หน่วยความจำคอมพิวเตอร์ที่ทำงานได้ที่อุณหภูมิสูกว่า 500 องศาเซลเซียส

ภาพจาก New Scientist

นักวิจัยจากมหาวิทยาลัยเพนซิลเวเนีย (เพนน์) และห้องปฏิบัติการวิจัยกองทัพอากาศสหรัฐได้ผลิตอุปกรณ์หน่วยความจำคอมพิวเตอร์จากสแกนเดียมอะลูมิเนียมไนไตรด์ที่สามารถทนต่ออุณหภูมิที่เกิน 500 องศาเซลเซียส (932 องศาฟาเรนไฮต์)

นักวิจัยได้ประกบเซมิคอนดักเตอร์ระหว่างชั้นแพลตตินัมและนิกเกิล และพบว่าอุปกรณ์ที่ได้สามารถเก็บข้อมูลไว้ได้อย่างน้อย 6 ชั่วโมงในอุณหภูมิที่สูงถึง 500 องศาเซลเซียส 

Jariwala ของเพนน์กล่าวว่าอุปกรณ์ดังกล่าวตามทฤษฎีแล้วสามารถทำงานได้นานขึ้นในอุณหภูมิที่สูงขึ้น นอกจากนี้เขายังกล่าวอีกว่าอุปกรณ์รุ่นที่บางมากสามารถจัดเก็บข้อมูลได้มากถึงสองหรือสามกิโลไบต์

อ่านข่าวเต็มได้ที่: New Scientist

นิวยอร์คห้ามใช้การรู้จำใบหน้าในโรงเรียน

ภาพจาก Associated Press

รัฐนิวยอร์กได้ห้ามใช้การจดจำใบหน้าในโรงเรียน ตามรายงานเมื่อเดือนที่แล้วโดยสำนักงานบริการเทคโนโลยีสารสนเทศของรัฐยอมรับว่าความเสี่ยงของการใช้เทคโนโลยีอาจมีมากกว่าผลประโยชน์ด้านความปลอดภัย

การวิเคราะห์อ้างถึงการจดจำใบหน้า "อัตราการตรวจพบผลบวกลวงที่สูงกว่าสำหรับคนผิวสี คนที่เพศไม่ใช่ชายหรือหญิงโดยตรง คนข้ามเพศ ผู้หญิง ผู้สูงอายุ และเด็ก"

รายงานเสริมว่าเทคโนโลยีชีวภาพจะไม่ขัดขวางนักเรียนไม่ให้เข้าโรงเรียน “เว้นแต่ผู้บริหารหรือเจ้าหน้าที่จะสังเกตเห็นเป็นครั้งแรกว่านักเรียนตกอยู่ในภาวะวิกฤติ ก่อภัยคุกคามบางประเภท หรือระบุด้วยวิธีอื่นใดว่าอาจเป็นภัยคุกคามต่อความปลอดภัยของโรงเรียน"

การตัดสินใจเกี่ยวกับลายนิ้วมือดิจิทัลและโซลูชันไบโอเมตริกอื่น ๆ จะขึ้นอยู่กับเขตท้องถิ่น ตามคำสั่งของ Betty Rosa กรรมาธิการด้านการศึกษาแห่งนิวยอร์ก

อ่านข่าวเต็มได้ที่: Associated Press

ทำไม NASA จึงส่งข้อมูลความมั่นคงของชาติไปดวงจันทร์

ภาพจาก

องค์การการบินและอวกาศแห่งชาติของสหรัฐอเมริกา (National Aeronautics and Space Administration) หรือ NASA จะทำงานร่วมกับบริษัทสตาร์ทอัพด้านคอมพิวเตอร์อย่าง Lonestar ในฟลอริดา และ Isle of Man ที่ปกครองตนเองของอังกฤษ เพื่อส่งข้อมูลเพย์โหลดไปยังดวงจันทร์ในเดือนกุมภาพันธ์ปีหน้า เพื่อประเมินพื้นที่จัดเก็บข้อมูลสำรองบนดวงจันทร์ซึ่งเป็นส่วนหนึ่งของโปรแกรม  Artemis

คณะทำงานร่วมหวังว่าจะมั่นใจในความปลอดภัยของข้อมูลและการป้องกันการปลอมแปลงโดยใช้บล็อกเชน ขณะเดียวกันก็แสดงให้เห็นถึงความถูกต้องของข้อมูลที่เก็บไว้

หลังจากลงจอดแล้ว นักวิจัยตั้งใจที่จะ "เปิดเผย" เพย์โหลดของคิวบ์ข้อมูลบนศูนย์ข้อมูลของ Lonestar แบบดิจิทัลเพื่อพิสูจน์แหล่งที่มาของดวงจันทร์ จากนั้นส่งกลับมายังโลกและรวบรวมเป็นบล็อกเชนเพื่อส่งสัญญาณให้มีการตรวจสอบ

ข้อมูลที่จะแปลงเป็นดิจิทัลและเปิดตัวบนดาต้าคิวบ์คือสแตมป์ที่ที่ทำการไปรษณีย์ของ Isle of Man เลือก

อ่านข่าวเต็มได้ที่: BBC Science Focus

ใช้การเรียนรู้ของเครื่องเพื่อลดความแตกต่างทางดิจิทัลในแคนาดา

ภาพจาก Waterloo News (Canada)

นักวิจัยจาก University of Waterloo ของแคนาดาและสภาวิจัยแห่งชาติได้พัฒนา Multivariate Variance-based Genetic Ensemble Learning Method ซึ่งเป็นวิธีการเรียนรู้ของเครื่อง (machine learning) เพื่อคาดการณ์ปัญหาดาวเทียมที่อาจเกิดขึ้นเพื่อให้แน่ใจว่าชาวแคนาดาในชนบทและห่างไกลสามารถเข้าถึงอินเทอร์เน็ตได้อย่างต่อเนื่อง

วิธีการนี้รวมตัวแบบที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ (artificial intelligence) หลายแบบเพื่อระบุความผิดปกติในดาวเทียมและเครือข่ายดาวเทียมก่อนที่จะบานปลาย 

นักวิจัยได้ทดสอบตัวแบบของพวกเขากับชุดข้อมูล Soil Moisture Active Passive, Mars Science Laboratory Rover และ Server Machine ที่เปิดเผยต่อสาธารณะ พวกเขาพบว่าความเที่ยงตรง ความแม่นยำ และการรีคอล (recall) ของตัวแบบของพวกเขานั้นเหนือกว่าตัวแบบที่มีอยู่

Peng Hu จาก Waterloo กล่าวว่า "งานวิจัยนี้จะช่วยให้เราออกแบบระบบดาวเทียมที่เชื่อถือได้ ยืดหยุ่น และปลอดภัยมากขึ้น"

อ่านข่าวเต็มได้ที่: Waterloo News (Canada)

ซอฟต์แวร์ตรวจจับการฟอกเงินได้เร็วกว่าที่เคย

ภาพจาก King's College London (U.K.)

นักวิทยาศาสตร์คอมพิวเตอร์ที่ King's College London (KCL) ของสหราชอาณาจักร และ CWI และ Vrije Universiteit Amsterdam ในเนเธอร์แลนด์ ได้พัฒนาซอฟต์แวร์ที่สามารถตรวจจับการฟอกเงินได้เร็วขึ้นและมีความแม่นยำมากขึ้นกว่าเดิม

อัลกอริทึมจะระบุตรวจจับเมื่ออาชญากร "สเมิร์ฟ (smurf) "แบ่งเงินจำนวนมากออกเป็นธุรกรรมเล็ก ๆ ระหว่างบัญชีธนาคารจำนวนมาก อัลกอริทึมจะประมวลผลข้อมูลที่ได้รับจากหลายบัญชี โดยมองเป็นแต่ละโหนดบนกราฟ โดยซอฟต์แวร์จะมุ่งเน้นไปที่พื้นที่กราฟซึ่งมีกิจกรรมที่น่าสงสัยมีปริมาณหนาแน่น

Grigorios Loukides จาก KCL กล่าวว่าซอฟต์แวร์ "สามารถค้นหาโซลูชันที่ดีที่สุดที่เป็นไปได้สำหรับการตรวจจับการจำแนกประเภททั่วไปของการโจมตีแบบสเมิร์ฟในข้อมูลจำนวนนับล้าน ซึ่งมีประสิทธิภาพมากกว่าวิธีการล้ำสมัยที่ใช้อยู่ในปัจจุบันถึง 3.2 เท่าโดยเฉลี่ย"

Loukides เสริมว่าความสามารถในการวิเคราะห์ข้อมูลที่รวดเร็วของเครื่องมือช่วยให้ผู้เชี่ยวชาญด้านการฟอกเงินสามารถจัดการกับผู้ไม่ประสงค์ดีได้อย่างมีประสิทธิภาพ

อ่านข่าวเต็มได้ที่: King's College London (U.K.)