قوی ترین میدان مغناطیسی درون ماده هسته ای کشف شد
بهارسادات موسوی
یک جرعه ازجهان دانش
[گزارش ازپژوهش های تازه]
قویترین میدان مغناطیسی درون ماده هستهای کشف شد
دانشمندان قویترین میدانهای مغناطیسی شناخته شده را در درون ماده هستهای کشف کردند.
به گزارش مجله Physical Review X یک همکاری بینالمللی میان دانشمندانی که با دادههای تولید شده در برخورد دهنده یون سنگین نسبیتی (RHIC) در آزمایشگاه ملی بروکهاون در ایالات متحده کار میکنند، قویترین میدان مغناطیسی شناخته شده را داخل ماده هستهای پیدا کرده است.
این میدان به دلیل جریان الکتریکی القا شده در کوارکها و گلوئونها ایجاد میشود که پس از برخورد ذرات در برخورد دهنده آزاد میشوند.
ستارههای نوترونی، چگالترین اجرام شناختهشده در جهان هستند که قویترین میدانهای مغناطیسی را دارند که اندازه آن ۱۰۱۴ گاوس است. این در حالی است که میدان مغناطیسی اطراف سیاره ما که از ما در برابر تشعشعات کیهانی و ذرات ساطع شده از خورشید محافظت میکند، تنها ۰.۵ گاوس است.
دانشمندان مدتها بر این باور بودند که برخورد هستههای اتمی سنگین مانند طلا میتواند میدانهای مغناطیسی قدرتمندی را ایجاد کند که پیشبینی میشود ۱۰۱۸ گاوس اندازه داشته باشند و احتمالاً آن را به قویترین میدان مغناطیسی در جهان ما تبدیل میکند. با این حال، این میدان مغناطیسی برای مدت زیادی دوام نمیآورد و ظرف ۱۰ به توان منفی ۲۳ ثانیه از بین میرود که معادل ۱۰ میلیونم یک میلیاردم یک میلیاردم ثانیه است و مشاهده آن تقریبا غیرممکن است.
مشاهده غیرمستقیم
اگر یک میدان مغناطیسی وجود داشته باشد، مجبور است بر حرکت ذرات باردار تأثیر بگذارد و همچنین میدانهای الکترومغناطیسی را القا کند.
آیهونگ تانگ فیزیکدان آزمایشگاه بروکهاون که در این پژوهش شرکت داشت، میگوید: ما میخواستیم ببینیم که آیا ذرات باردار تولید شده در برخوردهای یونهای سنگین بهگونهای منحرف میشوند که تنها با وجود میدان الکترومغناطیسی در ذرات کوچک QGP (کوارکها و پلاسمای گلوئونها) ایجاد شده در این برخوردهای (یون سنگین) قابل توضیح است یا خیر.
سپس پژوهشگران از سیستمهای آشکارساز پیچیده برای ردیابی حرکت جمعی ذرات باردار مختلف استفاده کردند. آنها همچنین میخواستند اطمینان حاصل کنند که انحرافات ناشی از کوارکهای باردار از مشاهداتشان کنار گذاشته شود. خوشبختانه، این کوارکهای باردار الگویی در جهت مخالف ایجاد کردند که تشخیص این دو را آسانتر میکرد.
جالب توجه است که پژوهشگران این سیگنالها را نه تنها در برخوردهای هستههای سنگین مانند طلا با انرژی بالا، بلکه در برخورد هستههای کوچکتر مانند روتنیم — روتنیم و زیرکونیوم — زیرکونیوم با انرژی کم ۲۰۰ گیگاالکترونولت (GeV) مشاهده کردند. این همچنین هنگامی مشاهده شد که هستههای طلا در انرژی ۲۷ گیگاالکترونولت با هم برخورد کردند.
این کشف چگونه به ما کمک میکند؟
اکنون که دانشمندان القای فارادی (القای یک میدان الکترومغناطیسی توسط میدانهای مغناطیسی) را در QGP مشاهده کردهاند، اکنون میتوانند از آن برای بررسی رسانایی QGP استفاده کنند، کاری که قبلاً هیچکس انجام نداده است. این اندازهگیری بسیار ساده است، زیرا انحراف ذرات با قدرت میدان مغناطیسی و رسانایی QGP نسبت مستقیم دارد.
دانستن خواص مغناطیسی و الکترومغناطیسی QGP همچنین میتواند به دانشمندان کمک کند تا شرایطی را که در آن کوارکها و گلوئونهای آزاد به هم میپیوندند و هادرونها (پروتونها و نوترونهایی که هستههای اتمی را تشکیل میدهند)، تعیین کنند.
گانگ وانگ فیزیکدان دانشگاه کالیفرنیا لسآنجلس از اعضای این تیم پژوهشی ، میگوید: ما میخواهیم «نمودار حالت هستهای» را ترسیم کنیم که نشان دهد در چه دمایی کوارکها و گلوئونها را میتوان آزاد در نظر گرفت و در چه دمایی «منجمد» میشوند تا تبدیل به هادرون شوند. وی افزود: این ویژگیها و برهمکنشهای اساسی کوارکها و گلوئونها که با واسطه نیروی قوی انجام میشوند، تحت یک میدان الکترومغناطیسی شدید اصلاح خواهند شد. ما میتوانیم این ویژگیهای اساسی را در بُعد دیگری بررسی کنیم تا اطلاعات بیشتری در مورد این تعامل قوی ارائه کنیم.
یافتههای این پژوهش در مجله Physical Review X منتشر شده است.

شکارچی سیارکها دوباره برمیخیزد!
ناسا اعلام کرده که فضاپیمای «اسیریس — اپکس»پس از آوردن نمونههای سیارک «بنو» به زمین، اکنون برای نمونهبرداری از یک سیارک دیگر آماده میشود.
به نقل از اسپیس، فضاپیمای اسیریس — اپکس از دسامبر گذشته یک وقفه را به مدت دو ماه تجربه کرد، ۴۰.۲ میلیون کیلومتر بیشتر از حد انتظار به خورشید نزدیک شد و در مسیر خود برای برخورد با سنگ فضایی موسوم به «آپوفیس» (Apophis) حرکت کرد.
اسیریس — اپکس در روز دوم ژانویه به نزدیکترین فاصله با خورشید رسید. طی دو ماه گذشته، این فضاپیما یکی از دو پنل خورشیدی خود را برای محافظت از حساسترین تجهیزات خود باز کرده بود. این تلاش، قدرت و توانایی فضاپیما را برای برقراری ارتباط با زمین محدود میکرد، اما ناسا اکنون اطلاعات کافی را از کاوشگر دریافت کرده است تا تشخیص دهد که عملکرد خوبی دارد یا خیر.
ناسا در یک بیانیه اعلام کرد: مهندسان از اوایل دسامبر ۲۰۲۳، اطلاعات محدودی را در مورد وضعیت فضاپیما داشتند، زیرا فضاپیما برای حفظ ایمنی خود پیکربندی شده بود. دادههای اولیه نشان میدهند که فضاپیما طبق پیشبینی عمل کرده است، اما چند ماه طول میکشد تا گروه ماموریت، یک ارزیابی کامل را روی عملکرد فضاپیما انجام دهد.
به دنبال حضیض دوم ژانویه، مدار فضاپیما به آرامی آن را از خورشید دور کرد. در اوایل ماه جاری میلادی، فضاپیما به فاصله ۹۶ میلیون کیلومتری رسید. این فاصله به اندازهای دور بود که خورشید نتواند تجهیزات فضاپیما را بسوزاند. سپس فضاپیما، پنل خورشیدی خود را در محل اصلی جایگزین کرد تا بار دیگر انرژی تولید کند.
یک ناشناخته مهم در حال حاضر این است که آیا گرمای شدید خورشید به بخشی از سطح یا اجزای فضاپیما آسیب رسانده و آیا ممکن است بعدا عملکرد آن را مختل کند. «دنی مندوزا دلاجوستینا» (Dani Mendoza DellaGiustina) پژوهشگر ارشد این ماموریت در آن زمان گفت: شبیهسازیهای رایانهای انجامشده در آمادهسازی فضاپیما برای این حضیض نشان میدهند که پنل خورشیدی تنظیمشده، کاوشگر را در برابر گرم شدن بیش از اندازه محافظت میکند، اما هر زمان که قطعهای از سختافزار پرواز فضایی را فراتر از معیارهای طراحی بردارید، متحمل خطر میشوید.
فضاپیمای اسیریس — اپکس در اصل برای نمونهبرداری از یک سیارک جذاب به نام «بنو» (Bennu) و آوردن نمونهها به زمین طراحی شده بود. این ماموریت که «اسیریس –رکس» (OSIRIS-REx) نام داشت، اولین ماموریت موفق آمریکا برای آوردن نمونه از یک سیارک بود. پس از آنکه ماموریت موفق شد نمونهها را دو برابر مقدار مورد انتظار تحویل دهد، به یک موفقیت بزرگ دست یافت.
ماموریت اسیریس — رکس پس از تکمیل ماموریت هفت ساله خود، اسیریس — اپکس نام گرفت تا به نمونهبرداری از سیارک آپوفیس بپردازد.
از آنجا که فضاپیما پس از رویارویی با بنو، سوخت کافی را برای یک ماموریت بلندمدت داشت، ناسا تصمیم گرفت آن را به سوی سیارک آپوفیس بفرستد. آپوفیس یک سیارک به پهنای «ساختمان امپایر استیت» (Empire State Building) است که تصور میشود از زمان تولد منظومه شمسی در ۴.۶ میلیارد سال پیش باقی مانده باشد.
انتظار میرود فضاپیمای اسیریس — اپکس در آوریل ۲۰۲۹ به هدف خود یعنی آپوفیس برسد. اگرچه آپوفیس به عنوان یک سیارک بالقوه خطرناک نزدیک زمین طبقهبندی میشود، اما ناسا هر گونه تهدید را از سوی این سنگ فضایی برای حداقل یک قرن رد کرده است.

نظارت بر ناپایداری رآکتور همجوشی هستهای با هوش مصنوعی
پژوهشگران موفق به استفاده از هوش مصنوعی برای پیشبینی بیثباتی و ناپایداری لحظهای پلاسما در رآکتور همجوشی هستهای شدند.
نیروی همجوشی هستهای، خورشید را نیرو میدهد و در نتیجه حیات روی زمین را ممکن میکند.
به نقل از اسای، درون توکاماک(tokamak)، محفظهای به شکل دونات که برای رقم زدن جادوی همجوشی هستهای طراحی شده است، اتمهای هیدروژن با نیروی عظیمی به یکدیگر برخورد میکنند و پلاسمایی فوقالعاده داغ و چرخان را میسازند که حتی داغتر از خورشید است.
همجوشی هستهای پتانسیل تبدیل شدن به یک منبع انرژی پایدار را دارد، زیرا از ایزوتوپهای هیدروژن استفاده میکند که فراوان هستند و میتوانند از آب و منابع دیگر استخراج شوند.
دانشمندان به تازگی یک راه حل مبتنی بر هوش مصنوعی برای پیشبینی بیثباتی و ناپایداری احتمالی پلاسما به نام «ناپایداری حالت گسستگی» ابداع کردهاند. اینها در اثر برهمکنش جریان و گرادیان فشار در پلاسما ایجاد میشوند و منجر به جزایر مغناطیسی میشوند که محصور شدن را مختل میکنند.
در حالی که همجوشی هستهای نویدبخش است، چالشهای فنی و مهندسی قابل توجهی برای آن باقی مانده است که اگر میخواهیم از قدرت همجوشی در مقیاس تجاری استفاده کنیم، باید بر آن ها غلبه کرد.
یکی از این چالشها این است که پلاسمای داخل یک رآکتور همجوشی میتواند ثبات خود را از دست بدهد. بیثباتی پلاسما میتواند منجر به اختلالاتی شود که رویدادهای ناگهانی و در مقیاس بزرگ هستند که میتوانند باعث از بین رفتن محصور شدن و خاتمه فرآیند همجوشی شوند.
جائهمین سئو نویسنده ارشد این مطالعه گفت: ناپایداری حالت گسستگی یکی از دلایل اصلی اختلال پلاسما است و زمانی که ما سعی میکنیم واکنشهای همجوشی را با قدرتهای بالایی که برای تولید انرژی کافی لازم است، انجام دهیم، برجستهتر خواهد شد. آن ها چالش مهمی برای ما هستند که باید حل کنیم.
دانشمندان در مرکز ملی فیوژن DIII — D در سن دیه گو آمریکا نشان دادند که مدل هوش مصنوعی آن ها که با استفاده از دادههای قدیمی آموزش داده شده است، میتواند ناپایداریهای حالت گسستگی را تا ۳۰۰ میلیثانیه قبل از وقوع پیشبینی کند.
با این که این زمان بسیار کمی برای هر گونه اقدامی است، اما برای هوش مصنوعی کافی است تا نحوه عملکرد رآکتور را تنظیم کند.
مطالعه تجربی پژوهشگران پتانسیل کمک به جلوگیری از آسیب به خطوط میدان مغناطیسی پلاسما را دارد که میتواند واکنش را متوقف کند.
سئو افزود: مطالعات قبلی عموماً بر سرکوب یا کاهش اثرات این ناپایداریهای گسستگی پس از وقوع در پلاسما متمرکز شدهاند، اما رویکرد ما به ما این امکان را میدهد که این بیثباتیها را پیش از ظهور پیشبینی و از آن ها اجتناب کنیم.
پژوهشگران میگویند ایجاد یک ابزار هوش مصنوعی به اندازه آموزش پرواز با هواپیما به یک شخص، دشوار بود. آن ها با استفاده از دادههای گذشته توکاماک، یک شبکه عصبی عمیق برای پیشبینی ناپایداریهای آینده ساختند و یک الگوریتم یادگیری تقویتی را برای کنترل پلاسما آموزش دادند. هوش مصنوعی از طریق آزمایشهای شبیهسازی شده، استراتژیهای بهینه را برای حفظ قدرت بالا و در عین حال اجتناب از بیثباتی آموخت. پس از اصلاح، کنترل کننده هوش مصنوعی با تنظیم پارامترهای توکاماک در لحظه، با موفقیت از ناپایداریها در طول یک آزمایش همجوشی واقعی جلوگیری کرد.
این رویکرد فعال در تضاد با روشهای فعلی است که به ناپایداریها در زمان وقوع واکنش نشان میدهند.
سانگ کیون کیم یکی از نویسندگان این مطالعه گفت: توانایی پیشبینی بیثباتیها از قبل، میتواند اجرای این واکنشها را نسبت به رویکردهای فعلی که منفعلتر هستند، آسانتر کند. ما دیگر لازم نیست منتظر بمانیم تا ناپایداریها رخ دهند و سپس اقدامات اصلاحی سریع قبل از مختل شدن پلاسما را انجام دهیم.
سئو نیز افزود: ما شواهدی قوی داریم که نشان میدهد کنترل کننده در DIII — D کاملاً خوب کار میکند، اما به دادههای بیشتری نیاز داریم تا نشان دهیم که میتواند در موقعیتهای مختلف کار کند. ما میخواهیم به سمت چیزی جهانیتر برویم.
نظارت بر ناپایداری رآکتور همجوشی هستهای با هوش مصنوعی
پژوهشگران موفق به استفاده از هوش مصنوعی برای پیشبینی بیثباتی و ناپایداری لحظهای پلاسما در رآکتور همجوشی هستهای شدند.
نیروی همجوشی هستهای، خورشید را نیرو میدهد و در نتیجه حیات روی زمین را ممکن میکند.
به نقل از اسای، درون توکاماک(tokamak)، محفظهای به شکل دونات که برای رقم زدن جادوی همجوشی هستهای طراحی شده است، اتمهای هیدروژن با نیروی عظیمی به یکدیگر برخورد میکنند و پلاسمایی فوقالعاده داغ و چرخان را میسازند که حتی داغتر از خورشید است.
همجوشی هستهای پتانسیل تبدیل شدن به یک منبع انرژی پایدار را دارد، زیرا از ایزوتوپهای هیدروژن استفاده میکند که فراوان هستند و میتوانند از آب و منابع دیگر استخراج شوند.
دانشمندان به تازگی یک راه حل مبتنی بر هوش مصنوعی برای پیشبینی بیثباتی و ناپایداری احتمالی پلاسما به نام «ناپایداری حالت گسستگی» ابداع کردهاند. اینها در اثر برهمکنش جریان و گرادیان فشار در پلاسما ایجاد میشوند و منجر به جزایر مغناطیسی میشوند که محصور شدن را مختل میکنند.
در حالی که همجوشی هستهای نویدبخش است، چالشهای فنی و مهندسی قابل توجهی برای آن باقی مانده است که اگر میخواهیم از قدرت همجوشی در مقیاس تجاری استفاده کنیم، باید بر آن ها غلبه کرد.
یکی از این چالشها این است که پلاسمای داخل یک رآکتور همجوشی میتواند ثبات خود را از دست بدهد. بیثباتی پلاسما میتواند منجر به اختلالاتی شود که رویدادهای ناگهانی و در مقیاس بزرگ هستند که میتوانند باعث از بین رفتن محصور شدن و خاتمه فرآیند همجوشی شوند.
جائهمین سئو نویسنده ارشد این مطالعه گفت: ناپایداری حالت گسستگی یکی از دلایل اصلی اختلال پلاسما است و زمانی که ما سعی میکنیم واکنشهای همجوشی را با قدرتهای بالایی که برای تولید انرژی کافی لازم است، انجام دهیم، برجستهتر خواهد شد. آن ها چالش مهمی برای ما هستند که باید حل کنیم.
دانشمندان در مرکز ملی فیوژن DIII — D در سن دیه گو آمریکا نشان دادند که مدل هوش مصنوعی آن ها که با استفاده از دادههای قدیمی آموزش داده شده است، میتواند ناپایداریهای حالت گسستگی را تا ۳۰۰ میلیثانیه قبل از وقوع پیشبینی کند.
با این که این زمان بسیار کمی برای هر گونه اقدامی است، اما برای هوش مصنوعی کافی است تا نحوه عملکرد رآکتور را تنظیم کند.
مطالعه تجربی پژوهشگران پتانسیل کمک به جلوگیری از آسیب به خطوط میدان مغناطیسی پلاسما را دارد که میتواند واکنش را متوقف کند.
سئو افزود: مطالعات قبلی عموماً بر سرکوب یا کاهش اثرات این ناپایداریهای گسستگی پس از وقوع در پلاسما متمرکز شدهاند، اما رویکرد ما به ما این امکان را میدهد که این بیثباتیها را پیش از ظهور پیشبینی و از آن ها اجتناب کنیم.
پژوهشگران میگویند ایجاد یک ابزار هوش مصنوعی به اندازه آموزش پرواز با هواپیما به یک شخص، دشوار بود. آن ها با استفاده از دادههای گذشته توکاماک، یک شبکه عصبی عمیق برای پیشبینی ناپایداریهای آینده ساختند و یک الگوریتم یادگیری تقویتی را برای کنترل پلاسما آموزش دادند. هوش مصنوعی از طریق آزمایشهای شبیهسازی شده، استراتژیهای بهینه را برای حفظ قدرت بالا و در عین حال اجتناب از بیثباتی آموخت. پس از اصلاح، کنترل کننده هوش مصنوعی با تنظیم پارامترهای توکاماک در لحظه، با موفقیت از ناپایداریها در طول یک آزمایش همجوشی واقعی جلوگیری کرد.
این رویکرد فعال در تضاد با روشهای فعلی است که به ناپایداریها در زمان وقوع واکنش نشان میدهند.
سانگ کیون کیم یکی از نویسندگان این مطالعه گفت: توانایی پیشبینی بیثباتیها از قبل، میتواند اجرای این واکنشها را نسبت به رویکردهای فعلی که منفعلتر هستند، آسانتر کند. ما دیگر لازم نیست منتظر بمانیم تا ناپایداریها رخ دهند و سپس اقدامات اصلاحی سریع قبل از مختل شدن پلاسما را انجام دهیم.
سئو نیز افزود: ما شواهدی قوی داریم که نشان میدهد کنترل کننده در DIII — D کاملاً خوب کار میکند، اما به دادههای بیشتری نیاز داریم تا نشان دهیم که میتواند در موقعیتهای مختلف کار کند. ما میخواهیم به سمت چیزی جهانیتر برویم.

گوگل یک هوش مصنوعی متنباز معرفی کرد
شرکت گوگل یک مدل هوش مصنوعی متنباز به نام جما (Gemma) منتشر کرده است که میگوید با استفاده از همان تحقیقات و فناوری ساخته شده است که برای ساخت مدلهای هوش مصنوعی جمینای (Gemini) استفاده کرده است.
به گزارش انگجت، این شرکت میگوید Gemma به عنوان کمک گوگل به جامعه متنبازها محسوب میشود و قرار است به توسعهدهندگان در ساختن هوش مصنوعی مسوولانه کمک کند.
در حالی که مدل هوش مصنوعی پرچمدار گوگل یعنی جمینای برای رقابت با بهترینهای مدلهای هوش مصنوعی جهان مانند ChatGPT ساخته شده است، مدل متنباز Gemma سبکتر است و برای انجام کارهای سبکتر طراحی شده است.
گفتنی است که گوگل همچنین جعبه ابزار هوش مصنوعی مولد مسوولیتپذیر را در کنار Gemma معرفی کرد که شامل یک ابزار اِشکالزدایی (باگگیری) و همچنین راهنمایی حاوی بهترین شیوهها برای توسعه هوش مصنوعی بر اساس تجربه گوگل است.
این شرکت ، Gemma را در دو اندازه مختلف Gemma ۲B و Gemma ۷B در دسترس قرار داده است که هر دو با انواع از پیش آموزش دیده و تنظیم شده ارائه میشوند و هر دو به اندازه کافی سبک هستند تا مستقیماً روی لپتاپ یا رایانه رومیزی توسعهدهندگان اجرا شوند.
گوگل میگوید Gemma از مدلهای بسیار بزرگتر در مورد معیارهای کلیدی پیشی میگیرد و هر دو اندازه این مدل بهتر از سایر مدلهای متنباز موجود هستند.
مدل Gemma علاوه بر قدرتمند بودن، برای ایمن بودن نیز آموزش دیده است. گوگل از تکنیکهای خودکار برای حذف اطلاعات شخصی از دادههایی که برای آموزش مدلها استفاده میکرد، استفاده کرده و همچنین از یادگیری تقویتی بر اساس بازخورد انسانی استفاده کرده تا اطمینان حاصل کند که انواع تنظیمشده دستورالعملهای Gemma رفتارهای مسوولانه نشان میدهند.
شرکتها و توسعه دهندگان مستقل میتوانند از Gemma برای ایجاد برنامههای کاربردی مبتنی بر هوش مصنوعی استفاده کنند، به خصوص اگر هیچ یک از مدلهای متنباز موجود در حال حاضر به اندازه کافی برای چیزی که میخواهند بسازند، قدرتمند نباشد.
گوگل قصد دارد در آینده انواع بیشتری از Gemma را برای طیف وسیعتری از برنامهها معرفی کند.
گفته میشود کسانی که میخواهند هماکنون کار با این مدل را شروع کنند، میتوانند از طریق پلتفرم علم داده Kaggle، نوتبوکهای Colab گوگل یا از طریق Google Cloud به آن دسترسی داشته باشند.
