watervacuum

محققان آزمایشگاه رسانه ای MIT ، یک سیستم بی سیم را تولید کرده اند که برچسب های RFID ارزان قیمت که قبلاً در صدها میلیارد محصول وجود دارد ، به منظور آلودگی مواد غذایی احتمالی — بدون نیاز به اصلاحات سخت افزاری ، استفاده می کند. محققان امیدوارند با استفاده از سیستم ساده و مقیاس پذیر ، تشخیص ایمنی مواد غذایی را برای عموم مردم به ارمغان بیاورند.

 

 

حوادث ایمنی مواد غذایی در طول دو دهه گذشته باعث ایجاد عناوین در سراسر جهان برای ایجاد بیماری و مرگ و میر شده است. به عنوان مثال ، در سال 2008 ، 50،000 نوزاد در چین پس از خوردن فرمول شیرخوار با ملامین ، یک ترکیب آلی مورد استفاده برای ساخت پلاستیک ، که در غلظت های بالا سمی است ، در بیمارستان بستری شدند. در ماه آوریل ، بیش از 100 نفر در اندونزی در اثر نوشیدن الکل آلوده ، با بخشی از متانول ، یک الکل سمی که معمولاً برای رقیق کردن مشروبات فروشی در بازارهای سیاه در سراسر جهان استفاده می شود ، جان خود را از دست دادند.

 

سیستم محققان موسوم به RFIQ ، خواننده ای را شامل می شود که تغییرات دقیقه ای در سیگنال های بی سیم ساطع شده از برچسب های RFID را هنگام تعامل سیگنال ها با غذا حس می کند . برای این مطالعه ، آنها بر روی فرمول و الکل کودک متمرکز شدند ، اما در آینده ، مصرف کنندگان ممکن است خواننده و نرم افزار مخصوص به خود را برای انجام سنجش ایمنی مواد غذایی قبل از خرید تقریباً هر کالایی داشته باشند. محققان می گویند ، این سیستم ها همچنین می توانند در اتاق های پشتیبان سوپر مارکت ها یا در یخچال های هوشمند پیاده سازی شوند تا به طور مداوم برچسب RFID پینگ شود تا به طور خودکار فساد مواد غذایی را تشخیص دهد.

 

این فناوری به این واقعیت وابسته است که تغییرات خاصی در سیگنالهای منتشر شده از برچسب RFID با مقادیر آلاینده های خاص در آن محصول مطابقت دارد. یک مدل یادگیری ماشینی آن همبستگی ها را "یاد می گیرد" و با توجه به ماده جدید می تواند پیش بینی کند که این ماده خالص است یا رنگ آمیزی شده و در چه غلظت است. در آزمایشات ، سیستم فرمول کودک را که با 96? دقت ملامین پوشیده شده بود ، شناسایی کرده و الکل را با استفاده از متانول با دقت 97? رقت کرد.

 

فاضل ادیب ، استادیار آزمایشگاه رسانه ، می گوید: "در سال های اخیر ، خطرات زیادی در رابطه با مواد غذایی و نوشیدنی ها وجود داشته است که اگر همه ما ابزارهایی برای احساس کیفیت و امنیت مواد غذایی خود داشته باشیم ، می توان از آنها جلوگیری کرد." در مقاله ای که سیستم را توصیف می کند ، که در کارگاه ACM درباره موضوعات داغ در شبکه ها ارائه می شود. "ما می خواهیم کیفیت و ایمنی مواد غذایی را دموکراتیک کنیم و آن را به دست همگان بیاوریم."

 

نویسندگان این مقاله عبارتند از: postdoc و نویسنده اول Unsoo Ha ، postdoc Yunfei Ma ، محقق بازدیدکننده Zexuan Zhong ، و مهندسی برق و دانشجوی کامپیوتر فارغ التحصیل Tsu-Ming Hsu.

 

 

 

قدرت "اتصال ضعیف"

 

سنسورهای دیگری نیز برای کشف مواد شیمیایی یا فساد مواد غذایی ایجاد شده است. اما این سیستم ها کاملاً تخصصی هستند ، که در آن سنسور با مواد شیمیایی روکش شده و برای تشخیص آلودگی های خاص آموزش دیده است. در عوض ، محققان آزمایشگاه رسانه هدفمندتر برای سنجش وسیع تر هستند. ادیب می گوید: "ما این تشخیص را صرفاً به سمت محاسبات منتقل کردیم ، در آنجا می خواهید از همان سنسور بسیار ارزان برای محصولاتی استفاده کنید که متفاوت از الکل و فرمول کودک است."

 

برچسب های RFID برچسب هایی با آنتن های کوچک و با فرکانس فوق العاده بالا هستند. آنها به محصولات غذایی و اقلام دیگر می آیند و هر کدام حدود سه تا پنج سنت هزینه دارند. به طور سنتی ، یک دستگاه بی سیم به نام یک خواننده ، برچسب را پینگ می کند ، که یک سیگنال منحصر به فرد حاوی اطلاعات مربوط به محصولی که در آن گیر کرده است را روشن و منتشر می کند.

 

سیستم محققان این واقعیت را نشان می دهد که ، هنگامی که برچسب های RFID روشن می شوند ، امواج الکترومغناطیسی کوچکی که از آنها ساطع می شود ، به داخل مسافرت می روند و توسط مولکول ها و یونهای محتویات موجود در ظرف تحریف می شوند. این فرآیند به عنوان "اتصال ضعیف" شناخته می شود. اساساً ، اگر خاصیت ماده تغییر کند ، خواص سیگنال را نیز انجام دهید.

 

 

یک مثال ساده از اعوجاج ویژگی با یک ظرف هوا در مقابل آب است. اگر یک ظرف خالی باشد ، RFID همیشه در حدود 950 مگا هرتز پاسخ خواهد داد. اگر آب پر شود ، آب مقداری از فرکانس را جذب می کند و پاسخ اصلی آن تقریباً در حدود 720 مگا هرتز است. اعوجاج ویژگی ها با مواد مختلف و آلاینده های مختلف به مراتب ریزتر می شوند. هاگ می گوید: "این نوع اطلاعات می تواند برای طبقه بندی مواد استفاده شود ... [و] ویژگی های مختلفی را بین مواد ناخالص و خالص نشان می دهد."

 

در سیستم محققان ، یک خواننده سیگنال بی سیم را منتشر می کند که برچسب RFID را در یک ظرف غذایی قدرت می دهد. امواج الکترومغناطیسی به داخل مواد داخل ظرف نفوذ کرده و با دامنه تحریف شده (قدرت سیگنال) و فاز (زاویه) به خواننده باز می گردند.

 

هنگامی که خواننده ویژگی های سیگنال را استخراج می کند ، آن داده ها را به یک مدل یادگیری ماشین بر روی یک کامپیوتر جداگانه می فرستد. محققان در آموزش ، به این مدل می گویند که تغییرات ویژگی ها با مواد خالص یا نجس مطابقت دارد. برای این مطالعه ، آنها از الکل خالص و الکل آغشته به متانول 25 ، 50 ، 75 و 100 درصد استفاده کردند. فرمول کودک با درصد متفاوتی از ملامین ، از 0 تا 30 درصد زایمان شد.

 

ادیب می گوید: "سپس ، این مدل به طور خودکار یاد می گیرد که فرکانس ها تحت تأثیر این نوع ناخالصی در این سطح درصد تأثیر می پذیرند." "هنگامی که نمونه جدیدی را به دست بیاوریم ، مثلاً 20? متانول ، این مدل را استخراج می کند و وزن آنها را نشان می دهد و به شما می گوید ،" من با دقت بالایی فکر می کنم که این الکل با 20 درصد متانول است. "

 

گسترش فرکانس ها

 

مفهوم سیستم از تکنیکی به نام طیف سنجی فرکانس رادیویی ناشی می شود که ماده ای را با امواج الکترومغناطیسی با فرکانس وسیع تحریک می کند و برهم کنش های مختلف را برای تعیین آرایش مواد اندازه گیری می کند.

 

اما در تطبیق این تکنیک برای سیستم یک چالش اساسی وجود دارد: برچسب های RFID فقط با پهنای باند بسیار محکم و تقریبا 950 مگا هرتز قدرت دارند. استخراج سیگنال ها در آن پهنای باند محدود ، هیچ اطلاعات مفیدی را از بین نمی برد.

 

محققان با استفاده از تکنیک سنجش آنها را قبلاً توسعه داده اند ، به نام تحریک دو فرکانس ، که دو فرکانس را ارسال می کند - یکی برای فعال سازی و دیگری برای سنجش - برای اندازه گیری صدها فرکانس دیگر. خواننده سیگنالی را در حدود 950 مگا هرتز می فرستد تا برچسب RFID را تأمین کند. با فعال شدن ، خواننده فرکانس دیگری را ارسال می کند که طیف وسیعی از فرکانس ها را از حدود 400 تا 800 مگا هرتز جارو می کند. این تغییرات ویژگی را در تمام این فرکانس ها تشخیص داده و آنها را به خواننده تغذیه می کند.

 

ادیب می گوید: "با توجه به این پاسخ ، تقریباً گویا ما RFID های ارزان قیمت را به طیف سنج های فرکانس رادیویی ریز تبدیل کرده ایم."

 

از آنجا که شکل ظرف و سایر جنبه های زیست محیطی می تواند سیگنال را تحت تأثیر قرار دهد ، محققان در حال حاضر در حال کار بر روی اطمینان از این سیستم هستند که می تواند این متغیرها را به خود اختصاص دهد. آنها همچنین به دنبال گسترش قابلیت های سیستم برای تشخیص آلودگی های مختلف در بسیاری از مواد مختلف هستند.

 

ادیب می گوید: "ما می خواهیم به هر محیطی تعمیم دهیم." "این امر ما را بسیار مستحکم می خواهد ، زیرا شما می خواهید یاد بگیرید که سیگنال های مناسب را استخراج کنید و تأثیر محیط را از آنچه در داخل ماده است حذف کنیم."

http://socialmediainuk.com/story5567485/پمپ-وکیوم-آبی

محققان پژوهشکده الکترونیک و ارتباطات از راه دور (ETRI) در کره جنوبی اخیراً یک مدل شبکه عصبی تهیه کرده اند که می تواند توالی حرکات گفتاری را ایجاد کند. مدل آنها که در 52 ساعت مذاکرات TED آموزش دیده بود ، حرکات شبیه به انسان را تولید کرد که با گفتار متناسب بود.

 

 

"دستگاه های هوشمند که با آنها ارتباط برقرار می کنیم از رایانه های شخصی گرفته تا تلفن های همراه و بلندگوهای هوشمند تکامل یافته اند" ، به TechXplore گفت. "ما فکر می کنیم که روبات های اجتماعی می توانند بستر تعامل بعدی باشند. حرکت فیزیکی یکی از تفاوت های اساسی بین روبات های اجتماعی و سایر دستگاه های هوشمند است ، و باز کردن امکانات جدید برای تقلید از رفتارهای انسانی یا حیوانات ، که می تواند صمیمیت را افزایش دهد."

 

حرکات همزمان گفتار می تواند کیفیت تعامل بین انسان و روبات های اجتماعی را تا حد زیادی بهبود بخشد. اکثر روبات های موجود با استفاده از روش های ارتباط حرکات گفتار مبتنی بر قانون ، حرکات ایجاد می کنند. با این حال ، این تکنیک ها نیاز به تلاش های زیادی دارند ، زیرا آنها بر اساس تخصص و دانش انسانی بنا شده اند.

 

یون گفت: "ما می خواستیم رفتارهای طبیعی و انسانی مانند انسان به ویژه حرکات دست را هنگام صحبت ایجاد کنیم." "مشاهده دیگران روشی بسیار طبیعی برای یادگیری یک رفتار جدید است ، بنابراین ما یک مدل تولید ژست مبتنی بر یادگیری را پیشنهاد دادیم که در مجموعه داده های گفتگوهای TED آموزش داده شده است."

 

این مدل که توسط یون و همکارانش ابداع شد ، در یک مجموعه داده حاوی 52 ساعت فیلم ویدئویی از مذاکرات TED آموزش داده شد. پس از آموزش ، این مدل می تواند توالی حرکات شبیه به انسان و نواحی فوقانی بدن را متناسب با متن گفتار نوشتاری ایجاد کند.

 

یون توضیح داد: "طراحی رفتارهای اجتماعی روبات ها دشوار و وقت گیر است زیرا باید زمینه ها ، طبیعی بودن ، زیبایی شناسی حرکت ، فضای کنترل روبات ها و عوامل دیگر را در نظر بگیریم." وی ادامه داد: مطالعات جدید یادگیری پایان تا پایان ، پتانسیل هوش مصنوعی را برای ایجاد چنین رفتارهای پیچیده ای روشن کرده است .پس از دیدن برنامه های موفق در رانندگی خودمختار و تولید حرکات صورت ، تصمیم گرفتیم یادگیری پایان تا پایان را به صورت سخنرانی اعمال کنیم. تولید ژست. "

 

مدل شبکه عصبی توسعه یافته توسط یون و همکارانش انواع مختلفی از حرکات، از جمله یاد، استعاری، ارجاع، و حرکات ضرب و شتم موفقیت تولید می شود. علاوه بر این ، قادر به ایجاد توالیهای مداوم از حرکات برای متن های گفتاری به هر طول بود.

 

محققان دریافتند که این روش در ایجاد حرکاتی که شبیه به انسانهاست از روشهای پایه بهتر است. در یک ارزیابی ذهنی ، 46 نفر که در آمازون مکانیک ترک استخدام شده اند احساس کردند که حرکات ایجاد شده شبیه انسان بوده و از لحاظ محتوا از لحاظ گفتاری نزدیک است.

 

یون گفت: "ما دریافتیم که روبات ها می توانند مهارت های اجتماعی را یاد بگیرند." "برای تولید ژست همزمان گفتار ، مدل آموزش داده شده در مجموعه داده های بزرگ ، به اندازه کافی کلی است ، بنابراین ربات می تواند حرکات شبیه به انسان را برای هر گفتار ایجاد کند. ما فکر می کنیم این رویکرد می تواند برای سایر مهارت های اجتماعی نیز کاربرد داشته باشد. به شخصیت های بازی های ویدئویی و جهان های VR. "

 

مطالعه انجام شده توسط یون و همکارانش پتانسیل یادگیری پایان به مرحله را برای تولید ژست همزمان گفتار نشان داد. در آینده می توان از آن برای تقویت تعامل انسان و روبات استفاده کرد و همچنین می تواند تحقیقات مشابهی را القا کند ، زیرا مجموعه داده مذاکرات TED که از آنها استفاده می شود در دسترس عموم است. محققان اکنون قصد دارند با تولید حرکات شخصی شده برای روبات های مختلف ، یک گام به جلو مطالعه خود را انجام دهند.

 

یون گفت: "روبات ها ممکن است مانند افراد شخصیت خاص خود را داشته باشند." "یک روش تولید ژست شخصی می تواند اطمینان حاصل کند که روبات های مختلف با توجه به شخصیت خود ، خود را با سبک های مختلف حرکات ابراز می کنند."

http://prbookmarkingwebsites.com/story5101186/پمپ-وکیوم-آبی

اینتل از Intel Neural Compute Stick 2. رونمایی کرده است. به نظر می رسد مانند یک درایو شست USB معمولی است ، و با درگاه USB 3.0 کار می کند ، اما بسیار خاص است. CNET گفت هوش مصنوعی جدید "مغز" به سمت رایانه شما می چسبد.

 

 

اندرو تارانتولا در Engadget اهمیت خود را خلاصه کرد. "NCS2 اینتل در اصل یک شبکه عصبی خود حاوی یک انگشت شست است و باید با بارگذاری بخش زیادی از قدرت پردازشی مورد نیاز برای آموزش آنها به واحد پردازش دید در Movidius Myriad X ( VPU ) ، انواع و اقسام دستگاه را سریعتر و آسان تر کند ."

 

این اولین بازی چهارشنبه ، 14 نوامبر در Intel AI Devcon در پکن برگزار شد.

 

هدف اعلام شده چوب ساخت الگوریتم های هوشمندانه هوش مصنوعی و 2) "نمونه سازی رایانه در لبه شبکه" است. در اخبار منتشر شده اینتل آمده است: این چوب "توسعه برنامه های عمیق استنتاج شبکه های عصبی را سرعت می بخشد."

 

به عبارت ساده تر ، Intel Neural Compute Stick 2 این است که تست شبکه عصبی عمیق ، تنظیم و نمونه سازی اولیه را انجام دهد. و این بدان معنی است که توسعه دهندگان - که روی پروژه هایی مانند دوربین های هوشمند ، هواپیماهای بدون سرنشین یا روبات های صنعتی متمرکز شده اند - این است که آنها می توانند از نمونه سازی های اولیه به سمت تولید بپیوندند.

 

این دو کلمه که در تبلیغات محصول در صنعت فناوری برای تلفن های موبایل آشنا هستند ، طنین خاصی را برای چنین توسعه دهندگان به همراه خواهد داشت - انجام سریعتر و باهوش تر کارها.

 

در این نسخه آمده است: "با یک لپ تاپ و Intel NCS 2 ، توسعه دهندگان می توانند برنامه های بینایی هوش مصنوعی و رایانه ای خود را در چند دقیقه انجام دهند."

 

طبق گفته های این مدل ، مدل های آموزش دیده رایانه شخصی به دستگاه های بصورت گسترده و بدون اتصال به ابر به طیف گسترده ای از دستگاه ها اعزام شدند. تارانتلا اظهار داشت: "اساساً ، این امکان را برای شما فراهم می کند که الگوریتم های هوش مصنوعی و سیستم های بینایی رایانه را بصورت محلی (یعنی در لپ تاپ خود) بسازید بدون نیاز به اتصال به Cloud یا حتی اینترنت."

 

VentureBeat مصاحبه تلفنی با جاناتان بالون ، معاون رئیس جمهور و مدیر کل گروه اینترنت اشیاء اینتل انجام داد.

 

اعتبار: اینتل

بالون اظهار داشت که این چوب برای آزمایش دوربین های هوشمند ، هواپیماهای بدون سرنشین ، روبات های صنعتی و دستگاه های خانگی هوشمند ساخته شده است.

 

وی افزود: "چهار سال گذشته یا بیشتر از این ، بسیاری از هوش مصنوعی در ابر یا پایگاه داده اتفاق می افتد ، خوب است وقتی حجم زیادی از داده ها بدست آمده است و منابع محاسبه نامحدود و قدرت و سرمایش را دارید." بالون گفت. "[اما] در خارج از مرکز داده ، مصرف برق بسیار مهم است ، همانند گرما و هزینه."

 

 

 

در این خبر خواندن ویژگی های فنی ، از جمله آخرین نسل Intel VPU - Intel Movidius Myriad X VPU را در اختیار خوانندگان قرار داده است. "این اولین کسی است که دارای یک موتور محاسباتی عصبی است - یک شتاب دهنده اختصاصی شبکه عصبی سخت افزاری اختصاصی که عملکرد اضافی را ارائه می دهد."

 

برای کسانی که با چوب آشنا نیستند ، توجه داشته باشید که 2: گفته می شود این تازه وارد باعث افزایش عملکرد بیش از چوب محاسبات عصبی نسل قبلی می شود. نسل اول اینتل NCS ، در جولای سال 2017 راه اندازی شد.

 

Naveen Rao ، مدیر شرکت VP ، مدیر کل گروه محصولات AI گفت: "نسل اول Intel Compute Neur Compute Stick ، ??یک جامعه از توسعه دهندگان هوش مصنوعی را با یک عامل فرم و قیمت که قبلاً وجود نداشت ، وارد عمل کرد."

 

به نظر می رسید که SlashGear به خوبی تحت تأثیر قرار گرفته است. عنوان چهارشنبه: "Intel Neural Compute Stick 2 وعده 8 برابر قدرت با قیمت احمقانه است." کریس دیویس در مقاله گفت ، این به معنای "هشت برابر عملکرد سلف خود با وجود اندازه جمع و جور است".

 

دسترسی؟ و با چه قیمتی؟ اینتل جدید NCS 2 حمل و نقل در سراسر جهان از نوامبر 14. کایل Wiggers، به VentureBeat ، برخی از جزئیات بود. این برنامه از طریق JD.com در چین در دسترس خواهد بود. اجزای RS در اروپا ، خاورمیانه و آسیا. علوم سوئیچینگ در ژاپن؛ و موسیر در سراسر جهان ، با 99 دلار.

 

نه ، هیچ کس وانمود نمی کند که برای خواهرزاده تان که مکالمه زبان فرانسه را آموزش می دهد ارزش پول داشته باشد و باید چند برنامه درسی را ترسیم کند. همانطور که استفن شانکلند در CNET توضیح داد ، "برای سازندگان نمونه اولیه که می خواهند ببینند فناوری شبکه عصبی شبیه مغز با تقویت سخت افزاری چه می تواند انجام دهد ، خوب است."

http://bookmark-template.com/story6994851/پمپ-وکیوم-آبی

خانه ها برای چندین دهه به تدریج "باهوش تر" شده اند ، اما نسل بعدی خانه های هوشمند ممکن است آنچه را که دو دانشمند دانشگاه Case Western Reserve "اینترنت گوشها" می نامند ، ارائه دهد.

 

 

خانه هوشمند امروزی دارای لوازم ، سیستم های سرگرمی ، دوربین های امنیتی و روشنایی ، سیستم های گرمایشی و خنک کننده است که به یکدیگر و اینترنت متصل هستند. از طریق رایانه یا برنامه های تلفن های هوشمند به آنها می توان از راه دور دسترسی و کنترل کرد.

 

به فناوری اتصال ساختمانهای تجاری ، صنعتی یا دولتی ، روزی حتی کل جوامع ، "اینترنت اشیا" یا IoT گفته می شود.

 

اما یک جفت از استادان مهندسی برق و علوم کامپیوتر در دانشکده مهندسی مورد ، در حال آزمایش یک مجموعه جدید از سنسورها هستند. این سیستم نه تنها ارتعاشات ، صداها و حتی راه رفتن خاص یا حرکات دیگر را می خواند - که با افراد و حیوانات یک ساختمان در ارتباط است ، بلکه هرگونه تغییر ظریف در زمینه الکتریکی محیط موجود نیز مورد استفاده قرار می گیرد .

 

در حالی که هنوز شاید یک دهه یا بیشتر از آن فاصله داشته باشد ، خانه آینده می تواند بنایی باشد که تنها با چند حسگر کوچک و پنهان در دیوارها و کف و بدون نیاز به دوربین های تهاجمی ، به فعالیت شما تنظیم شود.

 

ساختمانی که "گوش می کند"

 

مینگ-چون هوانگ ، استادیار مهندسی برق و علوم رایانه می گوید: "ما در حال ساختن ساختاری هستیم که بتواند به انسانهای داخل گوش دهد."

 

"ما از اصولی شبیه به گوش انسان استفاده می کنیم ، جایی که ارتعاشات برداشته می شود و الگوریتم های ما آنها را برای تعیین حرکات خاص شما کشف می کنند. به همین دلیل ما آن را" اینترنت گوش ها "می نامیم."

 

هوانگ در حال انجام تحقیقات مرتبط با پیگیری و حرکت انسان است ، در حالی که Soumyajit Mandal ، T. و A. Schroeder استادیار مهندسی برق و علوم کامپیوتر ، بر سنجش لرزش و تغییر در میدان الکتریکی موجود ناشی از حضور انسانها متمرکز شده اند. یا حتی حیوانات خانگی

 

ماندال گفت: "در واقع یک میدان الکتریکی ثابت 60 هرتز در اطراف ما وجود دارد و از آنجا که مردم تا حدودی رسانا هستند ، آنها فقط کمی از این میدان کوتاه می شوند." وی ادامه داد: بنابراین ، با اندازه گیری مزاحمت در آن زمینه ، می توانیم حضور آنها یا حتی تنفس آنها را تعیین کنیم ، حتی در صورت وجود لرزش در صدا.

 

هوانگ و ماندال جزئیات تحقیقات خود را در ماه اکتبر در کنفرانس سنسورهای IEEE در دهلی نو ، هند منتشر کردند. نسخه طولانی تر از نتایج آنها در ژورنال IEEE Transactions on Instrumentation and Measurement در اوایل سال آینده ظاهر می شود.

 

آنها همچنین این فن آوری را در اتاق های کنفرانس در بخش مهندسی برق در دانشگاه و آزمایشگاه Smart Living در اوهایو Living Breckenridge Village ، یک جامعه سالمند ساکن در Willoughby ، اوهایو آزمایش کرده اند.

 

ماندال گفت که آنها در دیوارها و کف یک اتاق از حداقل چهار سنسور کوچک استفاده کرده اند. در مورد نگرانی های مربوط به حریم خصوصی ، ماندال گفت که این سیستم قادر به شناسایی افراد نخواهد بود ، اگرچه می توان برای شناسایی دستاوردهای مختلف افراد کالیبره شد.

 

پس انداز انرژی ، ایمنی ساختمان

 

آنها انتظار دارند که این سیستم می تواند مزایای بسیاری را ارائه دهد.

 

هوانگ گفت: "اولین مزیت بهره وری انرژی برای ساختمان ها به ویژه در روشنایی و گرمایش خواهد بود زیرا سیستم ها با نحوه حرکت انسان از یک اتاق به اتاق دیگر تنظیم می شوند و انرژی بیشتری به کار می برند."

 

یکی دیگر از مزایای این امر می تواند توانایی ردیابی و اندازه گیری تمامیت و ایمنی ساختاری ساختمان بر اساس اشغال انسان باشد - که برای مثال در یک زلزله یا طوفان بسیار مهم است.

 

هوانگ گفت: "این واقعاً تا آنجا که ما دیدیم مورد کاوش قرار نگرفته است ، اما می دانیم که انسانها بارهای پویا را بر روی ساختمانها ، به ویژه در ساختمانهای قدیمی ایجاد می کنند." وی گفت: "با همکاری همکار ما YeongAe Heo در گروه مهندسی عمران ، سعی داریم پیش بینی کنیم که آیا به دلیل افزایش وزن یا بار بنا بر تعداد افراد موجود در کف یا نحوه توزیع آنها در آن ، آسیب های ساختاری وجود دارد یا خیر. کف."

http://mediajx.com/story8045941/پمپ-وکیوم-آبی

روزی ، هنگامی که طبیعت تماس می گیرد ، می توان ادرار شما را بهتر از آنکه سست شود ، از آن استفاده کرد.

 

 

در عوض می تواند یک عنصر اساسی در ساخت یک دفتر سبزتر یا خانه جدید باشد.

 

در یکی از جدیدترین نوآوری ها در جستجوی مصالح ساختمانی سازگار با محیط زیست ، محققان دانشگاه آفریقای جنوبی آجرهایی را با استفاده از ادرار انسان ایجاد کرده اند.

 

آجرهای زیستی ، اولین نمونه از این نوع در جهان ، چشم انداز جایگزینی پایدار از خشت های استاندارد و آجرهای بتونی را دارند.

 

نمونه های اولیه با استفاده از تکنیکی تا حدودی شبیه به شکل گیری طبیعی پوسته ها از ادرار "بزرگ شده" و شش تا هشت روز طول می کشد تا شکل بگیرد.

 

اختراع پیشگامانه ذهنیت اصلی دانشجویان دو دانشگاه کیپ تاون و یک مدرس است.

 

با کمک مالی از شورای تحقیقات آب در دولت ، مطالعه امکان سنجی سال گذشته با استفاده از اوره مصنوعی آغاز شد. و سپس مطالعه به استفاده از ادرار انسان افزایش یافت.

 

دیلون رندال ، مدرس سرپرستی یکی از این دو دانش آموز ، به خبرگزاری فرانسه گفت: "من همیشه کنجکاو بودم که می دانم چرا ما از ادرار استفاده نمی کنیم."

 

"پاسخ ساده این است:" بله ، ما می توانیم ".

 

یک سال بعد ، آنها با موفقیت اولین آجر زیستی خود را در آزمایشگاه تولید کردند.

 

با استفاده از یک فرآیند طبیعی که به عنوان رسوب کربنات میکروبی شناخته می شود ، آنها ادرار ، ماسه و باکتری ها را برای ساختن آجر مخلوط می کنند.

 

این تحقیقات هنوز در روزهای آغازین خود است. تاکنون به 30 لیتر (هشت گالن آمریکا) نیاز است تا فقط یک آجر تهیه شود - با ادرار که توسط دانشجویان پسر در دانشگاه از طریق مجرای ادرار ویژه تهیه می شود.

 

رندال گفت: "ما اساساً اولین آجر زیستی را از ادرار واقعی ساخته ایم."

 

"این روند شگفت آور است زیرا اساساً کاری که ما انجام داده ایم اینست که آجر در دمای اتاق رشد می کنیم."

 

سه آجر اول در معرض نمایش هستند. آنها بلوک های سنگین خاکستری هستند و از هر نوع سنگ آهک استاندارد قابل تشخیص نیستند.

 

برای کسانی که نگران بوی ادرار از دیوارها هستند ، خبر خوب این است که آجر بو ندارد

قالب

 

سوزان لامبرت ، دانشجوی کارشناسی ارشد مهندسی عمران ، از نحوه کپی کردن این تیم از "فرآیندهای طبیعی طبیعت" برای ایجاد یک روش پایدار برای ساختن تعجب می کند.

 

وی گفت: "این روند از شکل گیری مرجان و ایجاد فرایندهای طبیعی سیمان تقلید می کند."

 

آجرهای معمولی یا آجرهای خشت معمولی در کوره ها تولید می شوند ، در جایی که در آنها 1400 درجه سانتیگراد خشک می شود (2500 درجه فارنهایت) ، فرایندی که باعث انتشار زیاد دی اکسید کربن می شود.

 

 

 

در مقابل ، آجر زیستی از طریق ماسه های سست کاشته شده با باکتری هایی که آنزیمی به نام اورهاز تولید می کنند "رشد می کند".

 

اورهاز با ادرار در ادرار واکنش می دهد تا یک ترکیب سیمانی مانند را که با ماسه پیوند می زند ، تولید کند.

 

این محصول می تواند به هر شکلی تهیه شود و در دمای محیط خشک شود - بدون اجاق گاز ، انتشار گازهای گلخانه ای.

 

رندال گفت: "ما چیزی را می گیریم که یک جریان ضایعات مانند ادرار محسوب می شود و از آن در یک فرآیند کاملاً پایدار استفاده می کنیم ."

 

و برای کسانی که نگران بوی ادرار از دیوارها هستند ، خبر خوب این است که آجر بو ندارد. بوی قوی آمونیاک ناشی از ادرار پس از چند روز خشک شدن از بین می رود.

 

محقق محقق Vukheta Mukari گفت: استحکام آجر می تواند متناسب با الزامات خاص ساختمان باشد اما مواردی که تاکنون تولید کرده اند "به اندازه آجرهای متداولی است که شما در بازار پیدا می کنید".

 

آجرهای زیستی قبلاً در ایالات متحده ساخته می شوند ، اما از ادرار استفاده می کنند.

 

اینها اولین کسانی هستند که از زباله های طبیعی انسان استفاده می کنند.

 

آیا آجر زیستی یک روز از خشتهای استاندارد یا همتایان بتنی برخوردار است؟

 

عامل اصلی قیمت است ، اما در این مرحله اولیه توسعه هیچ تلاشی برای هزینه های تحقیق صورت نگرفته است.

 

رندال هشدار داد: "ما هنوز از تجارت واقعی این سیستم به عنوان یک سیستم در مقیاس کامل فاصله داریم" ، اما هشدار داد که فضای کافی برای افزایش کارایی وجود دارد.

 

رندال گفت: "در حال حاضر ما برای ساختن یک آجر استاندارد به 20 تا 30 لیتر نیاز داریم. این به نظر می رسد بسیار زیاد باشد ، اما به یاد داشته باشید که حدود 90 درصد ادرار در واقع آب است."

 

"ما به دنبال کاهش میزان ادرار مورد نیاز برای ساختن یک آجر هستیم و من مطمئن هستم که طی چند سال آینده نتایج بسیار بهتری خواهد داشت".

http://socialmediastore.net/story5674218/پمپ-وکیوم-آبی