#فیزیک_کوانتوم #کوانتوم #فیزیک
❇️ دوره مقدماتی مکانیک کوانتومی:
در این دوره که شامل ۱۴ جلسه است، ما قصد داریم تا یک معرفی مقدماتی از نظریه مکانیک کوانتومی ارائه دهیم.
🟡 این دوره مناسب افراد زیر است:
۱. دانشجویان رشته های فنی مهندسی علاقا‌مند به یادگیری کوانتوم
۲. دانشجویان رشته های علوم پایه علاقه‌مند به یادگیری کوانتوم
🔵 جلسات هر هفته پنج‌شنبه از ساعت ۱۴ تا ۱۶ برگزار می‌گردد.
🧑🏫 مدرس دوره: محمدمهدی ماستری فراهانی (دانشجوی دکتری فیزیک، گرایش اطلاعات کوانتومی، دانشگاه صنعتی شریف)
📝 جهت ثبت‌نام به وبسایت موجود در پوستر مراجعه فرمایید.
🔗 جلسات به صورت حضوری و در مکان آموزش‌های جهاد دانشگاهی برگزار خواهد شد
⚛ کانال تکامل فیزیکی
@physical_evolution
❇️ دوره مقدماتی مکانیک کوانتومی:
در این دوره که شامل ۱۴ جلسه است، ما قصد داریم تا یک معرفی مقدماتی از نظریه مکانیک کوانتومی ارائه دهیم.
🟡 این دوره مناسب افراد زیر است:
۱. دانشجویان رشته های فنی مهندسی علاقا‌مند به یادگیری کوانتوم
۲. دانشجویان رشته های علوم پایه علاقه‌مند به یادگیری کوانتوم
🔵 جلسات هر هفته پنج‌شنبه از ساعت ۱۴ تا ۱۶ برگزار می‌گردد.
🧑🏫 مدرس دوره: محمدمهدی ماستری فراهانی (دانشجوی دکتری فیزیک، گرایش اطلاعات کوانتومی، دانشگاه صنعتی شریف)
📝 جهت ثبت‌نام به وبسایت موجود در پوستر مراجعه فرمایید.
🔗 جلسات به صورت حضوری و در مکان آموزش‌های جهاد دانشگاهی برگزار خواهد شد
⚛ کانال تکامل فیزیکی
@physical_evolution
❤5👍1😭1
#فیزیک_کوانتوم #کوانتوم #فیزیک
❇️ دوره ریاضیات مقدماتی هوش مصنوعی:
در این دوره که شامل ۱۶ جلسه است، قصد داریم تا مروری بر پایه‌های ریاضیاتی که برای ورود به دنیای هوش مصنوعی لازم است، داشته باشیم.
🟡 این دوره مناسب افراد زیر است:
۱. دانشجویان رشته های فنی مهندسی علاقا‌مند به یادگیری هوش مصنوعی
۲. دانشجویان رشته های علوم پایه علاقه‌مند به یادگیری هوش مصنوعی
۳. دانش‌آموزان دارای مدرک دیپلم، علاقه‌مند به یادگیری هوش مصنوعی
🔵 جلسات هر هفته پنج‌شنبه از ساعت ۱۰ تا ۱۲ برگزار می‌گردد.
🧑🏫 مدرس دوره: محمد سبک‌دست (دانشجوی دکتری ریاضی، دانشگاه صنعتی شریف)
📝 جهت ثبت‌نام به وبسایت موجود در پوستر مراجعه فرمایید.
🔗 جلسات به صورت حضوری و در مکان آموزش‌های جهاد دانشگاهی برگزار خواهد شد
⚛ کانال تکامل فیزیکی
@physical_evolution
❇️ دوره ریاضیات مقدماتی هوش مصنوعی:
در این دوره که شامل ۱۶ جلسه است، قصد داریم تا مروری بر پایه‌های ریاضیاتی که برای ورود به دنیای هوش مصنوعی لازم است، داشته باشیم.
🟡 این دوره مناسب افراد زیر است:
۱. دانشجویان رشته های فنی مهندسی علاقا‌مند به یادگیری هوش مصنوعی
۲. دانشجویان رشته های علوم پایه علاقه‌مند به یادگیری هوش مصنوعی
۳. دانش‌آموزان دارای مدرک دیپلم، علاقه‌مند به یادگیری هوش مصنوعی
🔵 جلسات هر هفته پنج‌شنبه از ساعت ۱۰ تا ۱۲ برگزار می‌گردد.
🧑🏫 مدرس دوره: محمد سبک‌دست (دانشجوی دکتری ریاضی، دانشگاه صنعتی شریف)
📝 جهت ثبت‌نام به وبسایت موجود در پوستر مراجعه فرمایید.
🔗 جلسات به صورت حضوری و در مکان آموزش‌های جهاد دانشگاهی برگزار خواهد شد
⚛ کانال تکامل فیزیکی
@physical_evolution
❤2👍1😍1
تکامل فیزیکی
#فیزیک_کوانتوم #کوانتوم #فیزیک ❇️ دوره مقدماتی مکانیک کوانتومی: در این دوره که شامل ۱۴ جلسه است، ما قصد داریم تا یک معرفی مقدماتی از نظریه مکانیک کوانتومی ارائه دهیم. 🟡 این دوره مناسب افراد زیر است: ۱. دانشجویان رشته های فنی مهندسی علاقا‌مند به یادگیری…
سلام خدمت دنبال‌کنندگان محترم گروه تکامل فیزیکی 👋
بنده اخیرا، طبق پیشنهاد سازمان جهاد دانشگاهی دانشگاه تهران، دوره‌ای به نام مکانیک کوانتومی مقدماتی تعریف کردم. این دوره، شروعی هست بر یک سلسله دوره درباره فناوری‌های کوانتومی، که هدف آن ترتبیت نیروی متخصص در حوزه محاسبات و اطلاعات کوانتومی است. این دوره، تقطه شروع این سری دوره‌ها خواهد بود، ان‌شاءالله.
دوره‌ها به صورت حضوری، و در مرکز آموزش‌های جهاد دانشگاهی واقع در بلوار کشاورز، برگزار خواهد شد.
⚛ کانال تکامل فیزیکی
@physical_evolution
بنده اخیرا، طبق پیشنهاد سازمان جهاد دانشگاهی دانشگاه تهران، دوره‌ای به نام مکانیک کوانتومی مقدماتی تعریف کردم. این دوره، شروعی هست بر یک سلسله دوره درباره فناوری‌های کوانتومی، که هدف آن ترتبیت نیروی متخصص در حوزه محاسبات و اطلاعات کوانتومی است. این دوره، تقطه شروع این سری دوره‌ها خواهد بود، ان‌شاءالله.
دوره‌ها به صورت حضوری، و در مرکز آموزش‌های جهاد دانشگاهی واقع در بلوار کشاورز، برگزار خواهد شد.
⚛ کانال تکامل فیزیکی
@physical_evolution
❤8😍2
تکامل فیزیکی pinned «سلام خدمت دنبال‌کنندگان محترم گروه تکامل فیزیکی 👋 بنده اخیرا، طبق پیشنهاد سازمان جهاد دانشگاهی دانشگاه تهران، دوره‌ای به نام مکانیک کوانتومی مقدماتی تعریف کردم. این دوره، شروعی هست بر یک سلسله دوره درباره فناوری‌های کوانتومی، که هدف آن ترتبیت نیروی متخصص…»
📰محققان QBoson: محاسبات کوانتومی می‌تواند مسیرهای اتوبوس پکن را به سرعت برساند.
▪️محققان شرکت فناوری کوانتومی QBoson پکن و دانشگاه فناوری شمال چین در مطالعه‌ای در مجله Entropy نشان دادند که یک کامپیوتر کوانتومی فوتونیک به نام ماشین ایسینگ همدوس (CIM) وظایف بهینه‌سازی مسیر اتوبوس پکن را سریع‌تر از الگوریتم‌های کلاسیک پیشرو حل می‌کند.
⬅️ شبکه‌های اتوبوس شهری مانند پکن، با میلیون‌ها مسافر روزانه، بهینه‌سازی پیچیده‌ای است که باید تقاضای مسافران، زمان سفر و هزینه‌های عملیاتی را متعادل کند. CIM، با استفاده از اسیلاتورهای پارامتری نوری، فضاهای راه‌حل را با بهره‌گیری از همدوسی کوانتومی و شکست خودبه‌خودی تقارن جستجو می‌کند و مدل‌های شبکه اتوبوس پکن را در میلی‌ثانیه حل می‌کند، در حالی که نسبت صرفه‌جویی زمانی بالای ۸۰٪ را به دست می‌آورد. این مطالعه، که مدل شبکه پکن با حداقل ۶۰ ایستگاه کاندیدا و نزدیک به ۷۰۰,۰۰۰ نقطه تقاضای مسافر را بررسی می‌کند، نشان می‌دهد CIM راه‌حل‌های نزدیک به بهینه با کارایی بالا ارائه می‌دهد و مصرف انرژی کمی دارد، هرچند محدود به ۱۰۰ کیوبیت است.
▪️محققان ذکر کردند، CIM مدل QUBO را در میلی‌ثانیه حل می‌کند، در حالی که روش‌های کلاسیک مانند Gurobi بیش از یک میلی‌ثانیه زمان می‌برند، و هر دو نرخ موفقیت ۱۰۰٪ دارند.
⬅️ پژوهشگران مسئله را به دو صورت مدل‌سازی کردند: مدل ریاضی کلاسیک با استفاده از نرم‌افزارهایی مانند Gurobi و OR-Tools، و مدل بهینه‌سازی باینری بدون قید مربعی (QUBO) که برای ماشین ایسینگ همدوس (CIM) مناسب است. رویکرد کلاسیک از یک خط لوله دو مرحله‌ای بهره برد: در مرحله اول، OR-Tools مسیر اولیه‌ای با پوشش ۲۶ ایستگاه تولید کرد، و در مرحله دوم، حل‌کننده‌ها این مسیر را پالایش کردند. CIM، با طراحی تمام‌نوری خود، پس از هزاران چرخه نوری در یک حلقه فیبری، به حالت کمینه انرژی می‌رسد که متناظر با راه‌حل بهینه یا نزدیک به بهینه است. در آزمایش‌ها با روش کاهش PAM، CIM در کمتر از یک میلی‌ثانیه به نرخ موفقیت ۱۰۰٪ دست یافت، در حالی که حل‌کننده‌های کلاسیک کندتر عمل کردند. هر اجرا تنها حدود ۲۴ ژول انرژی مصرف کرد، مقداری که با افزایش اندازه مسئله تقریباً ثابت می‌ماند.
▪️این رویکرد کوانتومی، با وجود محدودیت‌های فعلی، مزایای بلندمدت در لجستیک و طراحی شبکه نشان می‌دهد و می‌تواند بهینه‌سازی شهری را تحول دهد.
⬅️ محدودیت‌های CIM شامل تعداد کیوبیت ۱۰۰ است که دقت را با تقریب‌ها کاهش می‌دهد و احتمال موفقیت بسته به روش کاهش متغیر است، گاهی به راه‌حل‌های نزدیک به بهینه با شکاف‌های کوچک منجر می‌شود. برای سیستم‌های کامل شهری مانند پکن، دستگاه‌های بزرگ‌تر لازم است. با این حال، مقیاس‌پذیری CIM به هزاران کیوبیت می‌تواند عملکرد را به طور چشمگیری افزایش دهد. این کار، با مقایسه با پلتفرم‌های دیگر مانند مدارهای ابررسانا یا آنیلرهای D-Wave، بر کاربردهای گسترده‌تر در لجستیک، ارتباطات و زمان‌بندی تأکید دارد و نشان می‌دهد محاسبات کوانتومی می‌تواند به ابزارهای عملی برای برنامه‌ریزی زیرساخت‌های شهری تبدیل شود.
🔗مطالعه کامل خبر
🔗مطالعه مقاله
🖋نویسنده خبر: فاطمه نگهبان
#اخبار_کوانتوم
#خبر
#کوانتوم
#فناوری_کوانتومی
#بهینه_سازی_کوانتومی
⚛️ کانال تکامل فیزیکی
@physical_evolution
▪️محققان شرکت فناوری کوانتومی QBoson پکن و دانشگاه فناوری شمال چین در مطالعه‌ای در مجله Entropy نشان دادند که یک کامپیوتر کوانتومی فوتونیک به نام ماشین ایسینگ همدوس (CIM) وظایف بهینه‌سازی مسیر اتوبوس پکن را سریع‌تر از الگوریتم‌های کلاسیک پیشرو حل می‌کند.
⬅️ شبکه‌های اتوبوس شهری مانند پکن، با میلیون‌ها مسافر روزانه، بهینه‌سازی پیچیده‌ای است که باید تقاضای مسافران، زمان سفر و هزینه‌های عملیاتی را متعادل کند. CIM، با استفاده از اسیلاتورهای پارامتری نوری، فضاهای راه‌حل را با بهره‌گیری از همدوسی کوانتومی و شکست خودبه‌خودی تقارن جستجو می‌کند و مدل‌های شبکه اتوبوس پکن را در میلی‌ثانیه حل می‌کند، در حالی که نسبت صرفه‌جویی زمانی بالای ۸۰٪ را به دست می‌آورد. این مطالعه، که مدل شبکه پکن با حداقل ۶۰ ایستگاه کاندیدا و نزدیک به ۷۰۰,۰۰۰ نقطه تقاضای مسافر را بررسی می‌کند، نشان می‌دهد CIM راه‌حل‌های نزدیک به بهینه با کارایی بالا ارائه می‌دهد و مصرف انرژی کمی دارد، هرچند محدود به ۱۰۰ کیوبیت است.
▪️محققان ذکر کردند، CIM مدل QUBO را در میلی‌ثانیه حل می‌کند، در حالی که روش‌های کلاسیک مانند Gurobi بیش از یک میلی‌ثانیه زمان می‌برند، و هر دو نرخ موفقیت ۱۰۰٪ دارند.
⬅️ پژوهشگران مسئله را به دو صورت مدل‌سازی کردند: مدل ریاضی کلاسیک با استفاده از نرم‌افزارهایی مانند Gurobi و OR-Tools، و مدل بهینه‌سازی باینری بدون قید مربعی (QUBO) که برای ماشین ایسینگ همدوس (CIM) مناسب است. رویکرد کلاسیک از یک خط لوله دو مرحله‌ای بهره برد: در مرحله اول، OR-Tools مسیر اولیه‌ای با پوشش ۲۶ ایستگاه تولید کرد، و در مرحله دوم، حل‌کننده‌ها این مسیر را پالایش کردند. CIM، با طراحی تمام‌نوری خود، پس از هزاران چرخه نوری در یک حلقه فیبری، به حالت کمینه انرژی می‌رسد که متناظر با راه‌حل بهینه یا نزدیک به بهینه است. در آزمایش‌ها با روش کاهش PAM، CIM در کمتر از یک میلی‌ثانیه به نرخ موفقیت ۱۰۰٪ دست یافت، در حالی که حل‌کننده‌های کلاسیک کندتر عمل کردند. هر اجرا تنها حدود ۲۴ ژول انرژی مصرف کرد، مقداری که با افزایش اندازه مسئله تقریباً ثابت می‌ماند.
▪️این رویکرد کوانتومی، با وجود محدودیت‌های فعلی، مزایای بلندمدت در لجستیک و طراحی شبکه نشان می‌دهد و می‌تواند بهینه‌سازی شهری را تحول دهد.
⬅️ محدودیت‌های CIM شامل تعداد کیوبیت ۱۰۰ است که دقت را با تقریب‌ها کاهش می‌دهد و احتمال موفقیت بسته به روش کاهش متغیر است، گاهی به راه‌حل‌های نزدیک به بهینه با شکاف‌های کوچک منجر می‌شود. برای سیستم‌های کامل شهری مانند پکن، دستگاه‌های بزرگ‌تر لازم است. با این حال، مقیاس‌پذیری CIM به هزاران کیوبیت می‌تواند عملکرد را به طور چشمگیری افزایش دهد. این کار، با مقایسه با پلتفرم‌های دیگر مانند مدارهای ابررسانا یا آنیلرهای D-Wave، بر کاربردهای گسترده‌تر در لجستیک، ارتباطات و زمان‌بندی تأکید دارد و نشان می‌دهد محاسبات کوانتومی می‌تواند به ابزارهای عملی برای برنامه‌ریزی زیرساخت‌های شهری تبدیل شود.
🔗مطالعه کامل خبر
🔗مطالعه مقاله
🖋نویسنده خبر: فاطمه نگهبان
#اخبار_کوانتوم
#خبر
#کوانتوم
#فناوری_کوانتومی
#بهینه_سازی_کوانتومی
⚛️ کانال تکامل فیزیکی
@physical_evolution
Quantum Insider
QBoson Researchers Say Quantum Computing Could Put Beijing’s Bus Routes on The Fast Track
A study in Entropy shows that a photonic quantum computer called a coherent Ising machine (CIM) solved bus route optimization tasks.
👍4❤1
#معرفی_کتاب
📖 نام اصلی کتاب:
Artificial Intelligence Versus Natural Intelligence
📚 نام فارسی کتاب:
هوش مصنوعی در مقابل هوش طبیعی
🖋 نام نویسندگان:
راجر پنروز (Roger Penrose)
فابیو اسکاردیلی (Fabio Scardigli)
فدریکو فاجین (Federico Faggin)
امانوئله سورینو (Emanuele Severino)
جاکومو مائورو دآریانو (Giacomo Mauro D'Ariano)
جوزپه ویتی‌ئلو (Giuseppe Vitiello)
اینس تستونی (Ines Testoni)
📆 تاریخ انتشار:
2022
✏️ زبان اصلی کتاب:
انگلیسی
⚛ کانال تکامل فیزیکی
@physical_evolution
📖 نام اصلی کتاب:
Artificial Intelligence Versus Natural Intelligence
📚 نام فارسی کتاب:
هوش مصنوعی در مقابل هوش طبیعی
🖋 نام نویسندگان:
راجر پنروز (Roger Penrose)
فابیو اسکاردیلی (Fabio Scardigli)
فدریکو فاجین (Federico Faggin)
امانوئله سورینو (Emanuele Severino)
جاکومو مائورو دآریانو (Giacomo Mauro D'Ariano)
جوزپه ویتی‌ئلو (Giuseppe Vitiello)
اینس تستونی (Ines Testoni)
📆 تاریخ انتشار:
2022
✏️ زبان اصلی کتاب:
انگلیسی
⚛ کانال تکامل فیزیکی
@physical_evolution
👍3😍2❤1
معرفی_کتاب
👨🏫 معرفی نویسندگان کتاب:
ویراستار این مجموعه، فابیو اسکاردیلی (Fabio Scardigli)، فیزیک‌دان نظری و استاد مؤسسه پلی‌تکنیک میلان است که آثارش در زمینه‌ی گرانش کوانتومی و فلسفه‌ی علم شناخته شده‌است. اسکاردیلی در دهه‌های اخیر به بررسی مفهوم "حداقل طول قابل اندازه‌گیری" در نظریه‌های کوانتومی گرانش و ارتباط آن با سیاه‌چاله‌ها و ساختار فضا-زمان پرداخته است.
از دیگر نویسندگان می‌توان به سر راجر پنروز یکی از چهره‌های برجسته در زمینه‌ی کیهان‌شناسی و فلسفه‌ی ذهن و برنده‌ی جایزه‌ی ولف (Wolf Prize)، مدال دیراک (Dirac Medal) و نوبل فیزیک ۲۰۲۰ اشاره کرد. دیدگاه‌های او درباره‌ی ارتباط میان آگاهی و فیزیک کوانتومی، الهام‌بخش بسیاری از مباحث میان‌رشته‌ای بوده است.
مشارکت‌کننده دیگر در این کتاب فیزیک‌دان، مهندس و مخترع ایتالیایی_آمریکایی فدریکو فاجین است که در دهه ۱۹۷۰ با طراحی اولین ریزپردازنده جهان (Intel 4004) به شهرت رسید. فاجین در سال‌های اخیر به پژوهش در زمینه‌ی آگاهی و ارتباط آن با اطلاعات و ماده روی آورده و نظریه‌ای را مطرح کرده که در آن آگاهی نقش بنیادی در ساختار واقعیت دارد.
در کنار آن‌ها، نام‌هایی چون جاکومو مائورو دآریانو فیزیک‌دان نظری ایتالیایی و استاد دانشگاه پاویا، جوزپه ویتی‌ئلو فیزیک‌دان نظری و استاد دانشگاه سالرنو در ایتالیا و اینس تستونی روان‌شناس و فیلسوف ایتالیایی و استاد دانشگاه پادووا دیده می‌شود.
📚 معرفی کتاب:
در این کتاب، گروهی از دانشمندان برجسته به بررسی یکی از بنیادی‌ترین پرسش‌های عصر ما می‌پردازند:
آیا «هوش مصنوعی» می‌تواند به معنای واقعی، جایگزین «هوش طبیعی» شود؟
کتاب، مجموعه‌ای از مقالات و گفت‌وگوهای میان فیزیک‌دانان، فیلسوفان و پژوهشگران آگاهی است که به موضوعاتی چون تفاوت ذهن انسان و ماشین، ماهیت آگاهی، و رابطه‌ی میان فیزیک کوانتومی و ادراک می‌پردازدند. در میان فصل‌ها، گفت‌وگوی جذاب راجر پنروز با امانوئله سورینو، نقطه‌ی درخشانی است که دیدگاه‌های متفاوت درباره‌ی مرزهای محاسبات و آگاهی را به چالش می‌کشد.
این اثر، خواننده را به تأملی عمیق در باب ماهیت "فکر" و "دانش" دعوت می‌کند؛ پرسشی که در مرز میان فیزیک، فلسفه و علوم شناختی قرار دارد. برای دانشجویان و علاقه‌مندان فیزیک، مطالعه‌ی این کتاب فرصتی است تا دریابند هوش، نه صرفاً الگوریتمی محاسباتی، بلکه شاید پدیده‌ای برخاسته از ساختار بنیادی واقعیت باشد.
⚛ کانال تکامل فیزیکی
@physical_evolution
👨🏫 معرفی نویسندگان کتاب:
ویراستار این مجموعه، فابیو اسکاردیلی (Fabio Scardigli)، فیزیک‌دان نظری و استاد مؤسسه پلی‌تکنیک میلان است که آثارش در زمینه‌ی گرانش کوانتومی و فلسفه‌ی علم شناخته شده‌است. اسکاردیلی در دهه‌های اخیر به بررسی مفهوم "حداقل طول قابل اندازه‌گیری" در نظریه‌های کوانتومی گرانش و ارتباط آن با سیاه‌چاله‌ها و ساختار فضا-زمان پرداخته است.
از دیگر نویسندگان می‌توان به سر راجر پنروز یکی از چهره‌های برجسته در زمینه‌ی کیهان‌شناسی و فلسفه‌ی ذهن و برنده‌ی جایزه‌ی ولف (Wolf Prize)، مدال دیراک (Dirac Medal) و نوبل فیزیک ۲۰۲۰ اشاره کرد. دیدگاه‌های او درباره‌ی ارتباط میان آگاهی و فیزیک کوانتومی، الهام‌بخش بسیاری از مباحث میان‌رشته‌ای بوده است.
مشارکت‌کننده دیگر در این کتاب فیزیک‌دان، مهندس و مخترع ایتالیایی_آمریکایی فدریکو فاجین است که در دهه ۱۹۷۰ با طراحی اولین ریزپردازنده جهان (Intel 4004) به شهرت رسید. فاجین در سال‌های اخیر به پژوهش در زمینه‌ی آگاهی و ارتباط آن با اطلاعات و ماده روی آورده و نظریه‌ای را مطرح کرده که در آن آگاهی نقش بنیادی در ساختار واقعیت دارد.
در کنار آن‌ها، نام‌هایی چون جاکومو مائورو دآریانو فیزیک‌دان نظری ایتالیایی و استاد دانشگاه پاویا، جوزپه ویتی‌ئلو فیزیک‌دان نظری و استاد دانشگاه سالرنو در ایتالیا و اینس تستونی روان‌شناس و فیلسوف ایتالیایی و استاد دانشگاه پادووا دیده می‌شود.
📚 معرفی کتاب:
در این کتاب، گروهی از دانشمندان برجسته به بررسی یکی از بنیادی‌ترین پرسش‌های عصر ما می‌پردازند:
آیا «هوش مصنوعی» می‌تواند به معنای واقعی، جایگزین «هوش طبیعی» شود؟
کتاب، مجموعه‌ای از مقالات و گفت‌وگوهای میان فیزیک‌دانان، فیلسوفان و پژوهشگران آگاهی است که به موضوعاتی چون تفاوت ذهن انسان و ماشین، ماهیت آگاهی، و رابطه‌ی میان فیزیک کوانتومی و ادراک می‌پردازدند. در میان فصل‌ها، گفت‌وگوی جذاب راجر پنروز با امانوئله سورینو، نقطه‌ی درخشانی است که دیدگاه‌های متفاوت درباره‌ی مرزهای محاسبات و آگاهی را به چالش می‌کشد.
این اثر، خواننده را به تأملی عمیق در باب ماهیت "فکر" و "دانش" دعوت می‌کند؛ پرسشی که در مرز میان فیزیک، فلسفه و علوم شناختی قرار دارد. برای دانشجویان و علاقه‌مندان فیزیک، مطالعه‌ی این کتاب فرصتی است تا دریابند هوش، نه صرفاً الگوریتمی محاسباتی، بلکه شاید پدیده‌ای برخاسته از ساختار بنیادی واقعیت باشد.
⚛ کانال تکامل فیزیکی
@physical_evolution
😍6❤2
📰گراویتینو: کاندیدای جدید برای ماده تاریک
▪️محققان دانشگاه ورشو و موسسه ماکس پلانک برای فیزیک گرانشی در مقاله‌ای در Physical Review Research پیشنهاد کرده‌اند که گراویتینوهای فوق‌سنگین باردار می‌توانند کاندیدای جدیدی برای ماده تاریک باشند، و آشکارسازهای زیرزمینی مانند JUNO که برای فیزیک نوترینو طراحی شده‌اند، قادر به شناسایی آن‌ها هستند.
⬅️ ماده تاریک یکی از بزرگ‌ترین معماهای فیزیک بنیادی است و پس از ۴۰ سال جستجوی گسترده، کاندیداهای سنتی مانند اکسیون‌ها و WIMPها هنوز کشف نشده‌اند. گراویتینوها، ذرات فرضی با جرم نزدیک به مقیاس پلانک (میلیارد میلیارد برابر جرم پروتون)، در نظریه سوپرگرانش N=8 معرفی شده‌اند که استاندارد مدل ذرات را با گرانش یکپارچه می‌کند. کریستف میسنر و هرمان نیکولای با اصلاح این نظریه، نشان دادند که گراویتینوها می‌توانند باردار باشند (شش گراویتینو با بار ±۱/۳ و دوتای دیگر با بار ±۲/۳) و به دلیل جرم عظیم و ناتوانی در واپاشی، کاندیدای مناسبی برای ماده تاریک هستند، حتی اگر باردار باشند، زیرا به دلیل کمیابی شدید (تقریباً یک گراویتینو در هر ۱۰,۰۰۰ کیلومتر مکعب در منظومه شمسی)، از محدودیت‌های موجود برای ماده تاریک باردار فرار می‌کنند.
▪️آشکارساز JUNO، که برای مطالعه نوترینوها طراحی شده، می‌تواند سیگنال‌های منحصربه‌فرد گراویتینوها را شناسایی کند.
⬅️ آشکارساز زیرزمینی Jiangmen Underground Neutrino Observatory (JUNO) در چین، که قرار است از نیمه دوم ۲۰۲۵ داده‌برداری را آغاز کند، با ۲۰,۰۰۰ تن مایع ارگانیک شبیه روغن و بیش از ۱۷,۰۰۰ فتومولتی‌پلایر، برای شناسایی گراویتینوها مناسب است. شبیه‌سازی‌های پیشرفته، که فیزیک ذرات بنیادی و شیمی کوانتومی را ترکیب می‌کند، نشان می‌دهد که عبور یک گراویتینو از مخزن روغن سیگنالی منحصربه‌فرد تولید می‌کند که با هیچ ذره شناخته‌شده‌ای اشتباه نمی‌شود. این شبیه‌سازی‌ها، که شامل محاسبات سنگین و در نظر گرفتن پس‌زمینه‌هایی مانند واپاشی ۱۴C و نویز فتومولتی‌پلایرها بود، توسط آدریانا کروک و میخال لسیوک از دانشگاه ورشو انجام شد.
▪️شناسایی گراویتینوها می‌تواند به یک نظریه یکپارچه گرانش و ذرات منجر شود.
⬅️ گراویتینوهای فوق‌سنگین، با جرم نزدیک به مقیاس پلانک، می‌توانند اولین شواهد مستقیم از فیزیک در این مقیاس را ارائه دهند و به یکپارچگی تمام نیروهای طبیعت کمک کنند. برخلاف کاندیداهای خنثی مانند WIMPها، گراویتینوهای باردار راه جدیدی برای جستجو ارائه می‌دهند، و آشکارسازهای آینده مانند DUNE در آمریکا نیز می‌توانند در این مسیر کمک کنند. این مطالعه، با ترکیب فیزیک ذرات و روش‌های پیشرفته شیمی کوانتومی، استاندارد جدیدی در تحقیقات بین‌رشته‌ای ایجاد کرده و چشم‌انداز هیجان‌انگیزی برای کشف ماده تاریک و درک ساختار بنیادی جهان فراهم می‌کند.
🔗مطالعه کامل خبر
🔗مطالعه مقاله
🖋نویسنده خبر: فاطمه نگهبان
#اخبار_فیزیک
#خبر
#ماده_تاریک
#گراویتینو
⚛️ کانال تکامل فیزیکی
@physical_evolution
▪️محققان دانشگاه ورشو و موسسه ماکس پلانک برای فیزیک گرانشی در مقاله‌ای در Physical Review Research پیشنهاد کرده‌اند که گراویتینوهای فوق‌سنگین باردار می‌توانند کاندیدای جدیدی برای ماده تاریک باشند، و آشکارسازهای زیرزمینی مانند JUNO که برای فیزیک نوترینو طراحی شده‌اند، قادر به شناسایی آن‌ها هستند.
⬅️ ماده تاریک یکی از بزرگ‌ترین معماهای فیزیک بنیادی است و پس از ۴۰ سال جستجوی گسترده، کاندیداهای سنتی مانند اکسیون‌ها و WIMPها هنوز کشف نشده‌اند. گراویتینوها، ذرات فرضی با جرم نزدیک به مقیاس پلانک (میلیارد میلیارد برابر جرم پروتون)، در نظریه سوپرگرانش N=8 معرفی شده‌اند که استاندارد مدل ذرات را با گرانش یکپارچه می‌کند. کریستف میسنر و هرمان نیکولای با اصلاح این نظریه، نشان دادند که گراویتینوها می‌توانند باردار باشند (شش گراویتینو با بار ±۱/۳ و دوتای دیگر با بار ±۲/۳) و به دلیل جرم عظیم و ناتوانی در واپاشی، کاندیدای مناسبی برای ماده تاریک هستند، حتی اگر باردار باشند، زیرا به دلیل کمیابی شدید (تقریباً یک گراویتینو در هر ۱۰,۰۰۰ کیلومتر مکعب در منظومه شمسی)، از محدودیت‌های موجود برای ماده تاریک باردار فرار می‌کنند.
▪️آشکارساز JUNO، که برای مطالعه نوترینوها طراحی شده، می‌تواند سیگنال‌های منحصربه‌فرد گراویتینوها را شناسایی کند.
⬅️ آشکارساز زیرزمینی Jiangmen Underground Neutrino Observatory (JUNO) در چین، که قرار است از نیمه دوم ۲۰۲۵ داده‌برداری را آغاز کند، با ۲۰,۰۰۰ تن مایع ارگانیک شبیه روغن و بیش از ۱۷,۰۰۰ فتومولتی‌پلایر، برای شناسایی گراویتینوها مناسب است. شبیه‌سازی‌های پیشرفته، که فیزیک ذرات بنیادی و شیمی کوانتومی را ترکیب می‌کند، نشان می‌دهد که عبور یک گراویتینو از مخزن روغن سیگنالی منحصربه‌فرد تولید می‌کند که با هیچ ذره شناخته‌شده‌ای اشتباه نمی‌شود. این شبیه‌سازی‌ها، که شامل محاسبات سنگین و در نظر گرفتن پس‌زمینه‌هایی مانند واپاشی ۱۴C و نویز فتومولتی‌پلایرها بود، توسط آدریانا کروک و میخال لسیوک از دانشگاه ورشو انجام شد.
▪️شناسایی گراویتینوها می‌تواند به یک نظریه یکپارچه گرانش و ذرات منجر شود.
⬅️ گراویتینوهای فوق‌سنگین، با جرم نزدیک به مقیاس پلانک، می‌توانند اولین شواهد مستقیم از فیزیک در این مقیاس را ارائه دهند و به یکپارچگی تمام نیروهای طبیعت کمک کنند. برخلاف کاندیداهای خنثی مانند WIMPها، گراویتینوهای باردار راه جدیدی برای جستجو ارائه می‌دهند، و آشکارسازهای آینده مانند DUNE در آمریکا نیز می‌توانند در این مسیر کمک کنند. این مطالعه، با ترکیب فیزیک ذرات و روش‌های پیشرفته شیمی کوانتومی، استاندارد جدیدی در تحقیقات بین‌رشته‌ای ایجاد کرده و چشم‌انداز هیجان‌انگیزی برای کشف ماده تاریک و درک ساختار بنیادی جهان فراهم می‌کند.
🔗مطالعه کامل خبر
🔗مطالعه مقاله
🖋نویسنده خبر: فاطمه نگهبان
#اخبار_فیزیک
#خبر
#ماده_تاریک
#گراویتینو
⚛️ کانال تکامل فیزیکی
@physical_evolution
phys.org
The gravitino: A new candidate for dark matter
Dark matter remains one of the biggest mysteries in fundamental physics. Many theoretical proposals (axions, WIMPs) and 40 years of extensive experimental searches have failed to provide any explanation ...
❤7👍1