นักวิทยาศาสตร์ใช้การคำนวณแบบควอนตัมเพื่อสร้างกระจกที่ลดการใช้เครืองปรับอากาศ

The University of Notre Dame ภาพจาก Popular Science

นักวิจัยจาก University of Notre Dame และ Kyung Hee University ของเกาหลีใต้ ใช้การคำนวณแบบควอนตัม (quantum computing) เพื่อสร้างชั้นเคลือบกระจกประหยัดพลังงาน นักวิจัยผสมผสานการคำนวนแบบควอนตัมและการเรียนรู้ของเครื่อง (machine learning) เพื่อค้นหาวัสดุที่ดีที่สุดโยการผสมผสานวัตถุดิบทั้งหมดที่เป็นไปได้เข้าด้วยกัน

ในที่สุดพวกเขาก็ได้สูตรคือการนำชั้นที่หนา 1.5 ไมครอน ที่ประกอบด้วยซิลิกา (silica) อลูมินา (alumina) และไททาเนียมออกไซด์ (titanium oxide)  ใส่ลงบนฐานแก้วที่เคลือบด้วยโพลิเมอร์ของคอนแทคเลนส์ ผลที่ได้คือชั้นทำความเย็นแบบโปร่งใสที่ยอมให้แสงผ่านเข้ามาได้โดยไม่เพิ่มอุณหภูมิภายในอาคารให้สูงขึ้น ลดต้นทุนการทำความเย็นลงได้หนึ่งในสาม

Tengfei Luo แห่ง Notre Dame กล่าวว่า "ฉันคิดว่าการใช้การคำนวณแบบควอนตัมมีความสำคัญพอๆ กับตัววัสดุ"

อ่านข่าวเต็มได้ที่: Popular Science

 

AI กระตุ้นให้มีการศึกษาด้านมะเร็งสมองมากที่สุดจนถึงปัจจุบัน

Photo by National Cancer Institute on Unsplash

นักวิจัยจาก University of Pennsylvania Health System (Penn Medicine) และ Intel เป็นผู้นำโครงการวิจัยการเรียนรู้ของเครื่อง (machine learning) หรือ ML ที่ใหญ่ที่สุดซึ่งรวบรวมข้อมูลจากการสแกนสมองของผู้ป่วยโรคไกลโอบลาสโตมา (glioblastoma) 6,314 รายทั่วโลก

นักวิจัยใช้การเรียนรู้แบบสมาพันธ์ (federated learning) ซึ่งนำอัลกอริทึม ML ไปใช้กับข้อมูล แทนที่จะรวมศูนย์ข้อมูลไว้ที่อัลกอริทึม พวกเขาฝึกอบรมล่วงหน้ากับตัวแบบเบื้องต้นจากข้อมูลที่เปิดเผยต่อสาธารณะ จากการแข่งขันการแบ่งกลุ่มเนื้องอกในสมองระหว่างประเทศ จากนั้นจึงเพิ่มข้อมูลเพื่อสร้างตัวแบบฉันทามติเบื้องต้นที่แม่นยำยิ่งขึ้น

ตัวแบบนี้และข้อมูลที่ป้อนเพิ่มเติมเข้าสู่ตัวแบบฉันทามติขั้นสุดท้าย เพื่อเพิ่มประสิทธิภาพและประเมินความสามารถทั่วไปของข้อมูลที่ไม่เคยเห็นมาก่อน 

"ยิ่งเราสามารถป้อนข้อมูลลงในตัวแบบการเรียนรู้ของเครื่องได้มากเท่าใด ข้อมูลเหล่านี้ก็จะแม่นยำมากขึ้นเท่านั้น ซึ่งจะช่วยเพิ่มความสามารถของเราในการทำความเข้าใจ รักษา และกำจัดมะเร็งเม็ดเลือดขาวในผู้ป่วยได้แม่นยำยิ่งขึ้น" Spyridon Bakas จาก Penn Medicine อธิบาย

อ่านข่าวเต็มได้ที่: Penn Medicine News

รายการภาษาเขียนโปรแกรมยอดนิยม: การเปลี่ยนแปลงที่คาดไม่ถึงที่ตำแหน่งด้านบน

Photo by Uday Awal on Unsplash

C++ แซงหน้า Java บนดัชนีภาษาโปรแกรมรายเดือนของบริษัททดสอบคุณภาพซอฟต์แวร์ Tiobe Software ของเนเธอร์แลนด์เป็นครั้งแรก โดยแซงขึ้นมาเป็นภาษายอดนิยมอันดับสาม

Paul Jansen จาก Tiobe Software กล่าวว่านี่ยังนับเป็นครั้งแรกนับตั้งแต่ปี 2001 ที่ Java ซึ่งขณะนี้อยู่ในอันดับที่สี่ หลุดจากสามอันดับแรกของการจัดอันดับ Jansen ยังกล่าวอีกว่าภาษา Kotlin และ Julia กำลังเข้าใกล้ 20 อันดับแรกของ Tiobe

Google สนับสนุน Kotlin ซึ่งเป็นภาษาที่เข้ากันได้กับ Java สำหรับการพัฒนาแอปพลิเคชัน Android ในขณะที่ Julia กำลังได้รับความนิยมสำหรับแอปด้านวิทยาศาสตร์ข้อมูล

ภาษาที่เข้ามาใน 20 อันดับแรกของดัชนีล่าสุด ได้แก่ ภาษา Rust ซึ่งกระโดดจากอันดับที่ 27 มาเป็นอันดับที่ 20 Objective-C (จาก 29 เป็น 19) MATLAB (จาก 20 เป็น 14) และ Go ของ Google (จาก 19 เป็น 12)

อ่านข่าวเต็มได้ที่: ZDNet

การออกแบบหุ่นยนต์ที่อาจช่วยวิวัฒนาการการสร้างสิ่งของในอวกาศ

Photo by History in HD on Unsplash

นักวิจัยที่ University of Lincoln (UOL) ของ U.K. ได้ออกแบบหุ่นยนต์ที่มีการการเดินแบบ end-over-end (e-walker) สำหรับโครงการก่อสร้างอวกาศ

หุ่นยนต์ e-walker มีความสามารถในการเคลื่อนที่อิสระเจ็ดองศา (seven-degrees-of-freedom) Manu Nair และเพื่อนร่วมงานที่ UOL ได้ทดสอบการใช้งาน e-walker ในการประกอบกล้องโทรทรรศน์ Aperture Space Telescope ขนาดใหญ่ 25 เมตร (82 ฟุต) ในวงโคจร 

Nair กล่าวว่า "นวัตกรรมการออกแบบ e-walker นี้พิสูจน์ให้เห็นแล้วว่ามีความหลากหลาย และเป็นทางเลือกในอุดมคติสำหรับภารกิจภายในวงโคจรในอนาคต

 E-Walker จะสามารถขยายวงจรชีวิตของภารกิจโดยทำงานประเภทการซ่อมมำรุงที่ต้องทำเป็นประจำ และงานบริการต่าง ๆ หลังจากการก่อสร้างในอวกาศ

อ่านข่าวเต็มได้ที่: SciTechDaily

นักวิจัยสอน AI ให้เล่น Minecraft ทำไม

Photo by Steve Johnson on Unsplash

OpenAI ได้พัฒนาบอทสำหรับเล่น Minecraft ที่สามารถสร้างเครื่องมือและสิ่งปลูกสร้างในเกมที่ต้องใช้การทำงานต่อเนื่องกันมากกว่า 20,000 ครั้งผ่านการผสมผสานระหว่างการเลียนแบบและการเรียนรู้แบบเสริมแรง (reinforcement learning) 

บอทที่ได้รับการฝึกฝนจากการเล่นเกมของมนุษย์กว่า 70,000 ชั่วโมง สร้าง "diamond tools" เสร็จเป็นคนแรก ซึ่งเครื่องมือนี้โดยเฉลี่ยผู้เล่นที่เป็นคนจะใช้เวลา 20 นาทีและทำงานต่อเนื่องกัน 24,000  ขั้นตอนในการสร้าง

การเรียนรู้ด้วยการเลียนแบบในให้แต่ละขั้นตอนจริง ๆ แล้วต้องมีคนเป็นเขียนป้ายกำกับ (label) เพื่ออธิบาย แต่นักวิจัยใช้โครงข่ายประสาทเทียมต่างหากอีกตัวหนึ่งในการทำงานดังกล่าว โดยโครงข่ายประสาทเทียมนี้ได้รับการฝึกฝนไว้ก่อนหน้าจากการดูวีดีโอ

นักวิจัยกล่าวว่าการใช้การเลียนแบบและการเรียนรู้แบบเสริมแรงร่วมกัน สามารถปูทางสำหรับความก้าวหน้าในยานยนต์ที่ขับเคลื่อนด้วยตัวเองและการวิจัยนิวเคลียร์ฟิวชัน

อ่านข่าวเต็มได้ที่: Popular Science