การทดลองที่อาจทำให้สามารถแก้ความท้าทายครั้งใหญ่ในการคำนวณควอนตัม

ภาพจาก ScienceAlert

นักวิทยาศาสตร์จาก National Institutes of Natural Sciences ของญี่ปุ่นได้สร้างเกทของสองควอนตัมบิต (qubit) ที่เร็วมาก ซึ่งสามารถจัดการกับความท้าทายครั้งใหญ่ในการคำนวณควอนตัม โดยการเพิ่มความเร็วการทำงานของเกทควอนตัมให้เกินกว่าหนึ่งในล้านของวินาที เกทสามารถเอาชนะสิ่งรบกวน และให้ผลคำนวณที่แม่นยำ

นักวิจัยได้ระบายความร้อนด้วยเลเซอร์ เพื่อทำให้แก๊สของอะตอมของรูบิเดียมสองอะตอมให้มีค่าใกล้ศูนย์อย่างสมบูรณ์ และจัดการพวกมันให้อยู่ในระยะห่างระดับไมครอน 

จากนั้นพวกเขาใช้เลเซอร์เป็นจังหวะเพื่อขยายอนุภาคให้เป็นอะตอมของ Rydberg ทำให้เกิดการเหนี่ยวนำ (inducing) รูปร่างวงโคจรและพลังงานอิเล็กตรอนเป็นระยะ 6.5 นาโนวินาทีระหว่างอะตอม ซึ่งเร็วกว่าความเร็วของการทดลองอะตอม Rydberg ครั้งก่อนมากกว่า 100 เท่า

อ่านข่าวเต็มได้ที่: ScienceAlert

นิ้วประดิษฐ์สามารถระบุว่าสิ่งของทั่ว ๆ ไป ทำมาจากอะไร

ภาพจาก New Scientist

นิ้วประดิษฐ์ที่สร้างขึ้นโดยนักวิจัยจาก Beijing Institute of Nanoenergy and Nanosystems ของจีน สามารถระบุวัสดุต่างๆ โดยใช้เซ็นเซอร์แบบไตรโบอิเล็กทริก (triboelectric) และสามารถรับรู้ถึงความหยาบของวัสดุเหล่านั้นได้

อุปกรณ์นี้มีเซ็นเซอร์สี่เหลี่ยมจัตุรัสสี่ตัว ซึ่งแต่ละอันประกอบด้วยพอลิเมอร์ที่แตกต่างกันซึ่งมีคุณสมบัติทางไฟฟ้าต่างกัน เมื่อเซ็นเซอร์เคลื่อนเข้าใกล้พื้นผิวของวัตถุมากพอ อิเล็กตรอนจากเซนเซอร์แต่ละตัวจะมีปฏิสัมพันธ์กับพื้นผิวในลักษณะเฉพาะที่สามารถวัดปริมาณได้

เซ็นเซอร์เชื่อมต่อกับโปรเซสเซอร์และหน้าจอไดโอดเปล่งแสงอินทรีย์ ซึ่งแสดงชื่อประเภทวัสดุ เมื่อรวมเข้ากับการวิเคราะห์ข้อมูลโดยใช้การเรียนรู้ของเครื่อง (machine learning)  นิ้วประดิษฐ์สามารถระบุวัสดุที่แตกต่างกัน 12 ชนิด ซึ่งรวมถึงไม้ แก้ว พลาสติก และซิลิกอน โดยมีความแม่นยำอย่างน้อย 90%

อ่านข่าวเต็มได้ที่: New Scientist

มหาวิทยาลัยในจักรวาลนฤมิตมาแล้ว การศึกษาระดับสูงพร้อมหรือยัง

ภาพจาก Inside Higher Ed

ฤดูใบไม้ร่วงนี้ นักศึกษาจากมหาวิทยาลัย 10 แห่งในสหรัฐฯ จะเข้าร่วมมหาวิทยาลัยนฤมิตร (metaversities)  แพลตฟอร์มความจริงเสมือน (virtual reality) หรือ VR ที่ครูและนักเรียนสวมชุดหูฟัง VR และโต้ตอบกันได้ 

ฝ่ายสนับสนุนอ้างว่า VR เพิ่มการมีส่วนร่วม ความสำเร็จ และความพึงพอใจของนักเรียน แต่นักวิชาการบางคนกังวลเกี่ยวกับผู้ที่เป็นเจ้าของเทคโนโลยีมหาวิทยาลัยนฤมิตร ที่อาจเน้นรายได้เหนือเสรีภาพทางวิชาการ การนำข้อมูลของนักเรียนไปใช้ประโยชน์ 

ความท้าทายดังกล่าวหลายตัวสามารถแก้ไขได้โดยการปรับใช้แนวปฏิบัติที่ดีที่สุดด้านการศึกษา แรงจูงใจทางการค้า และการจัดการปัญหาทางการเมือง โดยนักเรียนอาจพบว่ามหาวิทยาลัยนฤมิตรดีกว่าการมีส่วนร่วมผ่านหน้าจอสองมิติจากระยะไกล 

ปีที่แล้ว Morehouse College ได้ทดสอบแนวคิดมหาวิทยาลัยนฤมิตร กับหลักสูตรประวัติศาสตร์โลก ชีววิทยา และเคมี นักศึกษาประวัติศาสตร์โลกที่เข้าร่วมได้คะแนนเฉลี่ยปรับขึ้น 10% เมื่อเทียบกับเกรดในวิชาเดียวกันที่ใช้ซูมและการเรียนในชั้น 

Nir Eisikovits แห่ง University of Massachusetts เชื่อว่าการศึกษาในมหาวิทยาลัยจะเป็นตัวเสริมของมหาวิทยาลัยนฤมิตร ไม่ใช่ในทางกลับกัน

อ่านข่าวเต็มได้ที่: Inside Higher Ed

อัลกอริทึมช่วยสร้างคำถามทางคณิตศาสตร์

ภาพจาก MIT News

ทีมนักวิจัยจากหลายสถาบันที่นำโดย Iddo Drori แห่ง Massachusetts Institute of Technology ใช้ตัวแบบโครงข่ายประสาทเทียมเพื่อแก้ปัญหาคณิตศาสตร์ระดับมหาวิทยาลัยในไม่กี่วินาที

นักวิจัยใช้ตัวแบบ Codex ของ OpenAI ซึ่งถูกฝึกอบรมเกี่ยวกับข้อความและ "ปรับแต่ง" ให้เข้าใจโค้ดโปรแกรม เพื่อเรียนรู้ว่าข้อความและโค้ดมีความสัมพันธ์กันอย่างไร

ตัวแบบสามารถแปลงคำถามจากข้อความเป็นโค้ด จากการให้ตัวอย่างโค้ดคำถามสองสามตัวอย่าง จากนั้นรันโค้ดเพื่อแก้ปัญหา

ตัวแบบนี้ยังอธิบายวิธีแก้ปัญหาโดยอัตโนมัติ และสามารถสร้างปัญหาใหม่ในวิชาคณิตศาสตร์ระดับมหาวิทยาลัย ซึ่งนักศึกษามหาวิทยาลัยแยกแยะไม่ออกว่าเป็นคำถามที่ไม่ได้สร้างจากคน Drori กล่าวว่า "งานชิ้นนี้เปิดพื้นที่ให้ผู้คนเริ่มใช้การเรียนรู้ของเครื่องเพื่อแก้ปัญหาที่ยากขึ้นและยากขึ้น" 

อ่านข่าวเต็มได้ที่: MIT News

หุ่นยนต์ใต้น้ำได้รับการพัฒนาให้ทำแผนที่ใต้น้ำ

Photo by Luise and Nic on Unsplash

เฟรมเวิร์กใหม่ช่วยให้หุ่นยนต์ใต้น้ำที่ทำงานอัตโนมัติสามารถสร้างแผนที่สภาพแวดล้อมใต้น้ำที่รกได้อย่างมีประสิทธิภาพมากขึ้นและมีข้อผิดพลาดน้อยลง 

นักวิจัยได้สร้างแผนที่เสมือนจริงซึ่งแสดงพื้นที่ที่หุ่นยนต์ยังไม่เคยเห็น และอัลกอริทึมที่กำหนดเส้นทางของหุ่นยนต์ผ่านพื้นที่เหล่านั้น โดยคำนึงถึงความไม่แน่นอนของการทำงานในพื้นที่ เนื่องจากขาด GPS ใต้น้ำ และการสังเกตด้วยการรับรู้ที่รวบรวมโดยใช้การถ่ายภาพโซนาร์

เฟรมเวอร์กนี้ได้รับการทดสอบที่ท่าเรือที่ Kings Point, NY โดยใช้หุ่นยนต์ใต้น้ำ BlueROV2 Brendan Englot แห่ง  Stevens Institute of Technology กล่าวว่า "ผลการวิจัยพบว่าตัวแบบที่เป็นคู่แข่งขันกัน แต่ละตัวมีข้อดีเฉพาะของตัวเอง แต่ในส่วนของเราเสนอการประนีประนอมที่น่าสนใจอย่างมากระหว่างการสำรวจสภาพแวดล้อมที่ไม่รู้จักอย่างรวดเร็ว ในขณะที่สร้างแผนที่ที่แม่นยำของสภาพแวดล้อมเหล่านั้น"

อ่านข่าวเต็มไดที่: IEEE Spectrum