🐈 گربه ی شرودینگر

این آزمایش فکری گاهی به صورت پارادوکس برای تعمیم مکانیک کوانتوم به زندگی روزمره استفاده میشه.

فرض کنید گربه ای داخل یک جعبه ی در بسته زندانی شده و در این جعبه دستگاهی قرار داره که به احتمال 50% در بازه ی زمانی مشخصی، گربه رو میکُشه.

بر اساس زندگی روزمره ی ما در انتهای زمان آزمایش و پیش از برداشتن درب جعبه، گربه به احتمال 50% مُرده و «یا» به احتمال 50% زنده ست. اما بر اساس مکانیک کوانتوم، قبل از مشخص شدن وضعیت گربه؛ اون همزمان 50% زنده «و» 50% مُرده ست و تنها زمانی متوجه نتیجه ی قطعی میشیم که درب جعبه رو باز کنیم.

#فیزیک #کوانتوم #گربه_ی_شرودینگر #آزمایش_فکری

🙋🏻‍♂@meteorjournal 👉🏼 کانال
🙋🏻‍♂@meteorjournalgroup 👉🏼 گروه

✨ مرگ ستارگان

ستاره ها بسته به جرمشون مرگ متفاوتی رو تجربه میکنن. ستاره هایی که جرمشون از خورشید کمتره معمولا با تموم شدن سوختشون سریع خاموش، و به کوتوله ی قهوه ای تبدیل میشن.

وقتی سوخت هسته ای ستاره ای با جرم برابر یا بیشتر از خورشید به حدی کم میشه که نیروی رو به بیرون ناشی از فعالیت های هسته ای از نیروی گرانشی ای که لایه های داخلی ستاره به لایه های خارجی وارد میکنن کمتر میشه؛ ستاره شروع به انقباض میکنه.
این انقباض باعث میشه اتم ها به هم نزدیک تر شن و دما و میزان همجوشی افزایش پیدا کنه. در نتیجه نیروی رو به بیرون بیشتر، و ستاره دچار انبساط میشه. (مرحله ی تپش)
بعد از مرحله ی تپش، ستاره در یک مرحله ی انبساط متوقف میشه و تمامی عناصر داخلش طی فرایند همجوشی به آهن تبدیل میشه. (غول سرخ)
در مرحله ی بعدی، تمامی عناصر داخل ستاره به آهن تبدیل شده و انرژی کافی برای تبدیل آهن به عناصر سنگین تر وجود نداره. در نتیجه در کسری از ثانیه نیروی شدید گرانشی باعث کوچک شدن ستاره میشه؛ و این انرژی بالا باعث بوجود اومدن عناصر بعد از آهن میشه.

اینکه نهایتا چه اتفاقی برای این ستاره ها میافته به جرمشون بستگی داره.
توی ستاره های هم جرم خورشید لایه های رویی فشرده میشن و توی مرکز یک سطح سفت از پروتون ها ایجاد میشه. لایه های رویی با سرعت به این سطح برخورد میکنن و در اثر عکس العمل برخورد به فضا پرتاب میشن و یک #سحابی سیاره ای رو بوجود میارن. سطح سفت هم به یک کوتوله ی سفید تبدیل میشه و تا وقتیکه خاموش بشه؛ سحابیِ حاصل از این انفجار رو روشن میکنه.

توی ستاره هایی که پرجرم تر از خورشیدن؛ انقدر نیروی گرانشی شدیده که سطح سفت پروتونی نمیتونه در برابرش مقاومت کنه و طی فرایندهای هسته ای، پروتون ها و الکترون ها به نوترون تبدیل میشن. به این انفجار، ابرنو اختر میگن. طی این انفجار، مواد ستاره به فضا پرتاب میشن و درخشندگی این انفجار ممکنه تا چندین روز پرنور تر از یک کهکشان در آسمان مشاهده بشه. جسم باقی مونده از این انفجار ستاره ی نوترونیه و انقدر داغه که توی پرتوی X قابل مشاهدست.

اگر جرم ستاره از این هم بیشتر باشه؛ نیروی گرانش اونقدر شدیده که هیچ چیزی نمیتونه فروپاشی ستاره رو متوقف کنه و لایه های رویی تا یک تکینگی دچار فروپاشی میشن. در این صورت هم انفجار ابرنواختری رخ میده، اما جسمی که باقی مونده یک سیاهچه ست.

🟢 در این راستا یک متن انگیزشی بخوانید

#نجوم #ستاره #ستاره_نوترونی #سیاهچاله #کوتوله_قهوه_ای #کوتوله_سفید
🧑🏼‍🚀@meteorjournal

📜 شاید ما انسان ها علاوه بر اینکه از ستاره ها ساخته شدیم، از جهات دیگه هم شبیه ستاره ها هستیم.

خیلی از آدم ها هستن که با کوچکترین بحرانی، خاموش و فراموش میشن. درست مثل یک کوتوله ی قهوه ای.

آدم های قوی تر تپش ها و فراز و نشیب های گوناگونی رو پشت سر میذارن و درست وقتی که به پرتگاه میرسن؛ فکر میکنن که این آخر خطه و چیزی جز نابودی در انتظارشون نیست. اما اگر از پرتگاه بپرن میبینن که این یک پایان نبوده؛ بلکه یک دگردیسی رو به زندگی جدیده.

بعضی از این اشخاص قوی میتونن تا پایان زندگیشون تاثیر زیبایی روی اطرافیانشون بذارن.
درخشش افراد قوی تر میتونه تا مدت ها دیگران رو مسحور کنه.
و قدرتمند ترین ها تا مدت های مدیدی جهانیان رو تحت تاثیر قرار میدن؛ میتونن جهانی رو در قلب خودشون پرورش بدن و قوانین کیهان رو به پرسش بکشن.

گاهی تپش هایی که ما کشنده میدونیم، صرفا چالشیست برای ارزیابی ما.
گاهی مهم نیست چه اتفاقی میافته؛ مهم اینه که ما اتفاقاتی که برامون میافته رو به چی تبدیل میکنیم.

شهاب حیدری بالی

🟣 درباره ی مرگ ستارگان بخوانید

#نجوم #انگیزشی
🙋🏻‍♂@meteorjournal

🎥 فیلم آموزشی یادگیری انتقالی از اندرو ان جی به زبان انگلیسی

دانلود زیرنویس انگلیسی

#هوش_مصنوعی #یادگیری_عمیق #یادگیری_انتقالی #Transfer_Learning
🙋🏻‍♀@meteorjournal

زیر نویس فیلم یادگیری انتقالی اندرو ان جی

🙋🏻‍♀@meteorjournal

💻 یادگیری انتقالی (Transfer Learning)

روشی مورد استفاده در یادگیری ماشین است که دانش به دست آمده در حل یک مساله را ذخیره می کند و آن را در مساله ایی متفاوت اما مشابه به کار می گیرد. مثلا دانش به دست آمده در یادگیری تشخیص اتومبیل، می تواند در تشخیص کامیون هم به کار گرفته شود. یادگیری انتقالی نوعی بهینه سازی (Optimization) است که باعث پیشرفت سریع یا بهبود عملکرد در هنگام مدل کردن مسائل دیگر می شود. این روش عموماً در موقعیت هایی کاربرد دارد که داده های اندکی برای مدل سازی پدیده جدید در دسترس است.

یادگیری انتقالی، رویکردی محبوب در یادگیری عمیق است که در آن از مدل های از پیش آموزش یافته (Pre-trained Models) به عنوان نقطه شروع مسائل مبتنی بر بینایی ماشین و پردازش زبان طبیعی استفاده می شود.

مطالعه بیشتر

فیلم آموزشی اندرو ان جی

#هوش_مصنوعی #یادگیری_عمیق #یادگیری_انتقالی #Transfer_Learning
🙋🏻‍♀@meteorjournal

لطفا لطفا لطفا اگر پُستی رو مو به مو کپی میکنید (اقتباس پیشکش😅) منبع رو هم ذکر کنید.
با تشکر

لینک پُست اصلی 👇🏼👇🏼👇🏼
https://t.iss.one/meteorjournal/119

🙋🏻‍♂@meteorjournal

لطفا لطفا لطفا اگر پُستی رو مو به مو کپی میکنید (اقتباس پیشکش😅) منبع رو هم ذکر کنید.
با تشکر

لینک پُست اصلی 👇🏼
https://t.iss.one/meteorjournal/160

🙋🏻‍♂@meteorjournal

معمای مربع گمشده

این معما معمولا به اشتباه به عنوان پارادوکس بیان میشه؛ اما در حقیقت حاصل از خطای دید هستش.

در این معما یک شکل به شخص نشون داده میشه که از قطعات هندسی کوچکتری تشکیل شده. نهایتا با جابجایی این قطعات، شکلی «به ظاهر» با اختلاف مساحت یک مربع کوچک نمایان میشه.

عکس بالا مربوط به یک نمونه ازین معماست که در واقع هیچکدوم از شکل های نمایش داده شده مثلث نیستن (بین وتر قرمز و آبی شکستگی وجود داره)؛ بلکه دو چهارضلعیِ غیر هم نهشتن. نسبت اضلاع قائم مثلث آبی 5:2 و نسبت اضلاع قائم مثلث قرمز 8:3 هستش؛ پس امتداد وترهای این دو مثلث یک خط راست رو تشکیل نمیدن.
این تفاوت شیب برای چشم ما محسوس نیست ولی یک مربع اختلاف مساحت رو جبران میکنه.

از معماهای مشابه میشه به تجزیه ی سم لوید اشاره کرد.

#ریاضی #معمای_مربع_گمشده #تجزیه_سم_لوید
🙋🏻‍♂@meteorjournal

🧠 ویدیوی black dog؛ سگِ سیاهِ افسردگی

درک افسردگی برای خیلی از افرادی که هرگز تجربش نکردن و یا حتی کساییکه تجربش کردن سخته. ولی با آگاهی و تلاش میتونیم به خودمون و سایر افرادی که ممکنه درگیر این مسئله بشن کمک کنیم.

🎗افسردگی چهره ندارد!🎗

(با زیرنویس فارسی)

#روانشناسی #افسردگی #سگ_سیاه #افسردگی_چهره_ندارد
🙋🏻‍♂@meteorjournal

🧠 نقش تعصب در یادگیری

دستین ساندلین خالق ویدیوهای Smarter Every Day توی این فیلم از تاثیر آموخته های پیشین در آموزش چیزهای جدید برامون میگه.
برای آموختن هر چیز، باید ابتدا از سد تعصبات پیشین خودمون بگذریم.

یک نکته ی خیلی مهم که توی این فیلم بهش برخوردم این بود که یادگیری یک فرایند خطی نیست؛ بلکه پله ایه. ممکنه ما مدت ها برای چیزی وقت بذاریم ولی نتیجش رو نبینیم؛ اما فقط یک لحظه ی خاص لازمه تا دریچه ی جدیدی در مسیر یادگیری به رومون باز بشه.
«شهاب حیدری بالی»

(با زیرنویس فارسی)

✅ منبع: کانال یوتیوب SmarterEveryDay


#یادگیری #نوروساینس #مغز #شناخت

🙋🏻‍♂@meteorjournal 👉🏼 کانال
🙋🏻‍♂@meteorjournalgroup 👉🏼 گروه

💻 توصیه هایی برای ورود افراد تازه وارد به حوزه علم داده:
1⃣ سرفصل های علم داده، تکنیک های یادگیری ماشین، یادگیری عمیق، آمار و مهندسی ویژگی را از طریق دوره های مجازی و یا خودخوان یاد بگیرید.
2⃣ در مسابقات Kaggle شرکت کنید و سعی کنید رتبه 1 تا 200 به دست آورید و آن را در رزومه خود قرار دهید.
3⃣ ارتباطات لینکدین زیادی برای دانشمندان داده در سراسر دنیا ارسال کنید تا بتوانید پست های شغلی مربوط به علم داده را مشاهده کنید و برای موقعیت های مناسب در خواست دهید.
4⃣ در رویدادهای هکاتون (Hackathon) شرکت کنید. هکاتون رویدادی است که در آن برنامه نویسان و دیگر افراد درگیر توسعه نرم افزار گرد هم می آیند و در توسعه پروژه های نرم افزاری با یکدیگر همکاری می کنند.
5⃣ اگر در حوزه های دیگر تخصص دارید و به تازگی قصد ورود به حوزه علم داده را دارید، سعی کنید از تکنیک های یادگیری ماشین برای حل مسائل سازمان یا کسب و کار خود استفاده کنید.

(فیلم به زبان انگلیسی)

دانلود زیرنویس انگلیسی


#علم_داده #هوش_مصنوعی #یادگیری_عمیق #مبتدی

🙋🏻‍♀@meteorjournal

🤖 روبات قلقلکی، روبات عروسکی، روبات پینگ پنگ باز و ... در CES2020

#هوش_مصنوعی #روباتیک #تکنولوژی
🙋🏻‍♀@meteorjournal