قام الباحثون في شركة الحوسبة الكمومية Terra Quantum بإثبات تحسين تدريب نماذج التعلم الآلي باستخدام طريقة جديدة تجمع بين أفضل ميزات الحواسيب الكلاسيكية والكمومية. تعد هذه النتائج علامة واعدة على مجال التعلم الآلي الكمومي الذي لا يزال بطيئًا في البدء بسبب القيود المادية للحواسيب الكمومية الموجودة.

يمكن استخدام الحواسيب الكلاسيكية والكمومية لتدريب نماذج التعلم الآلي، والتي تعني في الأساس حل المعادلات المعقدة, تحتوي النماذج المعقدة على مناطق منحنية ومسننة في هذه الفضاءات الرياضية. يمكن للحواسيب الكلاسيكية حل المعادلات التي تحكم المناطق المسننة، ولكنها لا تستطيع تقريب المناطق المنحنية إلا باستخدام وظائف متدرجة. على العكس من ذلك، يحكم على الحواسيب الكمومية دالات الموجة وهي مناسبة لحل المنحنيات في فضاء متعدد الأبعاد، كما يقول أليكسي ميلنيكوف، الباحث الرئيسي في Terra. لكن الحواسيب الكمومية غير فعالة في حل المناطق ذات الحواف المسننة، كما يقول.

تُسمى التقنية الجديدة، التي نُشرت الشهر الماضي في مجلة Intelligent Computing، بالشبكات الهجينة المتوازية، وتستفيد من قدرة تقنية الشبكة العصبية على دمج نتائج مراحل التدريب المختلفة في نموذج واحد. تقسم الشبكات العصبية عمل تدريب نماذج التعلم الآلي على وحدات البرامج المختلفة. يتعلم كل نموذج حول ميزة مختلفة من مجموعة البيانات، وتشكل معًا نموذج الشبكة العصبية.

يقول ميلنيكوف، المؤلف المشارك في ورقة البحث، إن إحدى الأفكار الرئيسية من البحث هي أنه من خلال منح الحواسيب الكلاسيكية والكمومية مجموعة البيانات نفسها والسماح لها بتدريب النماذج بالتوازي، يمكن للنموذج النهائي، الذي يتكون من مزيج من الاثنين، تحقيق نتائج أفضل.

“الكمبيوتر الكمومي ليس جيدًا في كل شيء، الكمبيوتر الكلاسيكي ليس جيدًا في كل شيء، لكنهما معًا يحسنان بعضهما البعض.” أليكسي ميلنيكوف، TERRA QUANTUM

يقول ميلنيكوف: “لقد رأينا أن الكمبيوتر الكلاسيكي يتناسب بالفعل مع التغييرات المفاجئة والمتقطعة، بينما يتناسب الكمبيوتر الكمومي مع الأجزاء المتجانسة والخطية.”

العقبة التي يواجهها المستخدمون المحتملون للشبكات الهجينة المتوازية هي أنه في حين أن أقوى كمبيوتر كمومي تم بناؤه حتى الآن يتكون من 433 بت كمومي، أو كيوبيت، إلا أنه لا يزال توجد كمية كبيرة من الضوضاء ومازال عرضة للأخطاء لدرجة أنه لا يزال له تأثير كبير على المهام الحسابية مثل كسر التشفير القياسي.

 تتغلب Terra Quantum على هذه المشكلة المتعلقة بالأجهزة باستخدام أجهزة الكمبيوتر الكلاسيكية عالية الأداء المتخصصة لمحاكاة أجهزة الكمبيوتر الكمومية. هذا ممكن لأن طبقة البرنامج، والتي تتضمن خوارزميات التعلم الآلي، يمكن تشغيلها دون أن يقلق المستخدم بشأن طبقة الأجهزة الموجودة تحتها. تم تخصيص أجهزة الكمبيوتر الخاصة بـ Terra Quantum لنمذجة أجهزة الكمبيوتر الكمومية.

يقول ميلنيكوف إن نهج التعلم الآلي الهجين الجديد مفيد بشكل خاص عند مواجهة نمذجة المواقف في العالم الواقع التي ليست “مشكلات كتاب مدرسي”. استخدم الباحثون هذه التقنية لنمذجة انبعاثات الغاز في محطة كهرباء حرارية لحرق النفايات، والتي يجب أن تتحكم بعناية في معدل التدفق ودرجة الحرارة للانبعاثات الناتجة عن عملية الاحتراق في المحطة. يصعب التنبؤ بالانبعاثات، ولا توجد ارتباطات واضحة بينها وبين المعلمات القابلة للقياس مثل تدفق الهواء ومدخل النفايات.

عندما أضاف الباحثون طبقة شبكة عصبية كمومية إلى نموذج كلاسيكي موجود، وجدوا أن معدل خطأ النموذج قد انخفض إلى ثلث ما كان سيكون عليه بدون الكمبيوتر الكمومي. يقول ميلنيكوف إن النموذج سيحذر مشغلي المصنع من المشكلات المحتملة مسبقًا ويسمح لهم باتخاذ إجراءات تصحيحية بدلاً من إغلاق العملية بأكملها، وهو أمر مكلف وغير فعال.

تشير التقنية الجديدة إلى الفوائد التي قد يقدمها التعلم الآلي على الحواسيب الكمومية في النهاية، على الرغم من أن المجال لا يزال جديدًا جدًا. يقول ميلنيكوف: “الكمبيوتر الكمومي ليس جيدًا في كل شيء، الكمبيوتر الكلاسيكي ليس جيدًا في كل شيء، لكنهما معًا يحسنان بعضهما البعض”. “وهذا يوفر وصفة محددة.”

  المصدر:

Better Machine-Learning Models With Quantum Computers

الترجمة:

 معتز الحربي

التدقيق و المراجعة : 

معتز الحربي

MIRAGEC/GETTY IMAGES

تُشكِّل كابلات الألياف البصرية النظام العصبي الضخم تحت الأرض الذي يلبي احتياجاتنا المتزايدة لخدمات الإنترنت عالية السرعة والاتصالات. ومع ذلك، يمكن أن تتأثر إشارات الكابلات أحيانًا بالاهتزازات الناجمة عن مرور السيارات فوقها، أو اعمال البناء القريبة، أو حتى الزلازل. سبق للباحثين أن اقترحوا سابقًا استغلال تلك التشويشات لتحويل الآلاف من الكيلومترات من الكوابل تحت الأرض إلى مصفوفات زلزالية حساسة.

في دراسة حديثة، اظهر الباحثون من معهد كاليفورنيا للتكنولوجيا أن كابلات الألياف البصرية لا تكشف الزلازل فقط -بل يمكنها قياس التفاصيل الدقيقة والتعقيدات المرتبطة بالأحداث الزلزالية. على سبيل المثال، باستخدام قطعة من الكابل تمتد على مسافة 100 كيلومتر، تمكن الباحثون من تحديد الوقت والمكان لأربع هزات أرضية صغيرة تكونت معًا لتكوين زلزال بقوة 6 درجات.

“هذا العمل ليس مجرد اكتشاف، بل هو ما يتجاوز الاكتشاف.” يقول Jiaxuan Li, الباحث ما بعد الدكتوراه في الجيوفيزياء في معهد كاليفورنيا للتكنولوجيا والمؤلف المشارك في الورقة المنشورة في الثاني من أغسطس في Nature. “نحن نتصور تفاصيل عملية التشقق التي تحدث أثناء الزلزال.”

من خلال استغلال المزيد من الكابلات والحصول على المزيد من البيانات، يمكن لعلماء الزلازل فهم الزلازل بشكل افضل. وفي حين أن مصفوفة من كابلات الألياف البصرية غير قادرة على التنبؤ بوقوع الزلازل قبل حدوثها، يمكن للباحثين استخدام هذه التقنية للمساعدة في تطوير أنظمة تحذير مبكرة أفضل تنقذ الأرواح، وفقًا لقول لي.

عادة ما تتعرض كاليفورنيا الى زلزالين الى ثلاثة زلازل سنويا على الأقل والتي تعتبر شديدة بما يكفي- بقوة 5.5 او أكثر- ينتج عنه أضرار متوسطة للمباني. هناك أكثر من 700 جهاز قياس زلازل في جميع أنحاء الولاية. يصل سعر كل جهاز إلى 50,000 دولار أمريكي، وصيانة شبكة الكواشف باهظة التكلفة.

 إن وجود جهاز استشعار قريب قدر الإمكان من مصدر الزلزال أمر مهم للرصد المبكر. ويقول لي إن هذا ليس ممكنًا باستخدام اجهزة قياس الزلازل الباهظة التكلفة. من ناحية أخرى، تمتد كوابل الألياف البصرية بالفعل في الأرض، متشابكة في كل مكان، مما يوفر شبكة كثيفة ومنخفضة التكلفة لاستشعار الزلازل. ويقول: “لدينا شبكة واسعة جداً من الألياف البصرية في المدن وبين المدن. يمكننا تحويل تلك الشبكات الكثيفة جدًا إلى مصفوفات زلزالية يمكننا استخدامها للتحذير المبكر.”

استخدم لي وزملاؤه تقنية تسمى الاستشعار الصوتي الموزع او(distributed acoustic sensing (DAS، وهي تقنية جديدة في علم الزلازل، وتُستخدم بالفعل لفحص خطوط الأنابيب وكوابل الطاقة لاكتشاف العيوب. تتضمن الطريقة إرسال نبضات ضوء ليزر عبر الألياف البصرية وقياس شدة الإشارات المنعكسة من العيوب في الألياف. يمكن أن يؤدي التمدد أو الانكماش الطفيف للألياف (على سبيل المثال، نتيجة لزلزال) إلى تغيير الإشارات المنعكسة.

بناءً على وقت عودة النبضة، يمكنك تحديد متى وأين حدثت الاضطرابات على طول الكابل. نظرًا لأن الضوء ينعكس من آلاف نقاط العيوب على طول الألياف، يمكن لقطعة من الكابل طولها عدة كيلومترات أن تعمل كآلاف من جهاز قياس الزلازل. وهذا يعني وجود المزيد من البيانات الزلزالية، مما يؤدي إلى دقة أعلى، والتي تتيح تحديد موقع الأنشطة الزلزالية الأصغر.

قام باحثو معهد كاليفورنيا للتكنولوجيا بتحويل كابلات بصرية موجودة مسبقا الى مصفوفة DAS. عادةً ما تقوم شركات الاتصالات بوضع المزيد من الألياف البصرية مما يحتاجون إليه، ويستغل الفريق البحثي بعض هذه الألياف “المظلمة” غير المستخدمة. بإذن من تعاونية النطاق العريض في كاليفورنيا، قام الفريق بتركيب جهاز DAS عند أحد طرفي قطعة من كابل الألياف البصرية على طول الحدود بين كاليفورنيا ونيفادا.

في دراستهم، قام الباحثون بتحليل إشارات الضوء من قسمين من كابل الألياف البصرية بطول 50 كيلومترًا لكل قسم، والتي سجلت زلزال وادي الأنتيلوب عام 2021 بقوة 6 درجات. تم توجيه قسمي كابل الألياف البصرية إلى الشمال والجنوب من بلدة أولد ماموث. بشكل عام، قدم كابل الألياف البصرية لمسافة 100 كيلومتر بيانات معادلة لتلك التي يقدمها 10,000 جهاز كشف الزلازل.

باستخدام البيانات عالية الدقة، وجد الباحثون أن الزلزال يتألف من سلسلة من أربعة تشققات أصغر تُسمى “الأحداث الفرعية” والتي لا يمكن اكتشافها بواسطة شبكة زلزالية تقليدية. من خلال إنشاء نموذج حاسوبي للزلزال استنادًا إلى البيانات، تمكن الباحثون من تفصيل الوقت والموقع الدقيق لهذه الأحداث الفرعية.

يقول لي إن الألياف المستخدمة في الدراسة كانت على بعد 100 كيلومتر من مركز الزلزال. “يمكن زيادة دقة صورتنا بشكل كبير عن طريق وجود ألياف في اتجاهات أخرى، على الجانبين الشرقي والغربي من الزلزال أيضًا.”

يقول لي إنه سيكون تحديًا تقنيًا صعبًا معالجة وتخزين كميات كبيرة من البيانات التي ينتجها مصفوفة زلزالية كثيفة من الألياف الضوئية. لكن التحدي “الأول والأصعب” هو الحصول على الألياف لإنشاء مصفوفة DAS واسعة، ولذلك سيتعين عليهم التفاوض مع شركات الاتصالات. “إنها ليست عملية سهلة، لكنني آمل أن يمكن لشركات الاتصالات أن ترى مزايا التعاون بناءً على هذا العمل.”

المصدر:

IEEE Spectrum

 Fiber-Optic Cables Are Natural Earthquake Detectors (IEEE.org)

الترجمة:

إسراء أبوشهيوة

يظهر هذا التصميم الفني كيف يمكن للأجهزة الصغيرة قريبًا أن تعالج البيانات التي تجمعها بنفسها، دون الحاجة إلى إرسالها إلى جهاز كمبيوتر أو خادم خارجي. سيسمح هذا للأجهزة بالتعلم بشكل أسرع وأكثراستقلالية، مما سيؤدي إلى تحسين أداء العديد من التطبيقات.

تتعلم الأدوات الموجودة من حولنا باستمرار عن حياتنا. تلتقط الساعات الذكية علاماتنا الحيوية لتتبع صحتنا، وتستمع مكبرات الصوت المنزلية إلى محادثاتنا لتتعرف على أصواتنا، وتلعب الهواتف الذكية دور أستاذ النحو، وتراقب ما نكتب من أجل إصلاح أخطاء الطباعة لدينا. نحن سعداء بوجود هذه الاختراعات، ولكن لا يتم دائمًا الاحتفاظ بالمعلومات التي نشاركها مع أدواتنا بيننا وبين مصنعي الإلكترونيات لدينا. يمكن أن يتطلب التعلم الآلي أجهزة قوية وعملاقة، لذلك غالبًا ما ترسل الأجهزة “المتطورة” مثل الهواتف البيانات إلى الخوادم المركزية، والتي تعيد بعد ذلك خوارزميات مدربة. يرغب بعض الناس في حدوث هذا التدريب على نفس الأجهزة وليس خارجها. تعمل طريقة تدريب الذكاء الاصطناعي الجديدة على توسيع قدرات التدريب للأجهزة الصغيرة، مما يساعد على الحفاظ على الخصوصية.

 تستخدم أقوى أنظمة التعلم الآلي الشبكات العصبية (neural networks)، وهي شبكات معقدة مليئة بالبيانات القابلة للتعديل. أثناء التدريب، تتلقى الشبكة إدخالًا (مثل مجموعة من الصور)، وتولد ناتجًا (مثل “قطة”)، وتقارن نتائجها بالإجابة الصحيحة، وتضبط بياناتها لتحسين أدائها في المرة القادمة. لمعرفة كيفية ضبط كل من تلك الأزرار الداخلية، تحتاج الشبكة إلى تذكر تأثير كل منها، لكنها تصل بانتظام إلى الملايين أو حتى المليارات. يتطلب ذلك الكثير من الذاكرة.  يمكن أن يتطلب تدريب شبكة عصبية مئات أضعاف الذاكرة المستخدمة عند استخدامها فقط (ويسمى أيضًا “Inference”). في الحالة الأخيرة، يُسمح للذاكرة بنسيان ما فعلته كل طبقة من الشبكة بمجرد تمرير المعلومات إلى الطبقة التالية.

لتقليل الذاكرة المطلوبة أثناء مرحلة التدريب، استخدم الباحثون بعض الحيل. في إحدى الطرق، والتي تسمى paging أو offloading، تقوم الآلة بنقل تلك التنشيطات من الذاكرة قصيرة المدى(RAM) إلى نوع أبطأ ولكن أكثر وفرة من الذاكرة مثل (HDD or SSD)، ثم تعيدها عند الحاجة. في طريقة أخرى، تسمى rematerialization، تقوم الآلة بحذف البيانات، ثم تعيد حسابها لاحقًا. في السابق، استخدمت أنظمة تقليل الذاكرة إحدى هاتين الحيلتين أو، كما يقول شيشير باتيل،عالم الكمبيوتر في جامعة كاليفورنيا-بيركلي، والمؤلف الرئيسي للورقة التي تصف هذا  الابتكار، تم دمجها باستخدام “علم التأشير” الذي يكون “دون المستوى الأمثل”، وغالبًا ما يتطلب الكثير من الطاقة. يقوم الابتكار الذي ذكره باتيل وزملاؤه بتنسيق الجمع بين paging وrematerialization.

يقول جياسي تشن، عالم الكمبيوتر في جامعة كاليفورنيا، ريفرسايد، الذي يعمل على الحوسبة المتطورة، ولكنه لم يشارك في العمل: “إن دمج هاتين التقنيتين جيدًا في مشكلة الاستهلاك، ثم حلها، أمر رائع حقًا”.

في يوليو 2022، قدم باتيل نظامه، الذي يسمى POET، والذي هو اختصار لـ Private Optimal Energy Training، في المؤتمر الدولي حول التعلم الآلي، في بالتيمور. أولاً، يعطي POET تفاصيل الجهاز الفنية ومعلومات حول بنية الشبكة العصبية التي يريد تدريبها. يحدد ميزانية الذاكرة وميزانية الوقت. ثم يطلب منه إنشاء عملية تدريب تقلل من استخدام الطاقة. قد تقرر العملية ترقيم بعض البيانات التي سيكون من غير الفعال إعادة حسابها، ولكن إعادة تكوين هذه البيانات مرة أخرى تكون بسيطة في الإعادة، ولكنها تتطلب الكثير من الذاكرة التخزينية.

كانت إحدى مفاتيح التقدم هي تعريف المشكلة على أنها لغز البرمجة الخطية المتكاملة المختلطة (MILP)، وهي مجموعة من القيود والعلاقات بين المتغيرات. لكل جهاز وهندسة شبكة، يربط POET متغيراته ببرنامج MILP المصنوع يدويًا من باتيل، ثم يجد الحل الأمثل. يقول تشن: “التحدي الرئيسي هو تحديد المشكلة بطريقة جيدة بحيث يمكنك إدخالها في محلل حل ،” يقول تشن. “لذلك، فإنك تلتقط جميع الديناميكيات الحقيقية للنظام، مثل الطاقة، ووقت الاستجابة، والذاكرة.”

اختبر الفريق POET على أربعة معالجات مختلفة، تراوحت ذاكرة الوصول العشوائي (RAM) الخاصة بهم من 32 كيلو بايت إلى 8 جيجابايت. على كل منها، قام الباحثون بتدريب ثلاث برامج شبكات عصبية مختلفة: نوعان شائعان في التعرف على الصور (VGG16 و ResNet-18) بالإضافة إلى شبكة معالجة اللغة شعبية (BERT). في العديد من الاختبارات، يمكن للنظام تقليل استخدام الذاكرة بنسبة 80٪ تقريبًا، دون زيادة كبيرة في استخدام الطاقة. لم تستطع الأساليب المماثلة القيام بذلك في نفس الوقت. وفقًا لباتيل، أظهر البحث أن BERT يمكن الآن تدريبه على أصغر الأجهزة، والتي كانت مستحيلة في السابق.

“في البداية، كان POET مجرد فكرة لطيفة،” كما يقول باتيل. الآن، تواصلت عدة شركات بشأن استخدامه، وقد جربته شركة كبيرة واحدة على الأقل في مكبر الصوت الذكي الخاص بها. أحد الأشياء التي يحبونها، كما يقول باتيل هو أن POET لا يقلل من دقة الشبكة عن طريق “التكميم” أو اختصار التفعيلات لتوفير الذاكرة. لذلك لا داعي لفريق تصميم الشبكات للتنسيق مع الفرق التي تنفذها من أجل التفاوض بشأن المقايضات بين الدقة والذاكرة.

يذكر باتيل أسبابًا أخرى لاستخدام POET إلى جانب مخاوف الخصوصية. تحتاج بعض الأجهزة إلى تدريب الشبكات محليًا لأنها تفتقر إلى اتصال بالإنترنت أو اتصال ضعيف. وهذا يشمل الأجهزة المستخدمة في المزارع والغواصات والفضاء. يمكن لمجموعات إعداد أخرى الاستفادة من الابتكار لأن إرسال البيانات يتطلب الكثير من الطاقة. ويمكن لـ POET أيضًا أن يجعل الأجهزة الكبيرة – خوادم الإنترنت – أكثر كفاءة في استهلاك الذاكرة والطاقة. لكن فيما يتعلق بالحفاظ على خصوصية البيانات ، يقول باتيل: “أعتقد أن هذا مناسب جدًا ، أليس كذلك؟”

المصدر:

IEEE Spectrum

We Can Now Train Big Neural Networks on Small Devices

الترجمة:

معتز الحربي

التدقيق:

إسراء ابوشهيوة

ارتفاع حدوث الفيضانات الغير المتوقعة بعد العواصف.ENRICO MATTIA DEL PUNTA/NURPHOTO/AP

مع ارتفاع وتيرة الظواهر الجوية المتطرفة في السنوات الأخيرة، هناك أيضًا حاجة متزايدة إلى معرفة هيدرولوجية دقيقة من أجل التنبؤ بالفيضانات الكارثية. لعب علم الهيدرولوجيا – دراسة دورة المياه على الأرض – دورًا كبيرًا في الحضارة البشرية لآلاف السنين. ومع ذلك، في ورقة بحثية حديثة، يؤكد فريق من الباحثين أن منهجية هيدرولوجيا التقليدية تعيق التقدم في هذا المجال، وأنه حان الوقت للانتقال من النماذج النظرية المعقدة إلى نماذج تنبؤية تستخدم خوارزميات التعلم الآلي.

المتخصصون في علم الهيدرولوجيا وباحثو الشبكات الحاسوبية تعاونوا على نموذج تجريبي يستخدم تقنيات التعلم الآلي للقيام بتوقعات هيدرولوجية. ذكر أندريا زانيلا، أستاذ هندسة المعلومات في جامعة بادوفا في إيطاليا، أن نماذج الهيدرولوجيا موجودة بالفعل، ولكن تلك النماذج التقليدية هي معقدة رياضياً وتتطلب العديد من معلمات الإدخال لتكون عملية.

باستخدام تقنيات التعلم الآلي، تمكن الباحثون من تدريب نموذج يمكنه باستخدام البيانات المتوفرة خلال أول 30 دقيقة من العاصفة، التنبؤ بحدوث جريان المياه السطحية أو الفيضانات بفارق زمني يصل إلى ساعة قبل حدوثها. وأشار زانيلا، الذي هو أيضًا شريك في الدراسة، إن الدراسة كانت مجرد الخطوة الأولى نحو بناء نموذج من شأنه التنبؤ بشكل مثالي بحدوث جريان المياه السطحية بمهلة زمنية تبلغ بضع ساعات، مما يمنح للناس وقتا اكثر للاستعداد أو إخلاء المنطقة إذا لزم الأمر.

>>

يحدث هطول الأمطار أو الثلوج بشكل غير متكرر نسبيا، لذلك قد لا تسجل أجهزة الاستشعار أي بيانات على الإطلاق أثناء هطول الأمطار الغزيرة. وعندما تقوم بتسجيل البيانات، غالبًا ما لا تكون لديها ما يكفي من نقاط البيانات لالتقاط تفاصيل كثيرة حول تطور العاصفة.

العمل نحو تحقيق هذا الهدف “ليس بسيطًا على الإطلاق”، كما قال زانيلا. “ولكن الطريقة التي نقترحها تبدو أول خطوة نحو ذلك.”

قام الباحثون بتدريب نموذجهم لتعلم الآلة باستخدام معلمات بيانات الإدخال مثل كمية الأمطار والضغط الجوي التي تم الحصول عليها من أجهزة الاستشعار في محطات الطقس. كما كانت معلمات بيانات الإخراج، مثل امتصاص التربة وحجم الجريان، مجموعة من البيانات التي جمعوها وبيانات صنعوها إضافية باستخدام نماذج نظرية تقليدية. كانت البيانات الاصطناعية ضرورية، وفقًا لقول زانيلا، بسبب نقص البيانات النوعية اللازمة لبناء نماذج تعلم الآلة الموثوقة في علم الهيدرولوجيا.

ينتج نقص البيانات عن ممارسات جمع البيانات الحالية. حاليا، يتم جمع البيانات الهيدرولوجية باستخدام أجهزة الاستشعار في فترات زمنية محددة مسبقًا – عادةً كل بضع ساعات أو حتى أيام. هذه الطريقة في جمع البيانات غير فعالة لأن نسبة صغيرة فقط من البيانات التي تم جمعها مفيدة للنمذجة. تحدث الأمطار أو الثلوج بشكل غير متكرر نسبيًا، لذلك قد لا تسجل أجهزة الاستشعار أي بيانات على الإطلاق أثناء هطول الأمطار الغزيرة. وعندما يحدث ذلك، غالبًا ما لا تكون لديها ما يكفي من نقاط البيانات لالتقاط تفاصيل كثيرة حول تطور العاصفة.

في دراستهم، يقترح الباحثون أن المزيد من الأجهزة الاستشعارية ومعدل متغير لجمع البيانات قد يساعد في حل المشكلة. في الحالة المثالية، ستزيد الأجهزة الاستشعارية بشكل كبير من جمع البيانات عند هطول المطر وتبطئ عملية الجمع عندما تكون الظروف جيدة.

تعد بيانات الإخراج مثل امتصاص الماء بواسطة التربة صعبة الحصول عليها بشكل خاص، على الرغم من أهميتها لبناء نماذج التعلم الآلي عن طريق مطابقة الملاحظات مع التوقعات حول آثار الجريان السطحي. والصعوبة تكمن في ضرورة أخذ عينات التربة وتحليل تلك العينات، وهو أمر يتطلب جهدًا كبيرًا ووقتًا طويلاً.

قال زانيلا أن أجهزة استشعار الطقس يجب أن تتضمن أيضًا نوعا من معالجة البيانات مسبقًا. حاليًا، يجب على الباحثين الذين يقومون بتنزيل البيانات من أجهزة الاستشعار البحث في كمية كبيرة من البيانات للعثور على بيانات هطول المطر المفيدة. وهذا ليس فقط مستهلكًا للوقت ولكنه أيضًا يستخدم مساحة يمكن استخدامها بدلاً من ذلك لتخزين المزيد من البيانات ذات الصلة. إذا تمت معالجة البيانات تلقائيًا في محطات الطقس، فقد يساعد ذلك في تنظيف البيانات وجعل تخزين البيانات أكثر كفاءة.

أكدت الدراسة أيضًا أهمية تحسين أدوات تصور البيانات. كمجال له تطبيقات عملية مهمة، يجب أن تكون المعلومات الهيدرولوجية سهلة الفهم لجمهور واسع من الخلفيات التقنية المتنوعة، ولكن ذلك ليس الحال في الوقت الحالي. على سبيل المثال، الرسوم البيانية التي تُظهِر كثافة الأمطار على مر الزمن، والتي تسمى هيتوجراف، تشتهر بصعوبة فهمها.

“في معظم الحالات، عندما تنظر إلى إدارة موارد المياه، الأشخاص المسؤولين عنها ليسوا خبراء [فنيين]،” قال زانيلا. “لذلك نحتاج أيضًا إلى تطوير أدوات تصور تساعد هؤلاء الأشخاص على الفهم.”

قال زانيلا أن الباحثين من مجالات مختلفة يحتاجون إلى التعاون للارتقاء بشكل كبير بمجال الهيدرولوجيا. كما أعرب عن أمله في أن يعمل المزيد من الباحثين ذوي الخلفيات في مجالات الاتصالات اللاسلكية والشبكات في هذا المجال للمساعدة في التغلب على تحدياته.

المصدر:

IEEE SPECTRUM

Machine Learning Could Be Used to Better Predict Floods – IEEE Spectrum

الترجمة:

إسراء أبوشهيوة

مركبة الفضاء (Psyche) الخاصة بناسا ستختبر بروتوكول اتصالات الليزر مع محطات الأرض باستخدام أنبوب على سطح جسم المركبة الفضائية، غطاء لتجربة اتصالات الليزر.

بفضل موجات الراديو S-band، تمكن العالم من المشاركة مباشرة في مشاهدة رواد فضاء أبولو 11 وهم يسيرون على سطح القمر. كانت صور الفيديو مشوشة، وكان الصوت مليئًا بالضوضاء، لكنها كانت حقيقية، شاهدها نصف مليار شخص على الأرض عندما قال نيل أرمسترونج، “هذه خطوة صغيرة للإنسان …”

من ناحية أخرى، كانت الإشارة ضعيفة جدًا لدرجة أن ملايين الأشخاص اضطروا إلى السؤال، “ماذا قال؟”

إذا كانت وكالة ناسا قادرة على إرسال إشارات عبر نطاق الموجات الراديو من الطيف الكهرومغناطيسي، فلماذا لا تستخدم ترددات أخرى؟ على وجه الخصوص، تقول الوكالة إن عمليات الإرسال بالليزر في نطاق الأشعة تحت الحمراء القريبة يمكن أن تحمل من 10 إلى 100 مرة من البيانات أكثر من الإشارات اللاسلكية التي كانت الدعامة الأساسية للاستكشاف الفضائي.

“هناك المزيد من المهمات التي تتجه إلى الفضاء العميق أكثر من أي وقت مضى”، قالت Tawnya Laughinghouse، مديرة برنامج مهام عرض التكنولوجيا في ناسا، خلال مؤتمر مع الصحفيين. “ومن المتوقع أن ينقلوا كميات كبيرة من البيانات العلمية والقياسات المعقدة، بما في ذلك صور وفيديوهات فائقة الجودة، مما يزيد بشكل كبير من النطاق الترددي المطلوب.”

أحدث اختبارات وكالة ناسا للاتصالات بالليزر سيتم تنفيذه على متن مهمة Psyche، وهي مسبار لكويكب غني بالمعادن خارج مدار المريخ، ومن المقرر إطلاقه من فلوريدا هذا الشهر على صاروخ SpaceX Falcon Heavy. يحمل المركب الفضائي هوائي اتجاهي عالي الكسب بطول 2 متر وثلاثة هوائيات اتجاهي منخفض الكسب، لإرسال واستقبال البيانات بشكل أساسي عبر الراديو X-band. وبهذه الطريقة، فهي تشبه العديد من المركبات الفضائية الأخرى. ولكن على متن Psyche يوجد تجميع يسمى DSOC – وهو اختصار لـ Deep Space Optical Communications. يتضمن ليزر الأشعة تحت الحمراء (المرسل) وكاميرا عد الفوتونات (المستقبل) متصلة بتلسكوب 22 سم – وهو في الأساس تلسكوب بصري تم تكوينه ليعمل كهوائي.

بينما تشغل الموجات الراديوية نطاقًا واسعًا يتراوح من 3 هرتز إلى 3000 جيجا هرتز، تعمل إشارات الليزر القريبة من الأشعة تحت الحمراء عند حوالي 300 تيراهيرتز، مما يمكّن المهندسين من حزم المزيد من البيانات بشكل كبير. بالإضافة إلى ذلك، توفر أشعة الليزر ميزة التماسك، مما يسمح بالتوجيه الدقيق والتشتت الضئيل مقارنة بالموجات الراديوية.

بالنسبة لمهمة Psyche التي مدتها عامان، سيتم إرسال الإشارات من منشأة Table Mountain التابعة لمختبر الدفع النفاث بالقرب من رايتوررد، كاليفورنيا، شمال شرق لوس أنجلوس. بالنسبة لمحطة الاستقبال، اختار الباحثون حلًا 

رائعًا: لقد قاموا ببناء مجموعة مبردة بالتبريد بالغاز ليتم تركيبها على تلسكوب “هيل” الشهير 5.1 متر، الذي كان أكبر تلسكوب في العالم، ويقع على بعد ساعات بالسيارة.

قال جيف فولوسين، رئيس الاتصالات الفضائية في ناسا،” إحدى المزايا الكبيرة بالنسبة لنا هي أن البنية التحتية التي نحتاجها، سواء على المركبة الفضائية أو على الأرض للاتصالات الضوئية تتقلص.” هذا أسهل على مصممي المركبات الفضائية، كما أنه أسهل بالنسبة لنا على الجانب الاستثماري لبناء جميع المحطات الطرفية التي تكون أكثر قدرة من أي من هوائيات الراديو التي لدينا اليوم”.

 تُعد مركبة ناسا “psyche” قيد التحضير هنا في غرفة نظيفة قبل إطلاقها. تقع تجربة الاتصال بالليزر في الأنبوب والعبوة الملفوفة برقائق القصدير.

لو كانت حقا بهذه السهولة، فإن المركبة الفضائية ستستخدم بالفعل اتصالات الليزر بشكل روتيني. في الحقيقة، حاول المهندسين فعل هذا لعقود.  منذ زمن طويل يعود لسنة 1965 حاول رواد الفضاء “Gemini VII” وفشلوا في الارسال من مدار باستخدام ليزر محمول يزن 3 كيلو جرام، قبل وقت طويل من وجود التكنولوجيا لإرسال إشارات الليزر بموثوقية. كانت التجارب الحديثة أكثر نجاحًا: على سبيل المثال، في عام 2013، تم إرسال إشارات الليزر بنجاح من وإلى قمر صناعي في مدار القمر يسمى LADEE. شملت اختبارات أخرى الأقمار الصناعية في المدار الجغرافي المتزامن، وآملًا في وقت لاحق من هذا العام، أنها ستشمل محطة الفضاء الدولية. تعد مهمة كويكب Psyche أول من يحاول الاتصالات الضوئية مع مركبة فضائية في الفضاء العميق.

الإشارات الضوئية ليست مثالية للاتصالات. من بين أمور أخرى ، يسهل حجب الضوء القريب من الأشعة تحت الحمراء بواسطة الغيوم أو الدخان ؛ ستحتاج أجهزة الإرسال والاستقبال الأرضية إلى أن تكون في الصحاري أو على قمم الجبال ، تمامًا كما هو الحال بالفعل في العديد من المراصد. لن ينتقل معظم الإشعاعات الكهرومغناطيسية الأخرى عبر الغلاف الجوي للأرض.

استقبال وفك تشفير إشارة الليزر Psyche” هو عمل فريق في مختبر الدفع النفاث التابع لناسا، في كاليفورنيا. تقول Meera Srinivasan ، قائد عمليات الأنظمة الأرضية: “يتم نقل المعلومات في أوقات وصول دقيقة لهذه الفوتونات”. “لذلك ما قمنا بتثبيته هناك هو مجموعة من كاشفات الأسلاك النانوية الفائقة التوصيل. تعمل في درجات حرارة مبردة تسمح لها بحساب هذه الفوتونات الفردية بكفاءة عالية جدًا، وبالتزامن مع الإلكترونيات المتخصصة التي تم بناؤها لاحقًا، سنستطيع تحديد توقيت وصول هذه الفوتونات بدقة تصل إلى أقل من النانو ثانية، والذي يعتبر أقل من جزء من المليار من الثانية.”

تلك الدقة تجعل الاتصال الضوئية معقدة، ولكن الهندسة قامت بأشياء كثيرة كانت أكثر صعوبة. يمكن أن تكون اجهزة إرسال واستقبال الليزر على المركبات الفضائية أصغر حجمًا من نظرائها الراديوية، مما يعني وجود كتلة أقل واستهلاك وقود أقل وتكلفة أقل لإطلاقها. وهي بحاجة إلى طاقة أقل. يمكن أن تكون معدات الأرض أصغر حجمًا أيضًا، وهو ميزة لشبكة الفضاء العميقة التابعة لناسا، التي تتميز هوائياتها ذات القطر 70 مترًا بأنها معقدة ومكلفة وفي النهاية ستحتاج إلى استبدالها.

إلى أين سيقودنا كل هذا؟ ان الاستخدامات في الفضاء والأرض تفوق قدرة أي شخص على التنبؤ، ولكن إليك ما هو قادم: وضعت ناسا جهاز إرسال واستقبال بالليزر على Artemis II، ومن المقرر حاليًا إطلاقه بحلول نهاية عام 2024 – وهي أول سفينة تنقل رواد فضاء حول القمر منذ أبولو. إذا نجح، فسيكون قادرًا على إرسال فيديو ملون مباشر بدقة 4K وأكثر من ذلك بكثير. ستكون الصور واضحة. لن يكون هناك أي توقف. سيكون حقيقيا. 

المصدر:

IEEE Spectrum

NASA Tests Space Lasers for Next-Gen Communications

الترجمة:

أحمد عمر فرحات

التدقيق والمراجعة:

إسراء أبوشهيوة

DAVID MACK/SCIENCE SOURCE

قام الباحثون باستكشاف فاعلية استخدام الجسيمات النانوية القابلة للحقن والتي يمكنها استهداف ورم مجهري بسرعة.

إنها تقنية جديدة يمكن أن تمهد الطريق للكشف المبكر عن الأورام الصغيرة التي قد لا تظهر في تقنيات التصوير التقليدية. في دراسة نُشرت في العدد أكتوبر من مجلة IEEE Internet of Things، وجد أحد الفرق المشاركين في هذا الحدث طريقة لتوجيه الجسيمات النانوية التي تكشف السرطان إلى ورم أسرع، بينما يستخدم موارد أقل.

وفقًا لمنظمة الصحة العالمية، قد يموت حوالي 13 مليون شخص حول العالم بسبب السرطان في عام 2023. إحدى الطرق الرئيسية للحد من معدل الوفيات هي من خلال الكشف المبكر عن المرض، ومع ذلك، فإن تقنيات التصوير الطبي الموجودة توفر دقة محدودة عندما يتعلق الأمر بالكشف عن الأورام المجهرية التي يقل حجمها عن 0.5 ملليمتر.

يقول ييفان تشن، أستاذ بجامعة علوم وتكنولوجيا الإلكترونيات في الصين، في تشنغدو: “يمنح تطور تكنولوجيا النانو أملًا قويًا لحل هذه المشكلة، حيث إن الأحجام الصغيرة للجسيمات النانوية تُمكنها من التسرب من الأوعية الدموية والتراكم داخل الأورام”.

ومع ذلك، يمكن أن يكون من الصعب تطوير هذه “السباحين النانويين”، والتي يمكن أن تتشتت بشكل فعال في جميع أنحاء جسم المريض، بينما تتراكم بشكل كافٍ في موقع السرطان. تظهر الدراسات السابقة أن 0.7 بالمائة فقط من الجسيمات النانوية المحقونة تصل إلى هدفها.

هناك حلان لمساعدة السباحين النانويين على استهداف الأورام بشكل أفضل. الأول هو توجيههم إلى موقع السرطان المشتبه به باستخدام مجال مغناطيسي يتم تطبيقه خارج جسم المريض. يساعد هذا النهج الجسيمات على التحرك بسرعة نسبية عبر الجسم – لكنه يتطلب الكثير من الإشراف، حيث يجب مراقبة السباحين النانويين وتوجيههم باستمرار طوال العملية.

خيار آخر هو تطوير السباحين النانويين ذاتية الدفع، والتي تتحرك بشكل مستقل داخل الجسم البشري ولديها ميل كيميائي للتراكم في الأورام. على سبيل المثال، سوف تتجه السباحين النانويين المصممة للتوجه نحو البيئات الحمضية نحو الأورام، والتي تميل إلى أن تكون أكثر حمضية من الأنسجة السليمة. ولكن، يميل السباحين النانويين المستقلون إلى التحرك أبطأ بكثير من السباحين النانويين الموجهين مغناطيسيًا.

يتمثل حل تشين في الجمع بين مزايا كل نهج، للحصول على طريقة أكثر كفاءة لاستهداف الأورام. يقترح فريقه أسطولًا من السباحين النانويين شبه المستقلين الذين يبدأون في التوجه نحو السرطان. في سيناريوهم النظري، يتم قياس سرعة ونمط تجميع السرب بأكمله في بعض الأحيان لرؤية نمط عام لتقارب السباحين النانويين. باستخدام هذه المعلومات، يمكن بعد ذلك توجيه السرب شبه المستقل مغناطيسيًا بشكل أسرع في الاتجاه الأمثل: نحو الورم.

في دراستهم، يستخدم الباحثون المحاكاة لإظهار أن “تقنية أخذ العينات الفورية” هذه توفر بيانات دقيقة بما يكفي لتوجيه السرب شبه المستقل نحو الهدف باستخدام موارد مراقبة أقل بنسبة 90 بالمائة.

يقول تشن:” لقد أثبتت دراساتنا أنه يمكن تحقيق زيادة مائة ضعف في كفاءة الاستهداف باستخدام (نهجنا شبه المستقل) مقارنة بالتقنيات التي يتم فيها حقن الجسيمات النانوية غير المستقلة في الجسم بدون توجيه.

بينما يوجد بالفعل سباحون نانويين موجهين مغناطيسيًا، تعمل مجموعة تشين على تطوير الأسطول شبه المستقل. يقول تشين: “نتوقع أن يحدث التسويق التجاري لهذه التكنولوجيا في غضون السنوات الثلاث إلى الخمس المقبلة بعد استكمال تجارب الحيوانات لإثبات المفهوم.” مشيرًا إلى أن فريقه قد قدم العديد من براءات الاختراع.” نحن أيضًا بصدد التواصل مع العديد من شركات التكنولوجيا الطبية في الصين لخطط التسويق.”

المصدر: 

IEEE SPECTRUM

Nanoparticles Show Quick and Easy Way to Target Cancer (IEEE.org) 

الترجمة:

 منار العرادي

التدقيق:

إسراء أبوشهيوة

اللاي فاي هي تقنية تستخدم مصابيح “ليد” لإرسال البيانات وتعتمد على التغييرات في شدة الضوء.

تمامًا كما تستخدم Wi-Fi الإشارات اللاسلكية لتشفير المعلومات، Li-Fi يعتمد على الضوء لتحقيق سرعات نقل بيانات فائقة، الآن قد يساعد معيار IEEE الجديد لـ Li-Fi المستند إلى معيار IEEE لـ Wi-Fi (802.11) في توسيع نطاقه عبر العالم كما فعل Wi-Fi, مع اعتبار الأجهزة الجديدة مكملة بدل من منافسة مع التكنولوجيا الأكثر شيوعا.

تقنية Li-Fi تستخدم التغييرات في شدة الضوء لنقل البيانات، حيث يكون هذا التغيير سريع جدًا لدرجة أنه لا يمكن للأشخاص ملاحظته.

الموجات الضوئية لديها ترددات أعلى بأكثر من 1000 مرة من ترددات موجات الراديو، هذا يعني أنها تسمح بأكثر من 1000 قناة إضافية للاتصالات، مما يمكن أن يوفر نطاقًا تردديًا أكبر بكثير للبيانات.

 في الوقت نفسه، لا يتعرض Li-Fi لتداخل من الإشارات اللاسلكية المنافسة، كما هو الحال في أجهزة Wi-Fi و5G.

<< “بمجرد أن أدرك الناس أننا لا نُجادل بشأن Li-Fi ضد Wi-Fi، ولكننا نؤكد على دورها التكميلي، بدأوا حقًا في استشعار الفوائد الكبيرة لاستخدام التقنية الضوئية.”

Dominic Schulz, Fraunhofer HHI

يقول أليستير بانهام، الرئيس التنفيذي لشركة pureLiFi الواقعة في أدنبرة، وهي الشركة التي ترأست مجموعة عمل IEEE وراء المعيار الجديد، “إن Li-Fi ستضيف كمية ضخمة من النطاق الترددي لتلبية احتياجات الاستخدامات الجديدة”.

حاليا تتمتع أجهزة Li-Fi بسرعات فائقة تصل إلى 1 جيجابيت في الثانية، وتشير الأبحاث إلى أنه يمكن تحقيق معدلات تصل إلى 100 جيجابيت في الثانية باستراتيجية التعدد (multiplexing) التي تشفر البيانات بشكل متزامن على القنوات الحمراء والخضراء والزرقاء داخل مصباح LED أبيض، يمكن أن تشكل عدة أضواء شبكة واحدة، مما يتيح للشخص التنقل في المكان من ضوء إلى ضوء دون انقطاع الاتصال، ولا يكون هناك حاجة دائمة لخط رؤية واضح بين المستقبل والمرسل – حيث يمكن للإنعكاسات من الجدران والأسطح الأخرى نقل البيانات أيضًا.

تم التصديق على المعيار الجديد للاي فاي (IEEE 802.11bb) في يونيو، وهو مصمم لتوفير إطار عالمي لنشر الأجهزة المعتمدة على الضوء، والتي تكون متوافقة مع بعضها البعض.

يقول دومينيك شولز رئيس تطوير Li-Fi في (Fraunhofer HHI) وهي شركة مقرها برلين دعمت إنشاء المعيار في عملية تطوير المعايير، ” ما كان يعتبر تحديا صعبا هو العثور على وجهات نظر مشتركة بين أفراد فريق يتألف من خبرات تكنولوجية متنوعة، وفي نهاية هذه العملية يتم تحديد حلاً واحدًا يتمثل في المعيار النهائي” ويقول أيضا: ” قمنا أيضًا بالتواصل مع كبرى شركات Wi-Fi، وفي النهاية نجحنا في إقناعهم بفوائد Li-Fi ومع إدراك الناس أننا لسنا في منافسة بين Li-Fi وWi-Fi، بل نؤكد على دورها التكميلي، بدأوا حقًا في رؤية الفوائد الجمة لاستخدام التقنية الضوئية.”

تم تطوير المعيار ليعمل Li-Fi بشكل حاسم جنبًا إلى جنب مع Wi-Fi. على سبيل المثال، مع Light Antenna ONE من pureLiFi (أول جهاز في العالم متوافق مع المعيار الجديد) يظهر Li-Fi ببساطة كما لو كان نطاقًا آخر من Wi-Fi.

 بعرض 14.5 ملليمتر فقط (أصغر من عشرة سنتات) ومصممة للتكامل مع شرائح Wi-Fi الموجودة في الهواتف الذكية والأجهزة اللوحية وأجهزة التلفزيون وسماعات الواقع الافتراضي والمزيد، ويمكنه تحقيق معدلات بيانات تبلغ 1 جيجابيت في الثانية أو أكثر من مسافة تتراوح بين 20 سم و3 أمتار.

“نحن نعمل على تمكين التشغيل المتداخل بين Li-Fi و Wi-Fi، مما يضع Li-Fi في مكانة تقنية تكميلية وإضافية للنظام البيئي الحالي” كما يقول بانهام.

بالنسبة للعديد من الأجهزة التي لا تحتوي على هوائيات Li-Fi مدمجة فيها، يُعتبر وحدة NEON من Fraunhofer HHI جهازًا قابلًا للتوصيل يمكن توصيله بأجهزة الكمبيوتر المحمولة وغيرها من الأجهزة عبر منفذ USB ويقول شولتز: “إنها تقريبًا بحجم بطاقة الائتمان وعرضها واحد بوصة تقريبًا، وسمكها حوالي نصف بوصة، وتزن حوالي 60 جرامًا، لذا فهي تشبه إلى حد كبير وحدة تخزين SSD خارجية، ويمكن أن تحقق سرعة تنزيل تبلغ 1 جيجابيت في الثانية وسرعة رفع تبلغ حوالي 100 ميجابيت في الثانية “.

فيما يتعلق بالتطبيقات المنزلية والمكتبية وغيرها من التطبيقات الداخلية، تمتلك pureLiFi بوابة Li-Fi Cube الخاصة بها، وهي نقطة اتصال محمولة يمكن توصيلها وتشغيلها بشبكة عبر Ethernet أو Power line أو Power over  Ethernet متوافقة مع المعيار الجديد، يمكنها توفير ارتباط يصل إلى 250 ميجابيت في الثانية ويمكن وضعها على طاولة أو على حامل قابل للتعديل أو تثبيتها على سقف أو جدار أو رف.

هناك أيضًا تطبيقات خارجية لـ Li-Fiيمكنه العمل حتى في ضوء الشمس، تمتلك Fraunhofer HHI رابط Li-Fi نقطة إلى نقطة في الهواء الطلق يمكنه توفير 1 جيجابيت في الثانية على مسافة 100 متر و500 ميجابيت في الثانية على مسافة 200 متر.

يقول شولز: “قد لا يبدو هذا نطاقًا كبيرًا، ولكن في بيئة حضرية كثيفة، فكر في الوقت والتكلفة التي ستستغرقها لوضع ألياف جديدة من مبنى إلى آخر، مقابل توفير 1 جيجابيت في الثانية في غضون دقائق” ويقول أيضا: “يمكنك استخدامه للأحداث العرضية، أو التعافي بعد الكوارث، على سبيل المثال، الزلازل، عندما يتحطم كل شيء، يمكنك إعداد شبكة من الروابط بطريقة مرنة وسهلة وفعالة من حيث التكلفة، كما أنها تعمل حتى في الظروف الجوية السيئة، يمكن أيضًا استخدامه للاتصال بين المركبات – على سبيل المثال، بين الشاحنات في موكب.”

واجه Li-Fi قيدًا واحدًا وهو عدم اختراق الضوء للجدران، لذلك ستحتاج كل غرفة في منزل أو مكتب إلى مصباح Li-Fi. من ناحية أخرى، يمكن أن يؤدي ذلك إلى تحسين الخصوصية ضد المتطفلين المحتملين، على هذا النحو، قامت pureLiFi بتطوير نظامها Kitefin Li-Fi المصمم خصيصًا لتطبيقات الدفاع لعملائها مثل الجيش الأمريكي في أوروبا.

يقول بانهام: “كانت هذه طريقة رائعة لتأسيس Li-Fi في سوق يتطلب اتصالات قوية آمنة للغاية مع اهتمام صارم بالتفاصيل وتقديم عالي الجودة”.

الميزة المحتملة المستقبلية لـ Li-Fi هي تحديد المواقع بدقة عالية. يقول شولز: “قد لا يكون ذلك هو المستقبل الأكثر أهمية للاستخدام المنزلي، ولكن إذا نظرت، على سبيل المثال إلى المجالات الصناعية أو الطبية، فإن التحديد الدقيق للموقع مع دقة تقل عن سنتيمتر قد يكون مفيدًا في المستشفيات أو مصانع، بينما تعاني تقنيات تحديد المواقع الحالية غالبًا في الإعدادات الداخلية”.

في النهاية، يمكن للمرء أن يتخيل أن مصابيح LED الموجودة الآن في الكثير من المنازل والمكاتب يمكن أن تنقل البيانات التي يتم نقلها عبر الأسلاك الكهربائية عبر خط الطاقة، يلاحظ شولز “المعيار الجديد يجعل من الممكن حقًا استخدام الضوء للوصول اللاسلكي مع الاستفادة من الميزات المتطورة للغاية لتقنية Wi-Fi في الاتصالات المحمولة” يقول شولز: “تظهر إمكانيات كبيرة لدمج أفضل ما في التقنيتين للحصول على حل متكامل “.

المصدر:

IEEE Spectrum

Wi-Fi Boosts New, Ultrafast Li-Fi Standards (IEEE Org)

الترجمة:

إسراء أبوشهيوة

التدقيق والمراجعة:

سرور عبد الله