😺😺😺😺😺😺😺
#استخدام
برنامه نویس #nextjs
حرفه ای
با تجربه و نمونه کار قوی
آشنا به ابزار ها و api های هوش مصنوعی
#تمام_وقت
#حضوری #تهران
(پی وی صرفا با نمونه کار تشریف بیارید)
😺😺😺😺😺😺😺

محققانی از دانشگاه‌های گوتنبرگ و چند تا دانشگاه دیگه «موتورهای میکروسکوپی» توسعه دادن که با نور کنترل می‌شن و سدی که سه دهه مانع کوچک‌سازی ماشین‌های مکانیکی بود رو شکستن. فناوری ساخت موتورهای میکرو و چرخ‌دنده‌ها زیر مقیاس ۰٫۱ میلی‌متر گیر کرده بود! نه به‌خاطر قوانین فیزیک، بلکه به‌خاطر پیچیدگی ساخت محرک‌ها و اتصالات تو این ابعاد. این محقق‌ها به‌جای میدان‌های الکتریکی و مغناطیسی، یه متاسطح نوری رو خود چرخ‌دنده نشوندن که با نور تخت(نور با پرتوهای موازی، غیر همگرا غیر واگرا) نیرو می‌گیره و حرکت تولید می‌کنه. نتیجه، ماشین‌هایی با ابعاد چند ده میکرومتر و دقت حرکتی زیرمیکرومتریه که روی یه تراشهٔ شیشه‌ای یا سیلیکونی و با لیتوگرافی استاندارد ساخته می‌شه.

قلب این فناوری یه «متاروتوره»! یه رینگ میکروسکوپی با متاسطح نوری که روی یه پایهٔ ستونی مهار شده و تو محیط مایع آزادانه می‌چرخه. نور ورودی روی متاسطح پراکنده می‌شه و طبق پایستگی تکانهٔ نوری، نیرویی در خلاف جهت به حلقه وارد می‌شه و گشتاور ایجاد می‌کنه. با تغییر طراحی متاسطح یا شدت و قطبش نور، سرعت زاویه‌ای و حتی جهت چرخش رو می‌شه لحظه‌ای تنظیم کرد. این فرآیند با CMOS و لیتوگرافی معمول سازگاره و الان ده‌ها هزار واحد تو مساحت ۵×۵ میلی‌متر روی یه تراشه ساخته شده‌.

برای نمایش قابلیت‌ها، چند متاماشین کاربردی ساختن:
– یه قطار چرخ‌دنده که با یه «متاچرخ‌دنده» محرک، چندین چرخ‌دندهٔ غیرفعال رو به حرکت درمی‌آره و بسته به نسبت قطرها گشتاور یا سرعت رو تقویت می‌کنه.
– یه سیستم رک‌و‌پینیون که حرکت دورانی متاروتور رو به حرکت خطی رفت‌وبرگشتی تبدیل می‌کنه و جهت حرکت با تغییر قطبش نور کنترل می‌شه.
– یه رک مجهز به آینه‌های طلا که می‌تونه نور رو در مقیاس میکرو منحرف یا مسدود کنه و جایگزین آینه‌های الکترواستاتیکی موجود تو کاربردهای جابجایی بزرگ بشه.

مزایای این رویکرد منبع انرژی تمیز و در دسترس (نور)، سازگاری با محیط‌های زیستی (لیزر ۱۰۶۴ نانومتر آسیب کمی به سلول‌ها و باکتری‌ها داره)، تولید انبوه و یکپارچه‌سازی با اجزای نوری و الکترونیکی دیگه روی تراشه ست. محدودیت‌های فعلی هم بازده پایین و حساسیت به آلودگی محیطیه که خود نویسنده‌ها پیشنهاد دادن با مواد فازتغییری یا آینه‌های تطبیقی به‌صورت پویا رفع بشه.

این موتورهای میکروسکوپی می‌تونن تو خیلی زمینه‌ها کاربرد پیدا کنن. از جابه‌جایی و دسته‌بندی ذرات خیلی ریز تو آزمایشگاه‌های زیستی و شیمیایی گرفته، تا کنترل نور یا فیلترهای نوری تو سیستم‌های ارتباطی و حسگرها. حتی می‌تونن تو روبات‌های میکروسکوپی حرکت بدن، یا اجزای مکانیکی کوچیک مثل دریچه‌ها، سوپاپ‌ها و بازوهای میکرومکانیکی رو حرکت بدن. به‌خاطر دقت زیرمیکرومتری، می‌شه حرکت‌های خیلی ظریف و پیچیده ساخت و به صورت همزمان چندین وظیفهٔ متفاوت روی یه تراشه انجام داد. تو یه سطح تخیلی‌تر، این موتورهای میکروسکوپی می‌تونن تو پوشیدنی‌های نانو یا روبات‌های خودگردان میکروسکوپی کار کنن که خون یا سلول‌ها رو کنترل می‌کنن، یا حتی تو سیستم‌های نوری پیشرفته مثل «پوشش نامرئی‌کننده» و میکروآینه‌های متحرک برای تغییر مسیر نور در لحظه به کار برن.

اصل مقاله رو می‌تونید تو این لینک بخونید.

✅ @SEYED_BAX | @openpcb

➖ گزارش سال ۱۴۰۳ کافه بازار منتشر شد

گزارش سال ۱۴۰۳ بازار یک روایت دقیق و موشکافانه از رشد، چالش‌ها و فرصت‌های اکوسیستم محتوای دیجیتال ایران است. از افزایش شمار توسعه‌دهندگان فعال و رونق برخی برنامه‌های داخلی گرفته تا تثبیت جایگاه اندروید و تسلط گوشی‌های میان‌رده، این #گزارش تصویری جامع از نبض فناوری کشور ارائه می‌دهد. اما فراتر از آمار و ارقام، این سند از بلوغ تدریجی کاربران و توسعه‌دهندگان ایرانی حکایت دارد که مسیر خود را با هوشمندی، از میان پیچیدگی‌ها و محدودیت‌ها یافته‌اند.

✅ Channel
💬 Group

➖ گزارش سال ۱۴۰۳ کافه بازار

#گزارش

✅ Channel
💬 Group

🪟Windows' Hardware Requirements VS 🍏Linux's Hardware Requirements (Electricity!!)⚡️

📨 @devefun 🖥

دیپ‌سیک تونسته مشکل حل مسائل استدلالی رو برطرف کنه!

توی مقاله چند روز پیشش توضیح داده که به‌جای آموزش سنتی با مثال‌های انسانی، مدل رو مثل یک بازی ویدیویی آموزش داده: فقط وقتی پاداش می‌گرفت که جواب نهایی درست بود. همین باعث شد مدل خودش یاد بگیره استراتژی‌های بهتر پیدا کنه، جواب‌های طولانی‌تر و منطقی‌تر بنویسه و حتی وسط حل مسئله مکث کنه و دوباره بررسی کنه.

نسخه‌ی اول (R1-Zero) فقط با آزمون‌وخطا آموزش دید و رفتارهای غیرمنتظره مثل خوداندیشی از خودش نشون داد. نسخه‌ی بعدی (R1) مشکلات زبانی و خوانایی رو رفع کرد و نوشتن طبیعی‌تر شد. نتیجه این شد که توی ریاضی، کدنویسی و آزمون‌های علمی حتی از انسان‌ها و مدل‌های قبلی بهتر عمل کرد. البته هنوز محدودیت‌هایی مثل زیادی فکر کردن یا قاطی کردن زبان‌ها داره، اما نشون داده که هوش مصنوعی می‌تونه بدون آموزش انسانی، فقط با پاداش گرفتن برای جواب درست، استدلال رو خودش یاد بگیره.


✅ @SEYED_BAX | @Linuxor