اندیشیدن تنها راه نجات

فیلمی کمیاب از کنفرانس مشهور سُلوِی با موضوع #فیزیک #کوانتوم ! #بروکسل ، ۱۹۲۷ میلادی (این همان کنفرانسی است که آن عکس مهم و تاریخی دانشمندان ریاضی و فیزیک در آن گرفته شده!)

برای دیدن عکس تاریخی
ذکر شده اینجا را کلیک کنید



⚛ @AndisheKonim

‍ ساخت دوربینی که با #هوش #مصنوعی
می‌تواند در تاریکی مطلق #عکس_های #رنگی بگیرد.



دانشمندان دانشگاه «اروین» کالیفرنیا دوربینی ساخته‌اند که از ترکیب تصویر حاصل از حسگرهای مادون قرمز و هوش مصنوعی می‌تواند حتی در تاریکی کامل تصاویر تمام رنگی تهیه کند. این سیستم در واقع خروجی دوربین‌های مادون قرمز را دریافت و با هوش مصنوعی به گونه‌ای آن‌ها را رنگی می‌کند که گویی در روز از آن‌ها عکس گرفته‌اید.
دوربین‌های دید در شب معمولی یک خروجی مونوکروم سبز رنگ دارند و نسخه‌های مدرن‌تر آن‌ها از دوربین‌های فوق حساسی استفاده می‌کنند که قادر است نور مرئی را شناسایی و تقویت کند. ولی محققان در این سیستم تازه به دنبال هدف جدیدی بودند. در مقاله‌ای که در مجله Plos One منتشر شده، آمده است:
«ما می‌خواستیم با معماری‌های بهینه یادگیری عمیق الگوریتم تصویرسازی جدیدی بسازیم که در آن از روشنایی طیف مادون قرمز برای پیش‌بینی طیف مرئی صحنه استفاده شود، انگار که یک انسان در حال مشاهده صحنه با نور طیف مرئی است. با این کار می‌توانیم یک صحنه طیف مرئی را به‌صورت دیجیتالی برای انسان‌ها رندر کنیم، در حالی که صحنه ممکن است در تاریکی کامل و فقط در معرض نور مادون قرمز قرار داشته باشد.»
دانشمندان برای دستیابی به این هدف از دوربین مونوکرومی استفاده کردند که نسبت به نور مرئی و نزدیک به مادون قرمز حساس است. آن‌ها می‌خواهند با این دوربین داده‌هایی را گردآوری کنند که در دامنه استاندارد نور مرئی قرمز، سبز، آبی و طول موج‌های فروسرخ وجود دارد.
هوش مصنوعی طیف رنگی را پیش‌بینی می‌کند
محققان در ادامه یک شبکه عصبی پیچشی (CNN) را بهینه‌سازی کردند تا تصاویر طیف مرئی را فقط از روی اطلاعات نزدیک مادون قرمز پیش‌بینی کند. آن‌ها می‌گویند کاری که انجام داده‌اند اولین گام در توسعه سیستمی است که می‌تواند از روی روشنایی نزدیک مادون قرمز، بینایی انسان را پیش‌بینی کند.
پژوهشگران می‌گویند برای پیش‌بینی تصاویر RGB از روشنایی یک یا چند طول موج، عملکرد این معماری‌ها را ارزیابی کردند: رگرسیون خطی پایه، شبکه عصبی پیچشی ملهم از U-Net و ترکیب U-Net با شبکه‌های مولد رقابتی (UNet-GAN).
اگرچه این سیستم در حال حاضر بسیار جذاب به نظر می‌رسد، اما هنوز جای کار بسیاری دارد و فعلا فقط روی چهره انسان‌ها موفق عمل می‌کند. ولی پیش‌بینی می‌شود که با ارائه داده‌های بیشتر بتوان قابلیت‌های این سیستم برای تشخیص رنگ دقیق سایر سوژه‌ها را افزایش داد.

خاستگاه :

https://www.techeblog.com/artificial-intelligence-night-vision-camera-shoot-full-color-darkness/



⚛ @AndisheKonim

یکی از مهمترین #عکس های تاریخ علم
این عکس، متعلق به کنفرانس فیزیک ۱۹۲۷است.

۲۹ دانشمند که ۱۷ نفر ازآنها موفق به اخذ جایزه نوبل شدند.

از راست به چپ ردیف سوم (ایستاده):
🔺لئون بریلوئین
🔺رالف فاولر
🔺 ورنر_هایزنبرگ(نوبل فیزیک ۱۹۳۲)
🔺 ولفگانگ_پائولی(نوبل فیزیک ۱۹۴۵)
🔺ژولز امیل ورشافلت
🔺 اروین_شرودینگر(نوبل فیزیک ۱۹۳۳)
🔺تئوفیل دی‌داندر
🔺ادوارد هرزن
🔺پل اهرنفست
🔺امیل هنریوت
🔺آگوست پیکارد
.
ردیف دوم:
🔺 نیلز_بوهر(نوبل فیزیک ۱۹۲۲)
🔺 ماکس_بورن(نوبل فیزیک ۱۹۵۴)
🔺لوییس دی‌بروگلی(نوبل فیزیک ۱۹۲۹)
🔺آرتور هالی کامپتون(نوبل فیزیک ۱۹۲۷)
🔺پل دیراک(نوبل فیزیک ۱۹۳۳)
🔺هنریک آنتونی کرامرز
🔺 ویلیام_براگ(نوبل فیزیک ۱۹۱۵)
🔺مارتین نادسن
🔺 پیتر_دبای(نوبل شیمی ۱۹۳۶)
.
ردیف اول:
🔺اوون ریچاردسون(نوبل فیزیک ۱۹۲۸)
🔺چارلز ویلسون(نوبل فیزیک ۱۹۲۷)
🔺چارلز گوی
🔺 پل لانژون
🔺 آلبرت_اینشتین(نوبل فیزیک ۱۹۲۱)
🔺 هنریک_لورنتز (نوبل فیزیک ۱۹۰۲)
🔺 ماری_کوری(نوبل فیزیک ۱۹۰۳ و نوبل شیمی ۱۹۱۱)
🔺 ماکس_پلانک(نوبل فیزیک ۱۹۱۸)
🔺اروینگ لانگ‌مویر(نوبل شیمی ۱۹۳۲)



⚛ @AndisheKonim

#جالب

#عکس_های_تاریخی معروف جهان در ۱۰۰سال اخیر با زیر نویس فارسی

⚛ @AndisheKonim