نحوه تشخیص مزایا و معایب پمپ وکیوم خلاء حلقه آب

نحوه تشخیص مزایا و معایب پمپ وکیوم خلاء حلقه آب

هنگام خرید محصولات ، از تجهیزات در مقیاس بزرگ گرفته تا کالاهای خانگی کوچک ، یکی از نکات مشترک این است که به مزایا و مضرات آن توجه زیادی می کنید. همین مورد در مورد پمپ خلاء حلقه آب نیز صادق است . تجهیزات بد نه تنها بر استفاده عادی تأثیر می گذارد ، بلکه بر روحیه نیز تأثیر می گذارد. همه شما می خواهید در یک مرحله محصولات رضایت بخش بخرید ، پس چگونه می توان مزایا و معایب پمپ وکیوم آبی خلاء حلقه آب را تشخیص داد؟

1. به طور کلی بسته بندی محصول تولید کنندگان معمولی نسبتاً منظم است و دست نویس آن مشخص است. علاوه بر این ، باید نام محصول ، نام کارخانه ، علائم تجاری ، مشخصات و مدل ، آدرس کارخانه و شماره تلفن دقیق وجود داشته باشد. به طور کلی بسته بندی محصولات فرومایه خشن است و آدرس کارخانه به طور واضح و کامل چاپ نمی شود.

2. محصولات واجد شرایط باید دارای سطح صاف و کار خوب باشند. قطعات مهم تر هستند ، دقت ماشین کاری بیشتر و ضد زنگ زدگی و ضد خوردگی دقیق تر است. در هنگام انتخاب ، در صورت یافتن قطعات دارای لکه های زنگ زدگی یا از بین رفتن خاصیت ارتجاعی ، قسمت های لاستیکی ترک خورده یا سطح ژورنال دارای خطوط پردازشی آشکار است ، ممکن است این قسمت های اصلی نباشد.

3. ظاهر پمپ خلاء حلقه آب ضعیف نمی تواند تفاوت ایجاد کند ، اما به دلیل فرایند تولید ضعیف بسیار آسان است. در این زمان برای مشاهده کیفیت لوازم جانبی لازم است قطعات پنهان مانند گوشه های لوازم جانبی را رعایت کنید.

4- قطعات یدکی خریداری شده را می توان روی خودرو نصب کرد تا ببیند آیا به خوبی می توان گنجانید. به طور کلی می توان قطعات اصلی را به خوبی تطبیق داد ، در حالی که قطعات ضعیف به دلیل تکنولوژی ضعیف دارای خطای بزرگ پردازش هستند ، بنابراین مطابقت با قطعات به سختی دشوار است.

5- قطعات تجهیزات واجد شرایط باید کاملاً و در شرایط مطلوبی باشد تا از عملکرد عادی آن اطمینان حاصل شود. اما گاهی اوقات کمبود قطعات کوچک به راحتی منجر به مشکل بارگیری می شود. این نوع قطعات ممکن است قطعات جعلی باشند.

6. هنگام تحویل تجهیزات از کارخانه ، معمولاً دستورالعمل ها ، گواهینامه ها و گواهینامه های دیگری برای راهنمایی کاربر در استفاده ، نصب و نگهداری استفاده می شود. به طور کلی ، هیچ دستورالعمل نصب دقیق برای تجهیزات تقلبی وجود ندارد.

موارد فوق در مورد روشهای تشخیص مزایا و معایب پمپ خلاء حلقه آب است. هنگام انتخاب تجهیزات می توانید به این روش ها مراجعه کنید. بعضی اوقات به برخی از جزئیات کوچک توجه کنید و می توانید ایرادات آن را مشاهده کنید ، تا از صلاحیت تجهیزات برای تأمین نیازهای تولید اطمینان حاصل شود.

نحوه تشخیص مزایا و معایب پمپ خلاء حلقه آب

نویسنده: پیشتاز پمپ

چگونگی تأثیر روشهای پیش پردازش بر بازده تبدیل تولید انرژی زیست توده تأثیر می گذارد

تحقیقات در مورد تولید انرژی از زیست توده معمولاً بر میزان انرژی تولید شده متمرکز است. تونی گریفت ، استاد مهندسی کشاورزی و زیست شناسی دانشکده کشاورزی ، مصرف کننده و علوم زیست محیطی و کالج مهندسی گرینگر در دانشکده کشاورزی گفت: اما مهم است که توجه کنیم که چه مقدار انرژی وارد فرآیند می شود ، مؤلفه ای که اغلب مورد غفلت واقع می شود. دانشگاه ایلینویز.

Grift در مطالعه جدیدی که در Bioresource Technology Reports منتشر شده است ، مؤلف است که نگاهی به کارآیی بایگانی دو محصول که اغلب به عنوان زیست توده برای تولید انرژی ، miscanthus giganteus و نیشکر باگاس استفاده می شود ، می پردازد.

وی توضیح داد: "هدف ما این بود که تعیین کنیم چقدر انرژی برای تهیه این مواد لازم است. این یک نگاه جامع به روشهای مختلف پردازش و ارتباط آنها با کارآیی تبدیل است."

این دو ماده به دلیل اهمیت آنها برای تولید انرژی انتخاب شدند. Miscanthus به طور معمول به عنوان یک محصول زینتی پرورش داده می شود ، اما مقدار زیادی زیست توده دارد و با مصرف بسیار کمی ازت از آن به راحتی رشد می کند. باگاس قند فرآورده جانبی است که پس از خرد شدن نیشکر به آن اضافه می شود تا آب قند را به دست آورد.

این تحقیق با همکاری شیمی دانان دانشگاه کالیفرنیا در برکلی انجام شد. گریفت می گوید ، رویکرد بین رشته ای تحقیقات را بی نظیر می کند ، زیرا کل تعادل انرژی را در نظر می گیرد. محققان U از من میزان مصرف انرژی حاصل از برداشت و پردازش مواد را مورد مطالعه قرار دادند ، در حالی که شیمی دانان برکلی روی تبدیل زیست توده به گلوکز متمرکز شده اند که برای ساخت اتانول مورد استفاده قرار می گیرد.

محققان درصد از ارزش گرمایی ذاتی (PIHV) را تعیین کردند ، که میزان انرژی ورودی و خارج از فرایند تولید را اندازه گیری می کند . Grift می گوید: "این به شما می گوید که شما مقدار مشخصی از زیست توده دارید که حاوی مقداری انرژی است. چقدر انرژی برای پردازش خرج می کنید؟ شما نمی خواهید بیش از 5٪ از کل ارزش انرژی را صرف کنید." .

محققان این دو ماده را به 9 روش مختلف پردازش مختلف ، بطور جداگانه یا به صورت ترکیبی قرار دادند. Grift توضیح می دهد که پردازش به دلایل مختلف انجام می شود. پس از برداشت محصول ، باید به یک کارخانه فرآوری منتقل شود و برای کارآمدتر شدن حمل و نقل ، ماده ابتدا فرآیندی به نام کمسیون را طی می کند ، که در آن آنرا خرد یا خرد کرده و به قطعات کوچکتر می پردازد و سپس فشرده می شود.

گریفت توضیح داد که برداشت و فشرده سازی چیز زیادی به معادله انرژی نمی بخشد. منبع اصلی هزینه انرژی کمبود یا کاهش اندازه است. این باعث می شود هزینه انرژی به 5٪ برسد. "او می گوید:" اندازه ذرات کوچکتر فشرده سازی را آسان تر می کند. " "این نیز برای تولید انرژی بهتر است ، زیرا مساحت وسیع تری را برای اتصال آنزیم ها در فرآیند تبدیل فراهم می کند.

روشهای پیش پردازش شامل ساقه های خرد شده و بریده شده ، گندله سازی ، کم کاری و سطوح مختلف فشرده سازی می باشد. از نه گروه درمانی ، پنج مورد شامل میسانتوس ، سه مورد شامل باگاس نیشکر ، و یک شامل ترکیبی از این دو محصول بود. مواد فرآوری شده همه برای آزاد سازی گلوکز در معرض همان فرایندهای شیمیایی قرار گرفتند.

محققان همچنین اثرات اندازه ذرات ، سطح تراکم و ترکیب در بازده تبدیل زیست توده را ارزیابی کردند. نتایج نشان داد که کمبود مصرفی تأثیر مثبتی بر کارآیی گیاه گاوزبان اما نه قند نیشکر دارد ، در حالی که برعکس مورد تجمع گلوله بود. محققان همچنین دریافتند که 50/50 مخلوط از این دو ماده از راندمان تبدیل بالاتری نسبت به باگاس نیشکر برخوردار است ، اما در مقایسه با میسانتوس تنها تفاوت معنی داری وجود ندارد.

Grift می گوید ، این نتایج می تواند برای کمک به تولید انرژی زیست توده کارآمدتر باشد.

وی گفت: "تفاوت ها زیاد نیستند. اما اگر می خواهید کاری در مقیاس بزرگتر انجام دهید ، کشف این موارد در واقع بسیار مهم است."

گریفت تأکید می کند که نتایج مقدماتی است و باید در مطالعات بعدی بررسی شود.

تحقیقات مداوم برای اثبات یافته ها و گسترش دانش دانش به سایر محصولات و سایر روشهای پیش پردازش مورد نیاز است.

مقاله "اندازه گیری تأثیر روشهای پردازش فرآوری زیست توده بر بهره وری بیوشیمیایی miscanthus giganteus و نیشکر باگاس" در مجله فناوری Bioresource منتشر شده است .

پمپ های وکیوم خلاء خشک در صنایع فرآوری مواد غذایی

پمپ های وکیوم خلاء خشک در صنایع فرآوری مواد غذایی

فناوری خشک کردن خلاءاین است که از قبل مواد را تا دمای زیر نقطه یوتکتیک فریز کرده و فضای خلاء را با درجه خاصی از خلا ایجاد کرده و سپس رطوبت موجود در محصول را از طریق واکنش تصعید حذف کنید. این فناوری خشک کردن از سه بخش تبرید ، گرمایش و خلاء تشکیل شده است. علاوه بر این ، محصولات پردازش شده با فناوری خشک کردن خلاء می توانند به طور موثر مانع از تأثیر دمای زیاد روی مواد غذایی شوند و می توانند به طور موثری ارزش غذایی و طعم رنگ محصولات را حفظ کنند. به دلیل کمبود آب و رطوبت خوب ، محصولات مورد استفاده در صنعت بسیار زیاد است. در سال های اخیر ، فناوری خشک کردن پمپ خلاء خشک به طور گسترده ای در مواد غذایی ، پزشکی ، محصولات بهداشتی و سایر صنایع مورد استفاده قرار گرفته است و بسیاری از محصولات با ارزش بالا مانند خیار دریایی ، جینسنگ ، گل صدفی و غیره وجود دارد.

در فرآیند استفاده از پمپ وکیوم آب در گردش خلاء خشک در صنعت فرآوری مواد غذایی باید به چندین مشکل مهم و جهت فنی توجه شود و فناوری فن آوری خشک کردن پمپ خلاء در کیفیت محصول ، سرعت خشک شدن و صرفه جویی در مصرف انرژی و کاهش انتشار را توضیح می دهد.

در استفاده از فناوری پمپ خلاء ، تولید کنندگان پمپ خلاء فکر می کنند که موارد زیر باید روی آن متمرکز شود.

1. نقطه Eutectic و نقطه ذوب محصولات

نکته یوتکتیکی محصول هنگامی که رطوبت موجود در ماده محصول کاملاً یخ زده باشد ، به دمای دمای ماده اشاره دارد. دمای پیش از انجماد فناوری خشک کردن خلاء باید مطابق با نقطه اتیکتیکی مواد تنظیم شود. برای اینکه محصول کاملاً یخ زده شود ، درجه حرارت قبل از انجماد مواد محصول به طور کلی 5-10 ℃ پایین تر از نقطه eutectic آن است. نقطه ذوب شرکت محصول به دمایی اشاره دارد که در آن محصول یخ زده از ابتدای بلور یخ ذوب می شود. به طور کلی ، هنگامی که مواد غذایی خشک می شوند ، دمای گرمایش نباید بالاتر از نقطه ذوب مواد مواد باشد ، در غیر این صورت به طور مستقیم بر رطوبت و کیفیت محصولات خشک شده یخ زده تأثیر می گذارد.

2. فناوری خشک کردن خلاء مایکروویو

فناوری خشک کردن خلاء مایکروویو با ترکیب فناوری گرمایش اشعه مایکروویو و فناوری خشک کردن یخ خلا ایجاد می شود. این فناوری عمدتاً از مواد محصولی که در اثر اشعه مایکروویو منجمد شده اند برای تبدیل انرژی الکترومغناطیسی به انرژی گرما استفاده می کند ، به گونه ای که رطوبت موجود در مواد را می توان بالا برد. این فناوری به دلیل هزینه بالای ماشین آلات و تجهیزات ، در صنایع غذایی با ارزش بالا استفاده می شود.

3. ترکیبی از یخ زدگی و خشک کردن مایکروویو خلاء

مایکروویو وکیوم از مزایای استفاده از خلاء و خشک کردن مایکروویو است ، به طوری که مواد محصول به سرعت خشک می شوند. اما ، به دلیل اینکه سرعت خشک شدن خیلی سریع است ، ممکن است مواد محصول به شدت تغییر شکل دهند و کیفیت ظاهری محصول تضمین نمی شود. محققان ، خشک کردن یخ زدگی و فضای خشک مایکروویو را با هم ترکیب می کنند ، از یکدیگر یاد می گیرند ، کیفیت محصول را بهبود می بخشند و از دست دادن انرژی می توان به پایین آورد.

4- تنظیم خلاء تنظیم

مصرف انرژی درجه خلاء حدود 1/4 از کل انرژی مصرفی یخ زدگی را تشکیل می دهد. هرچه درجه خلاء کمتر باشد ، انتقال انرژی نیز مؤثرتر است. در عین حال ، مقاومت در برابر انتشار بخار آب را افزایش می دهد ، بنابراین مصرف انرژی را افزایش می دهد. در فرآیند خشک شدن سابلیمیشن ، بهترین درجه خلاء با توجه به دمای چاه سرما باید بهینه شود. درجه خلاء خشک کن فریزر با توجه به دمای چاه و عملکرد پمپ خلاء تعیین می شود. در مرحله خشک شدن سابلیمیشن ، هرچه دمای چاه سرد کمتر باشد و درجه خلاء بالاتر باشد می تواند باعث افزایش چگالش بخار آب شده و به طور موثری سرعت را ارتقا بخشد ، اما درجه خلاء بالا نیازهای ویژه ای برای پمپ خلاء دارد. اگر درجه خلاء خیلی بالاست ،

پمپ های خلاء خشک در صنایع فرآوری مواد غذایی

نویسنده: پیشتاز پمپ

محققان فیس بوک برای ترجمه بهتر از ریاضیات استفاده می کنند

طراحان ابزار ترجمه ماشینی هنوز بیشتر به فرهنگ لغت متکی هستند تا زبان خارجی را قابل فهم کنند. اما اکنون یک روش جدید وجود دارد: اعداد.

محققان فیس بوک می گویند: واژگان به صورت چهره ها و سوء استفاده از شباهت های ریاضی بین زبان ها یک راه امیدوار کننده است - حتی اگر یک ارتباط دهنده جهانی a La Star Trek یک رویای دور باشد.

ترجمه اتوماتیک قدرتمند برای غول های اینترنتی یک اولویت بزرگ است. اجازه دادن به هرچه بیشتر مردم در سراسر جهان برای برقراری ارتباط فقط یک هدف نوع دوستانه نیست ، بلکه تجارت خوبی نیز خواهد بود.

فیس بوک ، گوگل و مایکروسافت و همچنین Yandex روسیه ، Baidu چین و دیگران به طور مداوم به دنبال بهبود ابزار ترجمه خود هستند.

فیسبوک در یکی از آزمایشگاههای تحقیقاتی خود در پاریس ، از کارشناسان هوش مصنوعی مشغول کار است.

آنتوان بوردز ، مدیر اروپایی تحقیقات بنیادی هوش مصنوعی برای شبکه های اجتماعی گفت: در حال حاضر حداکثر 200 زبان در فیس بوک استفاده می شوند.

ترجمه خودکار در حال حاضر مبتنی بر داشتن پایگاه داده های بزرگ متون یکسان در هر دو زبان برای کار از آن است. اما برای بسیاری از زوج های زبانی فقط چنین متون موازی کافی نیست.

به همین دلیل محققان به دنبال روش دیگری مانند سیستم توسعه یافته توسط فیس بوک هستند که نمایشی ریاضی برای کلمات ایجاد می کند.

هر کلمه در فضایی چند صد بعدی به "وکتور" تبدیل می شود. کلماتی که ارتباط تنگاتنگی با زبان گفتاری دارند نیز در این فضای برداری خود را نزدیک به یکدیگر می دانند.

از باسک گرفته تا آمازونی؟

Guillaume Lample یکی از سیستم ها گفت: "برای مثال ، اگر از کلمات" گربه "و" سگ "استفاده کنید ، آنها کلماتی هستند که یک چیز مشابه را توصیف می کنند ، بنابراین از نظر جسمی بسیار نزدیک به هم خواهند بود." طراحان

"اگر شما کلماتی مانند مادرید ، لندن ، پاریس را که پایتخت اروپا هستند ، بنویسید ، همان ایده است."

این نقشه های زبانی سپس با استفاده از الگوریتم ها می توانند به یکدیگر پیوند داده شوند - ابتدا تقریباً اصلاح می شوند ، اما در نهایت بیشتر تر می شوند ، تا اینکه کل عبارات بدون خطاهای خیلی زیاد همسان شوند.

نمونه گفت نتایج قبلاً امیدوار کننده است.

لمپ گفت: برای زوج زبانی انگلیسی-رومانیایی ، سیستم ترجمه فعلی ماشین فیس بوک "برابر یا شاید کمی بدتر" از سیستم وکتور کلمه است.

وی گفت ، اما برای زوج های نادر انگلیسی و اردو که سیستم سنتی فیس بوک متون دو زبانه زیادی را برای مراجعه به آنها ندارد ، سیستم بردار کلمه از قبل برتر است.

اما آیا روش می تواند اجازه ترجمه مثلاً از باسک به زبان یک قبیله آمازونی را بدهد؟

در تئوری ، بله ، گفت ، لامپ ، اما در عمل به تعداد زیادی از متون نوشتاری برای نقشه برداری زبان نیاز است ، چیزی که در زبان قبایل آمازونیایی فاقد آن است.

وی گفت: "اگر شما فقط ده ها هزار عبارت دارید ، این کار نمی کند. شما به صدها هزار نفر نیاز دارید."

'جام مقدس'

کارشناسان مرکز ملی علمی CNRS فرانسه گفتند که رویکردی که Lample برای فیس بوک در نظر گرفته است می تواند نتایج مفیدی را به بار آورد ، حتی اگر به ترجمه های کامل منجر نشود.

تیری Poibeau از آزمایشگاه شبکه CNRS ، همچنین تحقیقات مربوط به ترجمه ماشین را انجام می دهد ، واژه رویکرد بردار را "یک انقلاب مفهومی" نامید.

وی گفت: "ترجمه بدون داده موازی" - لغت نامه ها یا نسخه های اسناد مشابه در هر دو زبان - "چیزی از کتاب مقدس" ترجمه دستگاه است.

Poibeau گفت: "اما سوال اینجاست که از چه سطح عملکردی می توان انتظار داشت" از روش وکتور کلمه.

روش "می تواند ایده ای را از متن اصلی ارائه دهد" اما توانایی ترجمه خوب هر بار اثبات نشده است.

فرانسوا ایوون ، محقق آزمایشگاه علوم رایانه و مهندسی CNRS در مکانیک و علوم مهندسی ، گفت: "هنگامی که آنها از یکدیگر دور شوند" پیوند زبانها بسیار دشوارتر است ".

وی افزود: "نحوه بیان مفاهیم به زبان چینی کاملاً متفاوت با فرانسوی است."

با این وجود حتی ترجمه های ناقص می تواند مفید باشد ، و می تواند برای ردیابی سخن از نفرت ، که یک اولویت اصلی برای فیس بوک است ، اثبات شود.

سیستم های هیدرولیک کولینگ

با گذشت طولانی از تابستان ، و چند هفته دیگر از هوای گرم پیش بینی می شود ، زمان مناسبی برای به اشتراک گذاشتن برخی از نظرات در مورد خنک کننده سیستم های هیدرولیکی است.

گرما از کجا می آید؟
اکثر کاربران با پدیده از دست دادن نیرو در سیستم های هیدرولیکی که کار می کنند ، آشنا هستند - به زبان ساده ، تفاوت بین انرژی وارد شده به سیستم و انرژی حاصل از آن به عنوان توان قابل استفاده است. اما مطمئناً این نیرو واقعاً "از دست رفته" نیست - انرژی "گمشده" فقط به یک شکل غیرقابل استفاده از انرژی تبدیل می شود - گرما. اکنون مطمئناً خطراتی برای اجرای یک سیستم هیدرولیک بسیار خنک وجود دارد ، اما در اینجا ، در اواسط تابستان استرالیا ، ما با مشکل گرمای بیش از حد مواجه هستیم.

مایعات پمپ هیدرولیک ایجاد شده اند تا در طیف گسترده ای از دما مؤثر باشند ، اما در یک تابستان استرالیا و بدون خنک کننده پیشرفته ، سیستم های هیدرولیک به راحتی می توانند از دمائی که ساختار مولکولی سیال در آن تجزیه می شود ، تجاوز کنند. گرمای بیش از حد به مؤلفه هایی مانند مهر و موم نیز آسیب می رساند ، که برای عملکرد ماشین آلات شما بسیار مهم است.

همانطور که خواهیم دید ، مشخص کردن سیستم خنک کننده بهینه برای هر نوع نصب معمولاً یک کار متخصص است ، اما مهم است که مشتریان ما مسائل موجود در درخت تصمیم را درک کنند.

انواع سیستم خنک کننده
به طور کلی ، سیستم های خنک کننده یا هوا یا آب را به عنوان واسطه خنک کننده استفاده می کنند.

سیستم های خنک کننده هوا برای ساخت آنها گرانتر هستند و تمایل دارند از همتایان مبتنی بر آب آنها بزرگتر و پر سر و صداتر شوند. با این حال ، خنک کننده ، هوا ، همیشه در دسترس و رایگان است ، اگرچه اثر آن در هنگام استفاده در ارتفاع کاهش می یابد.

در این سیستم ها می توان از موتورهای DC و AC استفاده کرد ، اما موتورهای DC ذاتاً از انرژی کمتری نسبت به موتورهای AC برخوردار هستند. پس از آن که منبع تغذیه ای به راحتی تهیه شود ، AC راهی برای دستیابی است. طراحی ویژه فن ها همراه با موتورهای هیدرولیک راه حل بهینه را برای برآورده کردن کلیه نیازهای خنک کننده در دستگاه های تلفن همراه ارائه می دهد.

در مقابل ، سیستم های خنک کننده مبتنی بر آب فشرده تر ، ارزان تر برای ساخت و ذاتاً ساکت تر هستند. با این وجود ، آنها به تهیه آب تمیز و خنک وابسته هستند و بیشتر در معرض خوردگی هستند.

از سیستم خنک کننده خود بهترین نتیجه را بگیرید
در حالی که مشخص کردن سیستم خنک کننده مناسب برای سلامتی طولانی مدت سیستم شما ضروری است ، تعدادی از موارد می توانند از اثربخشی آن کاسته شوند. در اینجا چند مرحله برای اطمینان از عملکرد مؤثر سیستم می توانید استفاده کنید.
نویسنده: هیدرونرما

به رسمیت شناختن فیلم سریعتر برای عصر تلفن های هوشمند

شاخه ای از یادگیری ماشینی موسوم به یادگیری عمیق به رایانه ها کمک کرده است که در انجام کارهای تصویری تعریف شده مانند خواندن اسکن های پزشکی ، از انسانها پیشی بگیرند ، اما با گسترش فن آوری به تفسیر فیلم ها و رویدادهای دنیای واقعی ، مدل ها بزرگتر و از نظر محاسباتی فشرده تر می شوند.

با یک تخمین ، آموزش یک مدل تشخیص تصویری می تواند 50 برابر بیشتر از داده ها و هشت برابر قدرت پردازش بیشتری نسبت به آموزش یک مدل طبقه بندی تصویر داشته باشد. این یک مشکل است زیرا تقاضا برای قدرت پردازش برای آموزش مدل های یادگیری عمیق همچنان به صورت نمایی افزایش می یابد و نگرانی در مورد ردپای عظیم کربن AI افزایش می یابد . اجرای مدل های بزرگ تشخیص تصویری در دستگاه های تلفن همراه کم مصرف ، که بسیاری از برنامه های هوش مصنوعی در آن قرار دارند ، همچنان یک چالش محسوب می شود.

سونگ هان ، استادیار گروه مهندسی برق و علوم کامپیوتر (MIT) در MIT ، با طراحی مدلهای یادگیری عمیق کارآمد تر ، مشکل را برطرف کرده است . چوانگ گان در مقاله ای در کنفرانس بین المللی کامپیوتر ویژن ، هان ، دانشجوی فارغ التحصیل MIT و جی لین و MIT-IBM واتسون AI آزمایشگاه ، به تشریح روشی برای کوچک کردن مدل های تشخیص ویدیو برای سرعت بخشیدن به آموزش و بهبود عملکرد زمان اجرای گوشی های هوشمند و دیگر دستگاه های تلفن همراه روش آنها باعث می شود با کاهش 150 میلیون پارامتر در یک مدل پیشرفته به 25 میلیون پارامتر ، مدل را به اندازه یک ششم کوچک کنید.

هان می گوید: "هدف ما این است که هوش مصنوعی را برای هر کسی که دستگاه کم مصرف داشته باشد در دسترس قرار دهد." "برای انجام این کار ، ما باید مدل های AI کارآمد طراحی کنیم که از انرژی کمتری استفاده کنند و بتوانند به راحتی در دستگاه های لبه کار کنند ، جایی که بسیاری از هوش مصنوعی در آن حرکت می کند."

کاهش قیمت دوربین ها و نرم افزارهای ویرایش ویدیو و ظهور سیستم عاملهای جدید پخش ویدیویی ، اینترنت را با محتوای جدیدی روبرو کرده است. هر ساعت 30،000 ساعت فیلم جدید فقط در YouTube بارگذاری می شود. محققان می گویند ، ابزارهایی برای کارآمدتر کردن فهرست بندی مطالب ، به بینندگان و تبلیغ کنندگان کمک می کنند تا فیلم ها را سریعتر پیدا کنند. چنین ابزارهایی همچنین به مؤسساتی مانند بیمارستان ها و خانه های سالمندان کمک می کند تا برنامه های هوش مصنوعی را بصورت محلی و نه در ابر اجرا کنند تا داده های حساس را خصوصی و ایمن نگه دارند.

اعتبار: موسسه فناوری ماساچوست
مدلهای اساسی تصویر و تشخیص ویدیو ، شبکه های عصبی هستند که کاملاً از نحوه پردازش مغز اطلاعات استفاده می شوند. این که آیا این یک عکس دیجیتالی یا دنباله ای از تصاویر ویدئویی است ، شبکه های عصبی به دنبال الگوهای در پیکسل ها هستند و نمایشی انتزاعی به طور فزاینده از آنچه می بینند ایجاد می کنند. با نمونه های کافی ، شبکه های عصبی "یاد می گیرند" افراد ، اشیاء و نحوه ارتباط آنها را بشناسند.

 
مدلهای برتر تشخیص ویدیو در حال حاضر از پیچیدگی های سه بعدی برای رمزگذاری گذر زمان در یک توالی از تصاویر استفاده می کنند ، که باعث ایجاد مدل های بزرگتر و محاسباتی بیشتر می شود. برای کاهش محاسبات درگیر شده ، هان و همکارانش عملیاتی را طراحی کردند که آنها را یک ماژول تغییر موقتی می نامند که نقشه ویژگی های یک قاب ویدیویی انتخاب شده را به قاب های همسایه خود تغییر می دهد. با آمیختن بازنمایی های مکانی گذشته ، حال و آینده ، این مدل احساس گذر زمان می کند بدون اینکه صریحاً آن را بازنمایی کند.

نتیجه: مدلی که در تشخیص عملکردها در مجموعه داده ویدیویی Something-Something ، از همسالان خود فراتر رفته و در رده بندی های عمومی اخیر رتبه اول در نسخه 1 و نسخه 2 را کسب کرده است. نسخه آنلاین ماژول تغییر نیز به اندازه کافی زیرکانه است که خواندن حرکات در زمان واقعی است. در یک نسخه آزمایشی اخیر ، لین ، دکتری دانشجو در EECS ، نشان داد که چگونه یک کامپیوتر تک بورد به دوربین فیلمبرداری تقلب می کند ، می تواند بلافاصله حرکات دست را با مقدار انرژی برای قدرت یک چراغ دوچرخه طبقه بندی کند.

به طور معمول برای آموزش چنین مدل قدرتمندی در یک دستگاه با تنها یک پردازنده گرافیکی حدود دو روز زمان لازم است. اما محققان موفق به اتخاذ زمان در ابر ابر رایانه وزارت انرژی ایالات متحده ، در حال حاضر سریعترین سرعت در زمین هستند. محققان با قدرت فوق العاده Summit ، نشان دادند که با 1.536 پردازنده گرافیکی ، این مدل می تواند تنها در 14 دقیقه ، نزدیک به حد نظری آن ، آموزش یابد. آنها می گویند که این سه برابر سریعتر از مدل های پیشرفته 3 بعدی است.

داریو گیل ، مدیر تحقیقات آی بی ام ، در سخنان آغازین اخیر خود در هفته پژوهش هوش مصنوعی به میزبانی آزمایشگاه هوش مصنوعی MIT-IBM Watson ، این کار را در سخنان آغازین اخیر خود برجسته کرد.

وی بعدا گفت: "محاسبات مورد نیاز برای مشاغل بزرگ آموزش هوش مصنوعی هر 3.5 ماه دو برابر می شود." "توانایی ما برای ادامه دادن به محدودیت های فناوری به استراتژی هایی مانند این بستگی دارد که الگوریتم های کارآمد با ماشین های قدرتمند مطابقت دارند."