อัลกอริทึมการเรียนรู้ของเครื่องที่กรองข้อมูลคลื่นไหวสะเทือนเพื่อขจัดเสียงรบกวนจากกิจกรรมของมนุษย์ได้รับการพัฒนาโดยนักวิจัยในสหรัฐอเมริกาและจีน เรียกว่า อัลกอริทึมได้รับการฝึกฝนโดยใช้สัญญาณเสียงที่พบในสภาพแวดล้อมในเมือง เช่นเดียวกับสัญญาณแผ่นดินไหวที่ตรวจพบในพื้นที่ชนบท
เนื่องจากความหนาแน่นของประชากรสูงและสภาพแวดล้อมที่สร้างขึ้นอย่างหนาแน่น เมืองต่างๆ
จึงมีความเสี่ยง
เป็นพิเศษต่อความเสียหายจากแผ่นดินไหว ความเสี่ยงนี้นำเสนอความจำเป็นในการเฝ้าระวังแผ่นดินไหวอย่างเข้มข้นในเขตเมืองซึ่งอยู่ใกล้กับรอยต่อระหว่างแผ่นเปลือกโลก อย่างไรก็ตาม อาจเป็นเรื่องยาก เนื่องจากกิจกรรมของมนุษย์ เช่น การจราจรและการก่อสร้างยังสร้างสัญญาณแผ่นดินไหว
ในเครื่องตรวจจับเสียงมนุษย์เป็นปัญหาเฉพาะสำหรับการตรวจสอบแผ่นดินไหวในเขตนครลอสแอนเจลิส ด้วยจำนวนประชากรมากกว่า 18 ล้านคน เมืองนี้ตั้งอยู่บนเครือข่ายรอยเลื่อนซึ่งเป็นรอยต่อระหว่างแผ่นเปลือกโลกในมหาสมุทรแปซิฟิกและแผ่นเปลือกโลกอเมริกาเหนือ
ห่างไกลจากฝูงชนที่คลั่งไคล้เพื่อแก้ไขปัญหาเสียงรบกวนและเพื่อนร่วมงานได้พัฒนา ซึ่งสามารถฝึกให้รับรู้เสียงรบกวนที่เกี่ยวข้องกับมนุษย์ และกรองออกจากข้อมูลแผ่นดินไหวตามธรรมชาติ ในการฝึกแบบจำลอง นักวิจัยได้รวบรวมการบันทึกเสียงแผ่นดินไหว 80,000 ครั้งในพื้นที่ลองบีชของลอสแองเจลิส
เมื่อกิจกรรมแผ่นดินไหวค่อนข้างต่ำ ในเวลาเดียวกัน พวกเขารวบรวมสัญญาณแผ่นดินไหวที่มีสัญญาณรบกวนต่ำได้มากกว่า 33,000 ครั้งในซาน จาซินโต ซึ่งอยู่ห่างจากลองบีชประมาณ 130 กม. และอยู่นอกเขตเมืองหลักของลอสแองเจลิส จากนั้น ทีมงานได้สร้างรูปคลื่นไหวสะเทือนเทียมที่มีระดับเสียง
ในเมืองต่างๆ กัน โดยผสมผสานชุดฝึกซาน จาซินโตเข้ากับตัวอย่างสุ่มเลือกจากชุดฝึกลองบีชซ้ำๆ แล้วสุ่มเปลี่ยนรูปคลื่นที่ได้ในเขตเมืองลอสแอนเจลิส ด้วยการกรองเสียงรบกวนที่เกี่ยวข้องกับมนุษย์ออก อัลกอริทึมตรวจพบเหตุการณ์แผ่นดินไหวที่เกี่ยวข้องกับแผ่นดินไหวได้มากกว่าแคตตาล็อก
การจับคู่
เทมเพลต ถึง 10% ซึ่งปัจจุบันเป็นแคตตาล็อกแผ่นดินไหวที่ครอบคลุมมากที่สุดในแคลิฟอร์เนียตอนใต้ยังคงมีปัญหาบางอย่างที่ต้องแก้ไข และตอนนี้นักวิจัยมีเป้าหมายที่จะลดอัตราการเกิดผลบวกปลอมและผลลบในการวิจัยในอนาคต ด้วยความสามารถในการปรับปรุงคุณภาพของสัญญาณแผ่นดินไหว
แม้ว่าจะสูญเสียความยืดหยุ่นไปบ้าง อย่างไรก็ตาม วิธีการของกลุ่ม Harvard-MIT ทำให้พวกเขาสามารถดำเนินการหลายเกตพร้อมกันได้ จึงทำให้ได้ความเร็วสัญญาณนาฬิกาที่สูงกว่ากลุ่ม อธิบาย “การทำงานแบบคู่ขนานกับการเชื่อมต่อนอกพื้นที่ตามอำเภอใจเป็นหัวใจสำคัญสำหรับการสร้างเครื่องควอนตัม
ขนาดใหญ่ และนี่คือผลงานของเราที่แสดงให้เห็นเป็นครั้งแรก” Lukin อธิบาย “ในท้ายที่สุด ฉันคิดว่าทั้งสองแนวทางนี้อาจรวมกันเป็นระบบเดียวที่มีประสิทธิภาพมากกว่า แต่ตอนนี้ ทั้งสองเป็นตัวอย่างที่น่าสนใจของวิธีการที่หลากหลายที่เราสามารถทำได้” สรุปที่เก็บรวบรวมในสภาพแวดล้อมในเมือง
ในสหราชอาณาจักรซึ่งไม่ได้เกี่ยวข้องกับการวิจัยกล่าวว่าทั้งสองกลุ่มได้แสดง “ความสามารถของแพลตฟอร์มและสัญญาสำหรับการคำนวณควอนตัมโดยการสาธิตอัลกอริธึมควอนตัมที่เป็นสัญลักษณ์ ไม่ว่าจะเป็นการแก้ไขข้อผิดพลาดหรือเฟส การประมาณค่า” อย่างไรก็ตาม เธอเตือนว่าจำเป็น
ต้องปรับปรุงความเที่ยงตรงของเกตและจำนวนอะตอมที่เพิ่มขึ้นก่อนที่ระบบจะสามารถแข่งขันได้อย่างแท้จริง “จุดขายของระบบปรมาณูที่เป็นกลางคือมันควรจะปรับขนาดได้ง่ายจริงๆ และการสาธิตนั้นมีขนาดไม่เกิน 24 คิวบิต” เธอกล่าว มอนโรเห็นด้วย โดยเสริมว่าเขาเชื่อว่าความท้าทายทั้งสองเชื่อมโยงกัน
“มันไม่สำคัญว่าคุณจะมีกี่คิวบิต” เขากล่าว “หากคุณรันที่ความเที่ยงตรง 95% ได้เพียง 20 คำสั่งเท่านั้น” นอกจากนี้เขายังตั้งข้อสังเกตว่าความเที่ยงตรงของเกทในระบบปรมาณูนั้นต่ำเกินไปที่จะได้รับประโยชน์จากรหัสแก้ไขข้อผิดพลาดควอนตัมที่แสดงโดยกลุ่มของ Lukin อย่างไรก็ตาม เขากล่าวว่ากลุ่มเหล่านี้
“ทำในสิ่งที่ถูกต้อง” โดยเสริมว่าอะตอม มีศักยภาพที่จะบรรลุความเที่ยงตรง 99.9% โดยไม่มีการแก้ไขข้อผิดพลาด “เรากำลังทำแบบนั้นอยู่แล้วกับไอออนที่ถูกกักไว้ และแม้ว่านิวทรัลจะตามไม่ทัน ฉันไม่สงสัยเลยว่าในที่สุดพวกมันจะไปถึงจุดนั้นและได้รับประโยชน์จากรหัสที่มีประสิทธิภาพมากเหล่านี้”
และวางไว้
บนก้านสมองของหนู เพื่อให้สามารถระบุตำแหน่งด้วยความแม่นยำสูงมาก ด้วยการส่งพัลส์ปัจจุบันไปยังอิเล็กโทรดแต่ละตัว พวกเขาสามารถควบคุมการทำงานของอวัยวะเฉพาะด้วยกระแสไฟฟ้ารั่วเพียงเล็กน้อย เป็นอีกครั้งที่วัสดุของพวกเขามีประสิทธิภาพดีกว่าโพรบพลาสติกแข็ง
ที่สร้างความเสียหายอย่างรุนแรงอย่างรวดเร็วต่อก้านสมองที่เปราะบาง มอนโรสรุปพวกเขาหวังว่าอัลกอริทึมจะช่วยให้เจ้าหน้าที่ในพื้นที่ที่เกิดแผ่นดินไหวสามารถติดตามกิจกรรมแผ่นดินไหวได้แม่นยำยิ่งขึ้น ซึ่งช่วยให้พวกเขาปกป้องโครงสร้างพื้นฐานในเมืองที่เปราะบางได้ดียิ่งขึ้น
การสำรวจความคิดเห็น ข้อมูลขนาดใหญ่ และแบบจำลองทางสถิติหากภาษากาเลซิควิจารณ์ผลงานที่ผ่านมาในสาขาสังคมฟิสิกส์ แสดงว่าแบบจำลองจำนวนมากได้รับการออกแบบอย่างแยกจากกันโดยไม่ได้อ้างอิงการวัดเชิงประจักษ์ของกลุ่มสังคมที่แท้จริง เธอดำเนินการสำรวจความคิดเห็นสาธารณะ
ของสหรัฐฯ ในแนวยาวของตนเองเพื่อทดสอบแบบจำลองของเธอ โดยสำรวจผู้คน 94 คนใน 4 ระลอกในปี 2559 ผู้เข้าร่วมถูกถามเกี่ยวกับความเชื่อของพวกเขาเกี่ยวกับปืน การก่อการร้าย และการฉีดวัคซีน และการสำรวจตามมาว่าความคิดเห็นของพวกเขาเปลี่ยนแปลงไปอย่างไรในระลอกทั้ง 4 . ภาษากาเลซิคพิจารณาข้อมูลเกี่ยวกับเครือข่ายของผู้คนและค่าเริ่มต้นเพื่อสร้างความเข้าใจ
credit: BipolarDisorderTreatmentsBlog.com silesungbatu.com ibd-treatment-blog.com themchk.com BlogPipeAndRow.com InfoTwitter.com rooneyimports.com oeneoclosuresusa.com CheapOakleyClearanceSale.com 997749a.com
