پژوهش های نوین فیزیک

چکیده پایش دقیق و کمّی رفتار حیوانات آزمایشگاهی، به ویژه مدل‌های حیوانی علوم اعصاب، اهمیت بسیاری در درک عملکرد مدارهای عصبی و ارتباط آن‌ها با رفتارهای پیچیده دارد. در رفتارشناسی محاسباتی، با هدف خودکارسازی، افزایش دقت و کاهش وابستگی مطالعات به ناظر انسانی و تکرارپذیری نتایج، سیستم‌ها و الگوریتم‌های پردازشی نوینی در حال توسعه‌اند. در این پژوهش، سیستمی متشکل از دوربین‌های بررسی رفتار محیطی و یک ایمپلنت مینیاتوری با قابلیت کاشت بر روی جمجمه موش صحرائی، طراحی و ساخته شده که حرکات بدن حیوان، مردمک چشم و زوایای حرکتی سر را ثبت می‌کند. ایمپلنت دارای حسگر IMU برای اندازه‌گیری شتاب و حرکت زاویه‌ای سر و دوربین مادون‌قرمز برای مردمک‌سنجی می‌باشد که وزن نهایی آن حدود 4.5 گرم است. همچنین نرم‌افزاری برای پردازش و مصوّرسازی داده‌های رفتاری توسعه داده شده‌است. از ترکیب داده‌های شتاب‌سنج و ژیروسکوپ برای محاسبه زوایای اویلری سر حیوان و از روش‌های بینایی ماشین سنتی و شبکه‌های عصبی عمیق برای پردازش تصاویر استفاده می‌شود. الگوریتم‌های آستانه‌گذاری و لبه‌یابی، سرعت پردازش ۲۵ فریم بر ثانیه را برای ردیابی مردمک موش‌های رنگدانه‌دار و مرکز بدن فراهم می‌کنند که برای کنترل حلقه-بسته سیستم‌های عصبی مناسب است. برای تخمین حالت بدن و بررسی مردمک موش‌های زال، شبکه عصبی DeepLabCut همراه با روش‌های تقویت داده و یادگیری انتقالی استفاده شده که خطای مدل مردمک‌سنجی به ازای ۴۴۸ تصویر برچسب‌گذاری‌شده و ۳۰,۰۰۰ دور آموزشی، به ۳.۳۱ پیکسل کاهش یافته‌است. روش‌های یادگیری عمیق با وجود دقت بالا، بار پردازشی بالایی نیز دارند. لذا الگوریتم پردازشی مناسب با توجه به هدف آزمایش و سخت‌افزار در دسترس، انتخاب می‌شود. این سیستم چندگانه مطالعه رفتاری، قابلیت استفاده هم‌زمان با تکنیک اپتوژنتیک و ثبت‌های الکتروفیزیولوژی داشته و ابزاری مفید برای مطالعات علوم شناختی فراهم می‌کند.

چکیده فیزیک پلاسمای کلاسیک عمدتاً بر رژیم‌هایی متمرکز است که با دماهای بالا و چگالی‌های پایین مشخص می‌شوند و در آنها اثرات مکانیک کوانتومی عملاً قابل چشم‌پوشی است. با این حال، پیشرفت‌های فناورانه‌ی اخیر، به‌ویژه در زمینه‌ی دستگاه‌های نیمه‌رسانا و ساختارهای نانومقیاس، موجب شده‌اند که امکان بررسی و پیش‌بینی کاربردهای عملی فیزیک پلاسما در شرایطی فراهم شود که ماهیت کوانتومی ذرات نقشی اساسی ایفا می‌کند. در این پژوهش، رویکردهای گوناگونی برای مدل‌سازی اثرات کوانتومی در پلاسماهای الکترواستاتیکی بدون برخورد مورد بررسی قرار گرفته‌اند. مدل جنبشی کامل این پدیده‌ها بر پایه‌ی معادله‌ی ویگنر بنا شده است، که همتای کوانتومی معادله‌ی ولاسوف در فیزیک کلاسیک به شمار می‌رود. فرمالیسم ویگنر از این جهت برانگیزنده‌ی توجه است که نظریه‌ی مکانیک کوانتومی را در قالب فضای فاز آشنا و کلاسیک بازنمایی می‌کند، هرچند این بازنمایی با چالش وجود توابع توزیع گاه منفی همراه است. از دیدگاهی معادل، می‌توان مدل ویگنر را بر حسب مجموعه‌ای از N معادله‌های شرودینگر تک‌ذره‌ای، همراه با معادله‌ی پواسون، بازنوشت، که این توصیف همان فرمالیسم هارتری محسوب می‌شود و همبستگی نزدیکی با رویکرد چندجریانی در فیزیک پلاسمای کلاسیک دارد. برای کاهش پیچیدگی‌های ذاتی در این رویکردهای جنبشی، می‌توان با در نظر گرفتن گشتاورهای معادله‌ی ویگنر در فضای سرعت–مکان، یک مدل سیال کوانتومی استخراج کرد. چنین مدل‌هایی امکان بررسی رفتار جمعی ذرات را با دقت مناسب و در چارچوبی ساده‌تر فراهم می‌سازند. افزون بر این، در برخی رژیم‌های خاص که به انرژی‌های تحریک بالا مربوط می‌شوند، می‌توان از مدل‌های جنبشی نیمه‌کلاسیک نوع ولاسوف–پواسون استفاده کرد، به شرط آنکه حالت پایه‌ی اولیه سامانه بر اساس اصول مکانیک کوانتومی در نظر گرفته شود. مدل‌های مذکور در هر دو چارچوب خطی و غیرخطی مورد اعتبارسنجی و مقایسه قرار گرفته‌اند و نتایج آن‌ها نشان می‌دهد که ترکیب توصیف‌های کوانتومی و کلاسیک، درک عمیق‌تری از رفتار پلاسما در مقیاس‌های ریز و شرایط شدید فراهم می‌کند.

چکیده تصاویر فازی حاصل از هولوگرام­ها و الگوهای تداخلی در میکروسکوپ‌های فاز کمی معمولا با مشکلاتی همچون اعوجاج، پیچش­ فاز و نویزهای فازی همراه هستند. با وجود تلاش‌های گسترده در دهه­­های اخیر و ارائه­ی روش­های متنوع برای حذف نویز، این چالش‌ها همچنان به‌طور کامل برطرف نشده‌اند. استفاده از فیلترهای کلاسیک کاهش نویز اغلب موجب آسیب به جزئیات تصویر، افت کیفیت و ضعف در تشخیص مرزها و لبه­­هاشده و در نتیجه اطلاعات مفید تصویر از بین می­رود. یکی از رویکردهای نوین در این زمینه، بهره‌گیری از الگوریتم­های یادگیری ماشین است. نتایج حاصل از معیارهای ارزیابی کیفیت تصویر نشان می‌دهند که شبکه‌ها‌ی عصبی کانولوشنی، نسبت به روش­های مرسوم حذف نویز تصاویر فازی، عملکرد برتری دارند. در این روش، داده‌های آموزشی به شبکه ارائه می‌شوند تا پس از چندین مرحله آموزش، شبکه توانایی کاهش نویز تصویر را با دقت بالا به دست آورد.

چکیده در این پژوهش با استفاده از رویکرد یادگیری ماشین به پیش بینی گاف انرژی
دسته ای از مواد نیمه رسانا پرداخته شده است. هدف اصلی پژوهش بر این مبنا
بوده که با تلفیق روش های مختلف در یادگیری ماشین، سعی بر ارائه روشی
کارآمد در پیش بینی گاف انرژی مواد داشته باشیم. روش انباشته یک روش
جدید در میان آلگوریتم های یادگیری ماشین می باشد که با بهره گیری از روش
های مرسوم، تلفیق آنها با یکدیگر و استفاده از مزیت هریک از روش های آماری
روشی کارآمد و با دقت باالتر نسبت به هریک از روش های مورد استفاده، می
باشد. با استفاده از روش ه ایی چون از درخت تصمیم تقویت گرادیان، تقویت
گرادیان سبک، جنگل تصادفی و تقویت گرادیان حداکثری یک مدل ترکیبی
انباشته ارائه داده ایم که نتایج شبیه سازی بهتری نسبت به هریک از روش های
نام برده ارائه کرده است.

چکیده بر مبنای نظریه­ی تابعی چگالی و تقریب GGA، با اعمال پتانسیل بهبود یافته­ TB-mbJ خواص ساختاری، الکترونی، اپتیکی و پایداری ترمودینامیکی ترکیب­های نیم­هویسلریXVSi(X=Co, Rh) و فیلم­های]001 [ آن­ها مورد مطالعه قرار­گرفت. این دو ترکیب هویسلری با بروز رفتار نیمه رسانایی غیر­مغناطیسی در ساختار مکعبی نوع MgAgAs-با گروه فضایی F4-3m پایدار می­باشند. به واسطه­ی دریافت پاسخ­های خوب قسمت­های حقیقی و موهومی تابع دی­الکتریک برای CoVSi و RhVSi در محدوده­ی طیف مرئی و پایین بودن تابع اتلاف الکترونی، این دو هویسلر برای کاربردهای اپتیکی در این محدوده­ی انرژی مناسب خواهند بود. بررسی نمودار پایداری فازی فیلم­های]001 [این ترکیب­ها نشان داد که هر 6 پایانش ممکن به لحاظ ترمودینامیکی پایدار خواهند بود. ساختار الکترونی این فیلم­ها نشان دهنده­ی ظهور رفتار نیمه فلزی مغناطیسی فقط برای دو پایانش]001 V-Si:CoVSi [و ]001 V-Si:RhVSi [می­باشند. پاسخ­های تابع دی الکتریک و نیز طیف جذب این دو پایانش شبیه به حالت بالکی است اما با شدت کمتر، در حالیکه اتلاف الکترون در این دو فیلم نسبت به بالک افزایش یافته است.

چکیده در این مقاله برهم‌کنش بین دو اتم سه‌ترازی نوع و یک میدان تک‌مد، در حضور پارامترهای واکوکی و اثرات اتلافی مورد مطالعه قرار می‌گیرد. با درنظرگرفتن حالت اولیه سامانه (دو اتم در حالت برانگیخته و میدان در حالت همدوس)، بردار حالت سامانه در حالت تشدید و نبود اثرات اتلافی به‌ صورت تحلیلی، و در حالت غیرتشدید و حضور اثرات اتلافی به‌صورت عددی به ‌دست می‌آید. سپس، مقدار درهم‌تنیدگی بین دو اتم و میدان با استفاده از سنجه آنتروپی خطّی و بین دو اتم با استفاده از سنجه منفیّت مورد بررسی می‌شود. نتایج عددی نشان می‌دهند که رفتار سنجه‌های درهم‌تنیدگی به تنظیم پارامترهای سامانه وابسته بوده و با تغییر شرایط تشدید و شدّت اتلاف می‌توان بیشینه و ماندگاری آن‌ها را کنترل کرد.

چکیده
چکیده
تولید فرآورده‌های گازی از طریق فناوری پلاسمای غیرحرارتی روشی نوین برای پالایش نفت سنگین یا پسماندهای نفتی است. در این مطالعه، از پلاسمای جرقه در حباب گاز برای شکستن پیوندهای هیدروکربنی موجود در نفت و تولید محصولات گازی ارزشمند استفاده شد. به‌طورکلی، هدف این تحقیق توسعه روش کارآمدتر و پایدارتر برای پالایش نفت سنگین یا باقیمانده‌های ستون تقطیر با استفاده از پلاسمای غیرحرارتی است. در این مطالعه شرح ساخت راکتور طراحی شده در پژوهشگاه پلاسمای دانشگاه خوارزمی، مراحل و مدار ایجاد پلاسمای جرقه، روش جمع‌آوری گاز و روش سنجش فراورده‌های گازی بررسی می‌شود. در راکتور نفت سنگین ریخته شد و از گاز آرگون برای پاک‌کردن مدار از اکسیژن استفاده شد. بعلاوه در حباب‌های گاز آرگون که درون مایع نفتی دمیده شدند جرقه‌های پلاسما ایجاد شد. در مقاله به بررسی نحوه بکار گیری و بهینه‌سازی استفاده از گاز پرداخته می‌شود. فرآورده‌های گازی به دست آمده‌ای که بیشترین درصد مخلوط گازی را تشکیل می‌دهند؛ هگزان (13.8درصد)، پنتان (15.7درصد)، 2-متیل بوتان (12.75درصد)هستند.پس از اعمال پلاسما و ذخیره‌سازی فرآورده گازی، نفت سنگین باقی مانده دچار تغییر حالت محسوس نگشته و همچنان برای مصارف قبل قابل بهره برداری است.