ทำนายอนาคตของโควิด

ภาพจาก Boston College

เครื่องมือวิเคราะห์ใหม่ที่พัฒนาโดยทีมวิจัยที่นำโดยนักชีววิทยาที่ Boston College (BC) ใช้การจำลองแบบทางกลศาสตร์ควอนตัม (quantum mechanical modeling) เพื่อทำนายการกลายพันธุ์ในอนาคตของ SARS-CoV-2 

Babak Momeni แห่ง BC กล่าวว่า "เราทำนายด้วยการคำนวณว่าการกลายพันธุ์แบบใดที่ผูกพัน (binding) เข้ากับโฮสต์ที่เป็นตัวรับและหลีกเลี่ยงแอนติบอดี้ได้ดีขึ้น" เป้าหมายคือการเตรียมพร้อมสำหรับความกังวลว่าโควิดจะมีการกลายพันธ์ในรูปแบบต่าง ๆ ในอนาคต

Momeni กล่าวว่า "เราใช้ตัวแบบกลศาสตร์ควอนตัมเต็มรูปแบบ เพื่อประเมินในทางทฤษฎีว่าการกลายพันธุ์ที่แตกต่างกันในหนาม [โปรตีนของโคโรนาไวรัส] สามารถส่งผลในการเพิ่มหรือลดความแข็งแรงในการยึดเกาะ ACE2 ของมนุษย์ได้อย่างไร"

การศึกษายังพบว่าปัจจัยอื่นๆ นอกเหนือจากการผูกพัน อาจเกี่ยวข้องกับในการพิจารณาว่ากลายพันธ์มีวิวัฒนาการอย่างไร

อ่านข่าวเต็มได้ที่: Boston College

ความลึกลับที่ซ่อนอยู่ของดวงจันทร์ถูกเปิดเผยด้วยอัลกอริธึม

ภาพจาก  Scientific American

ทีมนักวิทยาศาสตร์นานาชาติได้พัฒนาอัลกอริธึมการเรียนรู้เชิงลึกเพื่อสำรวจบริเวณด้านมืดถาวร (permanently shadowed regions) หรือ PSR ของดวงจันทร์อย่างลึกซึ้งยิ่งขึ้น และเพื่อสร้างภาพลักษณะทางธรณีวิทยาที่มีขนาดเล็กมาก

นักวิจัยได้ฝึกอบรมอัลกอริธึมนี้กับภาพ PSR กว่า 70,000 ภาพ ควบคู่ไปกับข้อมูลเกี่ยวกับอุณหภูมิของกล้องและตำแหน่งการโคจรของกล้อง เพื่อระบุและคัดแยกสัญญาณรบกวนของกล้อง จากนั้นพวกเขาก็ป้อนอัลกอริธึมภาพถ่ายดวงจันทร์ที่มีแสงแดดส่องถึงหลายล้านภาพโดยจับคู่กับภาพจำลองในเงามืด เพื่อจัดการกับสัญญาณรบกวนที่หลงเหลืออยู่

นักวิจัยใช้อัลกอริธึมนี้ในการวิเคราะห์ขนาดและการกระจายของหลุมอุกกาบาตและก้อนหินใน PSR หลายแห่งที่อาจสำรวจไปแล้วโดยโครงการ Artemis lunar ของ NASA

อ่านข่าวเต็มได้ที่: Scientific American

การเรียนรู้ของเครื่องทำนายการสังเคราะห์วัสดุชนิดใหม่

ภาพจาก Northwestern Now

อัลกอริธึมการเรียนรู้ของเครื่อง (machine learning) หรือ ML ที่พัฒนาโดยนักวิทยาศาสตร์จาก Northwestern University และ Toyota Research Institute (TRI) ในซิลิคอนแวลลีย์ สามารถทำนายการสังเคราะห์วัสดุนาโนชนิดใหม่ได้ 

นักวิจัยได้สร้าง "Megalibrary" ของโครงสร้างนาโนที่เข้ารหัสบนชิป และใช้อัลกอริทึมนี้เพื่อพยากรณ์การสังเคราะห์วัสดุนาโนจากพวกมัน 

Chad Mirkin จาก Northwestern กล่าวว่า "เราขอให้ตัวแบบนี้บอกเราว่าส่วนผสมของธาตุมากที่สุดรวมเจ็ดชนิดจะทำให้เกิดสิ่งที่ไม่เคยทำมาก่อนได้หรือไม่ "เครื่องทำนายความเป็นไปได้ 19 อย่าง และหลังจากการทดสอบแต่ละอย่าง เราพบว่าการคาดการณ์ถูกต้อง 18 อย่าง"

Joseph Montoya แห่ง TRI กล่าวว่าข้อมูลดังกล่าวชี้ว่า "การประยุกต์ใช้การเรียนรู้ด้วยเครื่องร่วมกับเทคโนโลยี Megalibrary อาจเป็นหนทางไปสู่การกำหนดจีโนมของวัสดุได้ในที่สุด"

อ่านข่าวเต็มได้ที่: Northwestern Now

วันรุ่นเยอรมันบอกว่า Tesla ถูกแฮกได้ผ่านซอฟต์แวร์ที่ถูกพัฒนาโดยบริษัทอื่น

ภาพจาก Bloomberg

David Colombo วัยรุ่นชาวเยอรมันอ้างว่าได้ค้นพบข้อบกพร่องในซอฟต์แวร์ของบริษัทอื่น ที่อาจอนุญาตให้แฮกเกอร์ยึดฟังก์ชันบางอย่างของรถยนต์ Tesla จากระยะไกล เขาทวีตว่าซอฟต์แวร์จัดเก็บข้อมูลที่จำเป็นในการเชื่อมโยงรถยนต์กับซอฟต์แวร์อย่างไม่ปลอดภัย ซึ่งแฮกเกอร์สามารถขโมยและใช้เพื่อส่งคำสั่งที่เป็นอันตรายไปยังยานพาหนะ

มีรายงานว่า Colombo ใช้ประโยชน์จากช่องโหว่ดังกล่าวเพื่อปลดล็อกประตูและหน้าต่าง สตาร์ทรถโดยไม่ต้องใช้กุญแจ และปิดระบบรักษาความปลอดภัย เขายังบอกด้วยว่าเขาสามารถดูว่ามีคนขับอยู่ในรถหรือไม่ เปิดระบบสเตอริโอ และกระพริบไฟหน้า 

Colombo กล่าวว่าเขาสามารถเข้าถึงรถยนต์เทสลาได้มากกว่า 25 คันในอย่างน้อย 13 ประเทศผ่านข้อบกพร่องนี้ เขาขอให้ Bloomberg ไม่เผยแพร่ข้อมูลที่จำเพาะเจาะจงของช่องโหว่ดังกล่าว เนื่องจากบริษัทที่ผลิตซอฟต์แวร์ที่ได้รับผลกระทบนั้นยังไม่ได้ออกแพตช์มาแก้ไข

อ่านข่าวเต็มได้ที่: Bloomberg

สร้างข้อความออกจากอากาศ

ภาพจาก IEEE Spectrum

นักวิจัยจากมหาวิทยาลัย Zhejiang University ของจีนได้พัฒนาและทดสอบแอปพลิเคชั่นสำหรับนาฬิกาอัจฉริยะ (smart watch) ที่ให้ผู้ใช้เขียนข้อความกลางอากาศด้วยนิ้ว แล้วแอปจะจับข้อความนั้นไว้ แอปนี้มีชื่อว่า AirText  

"เป้าหมายของ AirText คือการอนุมานข้อความที่เขียนด้วยปลายนิ้วในอากาศ โดยใช้ตัวอ่าน IMU (inertial measurement unit) เท่านั้น ตัวอย่างเช่น มาตรความเร่ง (accelerometer) ไจโรสโคป (gyroscope) และแม็กนีโตมิเตอร์ (magnetometer)  จากนาฬิกาอัจฉริยะบนข้อมือเป็นอินพุต" Wei Dong จาก   Zhejiang กล่าว 

โปรแกรม Leap Motion ของนักวิจัยได้ป้อนข้อมูลการเคลื่อนไหวของข้อมือและมือไปยังตัวแบบปัญญาประดิษฐ์ (artificial intelligence) เพื่อสร้างความสัมพันธ์ระหว่างการเคลื่อนไหวของข้อมือและปลายนิ้วในการสะกดคำตัวอักษร 

อาสาสมัครใช้ AirText โดยมีความเร็วในการพิมพ์เฉลี่ย 8.1 คำต่อนาที และอัตราเฉลี่ยข้อผิดพลาดของคำอยู่ระหว่าง 3.6% ถึง 11.2%

อ่านข่าวเต็มได้ที่: IEEE Spectrum