به گزارش خبرنگار علم و فناوری ایسکانیوز؛ موسسه فناوری ماساچوست یکی از پنج دانشگاه برتر و معتبرترین دانشگاه در جهان محسوب می‌شود. آموزش عالی تایمز این دانشگاه را به همراه دانشگاه‌های برکلی، کمبریج، هاروارد، آکسفورد و استنفورد یکی از پنج برند فوق‌العاده در رتبه‌بندی با شهرت جهانی به رسمیت شناخته و امسال آن را در رده سوم جا داده است.

دانشگاه ام‌آی‌تی ۱۳ سال متوالی است که رده اول را در رتبه‌بندی دانشگاه‌های برتر جهانی «کیواس» از آن خود کرده است. تا سال ۲۰۲۳، حدود ۱۰۱ برنده جایزه نوبل، ۲۶ برنده جایزه تورینگ و هشت مدال آور فیلدز به‌عنوان دانش‌آموخته، اعضای هیات‌ علمی یا پژوهشگر به ام‌آی‌تی وابسته بودند. علاوه ‌براین، ۵۸ نفر از دریافت‌کنندگان مدال ملی علوم، ۲۹ نفر از دریافت‌کنندگان مدال ملی فناوری و نوآوری، ۵۰ نفر از همکاران مک آرتور، ۸۰ نفر از محققان مارشال، سه نفر از محققان میچل، ۴۱ نفر از فضانوردان و ۱۶ نفر از دانشمندان ارشد نیروی هوایی آمریکا از ام‌آی‌تی بوده‌اند. این دانشگاه همچنین از فرهنگ کارآفرینی نیرومندی برخوردار است و فارغ‌التحصیلان آن بسیاری از شرکت‌های برجسته را تأسیس کرده‌اند.

این موارد کاملا گویای آن است که تحقیقاتی که در ام‌آی‌تی انجام می‌شود، دستاوردهای بسیار مهمی به شمار می‌روند. جامعه تحقیقاتی این دانشگاه سالانه بهترین دستاوردهای علم و فناوری خود را معرفی می‌کند و برای دستاوردهای ۱۲ ماهه خود جشن می‌گیرد.

در ادامه برترین دستاوردهای جامعه تحقیقاتی MIT سال ۲۰۲۴ را می‌خوانید:

پرینت سه بعدی با فلز مایع

محققان MIT یک تکنیک تولید اشیاء طراحی کرده‌اند که می‌تواند اشیای مختلفی را به سرعت با فلز مایع چاپ کند و قطعات بزرگی مانند پایه‌های میز و قاب صندلی را در عرض چند دقیقه تولید کند.

روش آنها که چاپ فلز مایع (LMP) نامیده می‌شود، شامل رسوب آلومینیوم مذاب در طول مسیری از پیش تعریف شده در بستری از دانه‌های شیشه‌ای ریز است. در این فرآیند، آلومینیوم به سرعت به یک ساختار سه‌بعدی سخت تبدیل می‌شود.

محققان می‌گویند LMP حداقل ۱۰ برابر سریع‎تر از یک فرآیند چاپ سه‌بعدی فلزی است و روش گرم کردن و ذوب فلز کارآمدتر از روش‌های دیگر است. این تکنیک وضوح را فدای سرعت و مقیاس می‌کند؛ یعنی در حالی که می‌تواند قطعات بزرگ‌تر از مواردی را که معمولاً با تکنیک‌های دیگر کندتر ساخته می‌شوند، چاپ کند، و با هزینه کمتر، ولینمی‌تواند به وضوح بالا دست یابد.

محققان این روش را با چاپ قاب‌ها و قطعات آلومینیومی برای میزها و صندلی‌ها نشان دادند که این ساختارهای تولید شده به اندازه کافی قوی هستند که در برابر ماشین‌کاری پس از چاپ مقاومت کنند.

تگ‌های شناسایی ضد دستکاری

چند سال پیش، محققان MIT یک برچسب شناسه رمزنگاری اختراع کردند که چندین برابر کوچک‌تر و به طور قابل توجهی ارزان‌تر از برچسب‌های فرکانس رادیویی سنتی (RFID) است که اغلب برای تائید اصالت کالا روی محصولات چسبانده می‌شود.

این تگ کوچک که امنیت بهتری نسبت به RFID ارائه می‌کند، از امواج تراهرتز استفاده می‌کند که کوچک‌تر هستند و فرکانس‌های بسیار بالاتری نسبت به امواج رادیویی دارند. اما این تگ تراهرتز آسیب‌پذیری امنیتی عمده‌ای را با RFID‌های سنتی به اشتراک می‌گذاشت: یک جعل کننده می‌تواند برچسب را از روی یک کالای اصلی جدا کرده و دوباره آن را به یک جعلی متصل کند و سیستم احراز هویت عاقلانه‌تر نیست.

محققان اکنون این آسیب‌پذیری امنیتی را با استفاده از امواج تراهرتز برای ایجاد یک برچسب شناسه ضد دستکاری برطرف کرده‌اند که هنوز هم مزایای کوچک، ارزان و ایمن بودن را ارائه می‌دهد.

آنها ذرات فلزی میکروسکوپی را در چسبی که برچسب را به یک شیء می‌چسباند مخلوط کردند و سپس از امواج تراهرتز برای تشخیص الگوی منحصربه‌فرد آن ذرات روی سطح مورد استفاده کردند. محققان ادعا می‌کنند که این برچسب‌ها شبیه به اثر انگشت هستند و الگوی چسب تصادفی برای تائید اعتبار مورد استفاده می‌شود. اگر تراشه را جدا کنید و دوباره بچسبانید، این الگو را از بین می‌برید. به طور کلی، این برچسب می‌تواند با دقت تقریباً صددرصدی، واقعی یا جعلی بودن محصول را آشکار کند.

گپ زدن با خودتان در آینده

آیا تا به حال خواسته اید در زمان سفر کنید تا ببینید آینده شما چگونه خواهد بود؟ اکنون، به لطف قدرت هوش مصنوعی مولد می‌توانید. محققان MIT سیستمی را ایجاد کردند که کاربران را قادر می‌سازد مکالمه آنلاین و مبتنی بر متن با خود احتمالی آینده‌شان داشته باشند. این خود آینده در واقع شخصیتی است که هوش مصنوعی آن را شبیه‌سازی کرده است.

این سیستم با نام Future You، با هدف کمک به جوانان در درک روند پیشرفت و ارزیابی خود و برگرفته از یک مفهوم روانشناختی طراحی شده است که توصیف می‌کند یک فرد چقدر با خود آینده‌اش ارتباط دارد.

تحقیقات نشان داده است که احساس قوی‌تر از تداوم خود در آینده می‌تواند به طور مثبت بر نحوه تصمیم‌گیری‌های بلندمدت افراد تأثیر بگذارد، از احتمال مشارکت در پس‌انداز مالی تا تمرکز بر دستیابی به موفقیت تحصیلی.

«فیوچر یو» از یک مدل زبان بزرگ استفاده می‌کند که از اطلاعات ارائه شده توسط کاربر استفاده می‌کند تا یک نسخه مجازی و مرتبط از فرد در سن ۶۰ سالگی تولید کند. این خود آینده شبیه‌سازی شده می‌تواند به سوالاتی در مورد اینکه زندگی فرد در آینده چگونه می‌تواند باشد و مسیری که می‌تواند دنبال کند، پاسخ دهد.

در مطالعه اولیه محققان MIT، کاربران نیم ساعت بعد از تعامل با فیوچر یو گزارش دادند که اضطراب کاهش یافته و احساس قوی‌تری در ارتباط با خود آینده خود داشتند.

تبدیل دی‌اکسید کربن به محصولات مفید

در حالی که جهان در تلاش برای کاهش انتشار گازهای گلخانه‌ای است، محققان به دنبال راه‌های عملی و اقتصادی برای جذب دی‌اکسید کربن و تبدیل آن به محصولات مفید مانند سوخت‌های حمل و نقل، مواد اولیه شیمیایی یا حتی مصالح ساختمانی هستند. اما تاکنون چنین تلاش‌هایی برای رسیدن به مقرون به‌صرفه اقتصادی با مشکل مواجه شده است.

تحقیقات جدید مهندسان MIT می‌تواند منجر به بهبود سریع انواع سیستم‌های الکتروشیمیایی شود که دی‌اکسید کربن را به یک کالای ارزشمند تبدیل می‌کنند. این تیم طراحی جدیدی برای الکترودهای مورد استفاده در این سیستم‌ها ایجاد کرده است که کارایی فرآیند تبدیل را افزایش می‌دهد.

این تیم بر تبدیل الکتروشیمیایی CO۲ به اتیلن تمرکز کرد. اتیلن یک ماده شیمیایی پرکاربرد است که می‌تواند به انواع پلاستیک‌ها و همچنین سوخت تبدیل شود. این ماده امروزه از نفت ساخته می‌شود. رویکردی که آنها توسعه داده‌اند می‌تواند برای تولید سایر محصولات شیمیایی با ارزش از جمله متان، متانول و مونوکسید کربن نیز به کار رود.

در حال حاضر، اتیلن حدود هزار دلار به ازای هر تن به فروش می‌رسد و محققان قصد دارند که با این ابداع قیمت آن را کاهش دهند. فرآیند الکتروشیمیایی که CO۲ را به اتیلن تبدیل می‌کند شامل یک محلول مبتنی بر آب و یک ماده کاتالیزور است که همراه با جریان الکتریکی در دستگاهی به نام الکترود انتشار گاز در تماس هستند.

۲ ویژگی خاص برای مواد الکترود انتشار گاز وجود دارد که بر عملکرد آنها تأثیر می‌گذارد: آنها باید رسانای الکتریکی خوبی باشند تا جریانی که فرآیند را هدایت می‌کند از طریق گرمایش مقاومتی تلف نشود، اما همچنین باید «آب‌گریز» باشند. بنابراین محلول الکترولیت مبتنی بر آب از طریق آن نشت نمی کند و در واکنش‌هایی که در سطح الکترود انجام می‌شود تداخل نمی کند. این در حالی است که بهبود رسانایی آب‌گریزی را کاهش می‌دهد و بالعکس.

بر همین اساس محققان مدت زیادی روی این موضوع تحقیق کردند تا آن را حل کنند. آنها از یک ماده پلاستیکی، PTFE (در اصل تفلون) استفاده کردند که دارای خواص آب‌گریز خوبی است. با این حال، فقدان رسانایی PTFE به این معنی است که الکترون‌ها باید از طریق یک لایه کاتالیزور بسیار نازک حرکت کنند که منجر به افت ولتاژ قابل توجه می‌شود. برای غلبه بر این محدودیت، محققان مجموعه ای از سیم‌های مسی رسانا را از طریق ورق بسیار نازک PTFE بافته اند.

به گفته محققان، صنعت در دنیای واقعی به الکترودهایی نیاز دارند که شاید ۱۰۰ برابر بزرگ‌تر از نسخه‌های آزمایشگاهی باشند، بنابراین افزودن سیم‌های رسانا برای عملی کردن چنین سیستم‌هایی ضروری است.

هوش مصنوعی مولد برای پایگاه‌های داده

محققان MIT یک ابزار هوش مصنوعی مولد جدید با نام GenSQLرا طراحی کرده‌اند که انجام تجزیه و تحلیل‌های آماری پیچیده از داده‌های جدولی را برای کاربران پایگاه داده آسان‌تر می‌کند. GenSQL می‌تواند به کاربران کمک کند تا براساس داده‌ها پیش‌بینی کنند، ناهنجاری‌ها را شناسایی کنند، مقادیر گم شده را حدس بزنند، خطاها را برطرف کنند یا داده‌های مصنوعی را تنها با چند ضربه کلید تولید کنند.

به عنوان مثال، اگر از این سیستم برای تجزیه و تحلیل داده‌های پزشکی از یک بیمار استفاده شود که همیشه فشار خون بالا دارد، می‌تواند فشار خونی را برای آن بیمار خاص پیدا کند که پایین است. GenSQL به طور خودکار یک مجموعه داده جدولی و یک مدل هوش مصنوعی احتمالی تولیدی را ادغام می‌کند که می‌تواند عدم قطعیت را توضیح دهد و تصمیم‌گیری خود را بر اساس داده‌های جدید تنظیم کند.

علاوه بر این، GenSQL می‌تواند برای تولید و تجزیه و تحلیل داده‌های مصنوعی استفاده شود که از داده‌های واقعی در یک پایگاه داده تقلید می‌کند. این امر می‌تواند به ویژه در شرایطی مفید باشد که داده‌های حساس را نمی توان به اشتراک گذاشت؛ مانند سوابق سلامتی بیمار، یا زمانی که داده‌های واقعی پراکنده هستند.

هنگامی که محققان GenSQL را با رویکردهای رایج و مبتنی بر هوش مصنوعی برای تجزیه و تحلیل داده‌ها مقایسه کردند، دریافتند که نه تنها سریع‌تر است بلکه نتایج دقیق‌تری نیز تولید می‌کند. نکته مهم این است که مدل‌های احتمالی استفاده شده توسط GenSQL قابل توضیح هستند، بنابراین کاربران می‌توانند آنها را بخوانند و ویرایش کنند.

معکوس کردن ریزش موی ناشی از بیماری‌های خود ایمنی

محققان MIT با کمک محققان بریگهام و بیمارستان زنان و دانشکده پزشکی هاروارد یک درمان جدید بالقوه برای کچلی سکه‌ای، یک اختلال خود ایمنی که باعث ریزش مو می‌شود و افراد در هر سنی از جمله کودکان را تحت تاثیر قرار می‌دهد، توسعه داده‌اند.

برای اکثر بیماران مبتلا به این نوع ریزش مو، درمان موثری وجود ندارد. این تیم یک چسب میکروسوزن ایجاد کردند که می‌تواند بدون درد روی پوست سر بچسبد و داروهایی را آزاد می‌کند که به تعادل مجدد پاسخ ایمنی در محل کمک می‌کند و حمله خود ایمنی را متوقف می‌کند.

محققان در مطالعه‌ای روی موش‌ها دریافتند که این درمان به موها اجازه می‌دهد تا دوباره رشد کنند و التهاب در محل درمان را به‌طور چشمگیری کاهش دهد، در حالی که از اثرات سیستمیک ایمنی در سایر نقاط بدن جلوگیری کرد. به گفته محققان، این استراتژی همچنین می‌تواند برای درمان سایر بیماری‌های پوستی خود ایمنی مانند ویتیلیگو، درماتیت آتوپیک و پسوریازیس کاربرد داشته باشد.

کچلی سکه‌ای که بیش از ۶ میلیون آمریکایی را تحت تاثیر قرار می‌دهد، زمانی رخ می‌دهد که سلول‌های T خود بدن به فولیکول‌های مو حمله کرده و باعث ریزش مو می‌شود. تنها درمان در دسترس برای اکثر بیماران تزریق استروئیدهای سرکوب‌ کننده سیستم ایمنی به پوست سر است که بسیار دردناک است و بیماران اغلب نمی توانند آن را تحمل کنند.

این چسب میکروسوزن به سلول‌های T می‌آموزد که به فولیکول‌های مو حمله نکنند. همچنین رشد مجدد مو را تقویت می‌کند و راه حلی امیدوارکننده برای افراد مبتلا به کچلی سکه‌ای و سایر بیماری‌های پوستی خود ایمنی ارائه می‌دهد.

درون جعبه سیاه مدل زبان بزرگ

مدل‌های زبان بزرگ یا LLM‌ها، مانند مدل‌هایی که چت‌ربات‌های هوش مصنوعی محبوب مانند ChatGPT را نیرو می‌دهند، بسیار پیچیده هستند. اگرچه این مدل‌ها به عنوان ابزار در بسیاری از زمینه‌ها، مانند پشتیبانی مشتری، تولید کد و ترجمه زبان استفاده می‌شوند، دانشمندان هنوز به طور کامل نحوه عملکرد آنها را درک نکرده‌اند.

محققان MIT در تلاش برای درک بهتر آنچه در زیر سرپوش می‌گذرد، مکانیسم‌هایی را مطالعه کردند که این مدل‌های عظیم یادگیری ماشینی دانش ذخیره‌شده را بازیابی می‌کنند. آنها نتیجه شگفت‌انگیزی پیدا کردند: مدل‌های زبان بزرگ (اغلب از یک تابع خطی بسیار ساده برای بازیابی و رمزگشایی حقایق ذخیره شده استفاده می‌کنند.

در واقع، محققان ام‌آی‌تی تکنیکی را طراحی کردند که می‌تواند برای بررسی یک مدل زبان بزرگ برای دیدن آنچه در مورد موضوعات جدید می‌داند استفاده شود. این تکنیک نشان داد که مدل‌ها از مکانیسم ساده و شگفت‌آوری برای بازیابی دانش ذخیره‌شده استفاده می‌کنند.

ابریشم سرکوب کننده صدا

ما در دنیایی بسیار پر سر و صدا زندگی می‌کنیم. از همهمه ترافیک بیرون پنجره گرفته تا صدای بلند تلویزیون همسایه، صدای ناخواسته همچنان یک مشکل جدی است. محققان در یک پروژه بین رشته‌ای از دانشگاه ام‌آی‌تی و چند دانشگاه دیگر برای برطرف کردن این مشکل یک پارچه ابریشمی تولید کردند که به سختی ضخیم‌تر از موی انسان است، ولی می‌تواند صدای ناخواسته را سرکوب کند و انتقال صدا را در یک اتاق بزرگ کاهش دهد.

این پارچه که به سختی ضخیم‌تر از موی انسان است، حاوی فیبر خاصی است که با اعمال ولتاژ به آن می‌لرزد. محققان از این ارتعاشات برای سرکوب صدا به ۲ روش مختلف استفاده کردند. در یکی، پارچه ارتعاشی امواج صوتی تولید می‌کند که با صدای ناخواسته تداخل می‌کند تا آن را خنثی کند. شبیه هدفون‌های حذف نویز که در فضای کوچکی مانند گوش‌های شما به خوبی کار می‌کنند، اما در محوطه‌های بزرگ مانند اتاق یا هواپیما کار نمی‌کنند.

در روش دیگر، پارچه ثابت نگه داشته می‌شود تا ارتعاشات کلیدی برای انتقال صدا را سرکوب کند. این کار از انتقال نویز از طریق پارچه جلوگیری می‌کند و صدای فراتر از آن را آرام می‌کند. این رویکرد دوم امکان کاهش نویز را در فضاهای بسیار بزرگ‌تر مانند اتاق‌ها یا اتومبیل‌ها فراهم می‌کند.

محققان این پارچه را با استفاده از مواد متداول مانند ابریشم، بوم و موسلین تهیه کردند که برای پیاده‌سازی در فضاهای واقعی بسیار کاربردی است. به عنوان مثال، می‌توان از چنین پارچه‌ای برای ساخت جداکننده‌هایی در فضاهای باز یا دیوارهای پارچه‌ای نازک استفاده کرد که از عبور صدا جلوگیری می‌کند.

تمرینات ورزشی برای سیستم عصبی

شکی نیست که ورزش برای بدن مفید است. فعالیت منظم نه تنها ماهیچه‌ها را تقویت می‌کند، بلکه استخوان‌ها، رگ‌های خونی و سیستم ایمنی بدن ما را تقویت می‌کند.

اکنون مهندسان ام‌آی‌تی دریافته‌اند که ورزش می‌تواند در سطح سلول‌های عصبی نیز فوایدی داشته باشد. آنها مشاهده کردند که وقتی عضلات در حین ورزش منقبض می‌شوند، گروهی از سیگنال‌های بیوشیمیایی به نام «میوکین‌ها» را آزاد می‌کنند. در حضور این سیگنال‌های عضله، نورون‌های مغزی چهار برابر بیشتر از زمانی که میوکین‌ها حضور ندارند، رشد می‌کنند.

با کمال تعجب، محققان همچنین دریافتند که نورون‌ها نه تنها به سیگنال‌های بیوشیمیایی ورزش، بلکه به اثرات فیزیکی آن نیز پاسخ می‌دهند. این تیم مشاهده کردند که وقتی نورون‌ها به طور مکرر به جلو و عقب کشیده می‌شوند، مشابه نحوه انقباض و انبساط ماهیچه‌ها در طول تمرین، نورون‌ها به همان اندازه رشد می‌کنند که در معرض میوکین‌های عضله قرار می‌گیرند.

یافتن کمبود مدل جهانی هوش مصنوعی

مدل‌های زبان بزرگ می‌توانند کارهای چشمگیری انجام دهند، مانند نوشتن شعر یا تولید برنامه‌های رایانه‌ای قابل اجرا، حتی اگر این مدل‌ها برای پیش‌بینی کلمات بعدی در یک متن آموزش دیده باشند. چنین قابلیت‌های شگفت‌انگیزی می‌تواند اینطور به نظر برسد که مدل‌ها به طور ضمنی در حال یادگیری برخی از حقایق کلی درباره جهان هستند.

اما طبق یک مطالعه جدید، لزوماً اینطور نیست. محققان دریافتند که یک نوع محبوب از مدل هوش مصنوعی مولد می‌تواند مسیرهای رانندگی در شهر نیویورک را با دقت تقریباً کامل ارائه دهد؛ بدون اینکه نقشه داخلی دقیقی از شهر ایجاد کند. با وجود توانایی عجیب این مدل در جهت‌یابی موثر، زمانی که محققان برخی از خیابان‌ها را بستند و مسیرهای انحرافی را اضافه کردند، عملکرد آن به شدت کاهش یافت.

این امر می‌تواند پیامدهای جدی برای مدل‌های هوش مصنوعی مولد مستقر در دنیای واقعی داشته باشد، زیرا مدلی که به نظر می‌رسد در یک زمینه خوب عمل می‌کند، در صورت تغییر جزئی کار یا محیط ممکن است خراب شود.

محققان دریافتند که با وجود خروجی چشمگیر، مدل‌های هوش مصنوعی مولد درک منسجمی از جهان ندارند. مدل‌های زبان بزرگ، مدل‌های واقعی جهان و قوانین آن را تشکیل نمی‌دهند، و بنابراین می‌توانند به‌طور غیرمنتظره‌ای در کارهای مشابه شکست بخورند.

انتهای پیام/