بازتاب گسترده خبر دستاورد پژوهشگران ایرانی
تاریخ انتشار: ۴ شهریور ۱۳۹۸ | کد خبر: ۲۴۸۹۹۶۳۴
اخبار دستاورد علمی پژوهشگران ایرانی در کاهش سکته قلبی و مغزی با مصرف مستمر قرص پلی پیل (polypill)، به صورت گسترده در رسانههای جهانی بازتاب یافته است. به گزارش پایگاه اطلاع رسانی شبکه خبر، مصرف منظم و مستمراین قرص که یافتهی جدید محققان ایرانی است، موجب کاهش بیش از ۵۰ درصدی مرگ زودرس ناشی از بیماریهای قلبی - عروقی و سکتههای قلبی و مغزی میشود.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
کد ویدیو دانلود فیلم اصلی
منبع: شبکه خبر
کلیدواژه: دستاورد علمی پژوهشگران ایران رونمایی دارو سکته قلبی و مغزی
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.irinn.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «شبکه خبر» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۴۸۹۹۶۳۴ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
چین کممصرفترین و کارآمدترین تراشه هوش مصنوعی را ساخت
ایتنا - دانشمندان چینی میگویند موفق شدهاند کارآمدترین تراشههای هوش مصنوعی جهان را تولید کنند؛ تراشههایی که با پیشرفتهای بیشتر میتوانند برای توسعه رابطهای پیچیده مغز و رایانه استفاده شوند.
دانشمندان چینی ریزتراشههایی ساختهاند که ادعا میکنند کممصرفترین ریزتراشههای هوش مصنوعی جهان است.
به نقل از اسای، این تراشههای هوش مصنوعی برای قرار گرفتن در دستگاههای هوشمند مانند تلفنهای همراه به اندازه کافی کوچک هستند و میتوانند پنجرههایی رو به عملکردهای آفلاین خلاقانه مانند کنترل صوتی و کنترل ذهن باز کنند.
به گزارش ایتنا از ایسنا، تراشههای هوش مصنوعی که برای کارهای سنگین طراحی شدهاند، به دلیل نیازهای محاسباتی بالا، اغلب به انرژی قابل توجهی نیاز دارند که استفاده از آنها را در سناریوهای دنیای واقعی محدود میکند.
اکنون پروفسور ژو جون و تیمش از دانشگاه علوم و فناوری الکترونیک چین(UESTC) مصرف انرژی این تراشهها را از طریق الگوریتم و بهینهسازی معماری به میزان قابل توجهی کاهش دادهاند.
این تیم دو تراشه هوش مصنوعی را در کنفرانس بینالمللی مدارهای حالت جامد IEEE (ISSCC) در سال ۲۰۲۴ به نمایش گذاشت.
گفتنی است که کنفرانس ISSCC به عنوان المپیک صنعت مدارهای مجتمع(IC) در نظر گرفته میشود. این کنفرانس یک رویداد سالانه است که پژوهشگران، مهندسان و متخصصان برتر در سراسر جهان را گرد هم میآورد تا در مورد آخرین پیشرفتها در مدارهای حالت جامد و آینده فناوری تراشهها بحث کنند و امسال از ۱۸ تا ۲۲ فوریه در سانفرانسیسکو برگزار شد.
تراشه هوش مصنوعی بسیار کم مصرف
اولین تراشه از این دو تراشه هوش مصنوعی برای تعبیه در دستگاههای هوشمند و فعال کردن کنترل صوتی آفلاین طراحی شده است. پژوهشگران ادعا میکنند که این تراشه در تشخیص کلمات کلیدی و تأیید سخن کاربر با تشخیص سیگنالهای صوتی برتری دارد.
مزیت اصلی این تراشه هوش مصنوعی جدید توانایی آن در فراتر رفتن از محدودیتهای سیستمهای تشخیص صوتی استاندارد است. برخلاف سایر تراشهها، این تراشه میتواند گفتار گوینده مورد نظر را حتی در موقعیتهای پر سر و صدا مانند هنگام پخش صدا از تلویزیون، پخش موسیقی یا صدای مکالمه دیگران به دقت تشخیص دهد.
پژوهشگران چینی توضیح دادند: این تراشه به مصرف انرژی کمتر از دو میکروژول در هر نمونه دست یافته است و با نرخ دقت بیش از ۹۵ درصدی در آرامش و نرخ دقت ۹۰ درصدی در محیطهای پر سر و صدا معیارهای جهانی جدیدی را برای کارایی انرژی و دقت تعیین میکند.
در یک نمایش سیستم، یک تراشه یک سانتیمتر مربعی در یک واحد میکروکنترلگر داخل یک ماشین اسباببازی ادغام شد تا حرکات آن را کنترل کند.
گفته میشود که این تراشه هوش مصنوعی میتواند در سناریوهای کنترل صوتی کممصرف، مانند خانههای هوشمند، دستگاههای پوشیدنی و اسباب بازیهای هوشمند استفاده شود.
دومین تراشه این تیم که در کنفرانس ISSCC نیز ارائه شد، برای تشخیص سیگنالهای تشنج در افراد مبتلا به صرع طراحی شده است. این فناوری که برای دستگاههای پوشیدنی طراحی شده است، از تشخیص الکتروانسفالوگرام(EEG) برای تشخیص تشنجهای صرع و هشدار دادن به بیمار برای کمکهای پزشکی یا درمان استفاده میکند.
این تراشه میتواند برای رابطهای مغز و رایانه نیز استفاده شود.
پژوهشگران توضیح دادند: طراحیهای موجود برای آموزش و دستیابی به دقت بالا به دادههای گسترده تشنج بیماران مبتلا به صرع متکی هستند؛ فرآیندی که به دلیل وقوع کم تشنج و نیاز به بستری شدن، زمانبر و پرهزینه است. اکنون این تراشه با استخراج ویژگیهای بهبود یافته و موتورهای یادگیری روی خود دارای صرفهجوترین طراحی در سطح بینالمللی با میانگین مصرف انرژی تنها ۰.۰۷ میکروژول است.
در یک نمایش در ISSCC، سیگنالهای EEG جمعآوریشده از یک دستگاه رابط پوشیدنی مغز و رایانه با استفاده از فناوری بلوتوث بهصورت لحظهای به یک بُرد آزمایشی منتقل شدند.
این تراشه برای تشخیص فرمانهایی برنامهریزی شد که کاربر را قادر میکرد تا حرکت ربات را کنترل کند. بنابراین کاربر توانست به ربات دستور دهد که به سمت جلو حرکت کند، متوقف شود یا برعکس حرکت کند.
پژوهشگران در پایان گفتند: این تراشه همچنین کاربردهای بالقوهای فراتر از تشخیص تشنج صرع، از جمله استفاده در سایر رابطهای مغز و رایانه و نظارت بر خواب دارد.