در دومین روز از چهارمین سمپوزیوم بینالمللی نانو–میکرو با عنوان «فناوریهای تحولآفرین: چشمانداز پنجساله»، نشست تخصصی «محاسبات نورومورفیک و هوش الهامگرفته از مغز» برگزار میشود؛ نشستی که به بررسی تازهترین دستاوردها در حوزهی معماریهای الهامگرفته از مغز، یادگیری اسپایکمحور و طراحی تراشههای هوشمند با مصرف انرژی بهینه میپردازد. این رویداد که از ۱۱ تا ۱۴ آبان ۱۴۰۴ در سالن iHit نمایشگاه بینالمللی تهران برپا است، فرصتی برای تبادل نظر پژوهشگران و متخصصان دربارهی آیندهی هوش مصنوعی و کاربردهای پزشکی سامانههای نورومورفیک فراهم میکند.
از حس خاک تا نطق نیشکر؛ چگونه فناوری نانو و هوش مصنوعی کشاورزی را دگرگون میکنند
ترکیب هوش مصنوعی و نانوزیستفناوری در ایالت مهاراشترا، امکان شنیدن «زبان گیاهان» را برای کشاورزان فراهم کرده است. این فناوری با تشخیص زودهنگام استرس گیاه و ارسال دستورهای تغذیهای دقیق، مصرف آب و کود را کاهش میدهد. نتیجه، کشاورزی سبزتر، مقاومتر در برابر خشکسالی و سازگار با تغییرات اقلیمی است.
چرا ترسیم مولکولها توسط AI هنوز قابل اعتماد نیست؟
دو شیمیدان برجسته هشدار دادهاند که استفاده از هوش مصنوعی مولد برای تولید تصاویر مرتبط با ساختارهای شیمی، مانند ساختارهای مولکولی، میتواند خطاهای جدی ایجاد کرده و روند آموزش نسل بعدی دانشمندان را مختل کند. تحقیقات و آزمایشهای اخیر نشان میدهد که حتی سادهترین ترکیبات مانند بنزن یا کافئین توسط ابزارهای هوش مصنوعی به شکل نادرست ترسیم میشوند و تکرار دستورات مختلف باز هم نتایج متفاوت و پرخطا ارائه میدهد. آدری مورز و وانیا زوین زایدلر در مقالهای در Nature Reviews Chemistry خواستار ممنوعیت استفاده از GAI برای نمایش مولکولها و عناصر شیمیایی شدهاند. آنها تأکید میکنند که این مسئله نه مشکل هوش مصنوعی به خودی خود، بلکه به کمتوجهی کاربران در بررسی صحت ترسیمها مربوط است و میتواند بر درک و آموزش دانشجویان شیمی اثرات مخربی بگذارد.
دوش هوشمند تا ۵۰ درصد مصرف آب و انرژی را کم میکند
ترکیب فناوریهایی نظیر گرافن، نانولولهکربنی در تجهیزات مورد استفاده در حمام و همچنین ادغام هوش مصنوعی میتواند به کاهش مصرف انرژی کمک شایانی کند.
اولین دستگاه نانویی به هوش مصنوعی مجهز شد
شرکت نانو مهندسی سطح ژیکان موفق شده طی یک پروژۀ یک ساله دستگاه اندازهگیری زاویه تماس، کشش و انرژی سطحی خود را به هوش مصنوعی مجهز کند. برای این کار محققان این شرکت اقدام به استفاده از الگوریتمهای یادگیری عمیق (Deep Learning) کردند که نخستین گام در استفاده از هوش مصنوعی در تجهیزات نانویی کشور محسوب میشود. با این کار، فرآیند تشخیص و محاسبه زاویه تماس و کشش سطحی از حالت دستی به سامانهای تمامخودکار تبدیل میشود که بدون دخالت کاربر و تنها از طریق عکس یا ویدئو، مقادیر دقیق را محاسبه و نمایش میدهد. این فناوری، افزون بر افزایش دقت و سرعت سنجش، خطاهای انسانی را حذف کرده و زمینه را برای اتوماسیون کامل آزمایشگاههای نانو و استفاده از این دستگاه در صنایع را فراهم میکند.
بیش از ۹۷٪ تصاویر میکروسکوپ الکترونی بلااستفاده باقی میمانند/ فرصت طلایی برای هوش مصنوعی
یک مطالعه جدید نشان میدهد که بیش از ۹۷٪ تصاویر بهدستآمده از میکروسکوپ الکترونی، هرگز در مقالات علمی منتشر نمیشوند. این تصاویر که شامل خروجیهای میکروسکوپهای الکترونی روبشی (SEM) و میکروسکوپهای الکترونی عبوری (TEM)، هستند، سالها در مراکز تحقیقاتی ذخیره شدهاند، اما تنها ۲٪ از آنها به عنوان نمونههای «تصاویر اصلی» در مقالهها استفاده شدهاند. والنتاین آنانیکوف، شیمیدان آلی در موسسه زلینسکی مسکو این دادههای منتشرنشده را یک «منبع عظیم دستنخورده» در عصر هوش مصنوعی و تحقیقات دادهمحور میداند. او تأکید میکند که اگر این تصاویر به طور سیستماتیک آرشیو و با فناوریهای هوش مصنوعی سازماندهی شوند، میتوانند الگویی برای آموزش ماشین و شناسایی ساختارها و الگوهای جدید فراهم کنند و روند اکتشافات علمی را تسریع کنند.
هوشمندسازی تحلیل دادههای مواد پیشرفته با توسعه کتابخانه پایتون ایرانی نانومواد
در چارچوب طرحهای توسعه فناوری نانو و هوشمندسازی پژوهشهای مواد پیشرفته، پروژهای با عنوان «توسعۀ مواد نانویی پیشرفته با بهرهگیری از علم داده» به مدیریت دکتر مالک نادری، عضو هیئتعلمی دانشگاه صنعتی امیرکبیر، از سال قبل شروع شده و تا آبان ماه ورژن دوم آن منتشر خواهد شد. هدف این طرح، توسعه یک کتابخانه علمی متنباز پایتون در حوزه مهندسی مواد و نانوساختارها است که تنها با یک خط کد، تحلیل دادههای مواد، تبدیلهای مهندسی و مدلهای یادگیری ماشین را در دسترس پژوهشگران قرار میدهد. این پروژه، نخستین گام برای ایجاد زیرساخت نرمافزاری بومی در علم مواد مبتنی بر دادههای نانویی است و میتواند مبنای شکلگیری یک پایگاه داده ملی آنالیزی برای تحقیقات آینده کشور باشد.
انتشار ویژهنامه «افقهای نوآورانه هوش مصنوعی و فناوری نانو در حوزه آب و محیط زیست» در مجله JWENT
دکتر محسن جهانشاهی، سردبیر مجله Journal of Water and Environmental Nanotechnology (JWENT)، اعلام کرد: به مناسبت دهمین سال انتشار این مجله، ویژهنامه سال ۲۰۲۶ را منتشر خواهد کرد که به بررسی موضوع «هوش مصنوعی و فناوری نانو در حوزه آب و محیط زیست» اختصاص خواهد دارد. هدف این ویژهنامه، ارائه راهکارهای نوین برای چالشهای زیستمحیطی با تکیه بر همگرایی هوش مصنوعی و فناوری نانو است.
از داده تا نانو؛ پلتفرمی که طراحی مواد را هوشمند کرد
در حالیکه طراحی و توسعه نانومواد جدید، یکی از پرهزینهترین و زمانبرترین فرایندها در علم مواد است، پژوهشگران دانشگاه تولین در آمریکا موفق شدهاند با بهرهگیری از هوش مصنوعی، مسیر این فرایند را دگرگون کنند. پلتفرم جدیدی با نام ViNAS-Pro توسعه یافته که بهصورت رایگان و متنباز در اختیار جامعه علمی قرار گرفته و میتواند با تکیه بر مدلهای یادگیری ماشین و بانک دادههای گسترده، خواص فیزیکوشیمیایی، سمیت و رفتار زیستی نانومواد را پیشبینی کند. این سامانه نهتنها به پژوهشگران کمک میکند تا مواد نو را پیش از ساخت واقعی شبیهسازی و تحلیل کنند، بلکه میتواند در صرفهجویی زمانی و مالی و کاهش آزمایشهای حیوانی در تحقیقات زیستپزشکی نیز نقشی اساسی داشته باشد. ViNAS-Pro گامی بزرگ در جهت هوشمندسازی فرایند کشف مواد و آیندهای مبتنی بر علم داده در فناورینانو است.
مرز باریک میان واقعیت و جعل: هشدار درباره تصاویر نانومواد تولیدشده با هوش مصنوعی
سردبیر نشریه نیچر به تازگی مقالهای درباره سوء استفاده از هوش مصنوعی برای تولید تصاویر نانومواد منتشر کرده است. رشد خیرهکننده هوش مصنوعی، اکنون ساخت تصاویری از نانومواد با جزئیاتی واقعیتر از همیشه تنها با چند دستور ساده ممکن شده است. پژوهشگران هشدار میدهند که این توانایی، در کنار مزایای علمی فراوان، تهدیدی جدی برای صداقت پژوهشهای علمی در حوزه نانو بهشمار میآید. در شماره جدید مجله Nature Nanotechnology، نویسنده چنین عنوان کرده که هوش مصنوعی میتواند تصاویر میکروسکوپی از نانوساختارهایی خلق کند که حتی متخصصان نیز قادر به تشخیص جعلی بودن آنها نیستند. این مسئله پرسشی اساسی را پیش روی جامعه علمی قرار داده است: چگونه میتوان در عصر هوش مصنوعی، مرز میان کشف علمی و جعل داده را از هم تفکیک کرد؟