های تجربی واقعی و همچنین داده های "مصنوعی" مبتنی بر فیزیک و شبیه سازی شده محاسباتی (از هر دو شبیه سازی رایانه ای دو بعدی و سه بعدی) با الگوریتم های یادگیری عمیق رویکرد.

مینگ دائو ، دانشمند اصلی تحقیقات MIT و استاد NITU در بازدید ، گفت که تلاش های قبلی در استفاده از یادگیری ماشینی برای تجزیه و تحلیل خواص مواد بیشتر مربوط به استفاده از داده های "مصنوعی" تولید شده توسط رایانه در شرایط غیرواقعی بی نظیر است - مثلاً در جایی که شکل نوک سوزاندن است. کاملاً تیز است و حرکت تورفتگی کاملاً صاف است. اندازه گیری های پیش بینی شده توسط یادگیری ماشین در نتیجه نادرست بودند.

این تیم نشان داد که آموزش شبکه عصبی در ابتدا با داده های مصنوعی ، و در نتیجه داشتن تعداد نسبتاً کمی از نقاط داده های تجربی واقعی ، با این حال می تواند صحت نتایج را بهبود بخشد.

آنها همچنین گزارش می دهند که آموزش با داده های مصنوعی می تواند قبل از زمان انجام شود و تعداد کمی از نتایج آزمایشی واقعی در هنگام ارزیابی خصوصیات مواد واقعی برای کالیبراسیون به آنها اضافه می شود.

پروفسور سورش گفت: "استفاده از نقاط داده های تجربی واقعی به جبران دنیای ایده آل که در داده های مصنوعی فرض می شود کمک می کند. با استفاده از ترکیبی مناسب از نقاط داده از دنیای ایده آل و واقعی ، نتیجه نهایی به شدت کاهش می یابد. ""

محققان پیشرفت های هوش مصنوعی را در مغز پستانداران انجام می دهند

هنگامی که بوی پرتقال می دهید ، بو به احتمال زیاد با چند مورد دیگر ترکیب می شود: اگزوز ماشین ، زباله ، گل ، صابون. این بوها همزمان با صدها گیرنده موجود در لامپ بویایی مغز شما متصل می شوند ، یکدیگر را مبهم می کنند ، اما هنوز هم می توانید بوی یک پرتقال را تشخیص دهید ، حتی اگر آن را با یک الگوی کاملا متفاوت از رایحه های دیگر مخلوط کنید.

مکانیک دقیق نحوه یادگیری و شناسایی بوی پستانداران از دیرباز دانشمندان را نادیده گرفته است. تحقیقات جدید کرنل برخی از این عملکردها را از طریق الگوریتم رایانه ای با الهام از سیستم بویایی پستانداران توضیح می دهد . این الگوریتم در مورد نحوه کار مغز و به کار رفته در تراشه رایانه ، سریع و با اطمینان می آموزد الگوهای بهتر از مدل های یادگیری دستگاه موجود ، نور را روشن می کند.

توماس کللند ، استاد دانشگاه روانشناسی و نویسنده ارشد "یادگیری سریع و یادآوری نیرومند در یک مدار تخم مرغ عصبی" ، که در 16 مارس در Nature Machine Intelligence منتشر شده است .

کللان گفت: "ما اکنون به اندازه کافی می دانیم که بتوانیم این کار را انجام دهیم. ما این مدل محاسباتی را براساس این مدار ساخته شده ایم ، که به شدت از طریق چیزهایی که در مورد اتصال و پویایی سیستمهای بیولوژیکی می شناسیم ، هدایت شده ایم." "سپس می گوییم ، اگر چنین بود ، این کار می کرد. و نکته جالب اینجاست که کار می کند."

Cleland و نویسنده نبیل امام ، دکتری. '14 ، محقق اینتل ، این الگوریتم را به یک تراشه رایانه ای اینتل اعمال کرد. تراشه تحقیقاتی ، معروف به Loihi ، عصبی و عصبی است ، به این معنی که از نحوه عملکرد مغز الهام گرفته شده است و مدارهای دیجیتالی را شامل می شود که از طریق ارتباط و یادگیری نورون ها تقلید می کند. به عنوان مثال ، تراشه تحقیقاتی Loihi مبتنی بر هسته های موازی زیادی است که از طریق سنبله های گسسته ارتباط برقرار می کنند ، و اثرات تحویل شده توسط هر یک از این سنبله ها فقط بر اساس فعالیت های محلی تغییر می کند. این معماری برای طراحی الگوریتم در مقایسه با تراشه های رایانه موجود ، به استراتژی های بنیادی متفاوتی احتیاج دارد .

با استفاده از تراشه های رایانه ای عصبی ، ماشین آلات می توانند یاد بگیرند که الگوهای را شناسایی کنند یا کارهای خاصی را هزار بار سریعتر از استفاده از واحد پردازش مرکزی یا گرافیکی رایانه انجام دهند ، همانطور که اکثر برنامه ها انجام می دهند. طبق گفته اینتل ، الگوریتم های خاصی در تراشه تحقیقاتی Loihi حدود هزار برابر انرژی کمتری از روش های سنتی استفاده می کند.

 
این تراشه بستر بهینه برای الگوریتم Cleland است ، که می تواند الگوهای ورودی را از مجموعه حسگرها بپذیرد ، الگوهای مختلف را به سرعت و پی در پی فرا بگیرد و سپس با وجود تداخل حسی قوی هر یک از این الگوهای معنی دار را شناسایی کند. این الگوریتم می تواند بطور موفقیت آمیز بوها را حتی وقتی الگوی آنها 80٪ با الگوی رایانه ای که در ابتدا آموخته شده متفاوت باشد شناسایی کند.

کللند گفت: "الگوی سیگنال به طور قابل ملاحظه ای نابود شده است ، اما سیستم هنوز قادر به بازیابی آن است."

مغز پستانداران به طرز حیرت انگیزی در شناسایی و به یاد آوردن بویایی مهارت دارند ، با صدها یا حتی هزاران گیرنده بویایی و شبکه های عصبی پیچیده به سرعت الگوهای آن در ارتباط با بو را تحلیل می کنند. مغز ما حتی پس از به دست آوردن دانش جدید ، آنچه را که آموخته ایم نیز حفظ می کند - چیزی که برای پستانداران آسان است اما برای سیستم های هوش مصنوعی دشوار است. به ویژه در رویکردهای یادگیری عمیق ، همه چیز باید همزمان در شبکه ارائه شود ، زیرا اطلاعات جدید می تواند آنچه سیستم قبلاً آموخته را تحریف یا از بین ببرد.

چه زمانی باید از پمپ خلاء پیمایش استفاده کنید

چه زمانی باید از پمپ خلاء پیمایش استفاده کنید

پمپ خلاء پیمایش برای تمیز کردن و خشک کردن پمپ خلا استفاده می شود. بنابراین ، آنها بسیار مورد استفاده در زمینه های تحقیقاتی و آزمایشگاه ها هستند.

پمپ وکیوم خلاء پیمایش از دو گرداب مارپیچ برای پمپاژ و فشرده سازی محیط مایع یا گاز استفاده می کند. یکی از مارپیچ ها ثابت است و دیگری خارج از مرکز. این حرکت خارج از مرکز است که گاز را فشرده می کند.

پمپ خلاء پیمایش ساکت ، جمع و جور است و نیازی به روغن ندارد. استحکام پمپ خلاء توسط پیچ مشترک تولید می شود. از آنجا که برای اطمینان از سفتی مطلوب ، مهرها باید بطور مکرر تعویض شوند ، به نگهداری منظم نیاز است. مهمترین نقطه ضعف این پمپ ها این است که به راحتی می توانند در اثر باقی مانده و ذرات معرفی شده آسیب ببینند که به راحتی می توانید مهر و موم مارپیچ را خراب کنید.

در بین پمپ های خلاء فاقد روغن موجود ، پمپ خلاء پیمایش روغن بدون روغن دارای مشخصات زیر در مقایسه با انواع دیگر پمپ های خلاء بدون روغن است:

① بدون روغن ، بدون اصطکاک - بدون روغن ، بدون تماس ، بدون سایش ، آلودگی غبار ذرات در محفظه خلاء ، خلاء تمیز حاصل می شود.

capacity ظرفیت پمپاژ بزرگ - پیمایش دوبل ، ظرفیت پمپ دو برابر با قطر مشابه در مقایسه با تک مرحله ، صرفه جویی در مصرف انرژی؛

③. راندمان استخراج زیاد هوا - با 3-4 واحد استخراج هوا ، اختلاف فشار کمی؛ مهر و موم شده توسط حلقه O بین جو و خلاء ، نشت کم؛

④. عدم تماس ، تعادل خوب ، اثر گشتاور کوچک ، سر و صدای کم ، لرزش کوچک.

structure دارای ساختار ساده و جمع و جور ، شعاع متحرک کوچک و عملکرد پایدار با همان اندازه است.

⑥. اندازه کوچک ، تعمیر و نگهداری مناسب و هزینه تعمیر و نگهداری کم؛

⑦. خنک کننده هوا بدون خنک کننده آب.

پمپ خلاء پیمایش روغن بدون روغن:

industry صنعت نیمه هادی - تجهیزات آماده سازی فیلم ، تجهیزات بسته بندی دستگاه نیمه هادی.

②. صنعت ابزارهای علمی - خط پرتو پرتوی سنکروترون ، میکروسکوپ الکترونی ، ابزار آنالیز و آزمایش.

③. صنعت تجهیزات مکانیکی - تجهیزات آماده سازی مواد ، تشخیص خلاء ، تجهیزات تصفیه مواد.

④. صنایع شیمیایی؛

⑤. تجهیزات پزشکی - ابزارهای دندانپزشکی ، دستگاههای دیالیز ، محصولات بیولوژیکی و آماده سازی دارو.

⑥. صنعت بسته بندی - تجهیزات بسته بندی مواد غذایی ، پزشکی ، محصولات بیولوژیکی و غیره

پمپ خلاء پیمایش فاقد روغن عمدتا از 5 قسمت تشکیل شده است:

①. پویای پویا و استاتیک به پایه وصل می شود.

②. میل لنگ؛

③. واشر؛

④. مکانیسم ضد چرخش؛

⑤. موتور

پمپ پمپ خلاء پیمایشی بدون روغن نوعی پیمایش مانند ساختار است که توسط یک یا چند مارپیچ متصل به یک هواپیما در یک انتها تشکیل شده است. صفحه پیمایش استاتیک و صفحه پیمایش پویا به طور متقابل متقابل و مونتاژ می شوند و مکانیزم ضد چرخش 180 بین آنها را تضمین می کند. به این ترتیب ، مکانیسم اصلی پمپاژ پمپ خلاء پیمایش فاقد روغن از یک جفت جفت پیمایش تشکیل شده است. 

پیمایش استاتیک و پویای پویا در چندین خط مستقیم (یعنی چندین نقطه در خط پیمایش سطح مقطع) با یکدیگر تماس می گیرند تا جفت های متقارن حفره های هلال تشکیل شود. پویای پویا در مرکز بدنه پیمایش پیمایش استاتیک که توسط میل لنگ میل رانده می شود حرکت می کند ، به طوری که نقاط تماس پیمایش استاتیک و حرکت پویا در امتداد سطح پیمایش حرکت می کند تا به مکش ، فشرده سازی و اگزوز برسد. مثلا، در یک پمپ خلاء پیمایش فاقد روغن دو مرحله ، دو صفحه پیمایش استاتیک متناظر با دو جهت وجود دارد و یک صفحه پیمایش در حال حرکت که بین دو صفحه پیمایش قرار دارد.

گرداب های پویا و استاتیک نسبت به یکدیگر حرکت می کنند تا یک حفره واقعی شکل به شکل هلال با تغییر حجم ثابت ایجاد کنند ، این امر باعث می شود گاز از پورت مکش آسپیراسیون شده و از درگاه اگزوز تخلیه شود و چرخه مکش ، فشرده سازی و اگزوز را تخلیه کند. در هر چرخش میل لنگ ، مجموعه جدیدی از حفره هلال تشکیل می شود ، بنابراین چرخه مکش ، فشرده سازی و اگزوز پمپ خلاء پیمایش بدون روغن به طور مداوم با فرکانس نزدیک به 1500 دور در دقیقه تکرار می شود ، مهار و تحویل اجباری استخراج شده را تشکیل می دهد گاز. و یک صفحه پیمایش در حال حرکت که بین دو صفحه پیمایش قرار دارد.

همانطور که همه ما می دانیم ، پمپ خلاء پیمایش روغن بدون روغن دارای ویژگی های قابل توجهی در مقایسه با پمپ خلاء روغن معمولی است.

مزایای اصلی پمپ خلاء پیمایش بدون روغن شامل موارد زیر است:

1. عملکرد آب بندی خوب ، به طور مستقیم به کانال نشت محفظه مکش و اگزوز مانند پمپ مکانیکی متصل نیست ، آب بندی آسان ، آسان برای دستیابی به خلاء بالا.

2. شعاع چرخش کوچک است ، سرعت کشویی نسبی پیمایش پویا و استاتیک فقط در حدود 1/7 از پمپ خلاء پره است و مهر و موم دینامیکی بین پویای پویا و استاتیک نسبتاً آسان است ، که منجر به افزایش طول عمر پمپ؛

3. فرایند فشرده سازی باید کند باشد. دو یا سه فرآیند فشرده سازی به طور هم زمان وجود دارد. حفره فشرده سازی از نظر میل لنگ میلگرد متقارن است. به این ترتیب روند کار پمپ پایدار است ، گشتاور رانندگی و نوسان ضربه گاز کمی دارد و نویز و لرزش پمپ کاهش می یابد.

به طور کلی ، پمپ خلاء پیمایش شده بدون روغن دارای یک ساختار ساده ، یک نسبت فشار فشرده سازی بالا ، سرعت پمپ پایدار در محدوده فشار گسترده و دامنه فشار کار گسترده است. فاصله بین صفحه پیمایش پویا و استاتیک اندک و نشتی اندک است ، زیرا تغییر حجم محفظه فشرده سازی پیوسته است ، تغییر گشتاور رانندگی اندک است ، تغییر قدرت کمی است ، سر و صدای لرزش کم است ، و عملکرد بالا است این مورد برای انواع دیگر پمپ های خلاء خشک در دسترس نیست.

DeepMind الفبای بازی های استاد Atari

به منظور حل بهتر چالش های پیچیده در سحر دهه سوم قرن بیست و یکم ، شرکت الفبای به یادگارهایی از قدمت دهه 1980 دست یافت: بازی های ویدیویی.

شرکت مادر گوگل این هفته گزارش داد که واحد هوش مصنوعی DeepMind Technologies خود با موفقیت آموخته است که چگونه 57 بازی ویدیویی Atari را انجام دهد. و سیستم رایانه ای بهتر از هر انسانی بازی می کند.

آتاری ، خالق پونگ ، یکی از اولین بازی های ویدیویی موفق دهه 1970 ، به محبوبیت بسیاری از بازی های ویدیویی کلاسیک اوایل دهه 1990 منجر شد. بازی های ویدئویی معمولاً با پروژه های هوش مصنوعی مورد استفاده قرار می گیرند زیرا آنها الگوریتم ها را به چالش می کشند تا مسیرها و گزینه های فزاینده پیچیده را حرکت کنند ، همه در حالی که در حال تغییر سناریوها ، تهدیدها و پاداشها هستند.

سیستم هوش مصنوعی Alphabet با نام AGENT57 ، از 57 بازی پیشرو Atari که طیف گسترده ای از سطح دشواری و استراتژی های مختلف موفقیت را پوشش می دهند ، کاوش کرد.

محققان در گزارشی در صفحه وبلاگ DeepMind گفتند: "بازی ها یک آزمایش عالی برای ساخت الگوریتم های سازگار هستند." "آنها مجموعه ای غنی از وظایف را ارائه می دهند که بازیکنان باید استراتژی های رفتاری پیچیده ای را برای تسلط خود تهیه کنند ، اما همچنین می توانند متریک بازی را با پیشرفتی آسان انجام دهند تا در برابر آنها بهینه شوند.

در این گزارش آمده است: "هدف نهایی توسعه سیستم هایی نیست که در بازی ها سرآمد باشند ، بلکه استفاده از بازی ها به عنوان یک پله برای توسعه سیستم هایی است که یاد می گیرند در طیف گسترده ای از چالش ها سرآمد باشند."

سیستم AlphaGo DeepMind در سال 2016 هنگامی که لی سدول قهرمان جهان را در بازی استراتژیک Go شکست داد ، به رسمیت شناخته شد.

در میان محصولات فعلی 57 بازی آتاری ، چهار بازی برای پروژه های هوش مصنوعی دشوار به نظر می رسد: انتقام Montezuma ، Pitfall ، Solaris و Skiing. دو بازی اول آنچه DeepMind آن را سرنگون می کند "مشکل اکتشاف و بهره برداری" است.

"آیا شخص باید رفتارهای خود را حفظ کند (سوءاستفاده) یا باید چیز جدیدی را کشف کند (کشف کند) تا استراتژیهای جدیدی را کشف کند که حتی موفق تر هم باشند؟" DeepMind می پرسد. "به عنوان مثال ، آیا باید همیشه غذای مورد علاقه خود را در رستوران محلی سفارش داد یا چیز جدیدی را امتحان کرد که ممکن است از محبوب قدیمی فراتر رود؟ اکتشاف شامل انجام اقدامات زیر حد حداکثر برای جمع آوری اطلاعات لازم برای کشف یک رفتار در نهایت قوی تر است."

انتقال هنر گوگل به کاربران

گوگل تغییر در برنامه فرهنگ و هنر خود را اعلام کرده است — اکنون ، به جای جستجوی نقاشی هایی که شبیه عکس های سلفی است ، کاربران می توانند عکس های خود را مجدداً تفسیر کنند ، انگار که توسط یک هنرمند معروف نقاشی شده است. به نام انتقال هنر ، این برنامه راهی کاملاً منحصر به فرد برای مشاهده عکس هایی که از آنها گرفته شده است به کاربران می دهد.

بسیاری از هنرمندان مشهور تقریباً بلافاصله سبکهای هنری قابل تشخیص دارند - بیشتر افراد می توانند به عنوان مثال نقاشی وینسنت ون گوگ را نشان دهند. اکنون گوگل این امکان را برای کاربران iOS و Android فراهم کرده است که می توانند عکس هایی را که گرفته اند تصور کنند که گویی در ابتدا توسط یک هنرمند مشهور مانند ون گوگ نقاشی شده اند .

فیلترهای بسیاری برای افزودن افکت به عکسهای دیجیتال وجود دارد ، اما Art Transfer متفاوت است. به جای تغییر تصاویر در یک عکس ، باعث تغییر ایده در خود عکس می شود که تصور کنید چگونه ممکن است شخص ، مکان یا چیز دیگری در یک عکس به نظر برسد که توسط ون گوگ ، فریدا کاهلو ، اندی وارهول ، ادوارد مونک یا میزبان دیگری نقاشی شده باشد. نقاشان معروف

این برنامه از یک سیستم هوش مصنوعی که توسط تیم در گوگل تهیه شده است ، به صورت محترمانه عمل می کند و به صورت محلی از طریق تلفن یا رایانه لوحی شما کار می کند - شما حتی لازم نیست برای اجرای آن بصورت آنلاین باشید.

برای امتحان ویژگی جدید ، کاربران در برنامه Arts and فرهنگ ، منوی Camera را در پایین صفحه باز کرده و سپس Art Transfer را انتخاب می کنند. پس از انتخاب یک عکس ، به آنها لیستی از تصاویر شاهکارهای ایجاد شده توسط هنرمندان مشهور نشان داده می شود. با کلیک بر روی یکی از آنها ، روال AI شروع می شود و در نتیجه تفسیر اصلی از عکس کاربر ایجاد می شود. Google حتی در حالی که منتظر ظاهر شدن شاهکار خود هستند ، به کاربران امکان انجام کاری داده است - آنها می توانند حقایق جالب را که در مورد صفحه نمایش نمایش داده می شوند بخوانند.

زمان انتشار ویژگی های جدید گوگل نمی تواند بهتر باشد ، البته ، زیرا میلیون ها انسان در سرتاسر جهان در خانه خودزنی می شوند و به دنبال راه هایی برای گذراندن وقت خود هستند. ویژگی جدید به شما امکان می دهد تا ساعات را به روشی منحصر به فرد و جالب بگذرانید.

«سطح هوشمند» تقویت Wi-Fi می تواند به کارگران و دانشجویان از راه دور کمک کند

ناامید از اتصال WiFi لکه دار هستید؟ مهندسان دانشگاه کالیفرنیا سن دیگو "سطح هوشمندی" را ایجاد کرده اند که می تواند سیگنال را در نقاط مرده در دسترس قرار دهد - و همچنین اتصال موجود را دو برابر سریع تر کند.

دینس بهارادیا ، استاد مهندسی برق و کامپیوتر در دانشکده مهندسی UC San Diego Jacobs گفت: "شما می توانید این کار را به عنوان نقاشی روی دیوار خود بچسبانید تا اتصال WiFi را در خانه یا محل کار خود بهبود ببخشید."

این فناوری می تواند به نفع کارمندان کار کند که از راه دور کار می کنند و همچنین دانشجویانی که آموزش از راه دور دریافت می کنند. بهارادیا گفت ، این همچنین می تواند تداخل شبکه های WiFi همسایگان را کاهش دهد و این کار باعث می شود کار یا یادگیری از خانه برای همه آسانتر شود.

در آزمایش های داخل خانه ، سطح وای فای گسترش یافته از سطح هوشمند از 30 متر (98 فوت) تا 45 متر (147 پا). همچنین میزان داده در مناطق قبلاً سیگنال دریافت شده دو برابر شده است.

بهارادیا گفت: "شما می توانید از این وسیله با دستگاه های WiFi خارج از قفسه استفاده کنید. برای کارآیی شما نیازی به تجهیزات تخصصی ندارید." محققان گفتند که این فناوری به اندازه کافی قدرت دارد که می تواند برای مدت یک سال بر روی باتری سلول سکه دوام بیاورد.

"Daniel Sievenpiper" ، استاد مهندسی برق و کامپیوتر UC San Diego ، که همکار در این مطالعه است ، گفت: "این سطح به سیگنال پیشرفته یک آرایه بزرگ کمک می کند اما بدون نیاز به تغییر نقطه دسترسی یا هر دستگاهی."

سطح هوشمند یک برد مدار چاپی 10 سانتی متر × 30 سانتی متر است که شامل 48 آنتن کوچک است . این آنتن ها سیگنال های وای فای ورودی را از یک روتر یا نقطه دسترسی تلفیق و منعکس می کنند تا مسیری کاملاً جدید برای سفر سیگنال ها ایجاد شود. این مسیر جدید یا جریان داده دقیقاً به اندازه اصلی که از روتر یا نقطه دسترسی حاصل می شود ، قوی است .

وی گفت: "ویژگی اصلی این فناوری این است که یک جریان داده دوم ایجاد می کند که به تلفن شما یا سایر دستگاه های متصل به WiFi می رود. بنابراین نه تنها می توانید در مناطقی که فاقد آن هستید ، اتصال برقرار کنید بلکه نرخ داده را نیز دو برابر می کنید. در مناطقی که شما از قبل ارتباط دارید ، "بهارادیا گفت.

این امر توسط سخت افزارها و الگوریتم های ابتکاری که تیم توسعه داده اند امکان پذیر است. هر آنتن برای تنظیم فاز سیگنال ورودی یا موج رادیویی برنامه ریزی شده است که آن را دریافت می کند به گونه ای که تمام امواج منعکس شده از سطح ، فاز یکسانی را در گیرنده دارند. سپس این امواج برای ایجاد یک موج رادیویی تک تقویت شده ادغام می شوند.

وی گفت: "در ابتدا ، آنتن ها با سیگنال های دریافتی از فازهای مختلف برخورد می شوند ، بنابراین شما یک سیگنال منعکس شده دریافت می کنید که ضعیف است یا اصلاً سیگنال ندارد. مثل اضافه کردن 1 و -1 است. اما با تغییر هر یک از -1 مرحله به +1 ، ما تقویت می کنیم. قدرت سیگنال ، "گفت: Manideep Dunna ، دکتری مهندسی برق و کامپیوتر UC San Diego. دانشجوی آزمایشگاه بهارادیا

محققان تصور می کنند که این مجموعه برای استقرار ارزان است. دانا گفت ، تولید انبوه تابلوهای مدار چاپی می تواند هر 5 دلار ارزان باشد.

در مطالعات بعدی ، این تیم بررسی خواهد کرد که آیا ترکیب چندین سطح هوشمند می تواند باعث افزایش بیشتر سرعت داده شود. بهارادیا گفت: "آیا می توان یک نرخ داده سه برابر کرد؟ و دیگری می تواند چهار برابر کند؟ کشف این جالب خواهد بود."