مهم ترین تکنولوژی های 2021

مهم ترین تکنولوژی های 2021

موسسه مهندسین برق و الکترونیک امروز نتایج نظرسنجی از افسران ارشد اطلاعات (CIO) و افسران ارشد فناوری (CTO) در ایالات متحده ، انگلستان ، چین ، هند و برزیل در مورد مهم ترین تکنولوژی های کلی 2021 و تأثیر همه گیر COVID-19 در مورد سرعت پذیرش فناوری آنها گزارشی ارائه دادند و انتظار می رود صنایع در سال آینده بیشترین تأثیر را بر فناوری داشته باشند. هوش مصنوعی و یادگیری ماشینی ، 5G و IoT مهمترین فناوریهای سال 2021 خواهند بود و در این امر موجب می شود تا نقطه عطفی در فناوری پدیدار شود.

کدام یک از مهم ترین تکنولوژی ها در سال 2021 خواهند بود؟

در میان کل پاسخ دهندگان ، تقریباً یک سوم (32٪) می گویند هوش مصنوعی و یادگیری ماشین و به دنبال آن 5G (20٪) و IoT (14٪). براساس بررسی انجام شده توسط  CIOs و CTOS ، تولید (19٪) ، بهداشت و درمان (18٪) ، خدمات مالی (15٪) و آموزش (13٪) صنایعی هستند که بیشتر تأثیر را از فناوری در سال 2021 خواهند گرفت. در همان زمان ، بیش از نیمی (52٪) CIO و CTO بزرگترین چالش خود را در سال 2021 مربوط به جنبه های بهبود COVID-19 در رابطه با عملیات تجاری می دانند.این چالش ها شامل ساختار دورکاری هیبریدی دائمی و اداری (22٪) ، بازگشایی و بازگشت دفاتر و تأسیسات (17٪) و مدیریت کار از راه دور دائمی (13٪) است. با این حال ، 11٪ اظهار داشتند که تسریع برای متوقف کردن و شروع ابتکارات فناوری اطلاعات با ادامه این محیط غیر قابل پیش بینی بزرگترین چالش آنها خواهد بود. 11٪ دیگر تهدیدهای امنیتی آنلاین ، از جمله تهدیدهای مربوط به کارگران از راه دور ، را بزرگترین چالشی که در سال 2021 مشاهده می کنند ذکر کردند.

پذیرش فناوری ، شتاب و آمادگی در برابر بلایا به دلیل COVID-19

CIO ها و CTO های مورد بررسی به دلیل همه گیری ، در اتخاذ برخی از فناوری ها سرعت بیشتری دارند:

بیش از نیمی از (55٪) پاسخ دهندگان سرعت پردازش رایانش ابری را تسریع کرده اند
52٪ سرعت 5G را تسریع کرده اند
51٪ هوش مصنوعی و یادگیری ماشین را تسریع کرده اند
پذیرش فناوری های اینترنت اشیا ((42٪) ، واقعیت افزوده و واقعیت مجازی (35٪) و کنفرانس ویدیویی (35٪) نیز به دلیل همه گیری جهانی تسریع شده است.

در مقایسه با یک سال پیش ، CIO و CTO با اکثریت قریب به اتفاق (92٪) معتقدند شرکت آنها آمادگی بیشتری برای پاسخگویی به وقفه های احتمالی فاجعه بار مانند نقض داده ها یا یک فاجعه طبیعی دارد. علاوه بر این ، از کسانی که می گویند آمادگی بیشتری دارند ، 58٪ کاملاً موافقند که COVID-19 آمادگی آنها را تسریع می کند. وقتی از آنها سوال شد که کدام فناوری ها بیشترین تأثیر را در بهبود COVID-19 دارند ، از هر چهار نفر یک نفر (25٪) پاسخش هوش مصنوعی و یادگیری ماشین بود.

امنیت سایبری

دو نگرانی اصلی برای CIO ها و CTO ها در مورد امنیت سایبری سازمان آنها مسائل امنیتی مربوط به نیروی کار سیار است از جمله کارمندانی که دستگاه های خود را به کار می آورند (37٪) و اطمینان از امنیت اینترنت اشیا (IoT) (35 ٪) این تعجب آور نیست ، زیرا تعداد دستگاه های متصل مانند تلفن های هوشمند ، تبلت ها ، سنسورها ، روبات ها و هواپیماهای بدون سرنشین به طرز چشمگیری در دیجیتال مارکتینگ حال افزایش است. کمی بیش از یک سوم (34٪) از پاسخ دهندگان CIO و CTO گفتند که می توانند 26-50٪ از دستگاههای متصل به تجارت خود را ردیابی و مدیریت کنند ، در حالی که 20٪ از شرکت کنندگان گفتند که می توانند 51-75٪ از دستگاه های متصل را کنترل و مدیریت کنند.

ایندکس شدن خلاصه محتوا توسط گوگل

ایندکس شدن خلاصه محتوا توسط گوگل

گوگل در توییتر تأیید کرده است: چگونه Google قسمت های یک صفحه را ایندکس یا نمایه سازی می کند. پس معنی این ایندکس شدن برای سئو چیست؟ Google نوشت: “این تغییر به این معنی نیست که ما جداگانه صفحات را ایندکس می کنیم. ما هنوز صفحات را فهرست بندی می کنیم و اطلاعات مربوط به کل صفحات را برای رتبه بندی در نظر می گیریم. اما اکنون می توانیم قسمت هایی از صفحات مانند خلاصه محتوا را نیز به عنوان یک عامل رتبه بندی اضافی در نظر بگیریم … ” این کار را به این خاطر انجام می دهند زیرا وقتی شما دقیقا چیز خاصی را می خواهید جستجو کردن برای شما سخت تر می شود.

آیا تمرکز گوگل بر ایندکس شدن خلاصه محتوا یا قسمت هایی از صفحه است ؟

گوگل همچنان مانند گذشته کل صفحه را ایندکس می کند اما برای اینکه نتیجه های بهتری بدست بیاید سیستم های Google هنگام تعیین بیشترین ارتباط در مقایسه با آنچه قبلاً بیشتر به آن صفحه نگاه می کردیم ، محتوا و معنی آن را در نظر می گیرند. بنابراین ایندکس کردن در اینجا تغییری نکرده است. این بیشتر یک تغییر در نحوه رتبه بندی Google بر اساس آنچه در صفحه وب شما پیدا می کند است.

Google در اینجا به چه سیگنالهایی نگاه می کند؟

پیش از این ، سیستم های Google برخی از سیگنال های قوی تر درباره یک صفحه به عنوان مثال ، عناوین صفحه یا عناوین زیر شاخه را بررسی می کردند تا بدانند بیشترین نتیجه مربوط به یک جستجو کدام است. گرچه اینها هنوز فاکتورهای مهمی هستند ، اما این سیستم جدید برای شناسایی صفحاتی که دارای یک بخش جداگانه هستند و به ویژه با درخواست شما مطابقت دارند مفید است ، حتی اگر بقیه صفحه مربوط به موضوعی کمی متفاوت یا به طور کلی کمتر مرتبط باشد.

آیا برچسب های هدر اهمیت بیشتری خواهند داشت؟

در حالی که برچسب های عناوین سیگنال های بسیار مهمی هستند ، اما ممکن است هنگام باز شدن عنوان ، هدر ها دارای اهمیت بیشتری باشند. باز هم ، گوگل به طور کلی در مورد سیگنال های رتبه بندی خاص و در مورد هدرها به عنوان یک سیگنال رتبه بندی توضیحی نداد. آنها همیشه درکی از کلمات کلیدی و عبارات موجود در اسناد داشته اند ، اما اغلب مواردی مانند عنوان صفحه سیگنال های بسیار محکمی بودند که به آنها در ارائه بهترین صفحات کلی کمک می کردند. اکنون Google می تواند آن سوزن را در انبار کاه پیدا کند و با توجه به اطلاعات موجود در گذر گاه ها، مهمترین نتیجه را ظاهر کند. باز هم ، گفتن اینکه کدام سیگنال های خاص در اینجا مهم هستند ، سخت است.

آیا این مانند قطعه های ویژه (snipped features) نیست؟

این چه تفاوتی با قطعه ویژگی ها(snipped features) دارد ، جایی که Google بخشی از محتوای شما را به عنوان پاسخ در بالای نتایج جستجوی Google نشان می دهد? گوگل گفت سیستم های آن از طریق درک قسمتهای مختلف ، ارتباط هر سند وب را تعیین می کنند. از طرف دیگر ، قطعه های ویژه مرتبط ترین قسمت را در سندی مشخص می کند که به طور کلی تشخیص داده مربوط به متن صفحه است.

این الگوریتم محتوا در کجا بیشتر کاربرد دارد؟

گوگل گفت: “این برای پرسش هایی مفید است که در آن مقدار مشخصی از اطلاعات شخص مورد نظر در یک قسمت از صفحه پنهان شده است که لزوماً موضوع اصلی آن صفحه نیست.” برای مثال [چگونه BERT در جستجوی گوگل کار می کند] را جستجو می کنیم ، ممکن است قبلاً Google نتایج مختلفی را به دست آورده باشد که به نظر می رسد در کل مرتبط هستند. شاید Google اخباری درباره BERT که به جستجوی Google می آمد را بازگردانده باشد. این خبر ممکن است در واقع مستقیماً به این س سوال پاسخ ندهد. اکنون اگر یک صفحه واقعاً گسترده دارید که در مورد یک مطلب است و در آن صفحه گسترده ، یک بخش BERT وجود دارد که در واقع نحوه کار BERT را توضیح می دهد. حتی اگر بقیه صفحه خیلی مرتبط نباشد و آن صفحات دیگر BERT و جستجوی Google مرتبط تر به نظر برسند ، سیستم های جدید Google می توانند آن یک قسمت را بزرگنمایی کرده و آن صفحه را بالاتر رتبه بندی کنند.

اکنون می توانیم نه تنها صفحات وب را ، بلکه مقاطع جداگانه از آن صفحات را فهرست بندی کنیم. همانطور که در بالا به آن اشاره کردیم سیستم ایندکس شدن در گوگل تغییر نکرده است ، فقط توانایی Google در تجزیه یک قسمت مربوطه که ممکن است در یک صفحه باشد و قبلاً شانس رتبه بندی نداشته باشد ، تغییر کرده است. این تا حدی سماتیک است ، اما درک نحوه کارکرد فناوری نیز مهم است.

با ویرا سگال کارو همراه باشید

یادگیری ماشینی در آزمایشگاه های شیمی

یادگیری ماشینی در آزمایشگاه های شیمی

یادگیری ماشینی به طور گسترده ای در علوم و آزمایشگاه های شیمی برای طراحی دارو و سایر فرایندها مورد استفاده قرار گرفته است. مدل هایی که به طور آینده نگر برای نتایج واکنش جدید آزمایش می شوند و برای تقویت درک انسان برای تفسیر تصمیمات واکنش شیمیایی گرفته شده توسط چنین مدل هایی مورد استفاده قرار می گیرند ، بسیار محدود هستند. گوراو چوپرا ، استادیار شیمی تجزیه و فیزیک در کالج علوم پوردو گفت: “ایجاد واکنش های جدید و سریع برای طراحی کتابخانه های شیمیایی در کشف دارو ضروری است.” “ما یک واکنش چندکاره ای جدید ، سریع و یک گلدان از N-sulfonylimines ایجاد کرده ایم که به عنوان یک مورد نماینده برای تولید داده های آموزشی برای مدل های یادگیری ماشین ، پیش بینی نتایج واکنش و آزمایش واکنش های جدید به روش آینده نگرانه کور استفاده شده است.

 یادگیری ماشینی در آزمایشگاه های شیمی چه نقشی دارد

چوپرا گفت که رویکرد یادگیری ماشین قابل تفسیر توسط تیم Purdue ، که به عنوان نمودار جریان واکنش شیمیایی معرفی شده است ، می تواند برای بررسی واکنش هر MCR یا هر واکنش شیمیایی گسترش یابد. این به روباتیک در مقیاس بزرگ نیاز ندارد ، زیرا این روش ها می توانند توسط شیمی دانان هنگام آزمایش غربالگری در آزمایشگاه های خود مورد استفاده قرار گیرند. این کار با سایر نوآوری ها و تحقیقات آزمایشگاه های Chopra که اعضای تیم آن برای ثبت اختراع فن آوری های متعدد با دفتر بنیاد تحقیقات Purdue همکاری می کنند ، همسو است. برای کسب اطلاعات بیشتر در مورد اختراعات ثبت شده آنها ، با [e-mail] تماس بگیرید.کروپال جتهاوا ، دانشجوی فوق دکترا در آزمایشگاه Chopra ، که یکی از نویسندگان این اثر است ، گفت: “استفاده بی سابقه از یک مدل یادگیری ماشین در تولید نمودار جریان واکنش شیمیایی به ما کمک کرد تا واکنش واکنش های مختلف N-sulfonylimin مختلف را که به طور سنتی در MCR ها استفاده می شوند ، درک کنیم.” “ما معتقدیم که کار دستی با شیمی دانهای آلی و محاسباتی راهی جدید برای حل مشکلات پیچیده واکنش شیمیایی برای سایر واکنش ها در آینده خواهد داشت.”

طراحی لوگو باید ها و نباید ها

طراحی لوگو باید ها و نباید ها

لوگو ها واقعاً مهم هستند. طراحی آنها می تواند دلهره آور باشد اما برای هر مشاغل ضروری است و سنگ بنای هر برند تجاری خوب یا حتی یک برند شخصی است. شما می خواهید لوگو شما توضیح دهد که شما کی هستید و چه کاری انجام می دهید ، چرا آن را انجام می دهید و چگونه آن را انجام می دهید. آن را در پست های اجتماعی ، عرشه های ارائه ، مواد بازاریابی ، کارت های بازرگانی و موارد دیگر قرار خواهید داد. این یک کار کوچک برای انجام یک گرافیک سنگین است ، درست است؟

یک طراحی لوگوی خوب باید:

چشم نواز باشید
بی وقت باش
به یاد ماندنی باشید

برترین باشید

بزرگ یا کوچک خوب کار کنید
جنبش تجاری خود را در بر بگیرید

چند نکته برتر در زمینه طراحی لوگو:

یک تصویر هزار کلمه را بیان می کند

لوگو نمایشی بصری از برند شماست ،پس وقتی می توانی به آنها نشان دهید که چه کار میکنید چرا برای مشتریان خود بیان کنید ؟ از آیکون های ساده برای برقراری ارتباط با مشتریان خود استفاده کنید.

از فضای خالی برای تمیز نگه داشتن طرح لوگوی خود استفاده کنید

شما باید اطمینان حاصل کنید که افراد می توانند لوگوی شما را از راه دور بخوانند ، یا اگر آن را واقعا کوچک است – “تمیز نگه داشتن” آن به این مهم دست می یابد. در اینجا می توانیم بفهمیم که چگونه برند Savana Yoga از فضای خالی برای ایجاد احساس آرامش استفاده کرده است.

از اشکال استفاده کنید

شکل ها واقعا یک روش عالی برای برجسته نشان دادن لوگوی شما هستند. یک آرم برای یک شرکت حقوقی ، نام شرکت را در جعبه ها قرار می دهیم تا به یک ظاهر حرفه ای دست پیدا کنیم.می توان از اشکال با طیف یا بافت جالب استفاده کرد تا طراحی شما را به سطح بالاتری برساند. در اینجا ، شرکت FX Technology از یک طیف آبی به زرد استفاده کرده است تا ظاهری زیبا بدست آورد. آنها از یک نماد لپ تاپ در داخل حلقه استفاده کرده اند ، اما بسته به مشاغل شما می توان آن را به راحتی به یک دسته گل ، یک لیوان نوشیدنی یا یک دسته وزن تغییر داد.

لوگوی خود را تصور کنید

هنگام طراحی آرم خود سعی کنید حتما به موارد استفاده شده آن فکر کنید – آیا می خواهید از آن در لباس فرم استفاده کنید یا فقط برای طراحی وب سایت شما مناسب است؟ می توانید از برنامه های آنلاین استفاده کنید تا ببینید لوگوی شما درجاهای مختلف چگونه است.

رنگ برای طراحی خوب آرم کلیدی است

تک رنگ همیشه به معنی سیاه و سفید نیست! گاهی اوقات سیاه و سفید ممکن است در چشمان ما خشن به نظر برسد ، به خصوص اگر سعی در ایجاد احساس ذن داریم. می توانید از سایه های متنوع یکرنگ برای ایجاد تضادهای ظریف در لوگوی خود استفاده کنید.

نسل بعدی کامپیوتر های کوانتومی

نسل بعدی کامپیوتر های کوانتومی

هانیول کامپیوتر های کوانتومی نسل بعدی خود را با نام System Model H1 معرفی کرده است که از دستگاه متمایز شارژ کوانتومی متصل شده (QCCD) و فناوری یون گیر افتاده با طراحی آماده برای به روزرسانی سریع در طول عمر خود بهره می برد. کامپیوتر کوانتومی جدید این شرکت در ابتدا 10 کیوبیت کاملاً متصل ، حجم کوانتومی اثبات شده 128 و ویژگی های منحصر به فرد مانند اندازه گیری مدار میانی و استفاده مجدد از کیوبیت را ارائه می دهد. این تمام ماجرا نیست، هانیول متعهد شده است که طی پنج سال آینده حجم کوانتومی رایانه های کوانتومی خود را حداقل به ترتیب سالانه افزایش دهد.

کامپیوتر های نسل بعدی کوانتومی هانیول چه ویژگی هایی دارد ؟

شرکت ها از طریق یک مدل مبتنی بر اشتراک می توانند به طور مستقیم به سیستم مدل H1 خود از طریق API ابری و همچنین از طریق Microsoft Azure Quantum و شرکای کانال از جمله Zapata Computing و Cambridge Quantum Computing دسترسی پیدا کنند. رئیس شرکت Honeywell Quantum Solutions تونی اوتلی در یک بیانیه مطبوعاتی توضیح داد که چگونه نسل H1 رایانه های کوانتومی آن در طول عمر خود به طور مداوم به روز می شود ، :

“نقشه راه محاسبات کوانتومی تهاجمی Honeywell تعهد ما در دستیابی به مقیاس تجاری برای تجارت کوانتومی ما را نشان می دهد. مدل مبتنی بر اشتراک ما دسترسی مشتریان پیشرفته موجود به Honeywell را برای مشتریان سازمانی نیز فراهم می کند. روش منحصر به فرد Honeywell ما را قادر می سازد تا به طور سیستماتیک و مداوم” H1 ”  از طریق افزایش تعداد کیوبیت ، حتی وفاداری بالاتر و تغییرات ویژگی منحصر به فرد، سیستم ها را ارتقا دهیم. “

سیستم مدل H1

هانیول علاوه بر سیستم اعلام کامپیوتر جدید کوانتومی مدل H1 خود ، تأیید کرده است که در حال حاضر فعالیت های متقابل برای نسل آینده سیستم مدل H2 خود و همچنین فعالیت های توسعه پشتیبانی از نسل H3 خود و فراتر از آن را آغاز کرده است. طبق گفته اوتلی ، تقاضا برای دسترسی به کامپیوتر کوانتومی این شرکت در میان مشتریان سازمانی زیاد است ، وی گفت:

“معرفی سیستم مدل H1 یک نقطه عطف مهم در شکل دهی و تسریع توسعه محاسبات کوانتومی و آوردن توان آن به شرکت ها است. ما در سال 2020 تقاضا سر به فلک کشیدیم و از همکاری با مشتریانی که می خواهند از طریق محاسبات کوانتومی. ” هانیول همچنین نشان داد که DHL و Merk آخرین شرکت های سازمانی هستند که به رایانه کوانتومی آن دسترسی دارند. این سازمان ها قبلاً طیف گسترده ای از موارد استفاده از محاسبات کوانتومی را که شامل داروها و تدارکات و همچنین برنامه های داخلی Honeywell در تجارت و هوا و فضا و عملکرد و فناوری های آن است ، نشان داده اند.

بیانیات شرکت هانیوال در مورد کامپیوتر نسل بعدی خود

“کیوبیت های یون گیر افتاده ما در طبیعت با ساختار اتمی تعریف می شوند ، می توانند به راحتی و با سرعت بیشتری در مقایسه با فناوری های جایگزین کیوبیت که مستقیماً از اتم استفاده نمی کنند ، یکنواخت ساخته و کنترل شوند. به همین دلیل است که ما از اصطلاح “Nature’s Qubit” برای سیستم های خود استفاده می کنیم – کیوبیت های ما همه یکسان و عاری از نقص هستند.” این شرکت در وبسایت جدید خود اعلام کرد :

کامپیوتر های کوانتومی یون گیر افتاده از اتم های شارژ شده (یون) متعدد برای نگهداری اطلاعات کوانتومی استفاده می کنند. سیستم های ما از میدان های الکترومغناطیسی برای نگهداری (به دام انداختن) هر یون استفاده می کنند ، بنابراین می توان با استفاده از سیگنال های مایکروویو و لیزر آن را دستکاری و رمزگذاری کرد.

پیچیدگی این سیستم های کنترل با تخصص ما مطابقت دارد ، زیرا ما ده ها سال است که آنها را ساخته ایم. ما به عنوان پیشرو در رابط های سخت افزاری ، نرم افزاری و کاربر بصری ، از قابلیت های پایان به پایان لازم برای طراحی ، ساخت و ادغام زیر سیستم ها و اجزای حیاتی برای تسهیل فناوری یون به دام افتاده برخوردار هستیم.

بدون شک محاسبات کوانتومی توانایی ما را در انجام محاسبات بسیار بیشتر می کند و با این فناوری درب های جدیدی به سوی سیستم های محاسباتی و کامپیوتر ها باز خواهد شد. بسیاری از شرکت هایی که بر روی پروژه های هوش مصنوعی کار می کنند هم می توانند از این مدل کامپیوتر ها استفاده کنند.