از الماس در رایانه شما تا داروهای ایمن تر، محققان NIST به آینده سال 2024 و پس از آن نگاه می کنند.

ما از برخی از محققان فوق دکترای NIST – کارکنان اولیه شغلی که اخیراً دکترای خود را به پایان رسانده‌اند – نظرشان را در مورد سؤالاتی که مربوط به سال 2024 و بعد از آن هستند، جویا شدیم، از جمله:

• “کاری که امروز انجام می دهید چه تاثیری بر جامعه در سال های آینده خواهد داشت؟”
• “برای سال 2024 و پس از آن بیشتر از چه تغییرات یا پیشرفت هایی در رشته خود هیجان زده هستید؟”

در اینجا افکار و پیش بینی های آنها است.

ریاضی به ما در ساخت داروهای بهتر کمک می کند – ملیندا کلچینسکی

آنتی بادی ها بخش عمده ای از دفاع ایمنی بدن هستند. هنگامی که واکسن دریافت می کنید، بدن شما برای مبارزه با یک بیماری، مانند کووید-19 یا آنفولانزا، آنتی بادی تولید می کند.

این بیومولکول های بزرگ ساختارهای خاصی دارند که عملکرد آنها را تعیین می کند. پادتن ها بر اساس کارشان در بدن ما متفاوت به نظر می رسند و عمل می کنند. آنها همچنین ممکن است حرکت کنند یا شکل خود را تغییر دهند، مانند یک قطعه مبلمان مدولار با گزینه های مختلف مونتاژ.

من و همکارانم در تلاشیم تا به جامعه زیست پزشکی کمک کنیم تا طیف کاملی از اشکال و حرکات یک آنتی بادی را درک کند. اگرچه شما در حال حاضر آنتی بادی در بدن خود دارید، اما ما با خانواده ای از آنتی بادی های مصنوعی کار می کنیم که می توانند از طریق داروهای تزریقی به بدن وارد شوند که به عنوان آنتی بادی های مونوکلونال شناخته می شوند.

همراه با آنتونی کرسلی، من از تکنیک های ریاضی پیشرفته برای اندازه گیری قسمت های کوچک آنتی بادی استفاده می کنم که به عنوان دامنه شناخته می شود تا بتوانیم آنتی بادی ها را بهتر درک کنیم. در برخی موارد، دامنه ها شکلی شبیه به دونات دارند که سوراخی در وسط دارد و باید ناحیه خالی را در مرکز اندازه گیری کنیم.

من خوش شانس هستم که با شیمیدان کار می کنم کریستینا برگونزو، که شبیه سازی هایی از اشکال مختلف آنتی بادی ها را برای کمک به پیشرفت تحقیقات پزشکی ایجاد می کند. ما می توانیم تغییرات ساختاری را ببینیم که در طول این شبیه سازی ها رخ می دهد.

ما همچنین باید بدانیم که چقدر احتمال دارد یک آنتی بادی شکل یا شکل خاصی به خود بگیرد. پس از محاسبه تغییرپذیری یک آنتی بادی در طول یک شبیه‌سازی، می‌توانیم پیکربندی‌های مختلف را در بسیاری از آنتی‌بادی‌ها جستجو کنیم و میزان رایج بودن آنها را مشخص کنیم.

درک اینکه آیا یک تغییر نادر یا رایج است بر میزان مفید بودن آن در درمان پزشکی تأثیر می گذارد. ما این کار را انجام می دهیم زیرا تنوع در شکل یک دامنه بر نحوه عملکرد داروهای مبتنی بر آنتی بادی، مانند درمان های سرطان، در بدن ما تأثیر می گذارد.

من هیجان زده هستم که ببینم چگونه تحقیقات ما به درک بهتر ساختار متغیر آنتی بادی ها کمک می کند. ما امیدواریم که کار ما ایمنی و نوآوری را در توسعه دارو در آینده ارتقا دهد.

تحولات کوانتومی می تواند دستگاه های ما را بهتر و ایمن تر کند – Akash Dixit

صادقانه بگویم، نمی‌دانم تحقیقات ما در ساخت رایانه‌های کوانتومی چه تأثیری بر جامعه در آینده خواهد داشت. این زیبایی علم است!

به زبان ساده، محاسبات کوانتومی از خواص فیزیک کوانتومی برای انجام کارهای متفاوت نسبت به کامپیوترهای سنتی استفاده می کند. کامپیوترهای کوانتومی می توانند استفاده کنند بیت های کوانتومی، به نام کیوبیت شناخته می شود تا انواع جدیدی از محاسبات، ارتباطات و رمزگذاری را فعال کند. تعجب نخواهم کرد اگر کار ما در جایی کاربرد داشته باشد که من حتی به آن فکر نکرده ام.

در آینده نزدیک، من از همه روش‌هایی که فناوری کوانتومی در زمینه‌هایی که در ابتدا برای آنها توسعه نیافته بود استفاده می‌شود، هیجان‌زده هستم. برای مثال، علاوه بر ساخت رایانه‌های کوانتومی، از همان فناوری کوانتومی برای جستجوی کیهان برای یافتن ماده «تاریک» نامرئی، اندازه‌گیری امواج گرانشی و توسعه دوربین‌های فضایی بهتر برای مطالعه کیهان اولیه استفاده می‌شود.

تراشه های کامپیوتری آماده هوش مصنوعی خواهند شد – مرزهای ویلیام “درو”.

کار من شامل یافتن راه‌هایی برای کارآمدتر کردن رایانه‌ها است، و این به ویژه اکنون که هوش مصنوعی (AI) رایج‌تر شده است، اهمیت دارد. مغز ما بسیار کارآمدتر از کامپیوترها است. من روی پروژه ای کار می کنم که نشان می دهد چگونه می توانید یک تراشه کامپیوتری را طوری آموزش دهید که مانند یک کار کند شبکه عصبی در مغز برای بهبود مصرف انرژی کامپیوترها.

رایانه شما دارای RAM برای کارهای کوتاه مدت و نوع دیگری از حافظه برای ذخیره سازی طولانی مدت برای کارهایی مانند ذخیره فایل های شما است. عملیات هوش مصنوعی در رایانه‌های معمولی انرژی زیادی مصرف می‌کند زیرا باید اطلاعات را بین قسمت پردازش تراشه و حافظه جابه‌جا کنند. اگر تا به حال از یک ابزار هوش مصنوعی مولد سؤالی پرسیده باشید، ممکن است متوجه شوید که دریافت پاسخ ممکن است زمان ببرد. تمام آن رفت و برگشت اطلاعات قدرت را می گیرد.

تحقیقات ما نشان می‌دهد که می‌توانید عملیات هوش مصنوعی را روی حافظه خود تراشه پردازش کنید، بدون اینکه اطلاعاتی به مکان‌های مختلف منتقل شود، که برق زیادی مصرف می‌کند.

ما در حال تحقیق هستیم که چگونه یک دستگاه جدید که به عنوان اتصال تونل مغناطیسی شناخته می شود، می تواند به نشان دادن اثربخشی رویکردهای محاسباتی جدید کمک کند که می تواند با الزامات هوش مصنوعی همراه باشد و به حافظه کامپیوتر اجازه می دهد بر روی داده ها مانند یک شبکه عصبی کار کند. با استفاده از این دستگاه‌های مغناطیسی، که به انرژی زیادی نیاز ندارند، حافظه رایانه می‌تواند هنگام کار بر روی داده‌های هوش مصنوعی انرژی کارآمدتر شود.

اگر تراشه‌ها بتوانند کارآمدتر عمل کنند، به طور بالقوه کاربرد آن‌ها را در مواردی مانند برنامه‌های کاربردی فضای بحرانی گسترش می‌دهید. در فضا، دماهای شدید، تشعشعات و میدان های الکترومغناطیسی می توانند یک تراشه معمولی را نابود کنند.

برخی از گرایش‌ها در این زمینه که من در مورد آنها هیجان‌زده هستم، با مقیاس این شبکه‌ها با استفاده از دستگاه‌های جدید سروکار دارند. ما یک تراشه با 20000 عنصر حافظه داریم. كامپيوترهاي معمولي داراي ميليون ها تا ميلياردها عنصر حافظه هستند و قادر به محاسبه در مقياس بزرگتر هستند. بنابراین، ما باید به تحقیق و یادگیری ادامه دهیم که چگونه می‌توانیم این فناوری را «مقیاس‌سازی» کنیم تا رایانه‌های بیشتری را در مصرف انرژی بهینه کنیم.

به دلایل زیادی مهم است که نشان دهیم این ایده ها چقدر قابل اجرا هستند. بسیاری از محققان در اینجا در NIST و آزمایشگاه‌های دیگر شروع به ایجاد تراشه‌های بزرگ‌تر و بزرگ‌تر با این عناصر حافظه جدید کرده‌اند که علاقه و تلاش خود را در پتانسیلی که به همراه دارند نشان می‌دهند.

آیا دره سیلیکون می تواند به دره الماس تبدیل شود؟ – تری دیولوس

در طول همه گیری، عموم مردم بیشتر در مورد آن یاد گرفتند تراشه های کامپیوتری و تولید آنها چقدر چالش برانگیز است. خودروها و سایر اقلام مصرفی در آن زمان با استرس زنجیره‌های تامین جهانی سخت‌تر و گران‌تر شدند.

اکثر تراشه‌های کامپیوتری موجود در تلفن‌ها، اتومبیل‌ها و سایر چیزهایی که ما هر روز استفاده می‌کنیم از سیلیکون ساخته شده‌اند (از این رو اصطلاح «سیلیکون ولی» را می‌گویند). به طور معمول، دستگاه های سیلیکونی هنوز می توانند در حدود 100 درجه سانتیگراد (215 درجه فارنهایت) کار کنند. متأسفانه، بهره وری انرژی در سیلیکون به طور قابل توجهی از 50 درجه سانتیگراد (یا حدود 130 درجه فارنهایت) شروع به کاهش می کند. اگر لپ‌تاپ شما داغ شود و بعد از مدت کوتاهی باتری از بین برود، ممکن است متوجه یک نسخه کمتر شدید از این شده باشید. ممکن است به نظر نرسد که تراشه های کامپیوتری باید در چنین دماهای بالایی کار کنند. اما برای مثال در خودروها نزدیک موتوری که لوازم الکترونیکی در آن قرار دارد بسیار گرم می شود.

همانطور که ایالات متحده برای بهبود تولید داخلی تراشه های کامپیوتری کار می کند، گروه تحقیقاتی من در حال یادگیری بیشتر در مورد مواد جایگزین سیلیکون برای دستگاه های نیمه هادی، مانند ترانزیستورهای داخل خودروها یا مته های سکوهای نفتی هستند.

بسیاری از دانشمندان بر این باورند که یک راه حل این است که طراحی مواد ترانزیستورهایمان را بهبود بخشیم، به ویژه الماس رشد یافته در آزمایشگاه به عنوان جایگزینی برای سیلیکون. متأسفانه ساخت وسایل الکترونیکی با الماس به چند دلیل چالش برانگیز است. شما باید قطعات بزرگ و با کیفیتی از الماس مصنوعی بسازید. شما همچنین باید مواد را برای کاربردهای دستگاه پردازش کنید، که با نحوه برخورد الماس برای تبدیل شدن به جواهرات متفاوت است. در الکترونیک، این فرآیند مستلزم آن است که الماس مصنوعی را در معرض پلاسمای هیدروژن پر انرژی قرار دهید که اتم های هیدروژن را روی سطح الماس می چسباند.

آزمایشگاه ما در حال حاضر در حال تحقیق بر روی روش‌هایی برای تصفیه الماس با استفاده از تجهیزات آزمایشگاهی استاندارد است که اکثر دانشگاه‌ها و مراکز تحقیقاتی می‌توانند به آن دسترسی داشته باشند، به جای استاندارد فعلی خرید نمونه‌های الماس گران قیمت از شرکت‌ها. در این مورد، اولین هدف ما ارائه آزمایشگاه هایی است که در غیر این صورت قادر به خرید این نمونه های گران قیمت با روشی برای تهیه نمونه های خود نباشند.

با الماس‌های تازه تصفیه شده در آزمایشگاه، هدف بعدی ما طراحی نسل بعدی دستگاه‌های الماس است که می‌توانند در کاربردهای صنعتی واقعی مورد استفاده قرار گیرند.

من از داشتن دستگاه های الکترونیکی قابل اعتمادی که در دمای سیلیکون خراب نمی شوند بسیار هیجان زده هستم. مزیت دیگر این روش این است که این الماس ها مانند یک تکه شیشه کاملا شفاف هستند. بنابراین، می توانید تصور کنید که ما به فانتزی علمی-تخیلی داشتن پنجره های لمسی شفاف روی ماشین ها یا برنامه های مشابه نزدیک می شویم. هنوز برای سال 2024 کاملاً آماده نیست، اما طرح‌های امیدوارکننده‌ای برای فناوری آینده وجود دارد.