อุปกรณ์ขนาดเท่ากระเป๋าเสื้ออาจช่วยตรวจว่าบาดแผลติดเชิ้อหรือไม่ ได้เร็วกว่า

ภาพจาก Frontiers Science News

นักวิทยาศาสตร์ในแคนาดาและเม็กซิโกได้ออกแบบอุปกรณ์ขนาดพกพาเพื่อระบุบาดแผลที่ติดเชื้อจากภาพทางการแพทย์ที่ถ่ายด้วยสมาร์ทโฟนหรือแท็บเล็ต

แพทย์สามารถติด Swift Ray 1 เข้ากับสมาร์ทโฟนและเชื่อมโยงกับซอฟต์แวร์ Swift Skin and Wound เพื่อบันทึกภาพถ่ายระดับภาพถ่ายทางการแพทย์ ภาพความร้อนอินฟราเรด และภาพเรืองแสงของแบคทีเรีย

นักวิจัยได้เลือกผู้ป่วยที่ได้รับบาดเจ็บ 66 ราย ในขณะที่นักวิทยาศาสตร์ตรวจสอบภาพบาดแผลของพวกเขา และจำแนกบาดแผล 20 แผลว่าไม่มีการอักเสบ 26 แผลเป็นอักเสบ และ 20 แผลเป็นติดเชื้อ

นักวิจัยใช้อัลกอริธึมการจัดกลุ่ม k-neighbor ที่ใกล้ที่สุดเพื่อกำหนดตัวแบบการเรียนรู้ของเครื่อง (machibe learning) ที่สามารถระบุบาดแผล 3 ประเภทด้วยความแม่นยำโดยรวม 74% และระบุบาดแผลที่ติดเชื้อได้ 100% และบาดแผลที่ไม่ติดเชื้อ 91% อย่างถูกต้อง

อ่านข่าวเต็มได้ที่: Frontiers Science News

ขอเชิญพบกับ Apollo หุ่นยนต์เหมือนคนที่เปรียบได้กับ iPhone

ภาพจาก CNN

นักวิจัยจาก Apptronik บริษัทสตาร์ทอัพด้านหุ่นยนต์ในเท็กซัสได้เปิดตัว Apollo หุ่นยนต์ฮิวแมนนอยด์ที่มีความสูงเกือบ 6 ฟุต (1.8 เมตร) และหนัก 160 ปอนด์ (27 กก.) ที่สามารถยกน้ำหนักได้ 55 ปอนด์ (25 กก.) และได้รับการออกแบบมาเพื่อทำงานเคียงข้างมนุษย์

หุ่นยนต์ที่ใช้พลังงานจากแบตเตอรี่ติดตั้งแผงหน้าอกดิจิทัลที่ให้รายละเอียดอายุการใช้งานแบตเตอรี่ที่เหลืออยู่ งานปัจจุบัน เวลาที่คาดว่าจะเสร็จสิ้น และงานถัดไป

อพอลโลสามารถเดิน งอแขน และจับสิ่งของต่าง ๆ ได้ และมีใบหน้าที่เข้าถึงได้และเป็นมิตร เพื่อช่วยให้เพื่อนร่วมงานที่เป็นมนุษย์รู้สึกสบายใจกับมันมากขึ้น นอกจากนี้ยังมีกล้องการรับรู้และเซ็นเซอร์ที่ช่วยให้สามารถจัดทำแผนที่สภาพแวดล้อมและหลีกเลี่ยงอุปสรรคได้

Jeff Cardenas ซีอีโอของ Apptronik กล่าวว่า "เป้าหมายคือการสร้างหุ่นยนต์ตัวหนึ่งที่สามารถทำสิ่งต่าง ๆ นับพันได้ และถ้าต้องการให้มันทำงานใหม่หรือมีพฤติกรรมใหม่ก็แค่อัพเดตซอฟต์แวร์เท่านั้น"

อ่านข่าวเต็มได้ที่: CNN

การปลูกถ่ายสมองสามารถช่วยให้ผู้ที่เป็นอัมพาตพูดได้เร็วและชัดเจนขึ้น

ภาพจาก  CNN

การวิจัยแสดงให้เห็นว่าการปลูกถ่ายสมองสามารถช่วยให้ผู้ป่วยที่เป็นอัมพาตสื่อสารได้เร็วขึ้นและแม่นยำยิ่งขึ้น 

ทีมนักวิจัยจากหลายสถาบันที่นำโดย Jaimie Henderson จาก Stanford University วิเคราะห์ว่าระบบประสาทเทียมที่ฝังลงในสองบริเวณของผู้ป่วยโรคปลอกประสาทเสื่อมแข็งชนิดอะไมโอโทรฟิค (amyotrophic) ซึ่งผู้ป่วยคือ Pat Bennett บันทึกการทำงานของระบบประสาทขณะที่เธอพยายามขยับใบหน้า ส่งเสียง หรือพูดคำเดียวได้อย่างไร

อาร์เรย์อิเล็กโทรดเชื่อมโยงกับคอมพิวเตอร์โดยใช้สาย ในขณะที่ซอฟต์แวร์ถอดรหัสและแปลสัญญาณเป็นคำที่แสดงบนหน้าจอคอมพิวเตอร์แบบเรียลไทม์

Frank Willett จากสถาบันการแพทย์ Howard Hughes กล่าวว่า "เราสามารถถอดรหัสความพยายามในการพูดโดยมีอัตราข้อผิดพลาดของคำ 23% เมื่อใช้ชุดคำขนาดใหญ่ที่เก็บคำที่ผู้ป่วยน่าจะพูดจำนวน 125,000 คำ ซึ่งหมายความว่าประมาณสามในสี่ของคำจะถูกถอดรหัสอย่างถูกต้อง"

อ่านข่าวเต็มได้ที่: CNN

IBM อาจทำให้การแก้ไขข้อผิดพลาดง่ายขึ้นสำหรับคอมพิวเตอร์ควอนตัม

ภาพจาก New Scientist

นักวิจัยของ IBM ลดจำนวนบิตควอนตัม (qubits) ที่จำเป็นสำหรับการแก้ไขข้อผิดพลาดควอนตัมลงอย่างมาก โปรโตคอลเกี่ยวข้องกับการเชื่อมโยงแต่ละ qubit ในคอมพิวเตอร์กับอีก 6 ตัวผ่านทางควอนตัมพัวพัน (quantum entanglement) ดังนั้นแต่ละ qubit จะตรวจสอบกันและกัน

ในขณะที่รหัสพื้นผิว (surface code) เชื่อมต่อแต่ละคิวบิตกับอีกสี่ตัวเพื่อให้สามารถจัดเรียงเป็นตารางที่เรียบง่ายบนพื้นผิวของชิปได้ โปรโตคอลใหม่ต้องใช้ตารางคู่ขนานสองตาราง นักวิจัยประเมินว่าการตั้งค่านี้สามารถควบคุม 288 คิวบิตเพื่ออำนวยความสะดวกในระดับการแก้ไขข้อผิดพลาดซึ่งต้องใช้ 4,000 คิวบิตด้วยโค้ดพื้นผิว

Jérémie Guillaud จากบริษัทสตาร์ทอัพคอมพิวเตอร์ควอนตัมสัญชาติฝรั่งเศส Alice & Bob กล่าวว่าเทคโนโลยีที่จำเป็นในการทำให้แนวคิดนี้เป็นจริงสามารถพัฒนาได้ในอีกไม่กี่ปีข้างหน้า

อ่านข่าวเต็มได้ที่: New Scientist

การเรียนรู้ของเครื่องที่ใช้แสงอาจทำให้ได้ LLM ที่มีประสิทธิภาพมากขึ้น

ภาพจาก MIT News

ทีมที่นำโดยนักวิจัยจาก Massachusetts Institute of Technology ได้พัฒนาระบบการเรียนรู้ของเครื่อง (machine learning) ที่ใช้แสงซึ่งสามารถแซงหน้าระบบที่อยู่เบื้องหลัง ChatGPT ในแง่ของความสามารถและประสิทธิภาพ ในขณะเดียวกันก็ใช้พลังงานน้อยกว่าด้วย

สถาปัตยกรรมขนาดกะทัดรัดนี้อิงตามอาร์เรย์ของเลเซอร์เปล่งแสงพื้นผิวแนวตั้งที่พัฒนาโดยนักวิจัยจาก Technische Universitat Berlin ของเยอรมนี ระบบใช้เลเซอร์ขนาดไมครอนนับร้อยและการเคลื่อนตัวของแสงเพื่อทำการคำนวณ

นักวิจัยกล่าวว่าสามารถปรับขนาดเพื่อใช้ในเชิงพาณิชย์ได้ในอนาคตอันใกล้นี้ โดยต้องพึ่งพาอาร์เรย์เลเซอร์ที่ใช้กันทั่วไปในระบบระบุใบหน้าของโทรศัพท์มือถือ และสำหรับการสื่อสารข้อมูล

พวกเขาพบว่าระบบนี้ประหยัดพลังงานมากกว่า 100 เท่า และมีประสิทธิภาพมากกว่า 25 เท่าในแง่ของความหนาแน่นในการประมวลผล เมื่อเทียบกับซูเปอร์คอมพิวเตอร์ล้ำสมัยในปัจจุบันที่ใช้ในการขับเคลื่อนตัวแบบการเรียนรู้ของเครื่องที่มีอยู่

อ่านข่าวเต็มได้ที่: MIT News