همکاری TEMPEST با مرکز تحت حمایت NSF به مقابله با آشفتگی می‌رود

به‌روزرسانی: 1 دقیقه مطالعه

Date:

ییل به یک مرکز جدید با تأمین مالی بنیاد ملی علوم می‌پیوندد که بر فهم و کنترل آشفتگی تمرکز دارد؛ مسئله‌ای که بر سامانه‌هایی از اقیانوس‌ها و جو تا راکتورهای همجوشی و فضاپیماها اثر می‌گذارد. همکاری ۳۰ میلیون دلاری TEMPEST که در دانشگاه ایالتی میشیگان مستقر است، نظریه، محاسبات، هوش مصنوعی و آزمایش‌ها را برای توسعه مدل‌های پیش‌بینی‌کننده برای کاربردهای مهم ترکیب خواهد کرد.

نکات کلیدی

  • بنیاد ملی علوم در ۲۶ اوت، کمک‌هزینه ۳۰ میلیون دلاری TEMPEST را اعلام کرد.
  • TEMPEST مخفف «کاوش‌های تحول‌آفرین در چندفیزیک و مهندسی آشفتگی علمی» است.
  • این مرکز در دانشگاه ایالتی میشیگان مستقر خواهد بود و آنا گیلبرت و راجیت مانوهر از ییل را دربر می‌گیرد.
  • هدف این همکاری، ساخت مدل‌های پیش‌بینی‌کننده برای آشفتگی دنیای واقعی و سخت‌افزار محاسباتی لازم برای اجرای آن‌ها است.

این موضوع برای دانشگاه‌ها و پژوهشگران چه معنایی دارد

TEMPEST یک تلاش پژوهشی میان‌نهادی ایجاد می‌کند که فیزیک، ریاضیات، مهندسی و هوش مصنوعی را به هم پیوند می‌دهد. نقش ییل شامل کار بر هوش مصنوعی و یادگیری ماشین آگاه از فیزیک، تصمیم‌گیری درباره داده‌های آزمایشی و معماری‌های محاسباتی است؛ در حالی که پژوهشگران سراسر مرکز، نظریه، آزمایش‌ها و محاسبات را پیرامون مسائل آشفتگی به هم متصل خواهند کرد.

این مرکز پژوهشگرانی از ییل، دانشگاه ایالتی میشیگان، دانشگاه بیلور، دانشگاه آبرن، دانشگاه روچستر، دانشگاه ایالتی سن‌خوزه و دانشگاه تگزاس ای‌اند‌ام-کورپوس کریستی را گرد هم می‌آورد. آزمایشگاه ملی لس‌آلاموس، آزمایشگاه‌های ملی ساندیا، آزمایشگاه ملی لارنس لیورمور، پاسیفیک فیوژن و جنرال اتمیکس به‌عنوان شرکای بدون تأمین مالی فهرست شده‌اند.

همکاری TEMPEST چه کاری انجام خواهد داد؟

TEMPEST در پی فهم و کنترل آشفتگی در شرایط دنیای واقعی خواهد بود؛ شرایطی که در آن چندین اثر فیزیکی می‌توانند در مقیاس‌های گوناگون با هم برهم‌کنش داشته باشند. پژوهشگران آن نظریه، محاسبات، روش‌های هوش مصنوعی و آزمایش را یکپارچه خواهند کرد تا برای کاربردهایی که برخورد قابل‌اعتماد با آشفتگی در آن‌ها اهمیت دارد، مدل‌های پیش‌بینی‌کننده بسازند.

آشفتگی مدت‌هاست یکی از مسائل حل‌نشده فیزیک بوده است. حالت‌های استاندارد کتاب‌های درسی می‌توانند یک سیال معمولی، یک هندسه ساده و یک اثر فیزیکی را جدا کنند و میان مقیاس‌های بزرگ حامل انرژی و مقیاس‌های کوچک‌ترِ محل اتلاف انرژی تفکیک ایجاد کنند. در چنین شرایطی، آشفتگی می‌تواند آمارهای جهان‌شمول نشان دهد و شبیه‌سازی‌ها می‌توانند برای مقیاس‌های حل‌نشده از قواعد عمومی استفاده کنند.

بسیاری از محیط‌های عملی و افراطی از این شرایط ساده‌شده پیروی نمی‌کنند. میدان‌های مغناطیسی، تابش، شیمی و اثرات در مقیاس ذره می‌توانند در پدیده‌هایی مانند آشفتگی راکتور همجوشی، جریان پیرامون یک فضاپیمای بازگشتی و آشفتگی در یک ستاره در حال مرگ، هم‌زمان عمل کنند. کار این مرکز برای پرداختن به این چشم‌انداز پیچیده‌تر در نظر گرفته شده است.

ییل چگونه به این مرکز کمک خواهد کرد؟

آنا گیلبرت، استاد آمار و علم داده جان سی. مالون در دانشکده هنر و علوم ییل، کار توصیف‌شده به‌عنوان پیونددهنده هوش مصنوعی و یادگیری ماشین مرکز را رهبری خواهد کرد. گروه او با ریاضی‌دانان کار خواهد کرد تا ویژگی‌های اثبات‌پذیر سامانه‌های فیزیکی را به محدودیت‌هایی برای مدل‌ها تبدیل کند و با استفاده از داده‌ها، نتایجی را شناسایی کند که ممکن است ارزش اثبات بیشتر داشته باشند.

گروه گیلبرت همچنین با آزمایشگران درباره اینکه چه داده‌هایی گردآوری شود و چه مقدار اندازه‌گیری انجام گیرد کار خواهد کرد تا اندازه‌گیری‌ها معنادار باشند. در سراسر کاربردها، این کار شامل تحلیل، معیارسنجی، اعتبارسنجی و راستی‌آزمایی روش‌های محاسباتی و تقریب‌های ریاضی، در کنار یکپارچه‌سازی آن‌ها با نتایج تجربی، خواهد بود.

راجیت مانوهر، استاد جان سی. مالون مهندسی برق و رایانه و علوم رایانه در دانشکده مهندسی ییل، بر ماشین‌هایی تمرکز خواهد کرد که توان اجرای مدل‌ها را دارند. گروه او معماری‌های محاسباتی، از جمله تراشه‌های بدون ساعت را بررسی خواهد کرد که همراه با الگوریتم‌های مرتبط طراحی شده‌اند تا از کسری از توان موردنیاز سخت‌افزار کنونی استفاده کنند.

چرا مدل‌سازی بهتر آشفتگی اهمیت دارد؟

دانشمندان می‌گویند درک بیشتر از آشفتگی می‌تواند به چالش‌هایی در سراسر علم و مهندسی کمک کند. آشفتگی در جابه‌جایی انرژی، انتشار آلاینده‌ها و گرما در اقیانوس‌ها و جو، حرکت سیال در کارخانه‌های فرآوری شیمیایی و رفتار پلاسما در محیط‌های افراطی نقش دارد.

هدف اعلام‌شده تنها توسعه مدل‌ها نیست، بلکه توسعه مدل‌ها و سخت‌افزاری است که بتوان به آن‌ها اعتماد کرد، زیرا بر فیزیک مرتبط بنا شده‌اند. این تمرکز، کار ریاضی، آزمایشی، هوش مصنوعی و سخت‌افزاری مرکز را به هم پیوند می‌دهد.

پرسش‌های متداول

همکاری TEMPEST چیست؟

TEMPEST که مخفف «کاوش‌های تحول‌آفرین در چندفیزیک و مهندسی آشفتگی علمی» است، یک مرکز علمی و فناوری با تأمین مالی NSF و مستقر در دانشگاه ایالتی میشیگان است. این مرکز پژوهشگران فیزیک، ریاضیات، مهندسی و هوش مصنوعی را برای فهم و کنترل آشفتگی گرد هم خواهد آورد.

TEMPEST چه میزان بودجه دریافت کرد؟

بنیاد ملی علوم در ۲۶ اوت، کمک‌هزینه ۳۰ میلیون دلاری TEMPEST را اعلام کرد. این بودجه از کار مرکز بر مدل‌های پیش‌بینی‌کننده آشفتگی دنیای واقعی و رویکردهای محاسباتی مرتبط پشتیبانی می‌کند.

Share post:

Subscribe

Popular

More like this
Related

اسلواکیا ملی بورسیه پروگرام کے لیے ۲۰۲۶/۲۰۲۷ کے موسمِ گرما کی درخواستیں کھل گئیں

اسلواک جمہوریہ کی حکومت سے مالی اعانت یافتہ اور ایس اے آئی اے کے زیرِ انتظام اس پروگرام میں ۲۰۲۶/۲۰۲۷ تعلیمی سال کے موسمِ گرما کے لیے درخواستیں شروع ہو گئی ہیں۔ یونیورسٹی طلبہ، ماسٹرز و پی ایچ ڈی کے طلبہ، اساتذہ، محققین اور فنکار ۳۱ اکتوبر ۲۰۲۶ تک درخواست دے سکتے ہیں۔

کنسرت «نور در جهان» پروژه موسیقی خیابان بلور در تورنتو برای بورسیه‌های موسیقی مقدس دانشگاه تورنتو برگزار می‌شود

کنسرت رایگان آدونت و کریسمس در کلیسای متحد ترینیتی-سنت پلز تورنتو با حضور شش گروه کر و ۱۲ سرود تازه، برای حمایت از بورسیه‌های کارشناسی ارشد موسیقی مقدس در کالج امانوئل برگزار می‌شود.

رئیس دانشکده حقوق دانشگاه رِنمین از ام‌سی‌آی بازدید کرد تا درباره همکاری دانشگاهی گفت‌وگو کند

نمایندگان دانشکده حقوق دانشگاه رِنمین چین در ۹ اکتبر ۲۰۲۶ از مؤسسه چین منچستر در دانشگاه منچستر بازدید کردند تا درباره همکاری‌های احتمالی دانشگاهی، از جمله پژوهش مشترک، سمینارها و تبادل‌های علمی، گفت‌وگو کنند.

پیش‌بینی «نقاط واژگونی» با هوش مصنوعی: پژوهش گروهی از کلتک، تغییرات ناگهانی را در مدل‌های اقلیم و جریان هوا پیش‌بینی کرد

یک تیم به رهبری کلتک می‌گوید مدل تازه‌ای از هوش مصنوعی می‌تواند نقاط واژگونی را در شبیه‌سازی‌های ساده‌شده اقلیم و جریان هوا پیش‌بینی کند؛ از ناپدیدشدن ابرهای کم‌ارتفاع تا گذار واماندگی بال در آیرودینامیک.