واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering
واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering

آینده کسب‌وکار نرم‌افزاری؟ رو به پایین؟

رایورز - درهم‌گسیختگی صنعت فناوری اطلاعات و نرم‌افزار، همزمان با خیزش سریع فضای ابر و نیز «نرم‌افزار به‌عنوان یک سرویس»، همچنان دامن‌گیر بزرگترین شرکت‌های فناوری است.

آنها در آخرین دور از اقدامات جسورانه خود در به‌دست آوردن سهم بازار در این کسب و کار در حال تغییر و تحول، مشتاق شده‌اند تا بسیاری از دارایی‌های نرم‌افزاری خود را کنار بگذارند و بر تلاش‌های خود در فرصت‌های موجود در بازارهای جدید تمرکز داشته باشند.

در همین راستا و به گزارش رایورز به نقل از eweek، قرار است شرکت هیولت‌پکارد دارایی‌های نرم‌افزاری غیراصلی خود را با شرکت Micro Focus ادغام نماید. گفته می‌شود ارزش این معامله ۸.۸ میلیارد دلار خواهد بود.

این قرارداد شامل واگذاری مجموعه‌ای از اجزاء نرم‌افزاری است که اچ‌پی در طول سالیان سال و با سلسله تصاحب‌های خود گرد هم آورده بود و از معروف‌ترین آنها، می‌توان به تصاحب شرکت نگون‌بخت Autonomy Corporation در سال ۲۰۱۱ با قیمت ۱۱ میلیارد دلار اشاره کرد.

اچ‌پی در شراکت با میکروفوکوس، همچنان ۵۰.۱ درصد از سهام را در اختیار خواهد داشت و بنابر گفته‌های خانم مگ ویتمن (مدیرعامل اچ‌پی)، این شرکت به سرمایه‌گذاری خود در سایر زمینه‌ها نیز ادامه خواهد داد. تازه‌ترین تصاحب اچ‌پی (خرید شرکت Silicon Graphics Inc.) نیز گواه این مدعاست.

گفتنی است با اینکه اچ‌پی مجموعاً نزدیک به ۲۰ میلیارد دلار صرف خرید شرکت‌های نرم‌افزاری کرده، اما درآمد نرم‌افزاری این شرکت رو به افول است. در واقع، مطابق برآوردهای تونی ساکوناگی (تحلیلگر مؤسسه پژوهشی Sanford C. Bernestien)، درآمد اچ‌پی در طی شش ماهه نخست سال ۲۰۱۶ در مقایسه با دوره مشابه سال پیش از آن، نزدیک به ۱۲ درصد کاهش داشته است.

 

 

با توجه به چالش‌های ادامه‌دار اچ‌پی در فروش راهکارهای نرم‌افزاری و نیز جا انداختن خود به‌عنوان رهبر حوزه نرم‌افزار، شاید طبیعی به‌نظر برسد که این شرکت از بازسازی‌های اخیر، به‌عنوان فرصتی برای خلاص شدن از کسب‌وکار ناموفق خود استفاده کند.

این شرکت در ماه مه نیز در بخش خدمات فناوری اطلاعات، اقدام مشابهی انجام داد و دست به جداسازی بخش یکصد هزار کارمندی خود زد و آن را با بهای ۸.۵ میلیارد دلار به شرکت CSC واگذار نمود. گفتنی است واحد برون‌سپاری EDS نیز بخشی از این دپارتمان بود. همین، گواهی است بر اشتباهات متعدد شرکت اچ‌پی؛ چرا که بهای گفته شده، بسیار کمتر از آن چیزی بود که اچ‌پی در سال ۲۰۰۸ برای خرید EDS صرف کرده بود؛ یعنی ۱۳.۹ میلیارد دلار.

جالب آنکه اچ‌پی در وادهی دارایی‌های نرم‌افزاری، تنها نیست. شرکت دل نیز به‌تازگی دست به فروش برخی از اجزاء مربوط به مجموعه نرم‌افزاری خود زده تا بتواند برای تصاحب EMC به تأمین منابع مالی بپردازد. این شرکت در ماه ژوئن واحد نرم‌افزاری خود را به شرکت سهامی خاص Francisco Partners Management و نیز شعبه‌ای جدید از شرکت Elliott Management فروخت.

در این میان، مشخص است که دل و اچ‌پی مایلند از شر واحدهای تجاری خود که عملکرد قابل قبولی ندارند، خلاص شوند و در عرصه نرم‌افزاری شروع جدیدی داشته باشند.

اما هر دو شرکت برای اثبات خود در بازار، حتی با چالش‌های بیشتری هم روبه‌رو خواهند شد؛ چرا که آنها نیازهای نرم‌افزاری مشتریان سازمانی خود را نادیده می‌گیرند و در خلاف جریان آب شنا می‌کنند.

گوگل الگوریتم یادگیری ماشینی خود را در اختیار عموم مردم قرار داد

الگوریتم‌های یادگیری ماشین پیشروی کسب‌وکارها
بسیاری از ما تمایل داریم برای انجام بعضی از فعالیت‌های خود از یادگیری ماشینی استفاده کنیم. اما طراحی این الگوریتم‌ها به توانایی‌های فردی و تسلط بر مفاهیم ریاضی و برنامه‌نویسی باز می‌گردد. اما گوگل این فرآیند را برای ما ساده ساخته است.

از این پس هر شخصی برای خودکارسازی هوشمندانه کارهای خود می‌تواند الگوریتم ارائه شده از سوی گوگل را مورد استفاده قرار داده و آن‌را با پروژه‌های کاربردی خود ادغام کند. این تصمیم گوگل باعث خواهد شد تا بسیاری از کسب‌وکارها به راحتی بتوانند مدل‌های پیشرفته یادگیری ماشینی را بر مبنای پژوهش‌های کاربردیشان پیاده‌سازی کنند. گوگل الگوریتم یادگیری ماشینی مبتنی بر رایانش ابری خود را در قالب نسخه بتا در اختیار عموم کاربران قرار داده است. این شرکت در نظر دارد بعد از گذشت چند ماه نسخه آلفا را به صورت اختصاصی منتشر کند. این ابزار فرآیند آموزش مدل‌ها را ساده‌تر کرده و از سرعت بالاتری در زمینه آموزش بهره می‌برد. مهم‌تر آن‌که الگوریتم فوق با زیرساخت رایانش ابری گوگل نیز می‌تواند ادغام شود.


مطلب پیشنهادی

الگوریتم‌ها، کلاود، اینترنت اشیا، داده‌ها

این الگوریتم نه تنها در بخش خدمات پس از فروش مشتریان (یادگیری نحوه پاسخ‌گویی خودکار به پرسش‌ها و شکایات)، بلکه به منظور انجام فعالیت‌های تکراری، یکنواخت و همچنین فعالیت‌های سنگین و طاقت‌فرسا می‌تواند مورد استفاده قرار گیرد. گوگل در وبلاگ این شرکت گفته است: "Airbus Defense all space " که یکی از مشتریان این الگوریتم است، موفق شده است از این ابزار به منظور شناسایی و اصلاح تصاویر ماهواره‌ای که دارای مشکلاتی بوده‌اند استفاده کند.


مطلب پیشنهادی

تعریف‌ها، کاربردها و بررسی حوزه‌های هم‌پوشان

این سازمان گفته است: «ابزار یادگیری ماشین گوگل به ما کمک کرده است با دقت بیشتری به تجزیه و تحلیل تصاویر ماهواره‌ای بپردازیم. به ‌طوری‌که سرانجام بعد از گذشت چند دهه بر این مشکل چیره شدیم.» سرعت و سهولت استفاده از مهم‌ترین فاکتورهایی هستند که الگوریتم‌های گوگل بر آن تاکید دارند. برای نیل به این هدف، این شرکت آزمایشگاه راه‌حل‌های پیشرفته یادگیری ماشینی موسوم به MLASL را راه‌اندازی کرد. این آزمایشگاه به شرکت‌ها اجازه می‌دهد با مهندسان گوگل به منظور حل مشکلات پیچیده به تعامل بپردازند. گوگل همچنین سرویس Cloud Start را ویژه کسب‌وکارها راه‌اندازی کرده است. این سرویس به کسب‌وکارها کمک می‌کند اصول اولیه رایانش ابری و فرصت‌هایی که به واسطه یادگیری ماشین در اختیار آن‌ها قرار می‌گیرد را بیاموزند. هر چند این سرویس عمدتا برای استارت‌آپ‌ها و کسب‌وکارهایی با اندازه متوسط کاربرد دارد، اما گوگل در نظر دارد، مخاطبان حداکثری را جذب کند.


مطلب پیشنهادی

مثال‌هایی از کاربری بازمهندسی ماشینی در صنعت

گوگل همچنین یک برنامه برای اهدای گواهی به افرادی که در زمینه طراحی، آموزش و استقرار مدل‌های یادگیری ماشینی به فعالیت اشتغال دارند، معرفی خواهد کرد. گوگل تنها شرکت بزرگ دنیای فناوری نیست که در تلاش است مفاهیم هوش مصنوعی را به شکلی ساده در اختیار همگان قرار دهد. فیس بوک نیز کدهای مربوط به ساخت چت روبات‌ها و فناوری تشخیص چهره هوشمندانه خود را به صورت عمومی به اشتراک قرار داد.

روسیه توپ رادیوالکترونیک جدیدی آزمایش کرد


 روسیه یک سلاح جدید رادیوالکترونیک یا توپ مایکروویو را با موفقیت آزمایش کرد که هواپیماها، پهپادها و کلاهک های جنگی موشک ها را با استفاده از شلیک فرکانسی بدون استفاده از پرتاب مواد منفجره از کار می اندازد.

به گزارش ایرنا، این سلاح را شرکت دولتی سازنده تجهیزات نظامی (UIMC) وابسته به شرکت صنایع دفاعی روس تک (شرکت فناوری های پیشرفته روسیه)، ساخته است.

یک مقام شرکت دولتی سازنده تجهیزات نظامی به خبرگزاری روسیا سگودنیا در باره سلاح رادیوالکترونی گفت: این جنگ افزار با توان تولید فرکانس بسیار بالا، در نمایشگاه نظامی سال گذشته وزارت دفاع روسیه به صورت خصوصی رونمایی شد. 

بنا به مشخصات اعلام شده، نوع آزمایش شده سلاح رادیو الکترونی می تواند تا شعاع 10 کیلومتری، حریم هوایی امن با زاویه 360 درجه در اطراف خود ایجاد کند و تجهیزات الکترونیکی دقیق هر هواپیما، پهپاد و موشک های هدایت شونده ای را که در مسیر رادار آن قرار گیرد، از کار بیاندازد. 

عملکرد این سلاح پیچیده پرتو افکن به گونه ای است که در تیررس فرکانس های تجهیزات الکترونیک نصب شده روی اهداف خود در ارتفاع کم و همچنین کلاهک های تسلیحات بسیار دقیق، قرار نمی گیرد.

به گزارش رسانه ها، این سلاح به شکلی طراحی شده است که می توان آن را بر روی ساختارهای سامانه پدافند هوایی بوک نیز نصب کرد. 

روزنامه نوویه ایزوستیا در شماره امروز خود با اشاره به آزمایش موفق سلاح رادیوالکترونی جدید روسیه نوشت: این سلاح به لحاظ عملکرد در جهان بی نظیر و بی رقیب است و هنگامی که روی سکوی ویژه ای نصب شود، اطراف خود دیوار دفاعی ایجاد می کند. 
منبع: ایرنا

گوگل بزرگ‌ترین ابزار محاسباتی تاریخ بشریت را می‌سازد

هیولای 48 کیوبیتی می‌آید
گوگل برای آن‌که خود را به قدرت بلامنازع در زمینه کامپیوترهای کوانتومی تبدیل کند، در حال آماده شدن است. مهندسان این شرکت در سکوت کامل خبری در حال کار روی رایانش کوانتومی هستند.

گوگل در نقطه‌ای از کالیفرنیا در حال طراحی دستگاهی است که انقلابی در حوزه محاسبات به وجود خواهد آورد. این دستگاه یک کامپیوتر کوانتومی است. بزرگ‌ترین دستگاهی که بشر در زمینه محاسبات آن‌را طراحی کرده است. این دستگاه قرار است به منظور حل مسائل عجیب و غریب فیزیک مورد استفاده قرار گیرد. به طوری که این مسائل را بهتر از ابرکامپیوترهای امروزی حل کند. New Scientist گزارش کرده است: «این دستگاه زودتر از آن چیزی که تصور می‌کنید، ساخته خواهد شد. حتا این احتمال وجود دارد که این دستگاه تا پایان سال آینده میلادی ساخته شود.»

انقلاب محاسبات کوانتومی قدمتی بس طولانی داشته و به دهه 80 میلادی باز می‌گردد. در آن دهه نظریه‌پردازان آگاه شدند کامپیوتری بر مبنای قوانین مکانیک کوانتومی به طور بالقوه بهتر از کامپیوترهای رایج و کلاسیک می‌تواند وظایف خاص را انجام دهد. اما طراحی فیزیکی این کامپیوترها خود چالش بزرگی بود. تا به امروز تلاش‌های مختلفی در این زمینه انجام شده است. اما گوگل در نظر دارد جزء یکی از اولین شرکت‌هایی باشد که چنین کامپیوترهایی را طراحی کرده‌اند. برنامه‌های گوگل در این زمینه مخفیانه دنبال می‌شوند و گوگل سعی می‌کند در این زمینه کمتر اظهارنظر کند. اما پژوهشگران در تماس‌های خصوصی که با دانشمندان این شرکت برقرار کرده‌اند، متقاعد شده‌اند که گوگل در آستانه دستیابی به یک موفقیت بزرگ است.

سیمون دویت، در مرکز Riken گفته است: «آن‌ها بدون شک راهبری این‌گونه محاسبات را به دست خواهند گرفت. جای هیچ‌گونه شکی در این زمینه وجود ندارد.» ماه گذشته میلادی (سپتامبر) مهندسان این شرکت بی سر و صدا در مقاله‌ای عنوان کردند به شکل منحصر به فردی موفق به طراحی یک کامپیوتر کوانتومی شدند. این اولین کامپیوتر کوانتومی جهان است که می‌تواند محاسباتی که هیچ کامپیوتر کلاسیکی از عهده انجام آن‌ها بر نمی‌آید را انجام دهد. اسکات آرونسون از دانشگاه تگزاس گفته است: «گوگل طرحی را در دست اجرا دارد تا ظرف چند سال آینده کامپیوتر کوانتومی خود را طراحی کند. این شرکت کار روی ساخت کامپیوتر 50 کیوبیتی را آغاز کرده است. این کامپیوتر در شرایطی ساخته خواهد شد که نمونه آزمایشی فعلی تنها 9 کیوبیتی است.»


مطلب پیشنهادی

شبیه‌ساز کوانتومی مایکروسافت در دسترس عموم قرار گرفت

به دلیل محدودیت‌هایی که محاسبات کلاسیک با آن‌ها روبرو هستند، گوگل از ادیسون که یکی از پیشرفته‌ترین ابرکامپیوترهای جهان بوده و در مرکز محاسبات تحقیقات انرژی علمی ملی (NERSC) امریکا مستقر است، استفاده کرد. گوگل از این کامپیوتر به منظور شبیه‌سازی رفتار مدارهای کوانتومی روی شبکه فزاینده‌ای از کیوبیت‌ها در ابعاد 7x6 که برابر با 42 کیوبیت است استفاده کرد. اندازه روبه رشد این شبکه نه تنها فرآیند محاسبات را با پیچیدگی روبرو می‌کند، بلکه به حافظه بسیار زیادی برای ذخیره‌سازی داده‌ها نیاز دارد. یک شبکه 6x4 تنها به 268 مگابایت حافظه نیاز دارد. این مقدار حافظه کمتر از حافظه‌ای است که در گوشی‌های هوشمند از آن استفاده می‌شود. اما یک شبکه 6x7 به 70 ترابایت حافظه نیاز دارد که 10 هزار برابر بیشتر از کامپیوترهای شخصی است. گوگل در همین نقطه متوقف شده است به دلیل این‌که در حال حاضر اندازه بزرگ‌تر دست یافتنی نیست.

یک شبکه 48 کیوبیتی به 2,252 پتابایت حافظه نیاز دارد که تقریبا به فضایی دو برابر بیشتر از فضایی که قوی‌ترین ابرکامپیوتر جهان به آن تجهیز شده است، نیاز دارد. اگر گوگل این مشکل را حل کند، قادر خواهد بود هر کامپیوتری در جهان را شکست دهد. 

ساخت کوچکترین ترانزیستور جهان توسط دانشمند ایرانی

توسط دانشمند ایرانی در آمریکا انجام شد

ساخت کوچکترین ترانزیستور جهان

علی جاوه‌ای

علی جاوه‌ای، دانشمند ایرانی دانشگاه کالیفرنیا در برکلی و همکارانش با استفاده از نانولوله‌های کربنی و روان‌ساز موتور موفق به ساخت کوچکترین ترانزیستور جهان شده است.

به گزارش ایسنا به نقل از سای‌تک، اندازه ترانزیستورها از اهمیت بسیار زیادی در ارتقای فناوری رایانه برخوردارند. ترانزیستورهای سیلیکونی کوچکتر دارای قدرت محاسباتی بیشتری هستند و پردازشگرها را سریع‌تر و کارآمدتر می‌سازند اما سیلیکون از محدودیت‌های خاص خود برخوردار است.

ترانزیستورها دارای سه پایانه موسوم به تخلیه، منبع و درگاه هستند. جریان از منبع به پایانه تخلیه جریان می‌یابد؛ سپس توسط درگاه مورد کنترل قرار می‌گیرد که بسته به ولتاژ اعمال شده، خاموش و روشن می‌شود.

از آنجایی که سیلیکون چنین جریان آزادی از الکترون را ممکن می‌سازد، ذرات با کوچک شدن درگاه، از میان آن عبور می‌کنند. زمانیکه این مساله اتفاق می‌افتد، ترانزیستور دچار نشت انرژی می‌شود.

اکنون پرفسور علی جاوه‌ای یک جایگزین برای ترانزیستورها تولید کرده که منجر به ساخت کوچکترین ترانزیستور جهان با درگاهی به قطر یک نانومتر شده است. برای مقایسه، یک رشته موی انسان حدود 50 هزار نانومتر است.

جاوه‌ای و همکارانش توانستند این کار را با استفاده از نانولوله‌های کربنی و دی‌سولفید مولیبدن(MoS2) انجام دهند که یک روان‌کننده موتور ماشین است. این ماده جزء خانواده‌ای از مواد با قابلیت کاربری در لیزرها، سلول‌های خورشیدی، ال‌ای‌دی‌ها و ترانزیستورهای با ابعاد نانو است.

ماده MoS2 مانند سیلیکون دارای ساختار شبکه‌ای بلوری است اما الکترون‌ها به سادگی سیلیکون در آن حرکت نمی‌کنند و کنترل‌شده‌تر هستند.

این تحقیق در مجله ساینس منتشر شده است.