آموزش اپتیک، فوتونیک و الکترونیک

🔹 حافظه نوری قابل برنامه‌ریزی؛ گامی به سوی پردازش سریع‌تر داده‌ها 🚀

🔸 محققان حافظه‌ای نوری را توسعه داده‌اند که سرعت ذخیره‌سازی و پردازش داده‌ها را در سیستم‌های نوری افزایش می‌دهد. این فلیپ‌فلاپ فوتونی سریع و مقیاس‌پذیر است و به‌عنوان یک راهکار پیشرفته برای ذخیره‌سازی موقت داده در سیستم‌های پردازشی نوری به کار می‌رود. 🌟 این فناوری با بهره‌گیری از فوتونیک سیلیکونی، عملکرد بهتری را ارائه می‌دهد.

🔹 🔬 الهام از فلیپ‌فلاپ‌های الکترونیکی
🔹 عملکرد سریع و مقیاس‌پذیر در سیستم‌های پردازشی نوری
🔹 سازگاری با WDM برای پردازش نوری بهینه‌تر

✨ کاربرد در هوش مصنوعی و مدل‌های زبانی ✨
🔻 فرشید اشتیانی از Nokia Bell Labs می‌گوید:
_"مدل‌های زبانی بزرگی مثل ChatGPT میلیاردها عملیات ریاضی ساده را به‌صورت مکرر اجرا می‌کنند. فناوری حافظه‌ی ما می‌تواند داده‌های این سیستم‌ها را با سرعت بالا ذخیره و بازیابی کند، که اجرای عملیات را سریع‌تر می‌سازد. این یک گام مهم به‌سوی کامپیوترهای نوری آینده است!"_ 💡

💠 یک انقلاب در ذخیره‌سازی و پردازش داده‌های نوری در راه است! 🚀🔝

https://2025.apsursi.org/mojgan_daneshmand_grant.php

جایزه مرحوم دکتر دانشمند

تولید برق با ۱۲۰۰۰ آینه
@fotonik_ir

🚀 آموزش اتصال Python به Lumerical 🔗

اگر می‌خواهید Lumerical را با Python کنترل کنید و شبیه‌سازی‌های خود را به‌صورت خودکار اجرا کنید، این راهنما برای شماست! 📌

✅ مراحل اتصال:
1️⃣ نصب Lumerical API و اطمینان از فعال بودن آن
2️⃣ افزودن مسیر Lumerical API به Python
3️⃣ اجرای دستورات Python برای کنترل FDTD, MODE, CHARGE, INTERCONNECT
4️⃣ خواندن داده‌های شبیه‌سازی و پردازش نتایج

🛠 مثال ساده برای اجرای شبیه‌سازی در FDTD:

import lumapi

fdtd = lumapi.FDTD()  
fdtd.addrect()  # اضافه کردن یک مستطیل به شبیه‌سازی
fdtd.save("my_simulation.fsp")  # ذخیره فایل
fdtd.run()  # اجرای شبیه‌سازی
fdtd.close()  # بستن نرم‌افزار

با این روش می‌توانید بهینه‌سازی‌های خود را سریع‌تر انجام دهید و از قدرت Python برای کنترل شبیه‌سازی‌ها بهره ببرید.
@fotonik_ir
www.fotonik.ir

https://www.linkedin.com/posts/mshahab_group-activity-7287219931778084864-_aN_?utm_source=share&utm_medium=member_android

https://www.linkedin.com/posts/mohammad-heidari-kapourchali-04703077_python-activity-7287288713330532352-vFxA?utm_source=share&utm_medium=member_android

https://www.linkedin.com/feed/update/urn:li:activity:7273315586883956736?utm_source=share&utm_medium=member_android

https://www.linkedin.com/feed/update/urn:li:activity:7286668416759791616?utm_source=share&utm_medium=member_android

https://www.linkedin.com/posts/stewart-blusson-quantum-matter-institute_ubc-twophotonlithography-electronbeamlithography-activity-7284652724049080320-uFZh?utm_source=share&utm_medium=member_android

https://quantum-bc.ca/quantum-computing-program/

DEAR ENGINEERING COMMUNITY,
Dear Faculty of Engineering community,

On January 8, 2020, ten members of the University of Alberta community and three members of their families were among the 176 people killed in the downing of Ukraine International Airlines Flight PS752.

We Remember:

Mojgan Daneshmand, Department of Electrical and Computer Engineering and Pedram Mousavi, Department of Mechanical Engineering and their daughters, Daria and Dorina
Mohammad Mahdi Elyasi, Department of Mechanical Engineering
Nasim Rahmanifar, Department of Mechanical Engineering
Amir Saeedinia, Department of Mechanical Engineering
Pouneh Gorji, student, Department of Computing Science, Faculty of Science
Elnaz Nabiyi, Department of Accounting, Operations and Information Systems, Alberta School of Business
Arash Pourzarabi, Department of Computing Science, Faculty of Science
Saba Saadat, Department of Biological Sciences, Faculty of Science
Sara Saadat, Department of Psychology, Faculty of Science
The PS752 Memorial located in Rutherford Quad on North Campus is a place for quiet reflection in memory of the friends, colleagues and family members lost in the downing of flight PS752. The memorial features a bench, plaque and weeping spruce tree that represents a humble continuous sadness and decorates the memorial no matter the season. Students, staff and members of the public are invited to gather and reflect at the memorial this week and any time throughout the year.

Sincerely,


SIMAAN M. ABOURIZK
Dean, Faculty of Engineering

UNIVERSITY OF ALBERTA
College of Natural and Applied Sciences

اگر ماه به افق نزدیک‌تر باشد، نوری که به زمین بازتاب می‌کند باید از لایه‌ای ضخیم‌تر از جو عبور کند تا زمانی که در بالای افق باشد. این بدان معناست که طول موج‌های کوتاه‌تری از نور پراکنده می‌شوند در حالی که طول موج‌های طولانی‌تر نور، مانند قرمز، به چشم ما راه می‌یابند و باعث می‌شود ماه قرمز به نظر برسد.

Edmonton, Alberta, Canada

📎👇به کانال ما بپیوندید 👇📎
https://t.me/Maadigram

https://DigiPostal.ir/new-year-2025
کارت پستال دیجیتال

https://www.linkedin.com/posts/studyphotonics_photonics-masterphotonics-engineering-ugcPost-7275622343735930880-ArC9?utm_source=share&utm_medium=member_android

سلام به دوستان عزيز! 🌟
يكي از فاميل هاي من توی پيج يوتيوب، Emma Origami، اوریگامی‌های بامزه و ساده با كاغذ درست می‌كنه.
اگه این سبک کارها رو دوست دارین و دوست دارین حمايتش کنین، لطفاً كانال رو سابسکرایب کنین. 😊
این بزرگ‌ترین دلگرمی برای ادامه كارشه! ❤️

www.youtube.com/@EmmaOrigami

تراشه کوانتومی گوگل جایگزین رایانه‌های امروزی می‌شود؟

گوگل از تراشه جدیدی رونمایی کرده و ادعا می‌کند با این تراشه، می‌توان ظرف پنج دقیقه مساله‌ای را حل کند که حل آن با سریع‌ترین رایانه‌های فعلی جهان ۱۰,۰۰۰,۰۰۰,۰۰۰,۰۰۰,۰۰۰,۰۰۰,۰۰۰,۰۰۰ سال طول می‌کشد.

این تراشه تازه‌ترین دستاورد در حوزه‌ای است که با عنوان رشته محاسبات کوانتومی شناخته می‌شود.

در این حوزه، تلاش می‌شود از اصول فیزیک ذرات برای ساخت انواع جدیدی از رایانه‌های فوق‌العاده نیرومند استفاده شود.

گوگل می‌گوید تراشه کوانتومی جدیدش که آن را ویلو (درخت بید) نام داده حاوی «دستاوردهای مهمی» است و «راه را برای ساخت یک کامپیوتر کوانتومی عملیاتی در مقیاس بزرگ هموار می‌کند.»
@fotonik_ir
Www.fotonik.ir

مقالات چاپ شده در ماه دسامبر و ژانویه
https://doi.org/10.1007/s11082-024-07775-9

https://doi.org/10.1364/AO.546599

در گذشته، روند تحقیق و توسعه در بسیاری از زمینه‌های علمی و مهندسی به این شکل بود که ابتدا نمونه‌های واقعی ساخته می‌شدند و نتایج حاصل از آزمایش‌های متعدد روی این نمونه‌ها مورد بررسی قرار می‌گرفتند. این فرآیند زمان‌بر و پرهزینه بود، زیرا ساخت هر نمونه جدید و ارزیابی نتایج آن نیازمند منابع زیادی بود.

مرحله شبیه‌سازی
با پیشرفت فناوری، شبیه‌سازی‌های کامپیوتری وارد میدان شدند. این ابزارها امکان پیش‌بینی رفتار و عملکرد سیستم‌ها را بدون نیاز به ساخت نمونه‌های فیزیکی فراهم کردند و به طور چشمگیری هزینه‌ها و زمان مورد نیاز را کاهش دادند.

مرحله بهینه‌سازی
در مرحله بعد، بهینه‌سازی عددی به کار گرفته شد. هدف بهینه‌سازی این بود که پیش از هر گونه ساخت واقعی، بهترین طراحی ممکن از میان تمامی گزینه‌ها شناسایی شود. با این حال، این فرآیند بسیار زمان‌بر بود و نیاز به قدرت محاسباتی بالا داشت، زیرا میلیون‌ها شبیه‌سازی باید اجرا می‌شد تا بهترین نتیجه حاصل شود.

ورود هوش مصنوعی
اکنون، با پیشرفت هوش مصنوعی (AI)، این روش‌ها وارد مرحله‌ای کاملاً جدید شده‌اند. AI می‌تواند به جای اجرای میلیون‌ها شبیه‌سازی، روابط پنهان بین متغیرها را یاد بگیرد و پیش‌بینی کند که کدام تغییرات در ساختار به بهترین نتایج منجر می‌شوند.

مزایای استفاده از AI در شبیه‌سازی و بهینه‌سازی
1. کاهش تعداد شبیه‌سازی‌ها: به جای اجرای تمامی حالات ممکن، هوش مصنوعی با استفاده از چند نمونه شبیه‌سازی، الگوها و روابط را شناسایی می‌کند.
2. سرعت بیشتر: هوش مصنوعی زمان مورد نیاز برای پیش‌بینی و بهینه‌سازی را به شدت کاهش می‌دهد.
3. کاهش هزینه‌ها: با کاهش تعداد شبیه‌سازی‌ها و بهینه‌سازی‌ها، هزینه محاسباتی به طور چشمگیری کم می‌شود.
4. مدل‌سازی هوشمند: AI می‌تواند ساختارهایی را پیشنهاد دهد که حتی در روش‌های سنتی قابل تصور نبوده‌اند.

ابزارهای AI در شبیه‌سازی
امروزه، بسیاری از نرم‌افزارهای مهندسی و علمی در حال اضافه کردن تولباکس‌های AI هستند که می‌توانند فرایند شبیه‌سازی و بهینه‌سازی را تسریع کنند. برای مثال:
- رابطه‌های میان ورودی‌ها و خروجی‌ها را با چند شبیه‌سازی اولیه استخراج می‌کنند.
- تغییرات پیشنهادی را ارائه می‌دهند تا بهترین عملکرد به دست آید.

نمونه: Accelerated Simulation using AI
در این رویکرد:
1. شبیه‌سازی اولیه برای داده‌های محدود انجام می‌شود.
2. AI با یادگیری از نتایج این شبیه‌سازی‌ها، مدلی پیش‌بینی‌کننده ایجاد می‌کند.
3. این مدل پیش‌بینی‌کننده تغییرات لازم را پیشنهاد می‌دهد و تخمین می‌زند که چگونه این تغییرات روی خروجی تأثیر خواهند گذاشت.
4. در نهایت، تنها ساختارهای منتخب برای شبیه‌سازی یا ساخت واقعی اجرا می‌شوند.

چشم‌انداز آینده
استفاده از AI در شبیه‌سازی و بهینه‌سازی، انقلابی در صنایع مختلف ایجاد کرده و در حال حرکت به سمت مدلی است که زمان، هزینه، و منابع را به حداقل می‌رساند، در حالی که بهترین نتایج را ارائه می‌دهد. این رویکرد به خصوص در زمینه‌های الکترونیک، فتونیک، مواد پیشرفته، و طراحی سیستم‌های پیچیده کاربرد گسترده‌ای دارد.

به نام خدا

با سلام و احترام،

از دوستان با تجربه و تخصص بالا در زمینه طراحی آنتن با نرم‌افزار HFSS دعوت به عمل می‌آید تا برای انجام یک همکاری مشترک با ما، درخواست خود را به ایمیل زیر ارسال نمایند:

📧 [email protected]

در صورت داشتن سوابق پژوهشی، سوابق کاری یا مقالات مرتبط در این زمینه، خواهشمندیم آن‌ها را ضمیمه فرمایید.

منتظر همکاری‌های ارزشمند شما هستیم.

با سپاس فراوان

گروه آموزشی اپفا

چگونه مشکل سایز پنجره ها را در لومریکال حل کنیم
لطفا به لینک زیر مراجعه فرمائید
https://optics.ansys.com/hc/en-us/articles/8704739054099-Fixing-graphics-issues-on-high-resolution-displays-on-Windows#:~:text=Enable%20%22High%20DPI%20scaling%20override%22%20and%20Select%20between,and%20apply%20your%20settings%20for%20this%20CAD%20executable

💥💥RF energy harvesting
(برداشت انرژی از امواج رادیویی) یک فناوری است که انرژی را از امواج رادیویی موجود در محیط اطراف مانند سیگنال‌های وای‌فای، بلوتوث، امواج تلویزیون و رادیو، و حتی سیگنال‌های موبایل برداشت می‌کند. این انرژی به مقدار کم در محیط اطراف ما پراکنده است و می‌تواند با کمک آنتن‌های خاص و مدارهای مناسب، جمع‌آوری و ذخیره شود.

کاربردها و اهمیت آن:
این فناوری امکان تامین انرژی برای دستگاه‌های کم‌مصرف، به‌ویژه در زمینه اینترنت اشیا (IoT)، حسگرهای بی‌سیم و دستگاه‌های الکترونیکی با انرژی پایین را فراهم می‌کند. همچنین، این روش به کاهش وابستگی به باتری و هزینه‌های مربوط به تعویض آن کمک می‌کند و در سیستم‌های بدون سیم که دسترسی به باتری یا انرژی جایگزین دشوار است، مورد استفاده قرار می‌گیرد.

پتانسیل‌های پژوهشی:
RF energy harvesting
به عنوان زمینه‌ای تحقیقاتی جدید و جذاب، می‌تواند فرصت‌های زیادی برای پژوهش و توسعه فراهم کند، از جمله:

1. طراحی آنتن‌های کارآمد: بهبود و طراحی آنتن‌هایی که بتوانند بیشترین انرژی را از سیگنال‌های RF با قدرت کم برداشت کنند.

2. مدارهای انرژی‌گیر با راندمان بالا: بهینه‌سازی مدارهای مبدل و یکسوسازهای انرژی برای تبدیل انرژی RF به جریان مستقیم (DC) با حداکثر بازدهی.

3. توسعه ذخیره‌سازی انرژی: مطالعه بر روی باتری‌ها و ابرخازن‌ها برای ذخیره انرژی برداشت‌شده به‌طور کارآمد.

4. کاربردهای خاص: بررسی کاربردهای نوآورانه مانند استفاده در دستگاه‌های پزشکی بی‌سیم، سیستم‌های پایش محیط زیست و سیستم‌های نظارت امنیتی که نیازمند تامین انرژی مداوم و کم‌قدرت هستند.

5. بهبود فاصله برد: مطالعه روی روش‌های افزایش فاصله‌ای که از آن انرژی RF قابل برداشت است، تا بتواند در موارد بیشتری عملیاتی شود.

چالش‌ها:
این حوزه تحقیقاتی همچنین با چالش‌هایی مانند بهره‌وری کم انرژی، تاثیرات محیطی روی سیگنال‌ها، و محدودیت‌های مربوط به میزان انرژی قابل برداشت روبرو است که هرکدام می‌تواند یک موضوع پژوهشی مستقل باشد.

پتانسیل نوآوری و تحقیقات:
با توجه به رشد دستگاه‌های IoT و نیاز به تامین انرژی برای آن‌ها، RF energy harvesting می‌تواند به عنوان یک زمینه تحقیقاتی جدید و جذاب با کاربردهای گسترده مورد توجه قرار گیرد.
@fotonik_ir
www.fotonik.ir

💥 تحولی در جراحی تومورهای مغزی؛ استفاده از تراشه گرافنی برای شناسایی سلول‌های سرطانی


دانشمندان بریتانیایی قصد دارند به‌زودی نخستین آزمایش بالینی تراشه‌ای کاشتنی از جنس گرافن را انجام دهند که توانایی تشخیص سلول‌های سرطانی را دارد. این دستاورد مهم پزشکی می‌تواند انقلابی در جراحی تومورهای مغزی ایجاد کند.
گاردین روز یک‌شنبه ۱۳ آبان در گزارشی نوشت این تراشه مغزی می‌تواند از طریق تفاوت در امواج الکتریکی میان سلول‌های سرطانی و بافت‌های سالم عصبی، سلول‌های سرطانی را شناسایی کند.
نخستین آزمایش روی یک دستگاه پزشکی مبتنی بر گرافن
این دستگاه به اندازه یک تمبر پستی است و از گرافن (Graphene) ساخته شده است.
گرافن نوعی ماده دو‌بعدی، با قدرتی ۲۰۰ برابر بیش از فولاد و تنها به ضخامت یک اتم است که به خاطر ویژگی‌های منحصر به‌ فردش، از جمله رسانایی بالا و استحکام زیاد، در فناوری‌های نوین کاربرد دارد.
حدود ۲۰ سال پیش آندره گایم و کنستانتین نووسلف، دانشمندان دانشگاه منچستر، موفق به ساخت این ماده شدند و در سال ۲۰۱۰ جایزه نوبل فیزیک را برای تحقیقاتشان دریافت کردند.
از آن زمان، دانشمندان برای بهره‌برداری از ویژگی‌های رسانایی شگفت‌انگیز گرافن به‌منظور توسعه حسگرهای الکتریکی و مغناطیسی جدید و سایر دستگاه‌ها تلاش کرده‌اند.
این تراشه مغزی انعطاف‌پذیر که اکنون در بیمارستان سالفورد رویال بریتانیا در حال آزمایش است، به‌عنوان نخستین دستاورد پزشکی از این نوع شناخته می‌شود.
کوستاس کوستارلوس، استاد نانوفناوری پزشکی در منچستر و یکی از مدیران این پروژه، به گاردین گفت: «این اولین آزمایش بالینی است که تاکنون در جهان با استفاده از یک دستگاه پزشکی مبتنی بر گرافن انجام می‌شود.»

کاربرد دستگاه رابط مغز و کامپیوتر

دستگاه رابط مغز و کامپیوتر (BCI) به دست تیمی بین‌المللی از دانشمندان، طراحی و ساخته شده تا امکان نظارت بر امواج الکتریکی سلول‌های مغز را با استفاده از فرکانس‌هایی فراهم کند که پیش‌تر قابل شناسایی نبودند.
کوستارلوس گفت: «کاربرد نخست آن، تشخیص سلول‌های سرطانی از سلول‌های سالم است تا مطمئن شویم جراحی تومورهای مغزی با دقت بسیار بالایی انجام می‌گیرد.»
پزشکان تاکید دارند که چنین هدفی، اهمیتی حیاتی دارد.
سالانه بیش از ۱۲ هزار و ۷۰۰ مبتلا به تومور مغزی در بریتانیا شناسایی می‌شوند و هر سال بیش از پنج هزار مورد مرگ به این بیماری نسبت داده می‌شود.
کوستارلوس افزود: «هر کاری که بتوانیم برای بهبود این آمار انجام دهیم، یک دستاورد بزرگ خواهد بود.


تیم سازنده BCI همچنین معتقد است که این دستگاه به دانشمندان کمک می‌کند تا بسیاری از بیماری‌های دیگر مانند سکته مغزی و صرع را بهتر مطالعه کنند، چرا که درک عمیق‌تری از نحوه انتقال سیگنال‌های الکتریکی توسط سلول‌های سالم در مقایسه با سلول‌های آسیب‌دیده فراهم می‌کند.

کارولینا آگویلار، یکی از بنیان‌گذاران این‌برین نورو‌الکترونیکس (Inbrain Neuroelectronics) است که شرکتی جهانی برای بهره‌برداری از گرافن در پژوهش‌ها و درمان‌های مغزی به شمار می‌رود.

او به گاردین گفت: «این یک نقطه عطف بالینی است که راه را برای پیشرفت در رمزگشایی سیگنال‌های عصبی و کاربرد آن به‌عنوان یک روش درمانی هموار می‌کند.»

سلول‌های مغز از طریق تبادل امواج الکتریکی با یک‌دیگر تعامل می‌کنند؛ فرایندی که پایه و اساس افکار، رفتارها و ادراک ما از جهان است. با این حال، نظارت دقیق بر نحوه ارتباط این سلول‌ها همواره چالشی بزرگ برای دانشمندان بوده است.

کوستارلوس گفت: «ما می‌توانیم برخی از سیگنال‌های الکتریکی منتشر شده از سلول‌های مغز را مطالعه کنیم، اما شناسایی سیگنال‌هایی با فرکانس بسیار پایین یا بسیار بالا در مغز زنده، بسیار دشوار است.»

این پژوهش‌گر افزود: «در حال حاضر فقط سیگنال‌های با فرکانس متوسط قابل نظارت هستند.»

به گفته او، نکته کلیدی این است که تراشه BCI می‌تواند طیف وسیعی از سیگنال‌های الکتریکی با فرکانس‌های بسیار بالا یا پایین را در مغز شناسایی کند.

@fotonik_ir
www.fotonik.ir

انقلاب در ارتباطات فضایی با دستیابی به ارتباط لیزری از فاصله نیم میلیارد کیلومتری.


ناسا به موفقیت چشمگیری در زمینه ارتباطات فضایی دست یافته‌است. این سازمان برای نخستین بار توانست یک پیام لیزری را در فاصله‌ای معادل حدود ۴۹۹ میلیون کیلومتر ارسال کند که دستاوردی بزرگ در عرصه ارتباطات فضایی به شمار می‌رود.
این پیشرفت فن‌آورانه می‌تواند تحولی شگرف در نحوه ارتباط سفینه‌های فضایی با زمین ایجاد کند و مسیر را برای تبادل سریع‌تر و بهتر اطلاعات در کاوش‌های میان‌سیاره‌ای آینده هموار سازد.
بر اساس گزارش دیلی گلکسی این آزمایش موفقیت‌آمیز نشان‌دهنده نقطه عطفی در فن‌آوری فضایی است.
تا پیش از این، ماموریت‌های فضایی برای برقراری ارتباط تنها از امواج رادیویی استفاده می‌کردند. اما سامانه‌های لیزری جدید می‌توانند حجم انتقال داده‌ها را تا ۱۰۰ برابر بیشتر از روش‌های معمول افزایش دهند.
مزایای فن‌آوری لیزری
این دستاورد فراتر از افزایش سرعت ارتباطات است و در واقع گامی بزرگ در گسترش توانمندی‌های انسان در کاوش‌های فضایی به شمار می‌رود.
با افزایش سرعت انتقال داده‌ها، ماموریت‌های آینده قادر به افزایش ظرفیت انتقال داده تا ۱۰۰ برابر نسبت به سیستم‌های رادیویی سنتی خواهند‌ بود و می‌توانند تصاویر و ویدیوهای باکیفیت را سریع‌تر به زمین بفرستند.
با این دستاورد، ارتباط بی‌درنگ با فضاپیماها و کاوشگرهای مریخ برقرار می‌شود، آزمایش‌های علمی پیچیده‌تری را می‌توان در اعماق فضا انجام داد و از ماموریت‌های سرنشین‌دار به مریخ و فراسوی آن پشتیبانی کرد.
تاثیرات این پیشرفت بسیار فراگیر است و می‌تواند شناخت ما از جهان هستی را دگرگون سازد. همان‌گونه که تلسکوپ فضایی هابل تصاویر شگفت‌انگیزی از کهکشان‌های دوردست را ثبت کرد، تلسکوپ‌های فضایی آینده نیز با بهره‌گیری از ارتباطات لیزری می‌توانند مشاهدات دقیق‌تری را به زمین مخابره کنند و دانش ما را از کیهان گسترش دهند.
ماموریت سایکی (Psyche)
در کانون این موفقیت، فضاپیمای سایکی (Psyche) ناسا قرار دارد که به یک سامانه پیشرفته فرستنده و گیرنده لیزری برای برقراری ارتباطات راه دور مجهز شده‌ است.
این ماموریت که در اصل برای بررسی یک سیارک سرشار از فلز طراحی شده‌بود، اکنون به آزمایشگاهی برای این فن‌آوری نوین تبدیل شده‌است.
در این آزمایش موفقیت‌آمیز، ارتباط لیزری با همکاری دو ایستگاه زمینی محقق شد. یکی از این دو ایستگاه، رصدخانه پالومار است که در نقش ایستگاه دریافت‌کننده سیگنال‌های لیزری فعالیت می‌کند به سیستم‌های پیشرفته دریافت و پردازش سیگنال‌های نوری مجهز است و توانایی تشخیص و پردازش سیگنال‌های بسیار ضعیف از فواصل دور را دارد.
تاسیسات تیبل مانتین (Table Mountain) هم که وظیفه ارسال سیگنال‌های لیزری به فضاپیما را بر عهده دارد با بهره‌گیری از لیزرهای قدرتمند هفت کیلوواتی، قادر به ارسال سیگنال‌های دقیق و متمرکز به فضاپیما است.
تاثیر بر ماموریت‌های فضایی جاری
فضاپیمای سایکی با دستاوردهای پیاپی خود، مرزهای امکانات در ارتباطات فضایی را به طور مستمر گسترش داده‌ است.
در زمینه بهبود ارتباطات با مریخ‌نوردها، این فن‌آوری امکان دریافت تصاویر با کیفیت‌تر و حجم بیشتر را فراهم کرده، به کنترل دقیق‌تر عملیات از راه دور کمک نموده و تاخیر در ارتباطات را به طور چشمگیری کاهش داده‌است.
همچنین در بخش ارتقای قابلیت‌های ماموریت‌های علمی، این پیشرفت راه را برای انجام آزمایش‌های پیچیده‌تر هموار ساخته، امکان جمع‌آوری داده‌های دقیق‌تر را میسر کرده و سرعت انتقال نتایج به زمین را به طور قابل توجهی افزایش داده‌است.
پیامدهای این موفقیت برای کاوش‌های میان‌سیاره‌ای آینده
آزمایش موفقیت‌آمیز ارتباط لیزری، افق‌های تازه‌ای را در کاوش‌های فضایی گشوده‌است.
این دستاورد بی‌سابقه در انتقال داده‌ها در گستره‌های پهناور کیهانی می‌تواند توانایی ما را در انجام ماموریت‌های علمی پیچیده در منظومه خورشیدی و فراتر از آن به شکل چشمگیری افزایش دهد.
با بهره‌گیری از این فن‌آوری، ماموریت‌های آینده به مریخ از مزایایی همچون برقراری ارتباط بی‌درنگ با مریخ‌نوردها و کاوشگران احتمالی، انتقال سریع‌تر حجم انبوه داده‌ها شامل تصاویر باکیفیت و اندازه‌گیری‌های علمی و بهبود هماهنگی میان فضاپیماهای مختلف و مرکز کنترل زمینی بهره‌مند خواهند‌ شد.
این پیشرفت همچنین می‌تواند راه را برای ماموریت‌های بلندپروازانه‌تر به سیارات بیرونی و قمرهای آن‌ها هموار سازد. تصور کنید که بتوانیم تصاویری دقیق از اقیانوس‌های زیر سطح قمر اروپا یا با سرعت بالا داده‌هایی از کاوشگری که در حلقه‌های زحل به کاوش می‌پردازد، دریافت کنیم.
عصر نوینی از کاوش‌های فضایی در حال شکل‌گیری است
موفقیت در برقراری ارتباط لیزری از فاصله نیم میلیارد کیلومتری، نقطه عطفی در تاریخ اکتشافات فضایی است.

✅ مهندسی اپتیک و لیزر؛ رشته‌ای ناشناخته با گستره شغلی فراوان و درآمدزا

✍رشته مهندسی اپتیک و لیزر از آن دست تخصص‌های میان رشته‌ای بوده که بنا به ذات خود و ارتباط و درگیری با چند گروه رشته مانند علوم پایه، مهندسی و گروه پزشکی و پیراپزشکی دارای بازار کار و آینده شغلی خوبی است.
🎤 در همین رابطه با شریفه شاهی رئیس مرکز تحقیقات لیزر و بیوفوتونیک و عضو هیئت علمی دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان) گفت‌وگو کرده‌ایم که مشروح آن را با هم می‌خوانیم

🔻معرفی کامل رشته مهندسی اپتیک و لیزر:
https://ana.ir/fa/news/927027

@fotonik_ir
www.fotonik.ir

https://b2n.ir/icbbe

دیوید بیکر، برنده نیمی از جایزه شیمی امسال، در آزمایشگاه اولین پروتئینی را ایجاد کرد که کاملاً با تمام پروتئین‌های شناخته شده متفاوت بود، کاری که قبلاً تصور می‌شد غیرممکن است.
کسانی که قبلاً پروتئین‌های جدیدی ایجاد کرده بودند، تنها قادر به تقلید از ساختارهای موجود بودند. اما ساختار خاص پروتئین موسوم به «تاپ۷» ساخته پروفسور بیکر قبلاً در طبیعت وجود نداشت. همچنین، این پروتئین با ۹۳ اسید آمینه خود، بزرگتر از تمام انواع پروتئین‌ها است که قبلاً تولید و طراحی شده است.
او با ایجاد این پروتئین، راه را برای ایجاد پروتئین‌های جدید برای استفاده در داروسازی، تولید واکسن‌ و محصولات دیگر باز کرد.
پروفسور بیکر پس از اعلام این خبر به کمیته نوبل گفت که «بسیار هیجان‌زده و بسیار مفتخر» است.
او در پاسخ به این سوال که چگونه طلسم ساخت پروتئین‌ جدید را شکسته است، گفت مدیون دانشمندان بزرگ این عرصه است.
او گفت که در خواب بود که با زنگ تلفن خبردار شد برنده شده است و همسرش از شدت هیجان «با صدای بلند شروع به جیغ زدن» کرد.
نیمی از جایزه نقدی حدود ۱ میلیون و ۶۰ هزار دلاری به دیوید بیکر خواهد رسید و نصف دیگر آن بین دمیس حسابیس و جان جامپر تقسیم خواهد شد.
دمیس حسابیس و جان جامپر با استفاده از هوش مصنوعی توانستند ساختار تقریباً همه پروتئین‌های شناخته‌شده را پیش‌بینی کنند.
در سال ۲۰۲۰ میلادی این دو پژوهشگر نوعی هوش مصنوعی به نام «آلفافولد۲» ساختند و با کمک آن توانستند ساختار تقریباً تمام ۲۰۰ میلیون پروتئین شناسایی‌شده را پیش‌بینی کنند. از آن زمان بیش از دو میلیون نفر در ۱۹۰ کشور از مدل هوش مصنوعی آنها استفاده کرده‌اند که در زمینه‌های مختلف کاربرد دارد، از جمله اینکه پژوهشگران با استفاده از آن می‌توانند مقاومت آنتی‌بیوتیکی را بهتر درک کنند و ساختار مولکولی آنزیم‌هایی را تصویرسازی کنند که قادر به تجزیه پلاستیک هستند.
کمیته نوبل این را «یک انقلاب تمام عیار» در شیمی توصیف کرد.
دیوید بیکر متولد سال ۱۹۶۲ در سیاتل آمریکاست و دکترای خود را از دانشگاه کالیفرنیا گرفته است.
دمیس حسابیس متولد ۱۹۷۶ در لندن است. پدرش یونانی-قبرسی و مادرش سنگاپوری است. او پژوهش دکترای خود را در دانشگاه یوسی‌ال لندن انجام داده است و مدیر عامل مرکز پژوهشی «گوگل دیپ‌مایند» در بریتانیا است.
جان جامپر، متولد ۱۹۷۶ در آمریکا است و دکترای خود را از دانشگاه شیکاگو گرفته است. او هم در مرکز پژوهشی «گوگل دیپ‌مایند» در لندن به عنوان پژوهشگر ارشد کار می‌کند.
@fotonik_ir
www.fotonik.ir

نوبل شیمی ۲۰۲۴ به سه دانشمند برای یافته‌های‌شان درباره پروتئین تعلق گرفت
آکادمی سلطنتی علوم سوئد اعلام کرد که نیمی از جایزه نوبل شیمی امسال به دیوید بیکر، آمریکایی و استاد دانشگاه واشنگتن به خاطر «طراحی محاسباتی پروتئین» و نیم دیگر به طور مشترک به دمیس حسابیس، بریتانیایی و جان جامپر، آمریکایی برای کارشان در زمینه «پیش‌بینی ساختار پروتئین» اهدا می‌شود.

پروتئین‌ها اجزای سازنده حیات هستند و در هر سلول
بدن انسان یافت می‌شوند.
@fotonik_ir
www.fotonik.ir

💥اطلاعیه
با سلام
احتراما به اطلاع می رساند از چند ماه پیش 🔥 دوره آموزشی سیلیکون فوتونیک 🔥 از پکیج های آموزشی ما حذف شده است.
لطفا از طریق لینک های قدیمی یا کانال ها و سایت های مشابه برای خرید این پکیج اقدام نفرمائید.
پیشاپیش از همکاری شما سپاسگزاریم


💥پکیج ها و بسته های آموزشی ما
1️⃣ پکیج جامع آموزش لومریکال
لینک خرید
سرفصل

2️⃣ پکیج جامع آموزش کامسول
لینک خرید
سرفصل

3️⃣ پکیج جامع آموزش آرسافت
سرفصل و لینک خرید

4️⃣ پکیج مقدماتی و متوسطه لومریکال
سرفصل و لینک خرید

5️⃣ پکیج جامع آموزش ابزارهای نوین و هوش مصنوعی در نگارش مقالات علمی
لینک خرید
سرفصل

6️⃣ پکیج حامع فیبرهای نوری متداول و بلور فوتونی
سرفصل و لینک خرید




🆔@fotonik_ir
🕸www.fotonik.ir

دوره های آموزش مجازی شش ماه دوم. دانشگاه تهران. به صورت رایگان برگزار میشوند

کمیته نوبل روز سه‌شنبه ۱۷ مهر جایزه نوبل فیزیک سال ۲۰۲۴ را به جان هاپفیلد و جفری هینتون اهدا کرد. این دو برای اکتشافات و اختراعاتی اساسی که یادگیری ماشین را با شبکه‌های عصبی مصنوعی امکان پذیر می‌کند، برنده نوبل فیزیک شدند.

جان جوزف هوپفیلد (متولد ۱۵ ژوییه ۱۹۳۳)، فیزیکدان آمریکایی است که بیشتر به دلیل مطالعاتش در زمینه شبکه‌های عصبی تداعی‌گر در سال ۱۹۸۲ شناخته می‌شود.

این مدل که اکنون به نام شبکه هوپفیلد معروف است، نقش مهمی در توسعه شبکه‌های عصبی مصنوعی و یادگیری ماشینی داشته است.

هوپفیلد در سال ۱۹۵۸ مدرک دکترای فیزیک خود را از دانشگاه کرنل دریافت کرد و به عنوان استاد در دانشگاه‌های معتبر از جمله پرینستون و کلتک فعالیت کرده است.

جفری اورست هینتون (متولد شش دسامبر ۱۹۴۷)، دانشمند بریتانیایی-کانادایی است که در حوزه علوم کامپیوتر و روان‌شناسی شناختی فعالیت می‌کند.

هینتون به عنوان یکی از پیشگامان شبکه‌های عصبی مصنوعی شناخته می‌شود و اغلب از او به نام «پدرخوانده هوش مصنوعی» اسم می‌برند.

او از سال ۲۰۱۳ تا ۲۰۲۳ در گوگل (Google Brain) و دانشگاه تورنتو فعالیت داشت و در سال ۲۰۲۳ به دلیل نگرانی‌هایش درباره خطرات هوش مصنوعی، از کار در گوگل کناره‌گیری کرد.

هینتون همچنین برنده چندین جایزه دیگر از جمله مدال دیراک و جایزه آلبرت اینشتین است و به عنوان یکی از تاثیرگذارترین دانشمندان در زمینه فیزیک و زیست‌شناسی محاسباتی شناخته می‌شود.
@fotonik_ir
www.fotonik.ir

دانشمندانی از آمریکا و کانادا برنده نوبل فیزیک ۲۰۲۴ شدند

کمیته نوبل روز سه‌شنبه ۱۷ مهر جایزه نوبل فیزیک سال ۲۰۲۴ را به جان هاپفیلد و جفری هینتون اهدا کرد. این دو برای اکتشافات و اختراعاتی اساسی که یادگیری ماشین را با شبکه‌های عصبی مصنوعی امکان پذیر می‌کند، برنده نوبل فیزیک شدند.

@fotonik_ir
www.fotonik.ir

پژوهشگران ایرانی پراستناد دو درصد برتر دنیا معرفی شدند + فهرست کامل اسامی

https://didehbanelmiran.ir/52607/
دیده‌بان علم ایران

https://youtu.be/by6lWKZ-PE8?si=Ls5T4DfbF2YoGRhx

دوستان سلام
💎 عضویت در این کانال زیبا واقعا پیشنهاد میشه
✅ عکاس هنرمند: دکتر #محمد_معادی
🌟 از نوابغ و نخبگان علمی ایرانی در خارج از کشور.
❇️ فارغ التحصیل دکترا و پسادکترا از دانشگاه آلبرتا کانادا

💥امیدواریم در یکی از جلسات آنلاین در کلاب هاوس افتخار میزبانی این نخبه ایرانی را داشته باشیم.
@fotonik_ir
www.fotonik.ir

• برای علاقمندان به دیدن عکس و عکاسی از مناظر آرام بخش
• عکاس عکسهای کانال: محمد معادی
• عکس و فیلم از نقاط مختلف جهان به همراه معرفی جاذبه های گردشگری
• تکنیک های ساده ی عکاسی

https://t.me/Maadigram

اینستاگرام:
#maadigram

🌟 خبر هیجان انگیز  🌟

برای برنامه IBM Quantum Fall Fest 2024 در مورد سخت افزار های کوانتومی ابررسانا، به ما بپیوندید! 🍂✨

در کنار متخصصانی چون پروفسور استیون گریوین (دانشگاه ییل)، جان مارتینیس (دانشگاه کالیفرنیا سانتا باربارا)، شانتانو جا (MIT)، دکتر زلاتکو مینو (IBM)، آرچانا کمال (دانشگاه نورث وسترن)،  QuantumPro tutorials (Keysight Technologies)، Meenakshi Singh (دانشگاه کلرادو بولدر)، Alex Ruichao Ma (دانشگاه پردو) و بسیاری دیگر از اساتید برجسته سراسر دنیا محاسبات کوانتومی ابررسانا ها  را بیاموزید !

++++همراه با هکاتون های فوق العاده جذاب
 
📅 تاریخ: [7 اکتبر - 15 نوامبر] 
📍 مکان: [مجازی]

برای اطلاعات بیشتر به آدرس زیر مراجعه کنید:  https://www.ibm.com/quantum/events/fall-fest-2024#sponsored-events و https://qiskit.wixsite.com/fall-fest-2024

این فرصت را برای یادگیری و کشف آینده تحقیقات کوانتومی ابررسانا از دست ندهید!  🚀🔬

اکنون ثبت نام کنید  https://docs.google.com/forms/d/e/1FAIpQLSfsJleBJWYijRShw7W6FmMww5Tfs3X_9rWS-2efAK2cfYfjTQ/viewform

#IBM
#کوانتوم #تحقیق #نوآوری #محاسبات_کوانتومی

#دوره

https://www.linkedin.com/posts/kamran-avanaki-21262945_home-opira-avanaki-activity-7241844184330960904-xLDo?utm_source=share&utm_medium=member_android

دومینو آهنربایی
@Fotonik_ir
Www.fotonik.ir

💥فراخوان | پذیرش پژوهشگر پسادکتری تقاضامحور در دانشگاه صنعتی شریف
B2n.ir/p09836

💥آیا مجله Optik وابسته به الزویر در رتبه‌بندی مجلات فاقد ضریب تأثیر است؟

✍️بله، متأسفانه مجله Optik از فهرست مجلات مورد تأیید پایگاه کلاریویت و نمایه JCR (Journal Citation Reports) حذف شده است. دلایل دقیق این اقدام هنوز به صورت رسمی اعلام نشده است.

🔶این مجله تا سال گذشته دارای ضریب تأثیر حدود 3 بود که نشان‌دهنده‌ی اعتبار و اهمیت آن در میان جامعه علمی بود. اما در اقدامی جدید، ضریب تأثیر این مجله حذف شده است. این موضوع می‌تواند به دلایل مختلفی از جمله تغییر در استانداردهای نمایه‌سازی، سیاست‌های جدید کلاریویت، یا مسائل دیگر مرتبط باشد.
با این وجود، مجله Optik همچنان در پایگاه داده اسکوپوس دارای ضریب کیفی Q2 است. ضریب کیفی Q2 نشان‌دهنده آن است که مجله در نیمه بالایی از نظر کیفیت و تأثیرگذاری قرار دارد. این مجله همچنان به عنوان یک منبع معتبر در زمینه‌های مختلف علمی مورد استفاده پژوهشگران قرار می‌گیرد.

🔅با توجه به این موارد، پژوهشگران باید در انتخاب مجلات برای انتشار مقالات خود دقت کنند و به بروزرسانی‌های اخیر در رتبه‌بندی‌ها و نمایه‌ها توجه ویژه‌ای داشته باشند.
@fotonik_ir
www.fotonik.ir

💥 بهترین دانشگاه‌های جهان در رشته مهندسی برق بر اساس رتبه‌بندی QS 2024
رتبه 1: Massachusetts Institute of Technology (MIT)
- مکان: کمبریج، ایالات متحده
- امتیاز کلی: 97.9
رتبه 2: Stanford University
- مکان: استنفورد، ایالات متحده
- امتیاز کلی: 94.7
رتبه 3: University of California, Berkeley (UCB)
- مکان: برکلی، ایالات متحده
- امتیاز کلی: 91.8
رتبه 4: University of Cambridge
- مکان: کمبریج، انگلستان
- امتیاز کلی: 90.9
رتبه 5: ETH Zurich
- مکان: زوریخ، سوئیس
- امتیاز کلی: 90.4
رتبه 6: National University of Singapore (NUS)
- مکان: سنگاپور
- امتیاز کلی: 90.2
رتبه 7: EPFL – École Polytechnique Fédérale de Lausanne
- مکان: لوزان، سوئیس
- امتیاز کلی: 89.8
رتبه 8: Harvard University
- مکان: کمبریج، ایالات متحده
- امتیاز کلی: 89.8
رتبه 9: University of Oxford
- مکان: آکسفورد، انگلستان
- امتیاز کلی: 89.8
رتبه 10: Nanyang Technological University, Singapore (NTU Singapore)
- مکان: سنگاپور
- امتیاز کلی: 89.7
رتبه 11: Imperial College London
- مکان: لندن، انگلستان
- امتیاز کلی: 88.9
رتبه 12: Tsinghua University
- مکان: پکن، چین
- امتیاز کلی: 88.7
رتبه 13: Georgia Institute of Technology
- مکان: آتلانتا، ایالات متحده
- امتیاز کلی: 86.9
رتبه 14: Delft University of Technology
- مکان: دلفت، هلند
- امتیاز کلی: 86.4
رتبه 15: California Institute of Technology (Caltech)
- مکان: پاسادینا، ایالات متحده
- امتیاز کلی: نامشخص
برای اطلاعات بیشتر و مشاهده جزئیات بیشتر می‌توانید به وب‌سایت QS World University مراجعه فرمائید
@fotonik_ir
www.fotonik.ir

💥رتبه‌بندی دانشگاه‌های ایران بر اساس رتبه‌بندی QS 2024 :

1. دانشگاه صنعتی شریف (Sharif University of Technology)
- رتبه جهانی: 342
- امتیاز کلی: 33

2. دانشگاه تهران (University of Tehran)
- رتبه جهانی: 368
- امتیاز کلی: 31.4

3. دانشگاه صنعتی امیرکبیر (Amirkabir University of Technology)
- رتبه جهانی: 403
- امتیاز کلی: 29.5

4. دانشگاه علم و صنعت ایران (Iran University of Science and Technology)
- رتبه جهانی: 436
- امتیاز کلی: 27.2

5. دانشگاه صنعتی اصفهان (Isfahan University of Technology)
- رتبه جهانی: 489
- امتیاز کلی: 24.5

6. دانشگاه تبریز (University of Tabriz)
- رتبه جهانی: 552
- امتیاز کلی: 22.5

7. دانشگاه شیراز (Shiraz University)
- رتبه جهانی: 691-700
- امتیاز کلی: نامشخص

8. دانشگاه شهید بهشتی (Shahid Beheshti University - SBU)
- رتبه جهانی: 851-900
- امتیاز کلی: نامشخص

9. دانشگاه فردوسی مشهد (Ferdowsi University of Mashhad)
- رتبه جهانی: 951-1000
- امتیاز کلی: نامشخص

این اطلاعات نشان‌دهنده جایگاه برجسته دانشگاه‌های ایران در رتبه‌بندی جهانی و پیشرفت‌های آن‌ها در زمینه‌های مختلف علمی و پژوهشی است. برای اطلاعات بیشتر و جزئیات دقیق‌تر، می‌توانید به وب‌سایت رسمی QS World University Rankings مراجعه کنید.
https://www.topuniversities.com/world-university-rankings?region=Asia&countries=ir&sort_by=rank&order_by=asc

@fotonik_ir
www.fotonik.ir