Witamy w naszej sekcji „Science Tank”. W tym obszarze serwisu zajmujemy się istotnymi odkryciami ze świata nauki (fizyka, matematyka, informatyka, medycyna i wiele innych) w sposób interdyscyplinarny. Publikujemy ważne osiągnięcia z całego świata, ze szczególnym uwzględnieniem środowiska naukowego w Getyndze. Baw się i bądź ciekawy.
Szacowanie przyszłych wydarzeń jest trudnym zadaniem. W przeciwieństwie do ludzi, metody uczenia maszynowego nie są regulowane przez naturalne rozumienie fizyki. W naturze wiarygodna sekwencja zdarzeń podlega regułom przyczynowości, których nie można po prostu wyprowadzić ze skończonego zbioru uczącego. W tym artykule badacze (Imperial College London) proponują nowatorskie ramy teoretyczne do przeprowadzania przyczynowych przewidywań przyszłości poprzez osadzanie informacji czasoprzestrzennych w czasoprzestrzeni Minkowskiego. Wykorzystują koncepcję stożka światła ze specjalnej teorii względności, aby ograniczyć i przemierzać utajoną przestrzeń modelu anarbitralnego. Przedstawiają pomyślne zastosowania w przyczynowej syntezie obrazów i prognozowaniu przyszłych obrazów wideo na zestawie danych obrazu. Jego struktura jest niezależna od architektury i zadań oraz ma mocne teoretyczne gwarancje zdolności przyczynowych.
Projekt „Optoakustyczny system czujników do monitorowania infuzji” (Oase) z działu technologii czujników fotonicznych przeszedł do pierwszej z dwóch faz początkowego działania Go-Bio. W tym wysoce konkurencyjnym przetargu BMBF, 41 ze 178 pomysłów na projekty o rozpoznawalnym potencjale innowacyjnym zostało zatwierdzonych do fazy eksploracyjnej.
Ostatni artykuł miał miłą odpowiedź (dzięki za to). A więc dzisiaj coś ze świata „zapomnianej matematyki” - baw się dobrze!
Arytmetyka często nie jest w stanie udowodnić niektórych jej twierdz za pomocą niejasnych środków. W takich przypadkach potrzebujemy bardziej ogólnych metod algebry. W przypadku tego typu twierdzenia arytmetycznego, które jest uzasadnione algebraicznie, istnieje wiele reguł dotyczących skróconych operacji arytmetycznych.
Mnożenie prędkości:
W dawnych czasach, bez komputerów i kalkulatorów, wielcy arytmetyki stosowali wiele prostych sztuczek algebraicznych; aby ułatwić Ci życie:
„X” oznacza mnożenie (byliśmy zbyt leniwi, aby wypróbować LaTeX :-))
Spójrzmy na:
988² =?
Czy potrafisz rozwiązać to w swojej głowie?
To bardzo proste, przyjrzyjmy się bliżej:
988 x 988 = (988 + 12) x (998-12) + 12² = 1000 x 976 + 144 = 976 144
Łatwo też zrozumieć, co się tutaj dzieje:
(a + b) (a - b) + b² = a² - b² + b² = a²
Jak dotąd OK, tak dobrze. Teraz spróbujmy szybko policzyć - nawet kombinacje, takie jak
986 x 997, bez kalkulatora!
986 x 997 = (986 - 3) x 1000 + 3 x 14 = 983
Co tu się stało? Możemy zapisać czynniki w następujący sposób:
Naukowcy odkryli, że prądy elektryczne mogą powstawać w nieznany wcześniej sposób. Nowe odkrycia mogą umożliwić naukowcom lepsze dostarczenie energii termojądrowej, która zasila Słońce i gwiazdy na Ziemi.
W przypadku płaskiej fali elektrostatycznej oddziałującej z pojedynczym gatunkiem w bezkolizyjnej plazmie zachowanie pędu oznacza zachowanie prądu. Jednak gdy wiele gatunków wchodzi w interakcję z falą, mogą wymieniać impuls, co powoduje prąd. Prosty, ogólny wzór na ten napędzany prąd pochodzi z prac fizyków. Jako przykłady pokazują, jak prądy mogą być napędzane dla fal Langmuira w plazmie elektron-pozyton-jon oraz dla jonowo-akustycznych fal w plazmie elektron-jon.
Dziś coś z kategorii „zapomniana matematyka”. Zawsze istnieją bardzo interesujące algebraiczne zależności liczbowe, które niestety są rzadkie lub wcale nie występują w programie nauczania, ale które poszerzają zrozumienie liczb i intuicję matematyczną.
Powiedzmy, że ktoś prosi Cię o rozwiązanie następnego równania bez żadnych narzędzi technicznych.
Potrafisz to zrobić?
Ok na pierwszy rzut oka nie jest takie proste. Ale kiedy znasz specjalną i interesującą zależność między tymi liczbami, jest to naprawdę proste:
Lewe składniki równania to: 100 + 121 + 144 = 365; Innymi słowy:
Ok, użyjmy prostej algebry, aby dowiedzieć się, czy możemy znaleźć więcej takich sekwencji: Pierwsza liczba, której szukamy, to "x":
Mówi się, że masa deuteronu jest o 0,1 miliardowej procenta mniejsza niż wartość przechowywana w literaturze fachowej! Ponad 100 lat po odkryciu jądra atomowego nadal nie jest jasne, jak ciężkie są poszczególne okazy. Zespół badawczy kierowany przez Saschę Rau z Instytutu Fizyki Jądrowej im. Maxa Plancka w Heidelbergu dokonał doskonałej „aktualizacji”.
Zdjęcie źródłowe: Instytut Fizyki Jądrowej im. Maxa Plancka
Masy najlżejszych jąder atomowych i masa elektronów są ze sobą powiązane, a ich wartości wpływają na obserwacje w fizyce atomowej, fizyce molekularnej i fizyce neutrin, a także w metrologii. Najdokładniejsze wartości tych podstawowych parametrów pochodzą ze spektrometrii mas Penninga Fallena, która osiąga względne niepewności masy rzędu 10E (-11). Jednak kontrole nadmiarowości przy użyciu danych z różnych eksperymentów ujawniają znaczące niespójności w masach protonu, deuteronu i helionu (rdzeń helu-3), co sugeruje, że niepewność tych wartości mogła zostać niedoszacowana.
W Nature, 530-531 (2020) ukazał się ekscytujący artykuł; doi: 10.1038 / d41586-020-02421-2
Opracowano małe urządzenia, które mogą pełnić rolę nóg mikro-robotów sterowanych laserem. Kompatybilność tych urządzeń z systemami mikroelektronicznymi sugeruje drogę do masowej produkcji autonomicznych mikro-robotów.
W 1959 roku laureat Nagrody Nobla i wizjoner nanotechnologii Richard Feynman zasugerował, że byłoby interesujące „połknąć chirurga” - to znaczy zbudować malutkiego robota, który w razie potrzeby mógłby przemieszczać się przez naczynia krwionośne w celu wykonania operacji. Ta kultowa wizja przyszłości podkreśliła współczesne nadzieje w dziedzinie robotyki wielkości mikrometrów: wdrażanie autonomicznych urządzeń w środowiskach, do których ich makroskopijne odpowiedniki nie mogą dotrzeć. Jednak zbudowanie takich robotów wiąże się z kilkoma wyzwaniami, w tym oczywistą trudnością związaną z montażem mikroskopijnej lokomotywy. W artykule w Nature Miskin i wsp. za pomocą urządzeń zasilanych elektrochemicznie, które wprawiają w ruch mikroroboty sterowane laserowo przez ciecz i które można łatwo zintegrować z komponentami mikroelektronicznymi, aby stworzyć w pełni autonomiczne mikroroboty.
Pojawił się ekscytujący artykuł Dorothy Bishop Natura 584: 9 (2020); doi: 10.1038 / d41586-020-02275-8
Gromadzenie symulowanych danych może ujawnić typowe sposoby, w jakie nasze uprzedzenia poznawcze prowadzą nas na manowce.
W ciągu ostatniej dekady podjęto wiele wysiłków w celu promowania solidnych i wiarygodnych badań. Niektórzy koncentrują się na zmianie zachęt, na przykład poprzez zmianę kryteriów finansowania i publikacji, aby faworyzować otwartą naukę nad sensacyjnymi przełomami. Ale należy również zwrócić uwagę na osobę. Zbytnie ludzkie uprzedzenia poznawcze mogą doprowadzić nas do uzyskania wyników, których nie ma. Wadliwe rozumowanie prowadzi do niechlujnej nauki, nawet jeśli intencje są dobre.
Dokładne obliczenia struktury elektronowej są uważane za jedno z najbardziej oczekiwanych zastosowań komputera kwantowego, które zrewolucjonizuje chemię teoretyczną i inne pokrewne dziedziny. Korzystając z procesora kwantowego Google Sycamore, Google AI Quantum i współpracownicy przeprowadzili symulację Variational Quantum Eigenolver (VQE) dwóch średnich problemów chemicznych: energii wiązania łańcuchów wodorowych (tak dużych jak H12) i mechanizmu izomeryzacji diazolu ( zobacz perspektywę Yuan). Symulacje zostały przeprowadzone na maksymalnie 12 kubitach z maksymalnie 72 bramkami o dwóch kubitach i pokazują, że możliwe jest osiągnięcie dokładności chemicznej, gdy VQE jest połączone ze strategiami minimalizacji błędów. Kluczowe komponenty proponowanego algorytmu VQE są potencjalnie skalowalne do większych systemów, których nie można symulować w klasyczny sposób.
Pomysł młodego naukowca z Polski został nagrodzony.
Student Sebastian Machera opracowuje technologię, która może pomóc wielu pacjentom w ulepszaniu procedur medycznych. Za swoje badania otrzymał nagrodę w prestiżowym konkursie EUCYS (dla wybitnych naukowców do 21 roku życia). Rozwija swój projekt w Instytucie Chemii Fizycznej Polskiej Akademii Nauk.
Sebastian Machera już w młodym wieku zdecydował się przyjrzeć bliżej chorobom układu krążenia. Ten obraz kliniczny jest jedną z najczęstszych przyczyn przedwczesnych zgonów w większości krajów wysoko rozwiniętych.
Młody naukowiec chce opracować czujnik, który może pomóc w szybszym diagnozowaniu osób z zawałem serca. Jego pomysł został doceniony przez jury EUCYS. Badaczka otrzymała pierwszą nagrodę w polskiej edycji tego prestiżowego konkursu. Laureat studiów magisterskich na Warszawskim Uniwersytecie Medycznym oraz biotechnologii na Politechnice Warszawskiej.
Po raz pierwszy naukowcom z UMG i Cluster of Excellence „Multiscale Bioimaging” (MBExC), a także z Niemieckiego Centrum Chorób Neurodegeneracyjnych (DZNE) udało się stworzyć sieci neuronowe z funkcjami ludzkiego mózgu z ludzkiego, indukowanego pluripotencjalnego pnia komórki. Tkanki znane jako bioinżynieryjne organoidy neuronalne (BENO) wykazują morfologiczne właściwości ludzkiego mózgu. Rozwijają również funkcje, które są ważne dla rozwoju funkcji uczenia się i pamięci. Opublikowano w Nature Communications.
Źródło: Uniwersyteckie Centrum Medyczne w Getyndze: Obrazy z Zafeiriou et al. (2020) Przełącznik polaryzacji GABA i plastyczność neuronów w bioinżynieryjnych organoidach neuronalnych. Nat Commun, 11, 3791.
Po lewej: Przedstawienie „Bioinżynieryjnego neuronowego organoidu” (BENO) wyprodukowanego zgodnie z metodą opracowaną przez Zafeiriou et al. opublikowana procedura; tworzenie struktury sieci neuronowej uwidacznia się poprzez zabarwienie markerów neuronowych (białko związane z mikrotubulami 2; kolor niebieski) i neurofilamentów (kolor zielony) oraz komórek glejowych (kwaśne białko włókienkowe gleju; kolor czerwony). Skala: 0,5 mm. Po prawej: Rozszerzenie struktury sieci neuronowej w BENO. Po zabarwieniu białka neurofilamentu aksony neuronów są zaznaczone na zielono, aktywując neurony glutaminergiczne w czerwieni i jądra komórkowe na niebiesko