هم‌افزایی هوش مصنوعی و پایگاه داده برای کمک به توسعه باتری‌ها

هم‌افزایی هوش مصنوعی و پایگاه داده برای کمک به توسعه باتری‌ها

با افزایش تعداد خودروهای الکتریکی، نیاز به تولید برق با روش‌های تجدیدپذیر نظیر باد و خورشید بیشتر می‌شود و از سوی دیگر وابستگی به سیستم‌ها و شبکه‌های برق نیز افزایش می‌یابد. در این بین، خطر آتش‌سوزی باتری‌ها نیز به شکل قابل توجهی بیشتر می‌شود. برای حل این مشکل باید به سراغ الکترولیت‌های جامد رفت، اما مشکلاتی نیز در این مسیر وجود دارد.

222
سومین فراخوان “شتاب‌دهنده فیدتک”؛ استفاده از فناوری نانو و هوش مصنوعی بمنظور تأمین امنیت غذایی

سومین فراخوان “شتاب‌دهنده فیدتک”؛ استفاده از فناوری نانو و هوش مصنوعی بمنظور تأمین امنیت غذایی

شرکت توسعه نوآوری و فناوری سپهر‌سینا با برند “شتاب‌دهنده فیدتک” و هدف کمک به رشد و توسعه کسب‌وکارهای نوپا، استارتاپ‌ها و اکوسیستم کارآفرینی کشور، فعالیت خود را در زمینه شتاب‌دهی از سال ۱۴۰۱ با همکاری پارک علم و فناوری ایرانیان آغاز نموده است. این شتاب‌دهنده تمرکز فعالیت خود را حل مشکلات حوزه امنیت غذایی که یکی از مهم‌ترین مسائل کشور است، قرار داده و به عنوان یک شتاب‌دهنده تلفیقی، در سراسر ایران عزیز نسبت به جذب تیم‌ها و استارتاپ‌ها، توانمندسازی آن‌ها و رفع نیازهای فناورانه صنایع حوزه مذکور، اقدام می‌نماید.

435
تقلید از سیستم جفت‌یابی پروانه‌ها برای توسعه هوش مصنوعی

تقلید از سیستم جفت‌یابی پروانه‌ها برای توسعه هوش مصنوعی

پروانه‌ها برای جفت‌یابی از حسگرهای بصری و شیمیایی استفاده می‌کنند در حالی که هوش مصنوعی معمولا روی یک ویژگی حسی متمرکز است. محققان پلتفرم نانویی توسعه دادند که می‌تواند همزمان اطلاعات دو حس بصری و شیمیایی را جمع‌آوری و پردازش کند. این دستاورد به بهبود عملکرد هوش مصنوعی کمک شایانی خواهد کرد.

175
یادگیری عمیق، مطالعه تک مولکول‌ها را ساده‌تر کرده است

یادگیری عمیق، مطالعه تک مولکول‌ها را ساده‌تر کرده است

محققان دانشگاه ملی سنگاپور (NUS) نشان دادند که هوش مصنوعی و یادگیری عمیق به آن‌ها اجازه می‌دهد تا پویایی مولکول‌های منفرد را دقیق‌تر و با داده‌های کمتری نسبت به روش‌های ارزیابی رایج مشاهده کنند.

342
هوش مصنوعی به طراحی نانوساختارهای کربنی کمک می‌کند

هوش مصنوعی به طراحی نانوساختارهای کربنی کمک می‌کند

محققان دانشگاه توهوکو با همکاری پژوهشگران دانشگاه جیائو تانگ شانگهای از روش یادگیری ماشین برای پیش بینی و کنترل رشد نانوساختار کربنی روی سطوح فلزی استفاده کردند. نتایج این پروژه در نشریه Nature Communications به چاپ رسیده است.

364