วันจันทร์ที่ 28 มิถุนายน พ.ศ. 2564

เยอรมันเปิดตัวควอนตัมคอมพิวเตอร์ประสิทธิภาพสูงเพื่อให้ยุโรปแข่งขันได้ทางเทคโนโลยี

quantum-computer
ภาพจาก ACM

เยอรมนีเปิดตัวคอมพิวเตอร์ควอนตัมที่สร้างโดย IBM ภายใต้การก่อสร้างโดย IBM เครื่องดังกล่าวจะถูกจัดการโดยองค์กรวิจัยเยอรมัน Fraunhofer-Gesellschaft เพื่อให้นักวิจัยและบริษัทต่างๆ ที่พัฒนาและทดสอบอัลกอริธึมควอนตัมได้ใช้งาน เยอรมนีประกาศเมื่อปีที่แล้วว่าจะลงทุนในควอนตัมมูลค่า 2 พันล้านยูโร (2.37 พันล้านดอลลาร์สหรัฐ) ในช่วงห้าปีที่ผ่านมา เสริมด้วยกองทุน 1 พันล้านยูโร (1.19 พันล้านดอลลาร์สหรัฐ) ของคณะกรรมาธิการยุโรปสำหรับเทคโนโลยีควอนตัม นายกรัฐมนตรี Angela Merkel ระบุว่าถึงเวลาแล้วที่ยุโรปจะต้องไล่ตามสหรัฐฯ และจีน ซึ่งถือครองสิทธิบัตรที่เกี่ยวข้องกับการคำนวณควอนตัมมากที่สุด Reimund Neugebauer แห่ง Fraunhofer-Gesellschaft กล่าวว่ามีการสร้างความร่วมมือกับบริษัทและมหาวิทยาลัยเพื่อใช้คอมพิวเตอร์นี้ แต่เขาจะปฏิเสธที่จะบอกชื่อ

อ่านข่าวเต็มได้ที่: Politico

วันอาทิตย์ที่ 27 มิถุนายน พ.ศ. 2564

คอมพิวเตอร์ช่วยนักวิจัยหาวัสดุที่จะเปลี่ยนพลังงานแสงเป็นไฮโดรเจน

solar-to-hydrogen
ภาพจาก PENN STATE

ทีมวิจัยที่นำโดยนักวิจัยจาก Pennsylvania State University (Penn State) ได้แสดงให้เห็นว่าซูเปอร์คอมพิวเตอร์สามารถระบุวัสดุที่สามารถช่วยแยกไฮโดรเจนออกจากน้ำโดยใช้พลังงานแสงอาทิตย์ได้อย่างไร  นักวิจัยได้พัฒนาอัลกอริธึมเพื่อระบุวัสดุจากฐานข้อมูล Materials Project ซึ่งเปิดให้เข้าถึงแบบออนไลน์ ซึ่งมีคุณสมบัติของตัวเร่งปฏิกิริยาด้วยแสงที่เหมาะสม ซึ่งสามารถช่วยให้เกิดกระบวนการผลิตไฮโดรเจนจากแสงอาทิตย์เมื่อเติมลงในน้ำ พวกเขาทดสอบสิ่งต่าง ๆ เช่น band gap หรือช่วงพลังงานในอุดมคติสำหรับวัสดุที่จะดูดซับแสงแดด รวมถึงวัสดุที่สามารถแยกน้ำได้อย่างมีประสิทธิภาพและมีความคงตัวทางเคมีที่ดี Yihuang Xiong จาก Penn State กล่าวว่า "เราเชื่อว่าเวิร์กโฟลว์การคำนวณและการทดลองแบบบูรณาการที่เราพัฒนาขึ้นนั้นสามารถเร่งการค้นพบตัวเร่งปฏิกิริยาด้วยแสงที่มีประสิทธิภาพได้อย่างมาก"

อ่านข่าวเต็มได้ที่: Pennsylvania State University News

วันเสาร์ที่ 26 มิถุนายน พ.ศ. 2564

นักวิจัยระบุยา 16 ตัวที่อาจรักษาโควิด-19 ได้

ESI-Researchers
ภาพจาก RUVID (Spain)

นักวิจัยจาก ESI International Chair ของ CEU Cardenal Herrera University และ ESI Group ใช้กลยุทธ์การคำนวณโทโพโลยี (computing topology) แบบใหม่ เพื่อพิจารณาว่ายาที่มีอยู่ชนิดใดที่สามารถนำมาใช้รักษาโรคโควิด-19 ได้ แบบจำลองนี้ใช้การวิเคราะห์ข้อมูลแบบโทโพโลยี เพื่อเปรียบเทียบโครงสร้างสามมิติของโปรตีนเป้าหมายของยาที่รู้จักโปรตีนของโคโรนาไวรัส SARS-CoV-2 เช่น โปรตีน NSP12 นักวิจัยได้ศึกษายา 1,825 ชนิดที่ได้รับการอนุมัติจากสำนักงานคณะกรรมการอาหารและยาแห่งสหรัฐอเมริกา ซึ่งเชื่อมโยงกับโครงสร้างโปรตีน 27,830 ชนิด ในการเปรียบเทียบโครงสร้างทอพอโลยีของโปรตีนที่มีอยู่ในธนาคารข้อมูลโปรตีนกับโปรตีน 23 ชนิดของ SARS-CoV-2 coronavirus พวกเขาระบุยา 16 ชนิดที่ทำหน้าที่ต่อต้านโปรตีนไวรัสสามชนิดที่พบว่ามีความคล้ายคลึงกันของโทโพโลยีอย่างมีนัยสำคัญอย่างมากกับโครงสร้างโปรตีนเป้าหมายของยาที่ใช้กันอยู่แล้ว  ตอนนี้เราสามารถศึกษายาเหล่านี้เพื่อหาส่วนผสมที่ได้ผลที่สุดในการรักษาอาการของโรคโควิด-19

อ่านข่าวเต็มได้ที่: RUVID (Spain)


วันศุกร์ที่ 25 มิถุนายน พ.ศ. 2564

นักวิจัยจาก UW เปลี่ยนรูปถ่ายรูปเดียวให้เป็นวีดีโอ

Snoqualmie-Fall
ภาพน้ำตก Snoqualmie Falls ที่สร้างจากงานวิจัย (original photo: Sarah McQuate/University of Washington)

วิธีการเรียนรู้เชิงลึก (deep learning) แบบใหม่สามารถแปลงภาพถ่ายเดียวของสิ่งที่ไหลต่อเนื่องเป็นวิดีโอแอนิเมชั่นที่วนเป็นต่อเนื่องไปไม่รู้จบ นักวิจัยจาก University of Washington (UW)  ได้คิดค้นเทคนิคนี้ ซึ่ง Aleksander Holynski แห่ง UW กล่าวว่าไม่ต้องการข้อมูลจากผู้ใช้หรือข้อมูลเพิ่มเติม ระบบจะคาดการณ์การเคลื่อนไหวที่เกิดขึ้นเมื่อมีการถ่ายภาพนั้น และสร้างภาพเคลื่อนไหวจากข้อมูลดังกล่าว นักวิจัยใช้วิดีโอหลายพันภาพของของเหลวที่มีการเคลื่อนไหวเพื่อฝึกโครงข่ายประสาทเทียม ซึ่งในที่สุดก็สามารถมองเห็นจุดเชื่อมเพื่อคาดการณ์ว่าจะเกิดอะไรขึ้นต่อไป ทำให้ระบบสามารถตรวจสอบว่าแต่ละพิกเซลควรเคลื่อนที่ในรูปแบบและในลักษณะใด วิธีการที่ทีมงานพัฒนาขึ้นคือ "กระจายอย่างเป็นระบบ" คาดการณ์ทั้งอนาคตและอดีตของภาพ จากนั้นจึงรวมภาพเหล่านั้นเป็นแอนิเมชั่นเดียว

อ่านข่าวเต็มได้ที่: University of Washington News

วันพฤหัสบดีที่ 24 มิถุนายน พ.ศ. 2564

คอมพิวเตอร์ทำนายรสนิยมด้านศิลปะของคน

painting
Credit: Smithsonian American Art Museum, L.E. Katzenbach Fund via California Institute of Technology

นักวิจัยจาก  California Institute of Technology (Caltech) ใช้โปรแกรมเพื่อทำนายความชอบทางศิลปะของผู้คน ทีมงานได้คัดเลือกอาสาสมัครมากกว่า 1,500 คนผ่านแพลตฟอร์มการระดมมวลชน (crowdsourcing) Mechanical Turk ของ Amazon เพื่อให้คะแนนภาพวาดหลากหลายประเภทและฟิลด์สี จากนั้นจึงป้อนข้อมูลนี้ไปยังโปรแกรม นักวิจัยได้สอนคอมพิวเตอร์ให้แยกแยะคุณสมบัติที่มองเห็นของภาพวาดออกเป็นคุณสมบัติระดับต่ำ ได้แก่ ความชัด (contrast) ความอิ่มตัว (saturation) และสีสัน (hue) และคุณสมบัติระดับสูงที่ต้องมีการประเมินโดยมนุษย์ Kiyohito Iigaya แห่ง Caltech กล่าวว่าโปรแกรมได้รวมเอาคุณลักษณะเหล่านี้เพื่อคำนวณว่าคุณลักษณะเฉพาะนั้น ๆ จะถูกใช้ในการตัดสินใจว่างานศิลปะนั้นดึงดูกใจหรือไม่ หลังจากนั้น คอมพิวเตอร์สามารถคาดการณ์ความชอบของบุคคลสำหรับงานศิลปะที่ไม่เคยเห็นมาก่อนได้อย่างแม่นยำ

อ่านข่าวเต็มได้ที่: California Institute of Technology