یادگیری ماشینی در علم محاسبات نانو استفاده می‌شود
تاریخ انتشار: ۵ تیر ۱۳۹۹ | کد خبر: ۲۸۴۱۵۱۷۸
ابزار محاسباتی مبتنی بر یادگیری ماشینی ارائه شده که با استفاده از آن می‌توان انرژی پیوند‌ها را در نانوذرات پایدار شده با لیگند پیش‌بینی کرد. به گزارش گروه دانشگاه خبرگزاری دانشجو، ابزار محاسباتی مبتنی بر یادگیری ماشینی ارائه شده که با استفاده از آن می‌توان انرژی پیوند‌ها را در نانوذرات پایدار شده با لیگند پیش‌بینی کرد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
پژوهشگران مرکز علوم نانو دانشکده فناوری اطلاعات در دانشگاه جیویسکلیک فنلاند ننشان دادند که می‌توان از روش‌های یادگیری ماشینی برای پیش‌بینی ساختار‌ها و پویایی اتمی نانوذرات استفاده کرد.
آنها فناوری را ارائه کردند که به‌طور قابل ملاحظه‌ای سریع‌تر از روش‌های شبیه‌سازی رایج بوده و می‌توان از آن برای تحقیقات روی نانوذرات استفاده کرد و کاوش‌های کارآمدتر برای بررسی واکنش‌های میان نانوذرات و عملکرد آنها در محیط‌های مختلف انجام داد.
این روش جدید را می‌توان روی نانوذرات فلزی تثبیت شده با لیگند استفاده کرد. این کار در دانشگاه جیویسکلیک با استفاده از این فناوری انجام شده‌است.
سال گذشته، محققان روشی را ارائه کردند که قادر به پیش‌بینی موفقیت‌آمیز محل اتصال مولکول‌های لیگاند تثبیت‌کننده روی نانوذرات بود. اکنون آنها ابزاری جدید در اختیار دارند که می‌تواند بدون نیاز به استفاده از محاسبات ساختار الکترونیکی بسیار سنگین، انرژی پتانسیل ساختار‌های اتمی ذرات را پیش‌بینی کند. این ابزار به مونت‌کارلو کمک می‌کند تا دینامیک اتمی را در ذرات در دمای بالا شبیه‌سازی کند.
انرژی پتانسیل یک سیستم، یکی از پارامتر‌های کمّی در علم محاسباتی نانو است؛ چرا که این انرژی امکان ارزیابی کمی پایداری سیستم، نرخ واکنش‌های شیمیایی و استحکام پیوند‌های بین مولکولی را فراهم می‌کند.
نانوذرات فلزی که با لیگند پایدار شده‌اند انواع مختلفی از پیوند‌های شیمیایی را داشته و برای محاسبه انرژی این پیوند‌ها با روش‌های رایج نظیر تئوری عامل دانسیته (DFT) نیاز به محاسبات بسیار سنگین و متعدد است که در نتیجه لازم است از ابرکامپیوتر‌ها استفاده نمود.
همین موضوع موجب شده تا شبیه‌سازی کارآمد برای درک ویژگی‌های نانوذرات، نظیر قابلیت آنها در استفاده به‌عنوان کاتالیزور یا تعامل نانوذرات با ذرات زیستی مانند پروتئین، ویروس یا DNA با محدودیت‌هایی روبرو باشد.
پژوهشگران نشان دادند که استفاده از یادگیری ماشینی می‌تواند به مدل‌سازی سیستم‌ها کمک کرده و سرعت شبیه‌سازی را چند ده برابر تسریع کند.
این روش جدید امکان شبیه‌سازی روی لپتاپ یا رایانه را برای محققان فراهم می‌کند و آنها قادر خواهند بود تا انرژی پتانسیل پیوند‌ها را پیش‌بینی کنند. این کار روی نانوذرات طلا که با گروه‌های تیول پایدار شده‌اند، انجام شده است.
نتایج این پروژه در نشریه Journal of Physical Chemistry به چاپ رسیده است
منبع: خبرگزاری دانشجو
کلیدواژه: نانو ذرات یادگیری ماشینی یادگیری ماشینی روی نانوذرات پایدار شده شبیه سازی پیوند ها پیش بینی
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت snn.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «خبرگزاری دانشجو» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۸۴۱۵۱۷۸ 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:
تاثیر فقر بر رشد مغز کودکان
ایسنا/خراسان رضوی نتایج تحقیقات نشان می‌دهد که فقر بر رشد مغز کودکان تأثیر می‌گذارد.
به نقل از ارث، آیا می‌دانستید که جایگاه شما بر روی نردبان اقتصادی، می‌تواند به شدت بر آنچه درون ذهن شما می‌گذرد تأثیر بگذارد؟
نتایج تحقیق جدید این واقعیت نگران‌کننده را نشان می‌دهد که فقر عمیقاً بر مغز تأثیر می‌گذارد، با اثراتی که می‌تواند تا آخر عمر باقی بماند.
قبل از این تحقیق، دانشمندان نکاتی در مورد چگونگی تأثیر فقر بر مغز و نتایج زندگی می‌دانستند و نتایج برخی از تحقیقات نشان می‌دهد که کودکان فقیر در مدرسه با مشکلات بیشتری مواجه هستند.
تحقیقات بیشتر ارتباط بین فقر و مشکلات سلامت جسمانی را نشان دادند. این مطالعه تمام آن شواهد پراکنده را در بر می‌گیرد و آنها را در کنار هم قرار می‌دهد و تصویری واضح ایجاد می‌کند.
یافته‌ها نشان می‌دهد که فقر، افراد را در معرض عوامل منفی مانند استرس، تغذیه نامناسب و سموم محیطی قرار می‌دهد. این عوامل ساختار فیزیکی و عملکرد مغز را تغییر می‌دهند، به خصوص زمانی که در دوران رشد کودک اتفاق می‌افتد.
زندگی در فقر به معنای نگرانی دائمی است. وقتی کودکی همیشه در حالت «جنگ یا گریز» است، مغزش غرق از هورمون‌های استرس مانند کورتیزول می‌شود. با گذشت زمان، کورتیزول به‌طور فیزیکی به مناطقی از مغز که مسئول حافظه، یادگیری و تنظیم هیجانی هستند آسیب می‌رساند. به این فکر کنید که مغز به آرامی تحت تأثیر استرس مداوم فرسوده می‌شود.
جوامع کم درآمد اغلب به کارخانه‌ها، بزرگراه‌ها یا دیگر منابع آلودگی هوا و آب نزدیک‌تر هستند. کودکان در این مناطق تنفس می‌کنند و مواد شیمیایی مضر را می‌بلعند.
بدترین بخش این است که این تأثیرات معامله یکباره نیستند. آسیب مغزی وارد شده در دوران کودکی می‌تواند عواقب مادام‌العمر داشته باشد. به‌عنوان مثال، کودک پر استرس که برای یادگیری در مدرسه تلاش می‌کند، احتمال بیشتری دارد که ترک تحصیل کند و چرخه فقر را در نسل بعدی تداوم بخشد.
نتایج این تحقیق در مجله Reviews in the Neurosciences منتشر شده است.
انتهای پیام
محکومیت بدوی توماج صالحی به اعدام