熱門Ptt文章

[爆卦]分子原子粒子量子是什麼？優點缺點精華區懶人包

雖然這篇分子原子粒子量子鄉民發文沒有被收入到精華區：在分子原子粒子量子這個話題中，我們另外找到其它相關的精選爆讚文章

在 分子原子粒子量子產品中有12篇Facebook貼文，粉絲數超過112萬的網紅文茜的世界周報 Sisy's World News，也在其Facebook貼文中提到， 《MIT Tech 麻省理工科技評論》 * 【科學家利用甲烷菌生產合成橡膠原料異戊二烯，產量比同類細菌高出 179 倍】異戊二烯是一種非常有價值的石化產品，是生產粘合劑、合成橡膠等各種消費品的主要原料之一。 每年大約有 80 萬噸異戊二烯是從石油中提煉出來的。為了減緩氣候變化，盡量減少對化石燃料...

　同時也有2部Youtube影片，追蹤數超過53萬的網紅映像授業 Try IT（トライイット），也在其Youtube影片中提到，■■■■■■■■■■■■■■■ 【Try IT 視聴者必見】 ★参加者満足度98.6％！無料の「中学生・高校生対象オンラインセミナー」受付中！ 「いま取り組むべき受験勉強法」や「効率的に点数を上げるテスト勉強の仕方」、「モチベーションの上げ方」まで、超・実践的な学習法をあなたに徹底解説します！ 今月...

「分子原子粒子量子」的推薦目錄
  • 文茜的世界周報 Sisy's World News

    分子原子粒子量子 在 文茜的世界周報 Sisy's World News Facebook 的最讚貼文

    2021-03-28 12:44:31
    有 707 人按讚

    《MIT Tech 麻省理工科技評論》

    * 【科學家利用甲烷菌生產合成橡膠原料異戊二烯，產量比同類細菌高出 179 倍】異戊二烯是一種非常有價值的石化產品，是生產粘合劑、合成橡膠等各種消費品的主要原料之一。

    每年大約有 80 萬噸異戊二烯是從石油中提煉出來的。為了減緩氣候變化，盡量減少對化石燃料的依賴，相關學者一直致力於尋找替代的、可再生化學物質來源來生產異戊二烯，這些替代品包括酵母、大腸桿菌和藍藻等。

    近日，內布拉斯加大學林肯分校的生物化學家尼科爾・布安（Nicole Buan）及其同事對一種甲烷菌進行基因工程改造後，能夠產生大量的異戊二烯，且產量遠遠超過了其他微生物。

    產甲烷菌以釋放甲烷而聞名，這種單細胞微生物廣泛存在於人類和其他動物的內臟，以及海洋底部的深海熱泉等沒有氧氣的地方。

    * 【閃電是如何給地球和其它地方帶來生命的？】在其它星球上搜尋生命的過程就如同烹飪，所有的素材都具備了 —— 水、溫暖的氣候、濃厚的大氣層、適當的養分、有機物以及能量源。然而，如果沒有一個可以促進這些素材相互反應的過程或環境，那麼你只能得到一些毫無用處的原材料。

    所以說，有時候生命需要靈感的火花 —— 也許需要幾萬億個。一項發表於《自然・通訊》雜誌的新研究表明，在地球上生命首次出現的大約 35 億年前，閃電作為關鍵媒介合成了構成有機物的磷。磷是構成 DNA、RNA、ATP（所有已知生命體的能量來源），以及像細胞膜這樣的生物結構的重要物質。

    * 【又一黑洞照片問世！偏振光下M87超大質量黑洞圖像公開】天文學家近日發佈了一張 M87 星系中心超大質量黑洞的新圖像，這張圖像是 2019 年第一張黑體照片的後續，但它更清晰，圖片中的偏振光描摹了這個超大質量黑洞的磁場線。

    2019 年 4 月 10 日，事件地平線望遠鏡創造了歷史的新壯舉——發佈了有史以來黑洞的第一張圖像，黑洞看起來就像一個亮橙色圓圈，位於 5300 萬光年之外，由分布在四大洲的八個射電天文台拍攝到的。

    * 【鋸末製成的生物塑料可在三個月內完全降解】

    近日，耶魯大學研究人員將鋸末通過生物降解等方法打造成為了一種具有諸多優點的新型生物塑料，在保有高強度的同時，還能夠在三個月的時間內完全降解。該團隊已將有關這項研究的詳情發表在近日出版的《自然可持續》（Nature Sustainability）期刊上。 ​​​

    * 【一個月內240顆衛星上天！SpaceX成功發射第23批Starlink衛星】美東時間 3 月 24 日凌晨 4 時 28 分，SpaceX 的「獵鷹」9-1.2 型火箭從佛羅里達州的卡納維拉爾角太空軍基地第 40 號發射台發射升空，將 60 顆衛星送入軌道。火箭發射大約 9 分鐘以後，將近 230 英尺高的一級助推器在位於大西洋的「我依然愛你」（Of Course I Still Love You）號回收船上著陸，返回地球。

    火箭發射大約 1 小時後，二級助推器將繼續推進 60 顆星鏈衛星。所有的衛星都在近地軌道上運行。

    * 【麻省理工學院通過觀察天體確定複雜碳環分子多環芳烴】

    麻省理工學院天體化學家布瑞特·麥奎爾領導的團隊借助綠岸望遠鏡，在距離地球 430 光年的金牛座分子雲（TMC-1）中，確定了兩種獨特的多環芳烴（PAHs），其由幾個相連的六邊形碳環和氫原子組成。他們首次在星際雲中發現了能夠解釋生命起源的複雜含碳分子多環芳烴（PAHs），且濃度遠超此前預期，研究這些分子和其他類似分子可以幫助他們更好地瞭解生命在太空中是如何開始的。

    * 【杜克大學開發出用於異常環境檢測的「蜻蜓」機器人】

    杜克大學基於仿生學開發出一款名叫 DraBot 軟體機器人，長度僅為 2.25 英吋（5.7 釐米），可效仿蜻蜓在水面上滑行，在檢查是否有漏油、高酸度和其他異常情況有獨特優勢。該研究已發表在《先進智能系統》雜誌上。 ​​​

    * 【iPhone 與 Apple Watch 可遠程評估心血管患者的虛弱程度】

    最新研究表明，蘋果的 iPhone和 Apple Watch 可遠程評估心血管患者的虛弱程度。這項研究由斯坦福大學進行，並由蘋果公司資助。該研究將傳統的步行測試、使用 iPhone 和 Apple Watch 傳感器在門診測量以及通過應用程序遠程進行的步行測試進行比較。它還納入了被動收集的活動數據。

    * 【美國科學家利用X射線對神經元進行無線調制，幫助治療和改善腦部疾病】

    美國能源部阿貢國家實驗室的研究人員與四所大學的研究人員合作發明利用X射線對神經元進行無線調制的方法。該療法依靠光學和遺傳學的突破，通過注射納米顆粒來刺激大腦深處的神經元，有可能幫助治療慢性抑鬱症和疼痛。 ​​​

    * 【新型高精度溫度計可為量子計算機快速測溫】

    瑞典哥德堡查爾姆斯理工大學的研究人員開發了一種新型溫度計，借助其可以實現在量子計算過程中，直接以極高的精度簡單、快速地測量溫度。相關研究成果發表在《物理評論X》期刊上。 ​​​

    * 【吃辣還有這好處？辣椒素能增加造血乾細胞動員能力！】血液癌亦稱血癌，就是我們平常說的白血病。白血病佔惡性腫瘤總發病數的 5% 左右，患有這類惡性腫瘤的人，需要先進行連續化療再進行骨髓移植，以用健康造血乾細胞代替受損乾細胞。我們都知道，交感神經可以調節造血乾細胞生態位，但骨髓中傷害性神經元的貢獻尚不清楚。

    近日，阿爾伯特·愛因斯坦醫學院和北卡羅來納大學教堂山分校的研究人員在小鼠身上做了實驗，併發現兩個結果：1.傷害性感受神經元通過降鈣素基因相關肽（CGRP，Calcitonin gene related peptide，人類用分子生物學方法發現的首個活性多肽）的分泌可以誘導造血乾細胞動員；2.辣椒素觸發傷害性神經元的激活，從而顯著增強了小鼠造血乾細胞動員能力。

    * 【歐洲核子研究中心 LHCb 實驗結果正挑戰物理學的領先理論】

    歐洲核子研究中心 LHCb（大型強子對撞機）實驗的英國物理學家今天公佈了新的結果，測量出現了兩種不同類型的美誇克（又名底誇克）衰變，這些結果可能暗示了違反粒子物理學現有標準模型。美誇克通過弱相對作用，可以衰變為上誇克或粲誇克，但新的結果表明，這可能不會發生。

    * 【特斯拉聯合創始人與Specialized合力，共同解決電動自行車電池問題】電動自行車既有摩托車的功能，又可以使用自行車的腳踏騎行。它以輕便、易操控、節能環保等優勢，成為越來越多人出行選擇。通常，當騎車人踩踏板或使用油門時，那些安裝在自行車下管或集成在自行車下管內的電池會啓動電動機。

    但是，電動自行車的問題也日益突出。比如，當電池用盡時該怎麼處理，是直接將這些電子垃圾送入垃圾站，還是有其他更好的解決方案？

    最近，美國第三大自行車製造商 Specialized（按市場份額標準）給出了不一樣的答案。它選擇與特斯拉的聯合創始人兼前首席技術官 Jeffrey Straubel 合作，目的是讓電動自行車的蓄電池通過回收擁有第二次生命。

    * 【火星上消失的水源可能隱藏在地殼之下】數十億年之前，溫暖的火星上分布著湖泊和海洋。而在大約 30 億年以前，這些巨大的水體在火星表面消失得無影無蹤。多年來，科學家們一直認為，隨著火星大氣層的削弱，其表面的水分逃逸到了太空之中。

    然而，這些水源或許並沒有一直向上逃逸，而是朝著反方向進入了地下。加州理工學院研究人員開發的新模型顯示，我們仍然有可能在火星的地殼下發現 30% 到 99% 的古老水源，相關論文被發表在《科學》雜誌上。

  • 台灣物聯網實驗室 IOT Labs

    分子原子粒子量子 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文

    2021-01-05 10:44:35
    有 1 人按讚

    用深度神經網路求解「薛丁格方程式」，AI 開啟量子化學新未來

    作者 雷鋒網 | 發布日期 2021 年 01 月 02 日 0:00 |

    19 世紀末，量子力學的提出為解釋微觀物質世界打開了一扇大門，徹底改變了人類對物質結構及相互作用的理解。已有實驗證明，量子力學解釋了許多被預言、無法直接想像的現象。

    由此，人們也形成了一種既定印象，所有難以理解的問題都可以透過求解量子力學方程式來解決。

    但事實上能夠精確求解方程式的體系少之又少。

    薛丁格方程式是量子力學的基本方程式，即便已經提出七十多年，它的氫原子求解還是很困難，超過兩個電子的氫原子便很難保證精確度。

    不過，多年來科學家們一直在努力克服這一難題。

    最近，來自柏林自由大學（Freie Universität Berlin） 的科學團隊取得了突破性進展，他們發表的一篇名為《利用深度神經網路解電子薛丁格方程式》的論文，登上《Nature Chemistry》子刊。

    論文明確指出：利用人工智慧求解薛丁格方程式基態解，達到了前所未有的準確度和運算效率。該人工智慧即為深度神經網路（Deep-neural-network），他們將其命名為 PauliNet。

    在介紹它之前，我們先來簡單了解薛丁格方程式。

    什麼是薛丁格方程式？

    薛丁格方程式（Schrödinger Equation），是量子力學中的一個基本方程式。又稱薛丁格波動方程式（Schrödinger Wave Equation），它的命名來自一位名為埃爾溫·薛丁格（Erwin Schrödinger）的奧地利物理學家。

    Erwin 曾在 1933 年獲得諾貝爾物理學獎，是量子力學奠基人之一。他在 1926 年發表的量子波形開創性論文中，首次提出了薛丁格方程式。它是一個非相對論的波動方程式，反映了描述微觀粒子的狀態隨時間變化的規律。

    具體來說，將物質波的概念和波動方程式相結合建立二階偏微分方程式，以描述微觀粒子的運動，每個微觀系統都有一個相應的薛丁格方程式，透過「解方程式」可得到波函數的具體形式以及對應的能量，從而了解微觀系統的性質。

    薛丁格方程式在量子力學的地位，類似牛頓運動定律在經典力學的地位，在物理、化學、材料科學等多領域都有廣泛應用價值。

    比如，應用量子力學的基本原理和方法研究化學問題已形成「量子化學」基礎學科，研究範圍包括分子的結構、分子結構與性能之間的關係；分子與分子之間的相互碰撞、相互作用等。

    也就是說，在量子化學，透過求解薛丁格方程式可以用來預測出分子的化學和物理性質。

    波函數（Wave Function）是求解薛丁格方程式的關鍵，在每個空間位置和時間都定義一個物理系統，並描述系統隨時間的變化，如波粒二象性。同時還能說明這些波如何受外力或影響發生改變。

    以下透過氫原子求解可得到正確的波函數。

    不過，波函數是高維實體，使捕獲特定編碼電子相互影響的頻譜變得異常困難。

    目前在量子化學領域，很多方法都證實無法解決這難題。如利用數學方法獲得特定分子的能量，會限制預測的精確度；使用大量簡單的數學構造塊表示波函數，無法使用少數原子進行計算等。

    在此背景下，柏林自由大學科學團隊提出了一種有效的應對方案。團隊成員簡‧赫爾曼（Jan Hermann）稱，到目前為止，離群值（Outlier）是最經濟有效的密度泛函理論（Density functional theory ，一種研究多電子體系電子結構的方法）。相比之下，他們的方法可能更成功，因在可接受計算成本下提供前所未有的精確度。

    PauliNet：物理屬性引入 AI 神經網路
    Hermann 所說的方法稱為量子蒙地卡羅法。

    論文顯示，量子蒙地卡羅（Quantum Monte Carlo）法提供可能的解決方案：對大分子來說，可縮放和並行化，且波函數的精確性只受 Ansatz 靈活性的限制。

    具體來說，團隊設計一個深層神經網路表示電子波函數，這是一種全新方法。PauliNet 有當成基準內建的多參考 Hartree-Fock 解決方案，結合有效波函數的物理特性，並使用變分量子蒙地卡洛訓練。

    弗蘭克‧諾（Frank Noé）教授解釋：「不同於簡單標準的數學公式求解波函數，我們設計的人工神經網路能夠學習電子如何圍繞原子核定位的複雜模式。」

    電子波函數的獨特特徵是反對稱性。當兩個電子交換時，波函數必須改變符號。我們必須將這種特性構建到神經網路體系結構才能工作。

    這類似包立不相容原理（Pauli’s Exclusion Principle），因此研究人員將該神經網路體系命名為「PauliNet」。

    除了包立不相容原理，電子波函數還具有其他基本物理特性。PauliNet 成功之處不僅在於利用 AI 訓練數據，還在將這些物理屬性全部整合到深度神經網路。

    對此，FrankNoé 還特意強調說：

    「將基本物理學納入 AI 至關重要，因為它能夠做出有意義的預測，這是科學家可以為 AI 做出有實質性貢獻的地方，也是我們關注的重點。」

    實驗結果：高精確度、高效率

    PauliNet 對電子薛丁格方程式深入學習的核心方法是波函數 Ansatz，它結合了電子波函數斯萊特行列式（Slater Determinants），多行列式展開（Multi-Determinant Expansion），Jastro 因子（Jastrow Factor），回流變換（backflow transformation,），尖點條件（Cusp Conditions）以及能夠編碼異質分子系統中電子運動複雜特徵的深層神經網路。如下圖：

    論文中，研究人員將 PauliNet 與 SD-VMC（singledeterminant variational，標準單行列式變分蒙地卡羅）、SD-DMC（singledeterminant diffusion，標準單行列式擴散蒙地卡羅）和 DeepWF 進行比較。

    實驗結果顯示，在氫分子（H_2）、氫化鋰（LiH）、鈹（Be）以及硼（B）和線性氫鏈 H_10 五種基態能量的對比下，PauliNe 相較於 SD-VMC、SD-DMC 以及 DeepWF 均表現出更高的精準度。

    同時論文中還表示，與專業的量子化學方法相比──處理環丁二烯過渡態能量，其準確性達到一致性的同時，也能夠保持較高的計算效率。

    開啟「量子化學」新未來

    需要說明的是，該項研究屬於一項基礎性研究。

    也就是說，它在真正應用到工業場景之前，還有很多挑戰需要克服。不過研究人員也表示，它為長久以來困擾分子和材料科學的難題提供了一種新的可能性和解決思路。

    此外，求解薛丁格方程式在量子化學領域的應用非常廣泛。從電腦視覺到材料科學，它將會帶來人類無法想像的科學進步。雖然這項革命性創新方法離落地應用還有很長的一段路要走，但它出現並活躍在科學世界已足以令人興奮。

    如 Frank Noé 教授所說：「相信它可以極大地影響量子化學的未來。」

    附圖：▲ Ψ 表示波函數。

    資料來源：https://technews.tw/2021/01/02/schrodinger-equation-ai/?fbclid=IwAR340MNmOkOxUQERLf4u3SK0Um6VQVBpvEkV_DxyxIIcUv8IP88btuXNJ6U

  • 分子原子粒子量子 在 Facebook 的最佳解答

    2020-10-30 13:23:36
    有 886 人按讚

    最近花比較多的時間在『觀察』

    在這段時間內發現到了許多事，最重要的一件事應該是發現大概８０％以上的人都不懂的如何精準的『解決問題』，甚至許多公司的＂高階幹部＂與＂老闆＂都不懂，是的你沒看錯，許多老闆真的連如何精準解決問題都不曉得。

    為此我有創造了一個問題解決的方法教給我們的內部同仁，這個方法我給他定義了一個名稱叫＂懂拆＂，而為了讓我們的同仁更快速的記得，我給了一個Slogan叫做＂懂拆，保你一生平安＂。

    懂拆跟解決問題有什麼關聯呢？
    其實大家要認知到一件事情，就是所有事物的組成絕對不是獨立存在的，一件事情的組成絕對是由許多小事物所組合而成的，而許多人無法精準的解決問題的重點是在當問題發生時你只看到＂問題＂本身，而非從更小的事件組成來看＂問題＂為何發生？

    現代所說的量子力學、超弦理論其實已經認知到了萬物由細胞組成，細胞由分子組成，分子由原子組成，原子由粒子組成，反過來說假設你看待每一件事情都是由十件小事情所組成（當然有些事情較複雜，十只是個比喻）只要你把這十件小事情找出來，你就可以更容易看到真正的問題到底在哪！

    再反過來說如果一件事情是由十件小事情所組成，那你只要確保十件小事情都有達到你心中理想的分數，那成品自然就不會太差，所以只要當你認知到任何事物的組成都是由更小的事物所組成的，那之後你遇到問題就是拆解下去就對了。

    這個觀念需要練習，但當你駕輕就熟之後，你就會在大腦內自動組織拆解，很多問題真的超級快就會有解法，我真的沒騙大家，在公司的同仁幾乎都知道，只要給我一支筆跟紙我就可以解決９９％的問題，但我相信這個技能所有人都可以學會的，真心希望台灣能真正解決問題的人可以越來越多。

    在這邊做個小調查，如果把這技能變成課程大家會想上嗎？（只是個調查，我短時間內還沒打算把這東西變成課程，因為我還在找更淺顯易懂的方式）

你可能也想看看

搜尋相關網站