مهندسان MIT ابداع كردند؛
پریزهای هوشمند با فناوری یادگیری ماشین
نیو وبلاگ: مهندسان موسسه فناوری ماساچوست پریزهای هوشمندی ابداع نموده اند كه از فناوری یادگیری ماشین برای جلوگیری از نوسان جریان مدار استفاده می نماید.
به گزارش نیو وبلاگ به نقل از ایسنا و به نقل از گیزمگ، یك تیم از مهندسان موسسه فناوری ماساچوست (MIT) یك "پریز هوشمند" ابداع نموده اند كه می تواند استفاده جریان الكتریكی از یك یا چند پریز را تجزیه و تحلیل كند.
آشكارسازهای جرقه(نوسان) الكتریكی می توانند محافظ های ارزشمندی در برابر آتش سوزی های حاصل از برق باشند، اما در صورتی كه هیچ خطر ایمنی وجود نداشته باشد، می توانند مزاحمت تولید كنند.
برای كاهش هشدارهای اشتباه، یك تیم از مهندسان MIT در حال كار بر روی "پریزهای هوشمند" جدیدی هستند كه از شبكه های عصبی استفاده می نمایند تا نه تنها خطرناك بودن جرقه تشخیص داده شده را تعیین كنند، بلكه نوع دستگاه هایی كه به پریز متصل شده اند را هم تشخیص می دهد.
برق مانند آتش است. همانطور كه فوق العاده پرارزش است، اما می تواند یك دشمن بسیار خطرناك هم باشد.
از نخستین روزهای مهندسی برق، جلوگیری از اضافه بار، مدار كوتاه و جرقه، اولویت اول بوده است. یكی از اساسی ترین محافظ ها فیوز بود، كه كمی سیم پیچیده شده بود تا در هنگام وقوع اضافه بار، ذوب شود و مدار را متوقف كند.
امروزه نسخه های بسیار پیچیده ای از مدارشكن ها و محافظ ها برای دفاع از دستگاه های دیجیتالی ظریف در برابر جرقه های الكتریكی طراحی شده است، اما حتی بهترین سیستم های تولید شده هم ممكن است تحت شرایطی قرار گیرند كه جرقه هایی را تولید كنند كه می تواند آتش سوزی یا خسارت به تجهیزات را سبب شود.
كار تشخیص دهنده جرقه همانطور كه از نامش بر می آید، این است كه جرقه ها را شناسایی كرده و برق را پیش از خطرناك شدن شرایط، قطع كند.
مشكل این است كه همه این جرقه ها خطرناك نیستند. برخی از آنها بی ضرر هستند و یا دستگاهی كه به یك پریز متصل می گردد ممكن است چیزی شبیه یك اتو باشد كه آسیبی به آن نمی رساند. چون كه معمولا جرقه آنقدری كه برای یك كامپیوتر خطرناك است، برای دستگاه هایی نظیر اتو نگران كننده نخواهد بود.
متاسفانه، محافظ های مدرن احتیاط را بیش از اندازه رعایت می كنند و گاهی بی جهت باعث اختلال در كار سیستم می شوند.
روش MIT این است كه سیستم حفاظت كمی هوشمندتر شود. دستگاه های فعلی به ریزپردازنده هایی مجهز هستند كه از یك الگوریتم ساده برای شناسایی جرقه ها و اضافه بار در جریان الكتریكی استفاده می نمایند. اما چیزی كه تیم MIT می خواهد، چیزی شگفت انگیزتر است كه بتواند خطرات جدی را از موارد ملایم جدا كند.
آنها این كار را با استفاده از یك میكروكامپیوتر انجام دادند و بر داده های الكتریكی دریافتی از پریز نظارت كردند.
همین طور كه داده ها به میكروكامپیوتر می آیند، یك شبكه عصبی یادگیری ماشین در زمان واقعی آن را تحلیل می كند. در ابتدا این شبكه آموزش دیده بود تا الگوهای الكتریكی یك كامپیوتر iMac، یك مشعل پخت و پز و یك ژنراتور ازون را تشخیص دهد. ژنراتور ازون اكسیژن را در هوا آبستن می كند كه می تواند سیگنال های مشابه با جرقه خطرناك تولید كند.
با گذشت زمان، شبكه می تواند یاد بگیرد كه اطلاعات بیشتری را تجزیه و تحلیل كند، بنابراین است كه به صورت فزاینده ای توانایی بیان دقیق اینكه كدام سیگنال ها واقعا خطرناك هستند و چه چیزی را نادیده بگیرد، دارد. همینطور می تواند بگوید كه چه دستگاه هایی به آن متصل شده اند.
ایده این است كه یك روز چنین پریزهای هوشمندی در خانه های خیلی از مردم برای محافظت از دستگاه های الكترونیكی قرار بگیرد، در حالیكه برنامه های گوشیهای هوشمند به مصرف كنندگان اجازه می دهند داده ها و اطلاعات مربوط به مصرف برق خویش را در یك سطح بسیار دقیق تجزیه و تحلیل كرده و به اشتراك بگذارند.
با به اشتراك گذاشتن این داده ها به صورت ناشناس، پریزها قادر خواهند بود كه الگوریتم های خویش را تصحیح كنند.
"جاشوا سیگل" دانشمند تحقیقاتی در بخش مهندسی مكانیك MIT می گوید: با قادر ساختن اینترنت اشیا به یادگیری، شما قادر خواهید بود به صورت مداوم سیستم را به روز رسانی كنید، به صورتی كه جاروبرقی شما ممكن است یك یا دو بار در هفته اول سبب قطع مدار شود، اما در طول زمان دقیق تر و هوشمندتر می گردد. زمانی كه 1000 یا 10 هزار كاربر به این سیستم متصل شوند، تعداد كمی از مردم قطع مدار را تجربه می كنند، زیرا اطلاعات زیادی از خیلی از خانه های مختلف جمع آوری و تحلیل شده است.
تاكنون این پریزهای هوشمند دقت 95.61 درصدی را در تشخیص دستگاه های دیجیتالی مختلف و دقت 99.95 درصدی را در تشخیص جرقه های خطرناك از بی خطر نشان داده است كه كمی بهتر از محافظ های فعلی است. علاوه بر این، پریز در كمتر از 250 میلی ثانیه به جرقه خطرناك واكنش نشان داده است.
این تحقیق در Engineering Applications of Artificial Intelligence انتشار یافته است.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب