Telegram Web
تخیل مهم‌تر از دانش است. دانش محدود است، اما تخیل دنیا را دربرمی‌گیرد.

👤آلبرت اینشتین

#سخن_بزرگان

تکامل فیزیکی
@physical_evolution
18👍1😍1
📄معرفی مقاله


🟠 دانشمندان به میکروسکوپی نوین با وضوح 1 نانومتر دست یافتند.

دانشمندان موفق به ساخت میکروسکوپی پیشگامانه شده‌اند که می‌تواند واکنش سطوح به نور را با وضوحی بی‌نظیر در حد یک نانومتر ثبت کند.
میکروسکوپ نوری میدان نزدیک روبشی از نوع پراکندگی (s-SNOM) امکان مشاهده پاسخ نوری سطوح مواد را با وضوحی بسیار فراتر از حد پراش فراهم می‌کند. این روش که بر پایه میکروسکوپ نیروی اتمی با مدولاسیون دامنه (AFM) و با دامنه‌های نوسانی معمول در حد چند ده نانومتر استوار است، معمولاً وضوح فضایی بین ۱۰ تا ۱۰۰ نانومتر را در s-SNOM به‌طور رایج فراهم می‌سازد. با این حال، تصویربرداری و طیف‌سنجی نوری از ساختارهای در مقیاس اتمی همچنان چالشی بزرگ باقی مانده است.
مطالعه چگونگی تعامل نور با ماده در مقیاس کمتر از 10 نانومتر، برای پیشرفت فناوری و علم مواد حیاتی است. ویژگی‌های سطح اتمی، مانند نقص‌ها در الماس یا مولکول‌های منفرد درون دستگاه‌های الکترونیکی، می‌توانند تأثیر زیادی بر رفتار و عملکرد مواد داشته باشند. برای درک و کنترل واقعی این اثرات، میکروسکوپ نوری باید تکامل یافته و به این مقیاس‌های کوچک‌تر برسد.
در این مقاله پژوهشگران، روشی با عنوان " s-SNOM  با دامنه نوسان نوک بسیار پایین (ULA-SNOM)"  توسعه داده‌اند که در آن یک میدان نوری فوق‌العاده متمرکز، که در فاصله‌ای در حدود ۱ نانومتر بین نوک پلاسمونیکی و نمونه محصور شده است، با میکروسکوپ نیروی اتمی با مدولاسیون فرکانس (حالت غیرتماسی) در یک محیط خلأ فوق‌العاده بالا و دمای بسیار پایین ترکیب شده است. آن‌ها با استفاده از نوک نقره‌ای و تابش لیزر مرئی همراه با نوسانی ثابت در دامنه ۱ نانومتر، موفق به تصویربرداری با کنتراست نوری از جزایر سیلیکونی روی سطح نقره با وضوح جانبی ۱ نانومتر شده‌اند که فراتر از محدودیت‌های معمول s-SNOM است.
این رویکرد به دانشمندان اجازه می‌دهد تا مواد را در کوچک‌ترین مقیاس‌ها مطالعه کنند؛ و این می‌تواند به پیشرفت‌هایی در طراحی مواد جدید برای کاربردهای الکترونیکی یا پزشکی منجر شود. توانایی تصویربرداری از ویژگی‌هایی مانند نقص‌های اتمی و ساختارهای نانومقیاس با چنین دقتی، فرصت‌های جدیدی را برای مهندسی نوری و علم مواد باز می‌کند.

لینک مقاله


#subnanometer_resolution
#near_field_optical_microscopy
#plasmonic_tip


کانال تکامل فیزیکی
👍4😍3
😍42🕊1
سوال ۱۱

کدام پرتو بیشترین قدرت نفوذ را دارد؟
Anonymous Quiz
19%
پرتو آلفا
3%
پرتو بتا
73%
پرتو گاما
5%
پرتو فروسرخ
10🕊3👍2😭1
Nobody ever figures out what life is all about, and it doesn't matter. Explore the world. Nearly everything is really interesting if you go into it deeply enough.
هیچ‌کس نمی‌فهمد زندگی یعنی چه و این اصلا مهم نیست.جهان را کاوش کنید.اگر به اندازه کافی عمیق وارد آن شوید،تقریباً همه چیز واقعاً جالب است.


👤فاینمن

#سخن_بزرگان

تکامل فیزیکی
@physical_evolution
👍93😍3👎1
📄معرفی مقاله

🟠ردیابی سلول‌های سرطانی در جریان خون: نوآوری در هولوگرافی یادگیری عمیق

مقاله به معرفی یک پلتفرم نوآورانه برای شناسایی سلول‌های سرطانی در جریان خون (CTCs) با استفاده از هولوگرافی دیجیتال میکروسکوپی (DHM) و یادگیری عمیق در جریان می‌پردازد. این سیستم با ترکیب غنی‌سازی میکروفلوئیدیک، تصویربرداری دوگانه (هولوگرافی و فلورسانس)، و تحلیل مبتنی بر یادگیری عمیق، حساسیت و دقت بالایی در شناسایی CTCها ارائه می‌دهد.
اهمیت این موضوع در این است که CTCها به‌عنوان نشانگرهای زیستی کلیدی برای تشخیص زودهنگام سرطان، ارزیابی پیشرفت بیماری، و پایش درمانی شناخته می‌شوند. این پلتفرم با غلبه بر محدودیت‌های روش‌های مبتنی بر آنتی‌ژن مانند CellSearch، که به EpCAM وابسته‌اند، قادر به شناسایی CTCهای متنوع فنوتیپی، از جمله موارد EpCAM-منفی، است. این امر با استفاده از ویژگی‌های مورفولوژیکی و نوری سلول‌ها امکان‌پذیر شده و خطر نتایج منفی کاذب را کاهش می‌دهد. مطالعه نشان داد که حدود 63٪ از CTCهای شناسایی‌شده در بیماران مبتلا به سرطان پروستات پیشرفته EpCAM-منفی اما PSMA-مثبت بودند، که برتری این روش را نشان می‌دهد.
این پلتفرم از سه فناوری متعامد استفاده می‌کند: 1) غنی‌سازی میکروفلوئیدیک اینرسیال برای حذف بیش از 99.999٪ گلبول‌های قرمز و 99.6٪ گلبول‌های سفید، با حفظ 95٪ سلول‌های سرطانی؛ 2) هولوگرافی دیجیتال برای تصویربرداری بدون برچسب از ویژگی‌های مورفولوژیکی سلول‌ها؛ 3) فلورسانس دوکاناله (PSMA و EpCAM) برای تأیید بیوشیمیایی. یک مدل یادگیری عمیق HRNet، آموزش‌دیده با 5.9 میلیون تصویر سلول سالم و 3.1 میلیون تصویر سلول سرطانی از 25 خط سلولی، برای شناسایی CTCها به‌صورت بلادرنگ استفاده می‌شود. این مدل با استفاده از نمونه‌گیری سخت و برچسب‌گذاری شبه‌اتوماتیک، تنوع بالای CTCها را مدیریت می‌کند. نرخ بازیابی 60٪ و نرخ مثبت کاذب کمتر از 1 سلول در میلی‌لیتر در آزمایش‌های اعتبارسنجی گزارش شد.
این پلتفرم با قابلیت پردازش سریع (6 ساعت برای 10 میلی‌لیتر خون) و سازگاری با نمونه‌های زیستی مختلف (مانند بزاق یا مایع مغزی-نخاعی)، پتانسیل بالایی برای کاربردهای بالینی مانند غربالگری، تشخیص، و پایش بیماری‌های سرطانی دارد. توسعه آینده می‌تواند به سمت یک سیستم کاملاً بدون برچسب با تکیه بر یادگیری عمیق پیش رود، که زمان پردازش و هزینه‌ها را کاهش داده و امکان تشخیص انواع سرطان‌ها را فراهم می‌کند.

لینک مقاله

#اپتیک
#سرطان
#تشخیص_زودهنگام
#هولوگرافی
#یادگیری_عمیق
👍5😍21
سوال ۱۲

واحد اندازه گیری دز جذب شده چیست؟
Anonymous Quiz
19%
بکرل
29%
کوری
35%
گری(Gray)
17%
رم(Rem)
4👍3
Work as hard and as much as you want to on the things you like to do the best. Don't think about what you want to be, but what you want to do. Keep up some kind of a minimum with other things so that society doesn't stop you from doing anything at all.
برای کارهایی که دوست دارید بهترین کار را برای آن انجام دهید، به سختی و به همان اندازه که می خواهید کار کنید.به آنچه می خواهید باشید فکر نکنید ، بلکه به آنچه می خواهید انجام دهید فکر کنید. با چیزهای دیگر حداقل کار را انجام دهید تا جامعه شما را از انجام هیچ کاری باز ندارد.


👤فاینمن

#سخن_بزرگان

تکامل فیزیکی
@physical_evolution
👍91👎1😍1
📄معرفی مقاله

🟠هوش مصنوعی هدایت‌شده توسط فیزیک: انقلابی در حل مسائل پیچیده

این مقاله به بررسی هوش مصنوعی هدایت‌شده توسط فیزیک (Physics-Informed AI) می‌پردازد، رویکردی که قوانین فیزیکی را در مدل‌های یادگیری ماشین ادغام می‌کند تا دقت و کارایی حل مسائل پیچیده را بهبود بخشد. برخلاف مدل‌های سنتی یادگیری عمیق که به داده‌های گسترده وابسته‌اند، این روش با استفاده از دانش فیزیکی، نیاز به داده را کاهش داده و دقت پیش‌بینی‌ها را افزایش می‌دهد.
مسائل پیچیده در علوم و مهندسی، مانند دینامیک سیالات یا پیش‌بینی آب‌وهوا، اغلب به مدل‌های محاسباتی سنگین نیاز دارند. هوش مصنوعی هدایت‌شده توسط فیزیک با ادغام معادلات فیزیکی در شبکه‌های عصبی، امکان حل سریع‌تر و دقیق‌تر این مسائل را فراهم می‌کند، حتی در شرایط کمبود داده. این رویکرد نه‌تنها کارایی محاسباتی را بهبود می‌بخشد، بلکه به تعمیم‌پذیری بهتر مدل‌ها در کاربردهایی مانند طراحی مهندسی، علوم مواد، و مدل‌سازی زیستی کمک می‌کند.
نویسندگان از شبکه‌های عصبی هدایت‌شده توسط فیزیک (PINNs) استفاده کرده‌اند که معادلات دیفرانسیل جزئی (PDEs) حاکم بر سیستم‌های فیزیکی را به‌عنوان بخشی از فرآیند یادگیری در نظر می‌گیرند. این شبکه‌ها با بهینه‌سازی تابع زیان که شامل خطای داده و خطای معادلات فیزیکی است، آموزش می‌بینند. آزمایش‌ها روی مسائل دینامیک سیالات و انتقال حرارت نشان داده‌اند که PINNs می‌توانند راه‌حل‌های دقیقی با داده‌های محدود ارائه دهند، در حالی که روش‌های سنتی به محاسبات سنگین وابسته‌اند. این رویکرد همچنین در پیش‌بینی رفتار سیستم‌های غیرخطی و چندمقیاسی موفق بوده است.
توسعه این فناوری می‌تواند به مدل‌های ترکیبی پیشرفته‌تر منجر شود که هوش مصنوعی را با شبیه‌سازی‌های عددی سنتی ترکیب کنند. تحقیقات آینده می‌تواند بر بهبود مقیاس‌پذیری PINNs برای سیستم‌های بزرگ‌تر، کاهش پیچیدگی محاسباتی، و گسترش کاربردها در حوزه‌هایی مانند انرژی‌های تجدیدپذیر، پزشکی شخصی‌سازی‌شده، و مدل‌سازی اقلیمی تمرکز کند. همچنین، ادغام این روش با محاسبات کوانتومی می‌تواند سرعت و دقت را بیشتر افزایش دهد.

لینک مقاله

#هوش_مصنوعی
#فیزیک
#یادگیری_عمیق
#شبیه‌سازی
5😍3
I learned very early the difference between knowing the name of something and knowing something.

من خیلی زود تفاوت بین دانستن نام یک چیزی و دانستن چیزی را یادگرفتم


👤فاینمن

#سخن_بزرگان

تکامل فیزیکی
@physical_evolution
👍116😍3
📰پروفسور جاناتان اوپنهایم استدلال می‌کند که فضازمان وجود ندارد، اما چارچوب مفیدی برای درک واقعیت ماست.

▪️پروفسور جاناتان اوپنهایم، فیزیکدان دانشگاه کالج لندن، در مقاله‌ای جدید تأکید می‌کند که فضازمان – مفهوم چهاربعدی که مکان و زمان را توصیف می‌کند – وجود واقعی ندارد و تنها یک مدل ریاضی برای ثبت رویدادها است، که این دیدگاه می‌تواند ابهامات فلسفی و فیزیکی را برطرف کند و به پیشرفت در گرانش کوانتومی کمک کند.
⬅️ فضازمان، که در نظریه نسبیت عام اینشتین به عنوان یک پیوستار چهاربعدی توصیف می‌شود، ابزاری قدرتمند برای توصیف چگونگی وقوع رویدادها، ترتیب آنها و اندازه‌گیری طول‌ها در چارچوب‌های مرجع مختلف است. با این حال، اوپنهایم استدلال می‌کند که رویدادها "وجود ندارند، بلکه اتفاق می‌افتند"، و فضازمان صرفاً یک نقشه ریاضی است، نه یک موجودیت واقعی مانند اشیاء مادی. این دیدگاه، که در مقاله‌ای در نشریه The Conversation منتشر شده، به حل تناقضاتی مانند پارادوکس‌های سفر در زمان و مناقشات فلسفی در مورد زمان (مانند ابدی‌گرایی یا حال‌گرایی) کمک می‌کند، بدون اینکه پیش‌بینی‌های فیزیک را قربانی کند.

▪️این دیدگاه فضازمان را از یک موجودیت هستی‌شناختی به یک ابزار توصیفی تبدیل می‌کند و ابهامات ناشی از نسبیت عام را کاهش می‌دهد، که می‌تواند پایه‌ای برای نظریه‌های جدید گرانش کوانتومی باشد.
⬅️ در فیزیک کلاسیک، فضازمان اغلب به عنوان چیزی واقعی تصور می‌شود که تحت تأثیر جرم خم می‌شود، اما اوپنهایم تأکید می‌کند که این فقط یک توصیف ریاضی است و نه یک "چیز" قابل اثبات تجربی. رویدادها در یک جهان موجود اتفاق می‌افتند، و فضازمان تنها راهی برای کاتالوگ کردن آنها فراهم می‌کند. این رویکرد، که با نظریه پساکوانتومی گرانش کلاسیک اوپنهایم همخوانی دارد، می‌تواند به حل مشکلات گرانش کوانتومی – جایی که فضازمان و مکانیک کوانتومی ناسازگار هستند – کمک کند، و پیشنهاد می‌کند که گرانش به عنوان یک پدیده کلاسیک تصادفی مدل‌سازی شود.

▪️پروفسور اوپنهایم می‌گوید: "اگر بگوییم رویدادها – و فضازمان – وجود ندارند، وضوح مفهومی را بازمی‌یابیم بدون اینکه حتی یک پیش‌بینی را از دست بدهیم."
⬅️ این ایده نه تنها مناقشات فلسفی را حل می‌کند، بلکه می‌تواند به آزمایش‌های تجربی در گرانش کوانتومی منجر شود، جایی که اندازه‌گیری‌های دقیق نوسانات گرانشی برای تمایز بین نظریه‌های کوانتومی و کلاسیک استفاده می‌شود. اوپنهایم در تحقیقات اخیر خود، نظریه‌ای پیشنهاد کرده که گرانش را به عنوان یک فرآیند کلاسیک با نوسانات تصادفی توصیف می‌کند، که با مکانیک کوانتومی سازگار است و پیش‌بینی‌های جدیدی برای آزمایش‌های آینده ارائه می‌دهد، مانند اندازه‌گیری‌های دقیق‌تر در مقیاس‌های کوانتومی.

این موضوع با تلاش‌های گسترده‌تر برای آشتی دادن نسبیت عام و مکانیک کوانتومی، از جمله نظریه‌های رشته و گرانش کوانتومی حلقه، همخوانی دارد و می‌تواند به درک عمیق‌تری از ساختار بنیادی واقعیت منجر شود.

🔗مطالعه کامل خبر

🖋نویسنده خبر: فاطمه نگهبان

#اخبار_فیزیک
#فضازمان
#گرانش_کوانتومی
#نسبیت_عام

⚛️ کانال تکامل فیزیکی
@physical_evolution
12👍3
📰محققان دانشگاه Caltech رکورد جدیدی با آرایه ۶۱۰۰ کیوبیتی ثبت کردند.

▪️تیمی از فیزیکدانان موسسه فناوری کالیفرنیا (Caltech) بزرگ‌ترین آرایه کیوبیتی جهان را با ۶۱۰۰ اتم خنثی سزیم که توسط لیزرهای متمرکز (انبرک‌های نوری) به دام افتاده‌اند، ایجاد کردند. این پیشرفت گامی بزرگ به سوی ساخت کامپیوترهای کوانتومی مقیاس‌پذیر و مقاوم در برابر خطا است.
⬅️ کامپیوترهای کوانتومی برای حل مسائل پیچیده در فیزیک، شیمی و سایر حوزه‌ها به تعداد زیادی کیوبیت نیاز دارند. برخلاف بیت‌های کلاسیک، کیوبیت‌ها می‌توانند به دلیل خاصیت برهم‌نهی به طور همزمان در دو حالت وجود داشته باشند. این ویژگی به کامپیوترهای کوانتومی امکان انجام محاسبات پیچیده را می‌دهد، اما کیوبیت‌ها شکننده هستند و به کیوبیت‌های اضافی برای تصحیح خطا نیاز دارند. تیم کلتک با استفاده از انبرک‌های نوری، ۶۱۰۰ اتم سزیم را در یک شبکه لیزری در یک محفظه خلأ به دام انداخت و آرایه‌ای ایجاد کرد که بسیار بزرگ‌تر از آرایه‌های قبلی با چند صد کیوبیت است. این پژوهش که در مجله Nature منتشر شده، توسط مانوئل اندرس و سه دانشجوی دکتری، هانا مانتش، گیوهی نومورا و الی باتای هدایت شده است.

▪️این آرایه با حفظ برهم‌نهادگی کیوبیت‌ها به مدت ۱۳ ثانیه و دقت ۹۹.۹۸٪ در دستکاری کیوبیت‌ها، کیفیت و کمیت را به طور همزمان ارائه می‌دهد.
⬅️ تیم Caltech یک پرتو لیزر را به ۱۲,۰۰۰ انبرک نوری تقسیم کرد که ۶۱۰۰ اتم را در خود جای داد. برخلاف تصور رایج که افزایش تعداد کیوبیت‌ها کیفیت را کاهش می‌دهد، این تیم نشان داد که می‌توان مقیاس را بدون افت دقت افزایش داد. کیوبیت‌ها به مدت ۱۳ ثانیه در حالت برهم‌نهادگی پایدار ماندند - تقریباً ۱۰ برابر طولانی‌تر از آرایه‌های مشابه قبلی - و با دقت ۹۹.۹۸٪ دستکاری شدند. علاوه بر این، محققان توانستند اتم‌ها را صدها میکرومتر در آرایه جابه‌جا کنند، در حالی که برهم‌نهادگی حفظ شد، قابلیتی که برای تصحیح خطا در کامپیوترهای کوانتومی مبتنی بر اتم خنثی حیاتی است.

▪️این پیشرفت مسیر را برای کامپیوترهای کوانتومی مقاوم در برابر خطا هموار می‌کند و اتم‌های خنثی را به عنوان گزینه‌ای قوی برای مقیاس‌پذیری معرفی می‌کند.
⬅️ یکی از چالش‌های اصلی کامپیوترهای کوانتومی، تصحیح خطا بدون نقض قضیه عدم کپی‌برداری کوانتومی است. توانایی جابه‌جایی کیوبیت‌ها در آرایه، امکان استراتژی‌های کارآمدتر تصحیح خطا را فراهم می‌کند، برتری‌ای که در مقایسه با پلتفرم‌های سنتی مانند کیوبیت‌های ابررسانا برجسته است. هانا مانتش این فرآیند را به تعادل یک لیوان آب در حال دویدن تشبیه می‌کند، که در آن حفظ برهم‌نهادگی در حین حرکت اتم‌ها مانند جلوگیری از ریختن آب است.

▪️گام بعدی، درهم‌تنیدگی کیوبیت‌ها برای انجام محاسبات کوانتومی کامل و شبیه‌سازی پدیده‌های طبیعی است.
⬅️ محققان اکنون قصد دارند کیوبیت‌ها را در حالت درهم‌تنیدگی قرار دهند، که برای انجام محاسبات کوانتومی و شبیه‌سازی سیستم‌های طبیعی مانند فازهای جدید ماده یا مدل‌سازی میدان‌های کوانتومی حاکم بر فضازمان ضروری است.

این پیشرفت می‌تواند به اکتشافات جدیدی در طراحی مواد نوین و درک ساختارهای بنیادی کیهان منجر شود. این کار بخشی از رقابت جهانی برای ساخت کامپیوترهای کوانتومی مقیاس‌پذیر است که شامل رویکردهای متنوعی مانند مدارهای ابررسانا، یون‌های به دام افتاده و اتم‌های خنثی می‌شود.

🔗مطالعه کامل خبر

🖋نویسنده خبر: فاطمه نگهبان

#اخبار_کوانتوم
#کوانتوم
#فناوری_کوانتومی
#تصحیح_خطای_کوانتومی

⚛️ کانال تکامل فیزیکی
@physical_evolution
6👍3😍2
📄معرفی مقاله


🟠 توسعه سیستم تصویربرداری مادون قرمز با کارایی بالا و بدون لنز

پژوهشگران از ایده‌ی چندصدساله‌ی «تصویربرداری با حفره سوزنی» برای ساخت یک سیستم تصویربرداری مادون‌قرمز میانی با کارایی بالا و بدون لنز استفاده کرده‌اند. این دوربین جدید می‌تواند تصاویر بسیار واضحی را در گستره‌ی وسیعی از فاصله‌ها و در شرایط نوری ضعیف ثبت کند، و به همین دلیل در موقعیت‌هایی که برای دوربین‌های سنتی چالش‌برانگیز هستند، کاربرد دارد.
بسیاری از سیگنال‌های مهم در ناحیه‌ی مادون‌قرمز میانی قرار دارند، مانند گرما و اثر انگشت‌های مولکولی، اما دوربین‌هایی که در این طول‌موج‌ها کار می‌کنند اغلب پر سر و صدا، گران‌قیمت یا نیازمند خنک‌سازی هستند علاوه بر این، سامانه‌های سنتی مبتنی بر لنز، عمق میدان محدودی دارند و نیازمند طراحی دقیق برای به حداقل رساندن اعوجاج‌های نوری هستند.
پژوهشگران رویکردی با حساسیت بالا و بدون لنز توسعه داده‌اند که عمق میدان و میدان دید بسیار بیشتری نسبت به سایر سامانه‌ها فراهم می‌کند.
در این مقاله پژوهشگران شرح داده‌اند که چگونه از از یک لیزر پرقدرت برای ایجاد یک «حفره سوزنی نوری» کوچک درون یک کریستال غیرخطی استفاده کرده‌اند؛ کریستالی با طراحی ویژه و ساختار تناوبی که هم‌زمان تصویر مادون‌قرمز را به تصویری مرئی تبدیل می‌کند. با استفاده از این پیکربندی، آن‌ها توانستند تصاویر واضح مادون‌قرمز میانی با عمق میدانی بیش از ۳۵ سانتی‌متر و میدان دیدی بیش از ۶ سانتی‌متر به دست آورند. همچنین با روش آشکارسازی مبتنی بر بالا بَری (upconversion)  به طور طبیعی نویز را سرکوب می‌کنند و همین ویژگی امکان کارکرد سامانه را حتی در شرایط نوری بسیار ضعیف فراهم می‌سازد.
آن‌ها اکنون در حال کار بر روی سریع‌تر کردن سامانه، افزایش حساسیت و سازگار کردن آن با سناریوهای تصویربرداری گوناگون هستند. برنامه‌هایشان شامل افزایش بازدهی تبدیل، افزودن کنترل پویا برای بازشکل‌دهی حفره نوری متناسب با صحنه‌های مختلف، و گسترش دامنه‌ی عملکرد دوربین در سراسر گستره‌ی وسیع‌تری از مادون‌قرمز میانی می‌شود.

لینک مقاله


#Pinhole_imaging
#Mid_infrared
#Night_vision


کانال تکامل فیزیکی
5😍2
#جایزه_نوبل  #فیزیک

🏅جایزه نوبل فیزیک سال ۲۰۲۵ به دانشمندان زیر تعلق گرفته:

🔶 جان کلارک از دانشگاه کالیفرنیا
🔶 جان مارتینیز از دانشگاه کالیفرنیا
🔶میشل دِووره از دانشگاه یِیل و دانشگاه کالیفرنیا

🔷John Clarke

🔷John M. Martinis

🔷Michel H. Devoret

❇️ برای کشف تونل‌زنی کوانتومی ماکروسکوپی و کوانتیده‌ شدن انرژی در یک مدار الکتریکی

❇️ for the discovery of macroscopic quantum mechanical tunnelling and energy quantisation in an electric circuit

کانال تکامل فیزیکی
@physical_evolution
8👍1
📄 معرفی مقاله

🟠 مزیت یادگیری کوانتومی اثبات‌شده روی پلتفرم فوتونیک مقیاس‌پذیر

جایزه نوبل فیزیک ۲۰۲۵ به جان کلارک، میشل اچ. دوورت و جان ام. مارتینیس «به خاطر کشف تونل‌زنی کوانتومی ماکروسکوپی و کوانتیزاسیون انرژی در یک مدار الکتریکی» اهدا شد.

در پژوهشی انقلابی که امروز برنده جایزه نوبل فیزیک ۲۰۲۵ شده، تیمی از محققان به رهبری ژنگ-هاو لیو و رومن برونل از دانشگاه فنی دانمارک (DTU)، با استفاده از نور درهم‌تنیده، زمان لازم برای یادگیری رفتار یک سیستم کوانتومی پیچیده و پرنویز را از ۲۰ میلیون سال به تنها ۱۵ دقیقه کاهش داده‌اند. این دستاورد، اولین مزیت کوانتومی اثبات‌شده در یک سیستم فوتونیک را به نمایش می‌گذارد و پایه‌ای برای پیشرفت‌های عظیم در محاسبات کوانتومی می‌سازد.

در سیستم‌های کوانتومی، نویز ذاتی و افزایش نمایی تعداد اندازه‌گیری‌های مورد نیاز برای تحلیل سیستم‌های بزرگ، مانع اصلی توسعه فناوری‌های کوانتومی است. این چالش، کاربردهای عملی در حسگری، یادگیری ماشینی و ارتباطات کوانتومی را محدود می‌کند و نیاز به روش‌هایی کارآمدتر برای غلبه بر نویز کوانتومی را برجسته می‌سازد.

محققان از نور درهم‌تنیده تولیدشده توسط نوسان‌ساز پارامتری نوری (OPO) بهره بردند. با ارسال دو پرتو درهم‌تنیده—یکی برای کاوش سیستم و دیگری به عنوان مرجع—و اندازه‌گیری همزمان آن‌ها، نویز اندازه‌گیری حذف شد و اطلاعات بیشتری در هر آزمایش استخراج گردید. این رویکرد، حتی با وجود تلفات معمولی در تجهیزات، کارایی فوق‌العاده‌ای نشان داد.

این فناوری می‌تواند به توسعه کامپیوترهای کوانتومی مقیاس‌پذیر، حسگرهای فوق‌دقیق و الگوریتم‌های یادگیری ماشینی کوانتومی منجر شود. در آینده، ادغام آن با شبکه‌های کوانتومی مانند اینترنت کوانتومی و کاربرد در صنایع مانند داروسازی و امنیت سایبری، تحولات عظیمی ایجاد خواهد کرد—به ویژه با توجه به سال بین‌المللی علم و فناوری کوانتومی در ۲۰۲۵.

برای اطلاعات بیشتر به مقاله زیر مراجعه کنید: 
لینک مقاله

#فیزیک_کوانتومی 
#مزیت_کوانتومی 
#یادگیری_کوانتومی 

⚛️ کانال تکامل فیزیکی
@physical_evolution
5😍2👍1
📰ایمک و دیراک گزارش می‌دهند: کیوبیت‌های سیلیکونی صنعتی به دقت لازم برای تصحیح خطا دست یافتند.

▪️محققان ایمک و دیراک در مقاله‌ای در Nature اعلام کردند که کیوبیت‌های نقطه کوانتومی سیلیکونی ساخته‌شده با روش‌های صنعتی، به‌طور مداوم دقت‌هایی بالاتر از آستانه موردنیاز برای تصحیح خطای کوانتومی نشان می‌دهند.
⬅️ این کیوبیت‌ها، که با استفاده از پلتفرم ۳۰۰ میلی‌متری ایمک و سیلیکون غنی‌شده ایزوتوپیک ساخته شده‌اند، دقت‌هایی بیش از ۹۹٪ برای عملیات تک‌کیوبیتی و دوکیوبیتی و بیش از ۹۹.۹٪ برای آماده‌سازی و اندازه‌گیری حالت به دست آورده‌اند. برخلاف دستگاه‌های نمونه‌ای دانشگاهی که به‌صورت گزینشی انتخاب می‌شوند، این نتایج از نمونه‌های تصادفی به‌دست آمده و نشان‌دهنده قابلیت تولید کیوبیت‌های سیلیکونی با دقت بالا به‌صورت صنعتی و مقیاس‌پذیر است. این دستاورد، که در مجله Nature منتشر شده، گامی کلیدی در مسیر دیراک برای رسیدن به مقیاس کاربردی کوانتومی است که در آن ارزش کامپیوتر کوانتومی از هزینه‌اش پیشی می‌گیرد.

▪️این کیوبیت‌ها با استفاده از فناوری ساخت نیمه‌هادی‌های استاندارد تولید شده‌اند و امکان ساخت کامپیوترهای کوانتومی با میلیون‌ها کیوبیت را فراهم می‌کنند.
⬅️ دقت عملیات کوانتومی نشان‌دهنده نزدیکی عملکرد واقعی به حالت ایده‌آل است و برای کامپیوترهای کوانتومی مقیاس‌پذیر حیاتی است. برای موفقیت روش‌های تصحیح خطا، دقت باید به‌طور قابل‌توجهی از ۹۹٪ فراتر رود. در این پژوهش، دستگاه‌های ساخته‌شده توسط ایمک و طراحی‌شده توسط دیراک به‌طور مداوم دقت‌های بالای ۹۹.۹٪ برای آماده‌سازی و اندازه‌گیری حالت (SPAM) و بیش از ۹۹٪ برای عملیات دروازه‌های تک‌کیوبیتی و دوکیوبیتی نشان دادند. این نتایج از دستگاه‌های دو کیوبیتی تصادفی با ساختار نقطه کوانتومی دوگانه به‌دست آمده و از پلتفرم ۳۰۰ میلی‌متری ایمک با لایه سیلیکون-۲۸ غنی‌شده برای کاهش نویز مغناطیسی استفاده شده است.

▪️این پیشرفت نشان می‌دهد که تکنیک‌های صنعتی می‌توانند کیوبیت‌هایی با دقت مشابه دستگاه‌های نمونه دانشگاهی تولید کنند.
⬅️ کریستیان ده‌گرو، مدیر برنامه کوانتومی ایمک، اظهار داشت که دستگاه‌های نقطه کوانتومی مبتنی بر MOS سیلیکونی ساخته‌شده با روش‌های صنعتی، عملکردی مشابه دستگاه‌های نمونه دانشگاهی دارند. این نشان‌دهنده توانایی پلتفرم ایمک در ایجاد محیطی با نویز پایین برای کیوبیت‌ها است. او افزود که با غنی‌سازی بیشتر ایزوتوپیک لایه سیلیکون، امکان بهبود بیشتر دقت وجود دارد، که می‌تواند به توسعه کامپیوترهای کوانتومی مقیاس‌پذیر کمک کند.

▪️دیراک و ایمک در حال هموار کردن راه برای کامپیوترهای کوانتومی مقیاس‌پذیر با استفاده از فناوری نیمه‌هادی‌های موجود هستند.
⬅️ اندرو زوراک، مدیرعامل دیراک، تأکید کرد که دستیابی به مقیاس کاربردی کوانتومی به تولید کیوبیت‌های با دقت بالا در مقیاس بزرگ بستگی دارد. همکاری با ایمک نشان می‌دهد که کامپیوترهای کوانتومی مبتنی بر سیلیکون می‌توانند با استفاده از صنعت نیمه‌هادی‌های بالغ ساخته شوند، که راهی مقرون‌به‌صرفه برای تولید تراشه‌هایی با میلیون‌ها کیوبیت با حفظ دقت بالا ارائه می‌دهد. این پیشرفت، با بهره‌گیری از فناوری‌های صنعتی موجود، می‌تواند به تسریع توسعه کامپیوترهای کوانتومی مقاوم در برابر خطا منجر شود.

🔗مطالعه کامل خبر 

🖋نویسنده خبر: فاطمه نگهبان 

#اخبار_کوانتوم 
#خبر 
#کوانتوم 
#فناوری_کوانتومی 
#تصحیح_خطای_کوانتومی 

⚛️ کانال تکامل فیزیکی
@physical_evolution
😍6
2025/10/11 05:39:02
Back to Top
HTML Embed Code: