قیمت طلا امروز




 سایت باشگاه خبرنگاران / ۱۴۰۵/۰۵/۰۷

از کلاس درس تا فناوری پزشکی؛ دانش‌آموزی که با ساخت ایمپلنت هوشمند استخوان هزینه درمان را ۴۰ درصد کاهش داد

پژوهشگر نوجوان ایرانی با توسعه یک نانوکامپوزیت مغناطیسی، فناوری را معرفی کرده که می‌تواند روند ترمیم شکستگی‌های استخوان را تسریع کرده و هزینه درمان را کاهش دهد.
 از کلاس درس تا فناوری پزشکی؛ دانش‌آموزی که با ساخت ایمپلنت هوشمند استخوان هزینه درمان را ۴۰ درصد کاهش داد

باشگاه خبرنگاران جوان؛ پریزاد اقبالی - غزل عطایی، دانش‌آموز پایه دوازدهم و پژوهشگر حوزه مهندسی پزشکی، در گفت‌و‌گو با خبرنگار علمی باشگاه خبرنگاران جوان از طراحی و توسعه یک نانوکامپوزیت بیوسرامیکی مغناطیسی برای ترمیم شکستگی استخوان خبر داد و گفت: این فناوری با کاهش نیاز به جراحی دوم، می‌تواند هزینه درمان را حدود ۴۰ درصد و مدت زمان بهبود بیماران را تا ۶۰ درصد کاهش دهد و در عین حال وابستگی کشور به ایمپلنت‌های وارداتی را نیز کاهش دهد.

وی با اشاره به چالش‌های درمان شکستگی‌های استخوانی اظهار کرد: در روش‌های متداول، بیماران پس از شکستگی یا جراحی، معمولاً از گچ، آتل یا ایمپلنت‌های فلزی استفاده می‌کنند. هزینه این روش‌ها از چند میلیون تا بیش از ۱۵۰ میلیون تومان متغیر است و در صورت استفاده از ایمپلنت‌های خارجی، هزینه‌ها به ۲۰۰ تا هزار دلار نیز می‌رسد. علاوه بر هزینه بالا، دوره درمان نیز بین چهار تا ۱۲ هفته به طول می‌انجامد و در بسیاری از موارد بیمار برای خارج کردن پلاتین یا ایمپلنت، نیازمند انجام یک عمل جراحی مجدد است.

عطایی افزود: در این طرح، نانوکامپوزیتی بیوسرامیکی با خاصیت مغناطیسی تولید شده که از ترکیب چند نانوذره داخلی ساخته شده است. این ماده پس از قرار گرفتن در محل شکستگی، تحت تأثیر میدان مغناطیسی قرار می‌گیرد و روند ترمیم استخوان را تسریع می‌کند. بخش مورد نیاز این ماده به مرور جذب بدن می‌شود و مابقی نیز از طریق فرآیند‌های طبیعی دفع خواهد شد؛ بنابراین بیمار دیگر نیازی به جراحی دوم برای خارج کردن ایمپلنت نخواهد داشت.

به گفته این پژوهشگر، استفاده از این فناوری می‌تواند هزینه درمان را از حدود ۴۰ درصد کاهش داده و دوره بهبود را از چهار تا شش هفته به حدود دو تا چهار هفته برساند. همچنین به دلیل استفاده از نانوذرات تولید داخل، زمینه کاهش وابستگی به تجهیزات وارداتی و جلوگیری از خروج سالانه ۱۲ تا ۱۵ میلیون دلار ارز از کشور نیز فراهم می‌شود.

وی با بیان اینکه بخش عمده تجهیزات مورد استفاده در جراحی‌های ارتوپدی وارداتی است، تصریح کرد: تولید داخلی این محصول علاوه بر صرفه‌جویی ارزی، موجب کاهش تعداد اعمال جراحی، افزایش ظرفیت پذیرش بیماران در مراکز درمانی و کاهش مصرف تجهیزات یک‌بارمصرف می‌شود که آثار اقتصادی و زیست‌محیطی قابل توجهی به همراه دارد.

عطایی درباره وضعیت فعلی پروژه گفت: مطالعات آزمایشگاهی و شیمیایی این طرح به پایان رسیده و آزمون‌هایی نظیر XRD، VSM، TG و سایر آزمایش‌های تخصصی با موفقیت انجام شده است. همچنین مقاله علمی این پژوهش منتشر شده و از نظر علمی مورد تأیید قرار گرفته است. در حال حاضر، پروژه در مرحله ثبت اختراع و دریافت مجوز‌های لازم برای انجام آزمون‌های حیوانی قرار دارد.

وی مهم‌ترین مانع پیش‌روی تجاری‌سازی این فناوری را دشواری دریافت کد اخلاق برای انجام مطالعات حیوانی عنوان کرد و افزود: به دلیل دانش‌آموز بودن اعضای تیم، فرآیند اخذ مجوز‌ها زمان‌بر شده است. در حال حاضر نیز مذاکراتی برای همکاری با یک آزمایشگاه تخصصی در حال انجام است تا پس از انعقاد قرارداد، آزمایش‌های حیوانی آغاز شود و امکان ارزیابی عملکرد محصول پیش از ورود به مطالعات انسانی فراهم شود.

این پژوهشگر با اشاره به سابقه فعالیت خود گفت: فعالیت‌های پژوهشی را حدود شش سال پیش آغاز کردم و از دوران دبیرستان به‌طور جدی وارد حوزه مهندسی پزشکی و نانوپزشکی شدم. اگرچه در رشته ریاضی تحصیل می‌کنم، اما هدفم ادامه تحصیل در رشته مهندسی پزشکی و فعالیت در حوزه طراحی و توسعه فناوری‌های نوآورانه پزشکی است.

عطایی با انتقاد از کمبود حمایت‌های نهادی از پژوهشگران دانش‌آموز اظهار کرد: یکی از مهم‌ترین مشکلات، جلب اعتماد به تیم‌های دانش‌آموزی و فراهم نبودن زیرساخت‌های لازم برای ادامه تحقیقات است. در بسیاری از موارد، دانش‌آموزان برای استفاده از امکانات آزمایشگاهی با محدودیت‌های جدی مواجه هستند و همین موضوع روند توسعه فناوری را کند می‌کند.

وی همچنین از نبود حمایت مؤثر برخی نهاد‌های مرتبط گلایه کرد و گفت: تاکنون از سوی آموزش‌وپرورش، ستاد توسعه فناوری‌های نانو و میکرو و سایر نهاد‌های مسئول، حمایت عملی قابل توجهی از این طرح صورت نگرفته است. در حالی که پژوهش‌سرا‌های دانش‌آموزی باید بستری برای رشد استعداد‌های پژوهشی باشند، در برخی موارد نه تنها کمکی به پژوهشگران نمی‌کنند، بلکه انگیزه دانش‌آموزان برای انجام فعالیت‌های تحقیقاتی را نیز کاهش می‌دهند.

این دانش‌آموز پژوهشگر با اشاره به دستاورد‌های علمی خود افزود: این طرح موفق شده است در رویداد «استارت‌دموی نانو» دانشگاه صنعتی امیرکبیر رتبه سوم را در میان شرکت‌های فعال حوزه نانوپزشکی کسب کند. همچنین به عنوان تنها تیم دانش‌آموزی حاضر در رویداد «تینکفو» رتبه نخست را به دست آورده و در جشنواره‌های مختلف علمی و پژوهشی نیز عناوین برتر را کسب کرده است. از مهم‌ترین افتخارات فردی من نیز می‌توان به دریافت عنوان «پژوهشگر برتر کشور» و «نوبل ایرانی» اشاره کرد.

عطایی در پایان تأکید کرد: ایران از نظر تولید مقالات علمی جایگاه مناسبی دارد، اما در تبدیل پژوهش‌ها به فناوری‌های کاربردی و تجاری‌سازی آنها هنوز با چالش‌های جدی روبه‌رو است. اگر همکاری میان آموزش‌وپرورش، مراکز پژوهشی، بنیاد‌های علمی و نهاد‌های حمایتی تقویت شود، بسیاری از ایده‌های دانش‌آموزی می‌توانند به فناوری‌های مؤثر و محصولات دانش‌بنیان تبدیل شوند و نقش مهمی در حل مسائل کشور ایفا کنند.



۲ روز قبل / ۱۴۰۵/۰۵/۲۷ / سایت شهرآرانیوز

هوش مصنوعی ناسا می‌تواند مناطق طوفان‌زای خورشید را ۱۲ ساعت زودتر شناسایی کند

شهرآرانیوز؛ پژوهشگران ناسا یک مدل هوش مصنوعی به نام COFFIES توسعه داده‌اند که می‌تواند با بررسی نشانه‌های بسیار ظریف در زیر سطح خورشید، محل شکل‌گیری مناطق فعال خورشیدی را پیش از آشکارشدن آنها روی سطح این ستاره پیش‌بینی کند. این مناطق فعال می‌توانند منشأ شراره‌های خورشیدی و فوران‌های عظیم ذرات موسوم به خروج جرم از تاج خورشیدی (CME) باشند.

این دستاورد اهمیت زیادی برای پیش‌بینی آب‌وهوای فضایی دارد؛ زیرا فوران‌های شدید خورشیدی می‌توانند ماهواره‌ها، ارتباطات رادیویی، سامانه‌های موقعیت‌یابی و حتی شبکه‌های برق روی زمین را تحت تأثیر قرار دهند. هوش مصنوعی چگونه فعالیت پنهان خورشید را پیدا می‌کند؟

مشکل اصلی دانشمندان این است که منطقه فعال خورشیدی در ابتدا در اعماق خورشید شکل می‌گیرد و تا زمانی که به سطح نرسیده باشد، مستقیماً قابل مشاهده نیست.

با این حال، حرکت میدان‌های مغناطیسی و پلاسمای درون خورشید اثرات بسیار ظریفی بر امواج صوتی و جریان‌های درونی خورشید ایجاد می‌کند. مدل COFFIES با استفاده از داده‌های مربوط به میدان‌های مغناطیسی و جریان‌های داخل خورشید تلاش می‌کند این نشانه‌های ضعیف را شناسایی کند.

در نتیجه، به جای اینکه دانشمندان منتظر ظاهرشدن لکه خورشیدی روی سطح بمانند، هوش مصنوعی می‌تواند نشانه‌های اولیه شکل‌گیری آن را از قبل تشخیص دهد. ۱۲ ساعت زمان اضافه برای پیش‌بینی طوفان خورشیدی

بر اساس نتایج اعلام‌شده توسط ناسا، COFFIES قادر است برخی مناطق فعال خورشیدی را تا حدود ۱۲ ساعت پیش از ظاهرشدن آنها روی سطح خورشید شناسایی کند.

این ۱۲ ساعت ممکن است در مقیاس زمانی فعالیت خورشید بسیار کوتاه به نظر برسد، اما برای سامانه‌های زمینی زمان ارزشمندی است.

اگر دانشمندان بتوانند احتمال شکل‌گیری یک منطقه فعال و سپس وقوع یک فوران را زودتر تشخیص دهند، اپراتورهای ماهواره‌ها و شبکه‌های ارتباطی می‌توانند اقدامات احتیاطی بیشتری انجام دهند.

البته باید یک نکته مهم را در نظر گرفت: این مدل مستقیماً وقوع یک طوفان خورشیدی که به زمین برخورد خواهد کرد را ۱۲ ساعت زودتر پیش‌بینی نمی‌کند. آنچه مدل در این مرحله پیش‌بینی می‌کند، شکل‌گیری مناطق فعال خورشیدی است؛ این مناطق ممکن است بعداً محل وقوع شراره‌های خورشیدی یا فوران‌های دیگر شوند. چرا طوفان‌های خورشیدی خطرناک هستند؟

خورشید دائماً ذرات و انرژی به فضا منتشر می‌کند، اما گاهی فعالیت آن به‌طور ناگهانی افزایش می‌یابد. یکی از مهم‌ترین رویدادها شراره خورشیدی است که می‌تواند تابش شدیدی تولید کند.

نوع دیگری از رویدادهای قدرتمند، خروج جرم از تاج خورشیدی یا CME است. در این پدیده حجم عظیمی از پلاسمای مغناطیسی با سرعت زیاد از خورشید به فضا پرتاب می‌شود.

اگر چنین ابری به سمت زمین حرکت کند، برخورد آن با میدان مغناطیسی زمین می‌تواند یک طوفان ژئومغناطیسی ایجاد کند.

طوفان‌های شدید ممکن است باعث اختلال در ارتباطات رادیویی، کاهش دقت GPS، ایجاد مشکل برای ماهواره‌ها و افزایش جریان‌های القایی در شبکه‌های برق شوند. همچنین می‌توانند باعث شکل‌گیری شفق‌های قطبی در مناطقی بسیار دورتر از قطب‌ها شوند. ناسا از داده‌های تلسکوپ خورشیدی برای آموزش AI استفاده کرده است

یکی از منابع مهم داده برای این پژوهش، مشاهدات رصدخانه دینامیک خورشیدی ناسا (SDO) است.

SDO سال‌هاست از خورشید تصویربرداری می‌کند و اطلاعاتی درباره میدان‌های مغناطیسی، حرکت مواد و فعالیت‌های سطحی و زیرسطحی خورشید در اختیار دانشمندان قرار می‌دهد.

مدل‌های یادگیری ماشین می‌توانند حجم بسیار بزرگی از این داده‌ها را بررسی کنند و الگوهایی را پیدا کنند که تشخیص آنها با روش‌های سنتی دشوار است. ناسا نیز طی سال‌های اخیر استفاده از یادگیری ماشین را برای بهبود پیش‌بینی آب‌وهوای فضایی دنبال کرده است.

در ادامه حتما بخوانید فضانوردان آرتمیس ۲ در «رد راکس»؛ جایی شبیه ماه و مریخ از خاطرات سفر به دور ماه گفتند در ادامه حتما بخوانید عکس روز ناسا | تاج طلایی‌رنگ خورشید یک مدل دیگر هم نشانه‌های خورشیدی را زودتر تشخیص می‌دهد

جالب اینکه تقریباً هم‌زمان، گروهی از پژوهشگران مؤسسه فناوری نیوجرسی (NJIT) نیز مدل هوش مصنوعی دیگری به نام EarlyDetect معرفی کرده‌اند.

این مدل با استفاده از داده‌های SDO توانسته است نشانه‌های شکل‌گیری مناطق فعال خورشیدی را به‌طور متوسط حدود ۹.۲۴ ساعت پیش از قابل مشاهده شدن آنها روی سطح خورشید شناسایی کند.

EarlyDetect به‌ویژه به تغییرات بسیار ظریف در امواج صوتی خورشید و میدان‌های مغناطیسی توجه می‌کند. این امواج مانند نوعی «ردپا» از فعالیت‌های درونی خورشید عمل می‌کنند. چرا پیش‌بینی زودهنگام اهمیت دارد؟

فناوری‌های مدرن به‌شدت به شرایط فضایی وابسته شده‌اند. هزاران ماهواره برای ارتباطات، اینترنت، موقعیت‌یابی، هواشناسی و تصویربرداری از زمین در مدار فعالیت می‌کنند.

یک طوفان خورشیدی شدید می‌تواند برای برخی از این سامانه‌ها مشکل ایجاد کند. بنابراین حتی افزایش چند ساعت در زمان هشدار می‌تواند فرصت بیشتری برای تصمیم‌گیری ایجاد کند.

برای مثال، در صورت دریافت هشدار مناسب، اپراتورها می‌توانند برخی فعالیت‌های حساس ماهواره‌ها را محدود کنند، وضعیت سامانه‌های ارتباطی را بررسی کنند یا برای اختلال احتمالی در ارتباطات و GPS آماده شوند. آیا هوش مصنوعی می‌تواند وقوع طوفان خورشیدی را دقیق پیش‌بینی کند؟

مدل‌های جدید یک گام مهم در جهت پیش‌بینی زودهنگام فعالیت خورشید هستند، اما نمی‌توانند با قطعیت بگویند یک منطقه فعال دقیقاً چه زمانی یک شراره قدرتمند یا CME ایجاد خواهد کرد و آیا این رویداد مستقیماً زمین را هدف خواهد گرفت یا خیر.

به همین دلیل، پژوهشگران همچنان در حال ترکیب مدل‌های هوش مصنوعی با داده‌های ماهواره‌ای، مدل‌های فیزیکی خورشید و سامانه‌های پیش‌بینی آب‌وهوای فضایی هستند.

در همین راستا، مأموریت PUNCH ناسا نیز در آزمایش اولیه خود توانسته است زمان رسیدن یک فوران خورشیدی به نزدیکی زمین را با خطایی حدود ۳۰ دقیقه پیش‌بینی کند؛ رویکردی که می‌تواند در کنار مدل‌های پیش‌بینی‌کننده فعالیت‌های خورشیدی، سامانه‌های هشدار آینده را قدرتمندتر کند. آینده پیش‌بینی طوفان‌های خورشیدی با هوش مصنوعی

ترکیب هوش مصنوعی و فیزیک خورشیدی می‌تواند در سال‌های آینده زمان هشدار درباره فعالیت‌های خطرناک خورشید را افزایش دهد.

اگر مدل‌های جدید بتوانند نه‌تنها شکل‌گیری مناطق فعال، بلکه احتمال وقوع شراره، قدرت آن، جهت حرکت CME و زمان احتمالی رسیدن آن به زمین را نیز با دقت بالاتری پیش‌بینی کنند، بشر می‌تواند برای نخستین بار به یک سامانه هشدار نسبتاً پیشرفته برای طوفان‌های فضایی دست پیدا کند.

دستاورد COFFIES ناسا در همین مسیر قرار دارد: استفاده از هوش مصنوعی برای پیدا کردن نشانه‌هایی که هنوز برای چشم انسان و ابزارهای معمول قابل مشاهده نیستند.