رفتن به نوشته‌ها

برچسب: مغز

🎞 گفت‌وگو در مورد نوروساینس

این برنامه به منظور آشنایی بیشتر با نوروساینس و به طور خاص علوم اعصاب محاسباتی در قالب یک گفت‌وگوی زنده اینستاگرامی برگزار شد.

میهمانان

🎤 دکتر سمانه نصیری 🇺🇸
دکتری انفورماتیک پزشکی، یادگیری ماشین و پردازش سیگنال، پژوهشگر در دانشگاه پزشکی هاروارد

🎤 دکتر شیما سید علایی 🇮🇷
دکتری علوم اعصاب شناختی، فرایندهای عالی شناختی، پژوهشگر پسادکتری ارشد IPM

🎤 علیرضا سعیدی 🇩🇪
دانشجوی دکتری علوم اعصاب سیستمی، آگاهی و ادراک دیداری، موسسه ماکس پلانک برای سایبرنتیک زیستی

منابع معرفی شده

از MIT OCW:

سایر منابع:

Summer school on Mathematical Methods in Computational Neuroscience at the Fred Kavli Science Center, Eresfjord, Norway
All seminars will be available for the public to attend digitally (no need to register or apply)
https://NTNU.zoom.us/j/98589653142?pwd=SnFLK0lmd2Z0bzJSOXlxbk5jTFRHQT09
Passcode: 235220 

پرسش‌های اصلی این برنامه

  • اسم دقیق این گرایش چیست؟
  • هدف و پرسش‌های معروف در این گرایش چیست؟ متخصصان به چه نوع از مسائل علاقه دارن؟
  • به نظر شما چه تصویر رایج غلطی در ذهن عوام در مورد این گرایش وجود دارد؟
  • چگونه با این رشته آشنا شدین؟ 
  • چه‌طور متوجه شدید که این گرایش مناسب شماست؟
  • محیط کار شما چه شکلی است؟ (آزمایشگاه، رصدخانه، پشت میز، کار با کامپیوتر و …)
  • یک روز عادی در زندگی حرفه‌ای شما چگونه سپری می‌شود؟
  • آیا از انتخابتان راضی هستید؟
  • سختی‌های زندگی شما شامل چه چیزهایی می‌شود؟
  • آیا به سایر علاقه‌مندان به این گرایش توصیه می‌کنید که به‌طور حرفه‌ای به این گرایش بپردازند؟
  • مقدمات علمی و فنی لازم برای ورود به این گرایش
  • درس‌های اصلی (ارائه شده و نشده در مقطع کارشناسی)
  • مهارت‌های جانبی (توانایی محاسباتی و کار کردن با نرم‌افزارهای خاص)
  • کدام دانشگاه و یا مراکز تحقیقاتی در ایران به این گرایش می‌پردازند؟
  • بازار کار در ایران و خارج چگونه است؟
  • امکان تحصیل در خارج از کشور و پذیرش گرفتن در این گرایش چگونه است؟
  • آینده کاری و وضعیت رفاهی خود را چگونه می‌بینید؟ در ایران/خارج

در اینستاگرام ببینید:

sitpor_media
گفت‌وگو در مورد نوروساینس ۱/۲
sitpor_media
گفت‌وگو در مورد نوروساینس ۲/۲

در یوتیوب بینید:

ویدیو ۲۵امین گردهمایی انجمن علمی ژرفا با موضوع سیستم‌های پیچیده

۲۵امین گردهمایی انجمن علمی ژرفا با موضوع سیستم‌های پیچیده با همکاری انجمن‌های علمی فیزیک، همبند، شناسا از دانشگاه صنعتی شریف و مرکز شبکه‌های پیچیده و علم دادهٔ اجتماعی دانشگاه شهید بهشتی در تاریخ ۲۴ام اردیبهشت ماه سال ۱۳۹۸ برگزار شد.

💰 اقتصاد و فیزیک سیستم‌های پیچیده – دکتر سامان مقیمی

🧠 مغز از پیچیده تا بغرنج – دکتر عبدالحسین عباسیان

🧬 پیچیدگی زیستی: در جستجوی تصویری واقع‌بینانه از ژنوتیپ و شایستگی – دکتر عطا کالیراد

میز گفت‌وگو درباره‌ی سیستم‌های پیچیده

حکایت «سیستم‌های پیچیده» چیست؟!

این نوشته رو به مناسبت بیست و پنجمین گردهمایی ژرفا با موضوع سیستم‌های پیچیده برای شماره ۸۱۸ روزنامه دانشگاه صنعتی شریف نوشتم.


برای دیدن نگاره با کیفیت بیشتر کلیک کنید. حق نشر متعلق به شماره ۸۱۸ روزنامه دانشگاه صنعتی شریف.

انسان به دنبال قدرت پیش‌بینی

از قرن ۱۷ میلادی ما انسان‌ها به امید پیدا کردن الگوهایی در طبیعت، با جدیت خاصی شروع به مطالعه دنیای اطرافمان به صورت کمی کردیم. رفته‌رفته عددها مهم‌تر شدند و همه هم‌ و غم‌مان تبدیل به این شد که بعد از به دست آوردن یک‌سری عدد، پیش‌بینی کنیم که عدد بعدی چیست! گاهی این پیش‌بینی در مورد مکان یک سیاره در آسمان بود بعد از چند ماه رصد یا دمای یک پیستون پر از گاز و مایع بعد از طی کردن یک فرایند ترمودینامیکی. گاهی هم آن عدد مطلوب، زاویه‌ی پرتاب یک توپ بود به لشکر دشمن! الگوهای حاکم بین اعداد همیشه موضوع هیجان‌انگیز و سودآوری برای مردم بود چرا که قدرت «پیش‌بینی» را در پی داشت.

قدرت پیش‌بینی، مزیت رقابتی علم بر فلسفه بود که از دل مدل‌سازی‌های عددمحور به دست می‌آمد. قرن ۱۹ و ۲۰ میلادی طی شد و نوبت به هزاره سوم رسید. انسان قرن ۲۱ام که به گمانش همه علوم را خوب می‌شناخت، با پرسش‌های جدیدی روبه‌رو شد. پرسش‌هایی که این بار مرز بین علوم را نشانه گرفته بودند. پرسش‌هایی از این جنس که حالا که فیزیک را به‌خوبی می‌شناسیم‌، آیا می‌توانیم یک ترکیب آلی را به خوبی توصیف کنیم یا مثلا شیوه تاشدگی یک پروتئین را با دقت خوبی پیش‌بینی کنیم؟! یا اگر متخصص زیست‌شناسی باشیم پیش‌بینی رفتار جامعه انسان‌ها در شرایط بحران اقتصادی برایمان ممکن است؟! در مورد رفتار بازار بورس چه؟ اکنون که سلول‌های عصبی را می‌شناسیم آیا کارکرد مغز را می‌توانیم توصیف کنیم؟ آیا می‌توانیم بگوییم که برای سلول‌های عصبی چه اتفاقی می‌افتد که فردی دچار بیماری‌هایی مانند صرع یا پارکینسون می‌شود؟ یا پرسش‌هایی از این قبیل که چرا هنوز مدیریت ترافیک و جلوگیری از مسدود شدن جاده‌ها برایمان دشوار است؛ مگر ما همان بشری نیستیم که به ماه سفر کرده‌ایم و با توسعه مکانیک کوانتومی بمب اتم ساخته‌ایم؟! چرا بعد از حل کردن این همه مسئله بغرنج، نمی‌توانیم زمان بحرانی برای همه‌گیری یک شایعه یا بیماری جدید در دنیا را محاسبه کنیم و برنامه دقیقی برای چگونگی واکسیناسیون مردم را تدوین کنیم؟ علی‌رغم این همه پیشرفت در علوم مختلف، چرا در حل این قبیل مسائل ناتوان مانده‌ایم؟!

چرا شناخت دنیای اتم‌ها برای شناخت دنیای شیمی کافی نیست؟! یا چرا «بیشتر، متفاوت است»؟

همه این‌ها پرسش‌هایی بود که به‌خاطر ظاهر ساده‌شان انسان قرن بیست‌ و یکمی نخست فکر می‌کرد که «علی‌الاصول» باید بشود جوابشان را دانست. بالاخره طی سه قرن گذشته، ریاضیات بسیار گسترش یافته بود و فیزیک – علم اتم‌ها و کهکشان‌ها – را به خوبی توسعه داده‌ بودیم. فیزیک هم که مادر شیمی است و شیمی مادر زیست‌شناسی و زیست‌شناسی توصیف‌کننده موجودات زنده و انسان‌ هم یک موجود زنده است. رفتار بازار بورس یا اقتصاد جهانی یا همه‌گیری یک بیماری هم بر اساس عملکرد همین موجودات زنده است. خب پس لابد با مقداری محاسبه می‌توان به این پرسش‌ها پاسخ داد. با این وجود، رفته رفته متوجه شدیم که فهم ما از سیستم‌هایی مانند مغز انسان یا اقتصاد جهانی دچار نواقص جدی است و پیش‌بینی و کنترل رفتار آن‌ها برای ما بسیار دشوار است. گویا این سیستم‌ها دارای پیچیدگی عجیبی هستند. به عبارتی، این سیستم‌ها، پیچیده هستند از آن‌جا که ما با آن‌که اجزایشان را می‌شناسیم و رفتار تک‌تک ‌آن‌ها را به خوبی می‌توانیم پیش‌بینی کنیم، ولی «رفتار جمعی» آن‌ها تحت یک ساختار جدید را نمی‌توانیم به خوبی توصیف کنیم! می‌دانیم که عملکرد سلول‌های عصبی سازنده مغز چگونه‌ است، اما عملکرد مغز را نمی‌توانیم توصیف کنیم. مثلا نمی‌دانیم تکلیف حافظه چیست! می‌دانیم که در سلول‌های عصبی حافظه وجود ندارد ولی با این حال، در مجموعه‌ای از همین سلول‌ها وجود دارد! همین مجموعه کارهای عجیب و غریب‌تری هم می‌کند. مثلا سلول‌های عصبی مغز به طور جمعی از خود، آگاهی نشان می‌دهند. در حالی که آگاهی در هیچ کجای سلول عصبی بیچاره وجود ندارد. تلاش برای حل این قبیل تناقض‌ها که در مقیاس ریز اگر همه چیز آشنا باشد، لزومی ندارد در مقیاس درشت‌تر رفتار سیستم را بتوانیم توصیف کنیم آغازگر انگاره‌ای جدید در علم بود؛ انگاره پیچیدگی.

پدیدارگی (Emergence) و لزوم تحول انگاره در علم

اگر به دنبال کتاب مناسبی برای یادگیری سیستم‌های پیچیده هستید، این کتاب پیشنهاد جدی ما است 🙂

بشر قرن ۲۱، به دنبال شناخت سیستم‌های پیچیده است. سیستم‌هایی که از تعداد زیادی اجزا تشکیل شده‌اند و نوعی نظم خودبه‌خودی بر آن‌ها حاکم است. در این سیستم‌ها در مقیاس ریز، اجزایشان برهم‌کنش‌های موضعی دارند ولی در مقیاس درشت، رفتارهای «پدیداره» از خود نشان می‌دهند که شبیه به رفتار اجزای آن در مقیاس ریز نیست. راستش، ما ناچار به درک سیستم‌های پیچیده هستیم. برای ما که همیشه مجذوب قدرت پیش‌بینی علم شده‌ایم مهم است که بدانیم اگر آنفولانزا در آفریقا شایع شد با چه احتمالی یک آلمانی در چه روزی بیمار می‌شود و با چه احتمالی یک ایرانی در چند روز بعد. برای ما مهم است، چرا که شبکه واگیری بیماری از لحاظ ریاضیاتی موجود ساده‌ای نیست و مطالعه یک فرایند دینامیکی روی چنین شبکه‌ای بدون کمک گرفتن از کامپیوترها غیرممکن است. برای ما حل هم‌زمان تعداد زیادی معادله دیفرانسیل غیرخطی که به‌ همدیگر وابسته هستند با قلم و کاغذ اصلا راحت نیست. حداقل تجربه سال اول و دوم زندگی دانشگاهیمان این را به ما گوش‌زد می‌کند!

سیستم‌های پیچیده مهم هستند، چرا که انگاره پیچیدگی عینک جدیدی برای مطالعه طبیعت به ما می‌دهد. انگاره پیچیدگی به ما می‌گوید مستقل از این‌که مسئله‌ای تا پیش از این در کدام حوزه‌ خاص از علم بررسی می‌شده، باید با نگاهی از پایین‌ به بالا به دنبال حل آن مسئله باشیم و همزمان از همه امکانات فنی و تحلیلیمان برای حل آن استفاده کنیم. برای مثال، مسئله مغز، یک مسئله در فیزیک یا شیمی یا زیست‌شناسی یا علوم کامپیوتر نیست. در مکتب/نگاه/انگاره پیچیدگی، مسئله مغز سوالی است که متخصصان حوزه‌های مختلف با ابزارهایی که دارند سعی می‌کنند در یک محیط مشارکتی راهی برای حل آن پیدا کنند.

انگاره پیچیدگی به ما می‌گوید با تبدیل کردن یک سیستم به اجزا سازنده آن و شناخت اجزا نمی‌توانیم به درک درستی از آن سیستم برسیم. مکتب پیچیدگی در برابر مکتب تقلیل‌گرایی (reductionism) قرار دارد.

(این نوشته از دکتر محمد خرمی در مورد تقلیل‌گرایی را بخوانید.)


نوشته‌های مرتبط

هولوگرام و مغز ما

سلام

موضوعی که توی این پست به طور خلاصه میخواهیم ازش حرف بزنیم و اطلاعات کلی ای دربارش پیدا کنیم هولوگرام هاست که خب در بینش به تشابه کارکرد هولوگرام ها با مغز هم میپردازیم. احتمالا اگر کلمه ی هولوگرام رو تا به حال شنیدیم بیشتر و تنها ، ویژگی سه بعدی بودن اونها برامون گفته شده، توی این پست با دیگر خصوصیات جالب هولوگرام ها آشنا میشیم و در ضمن هم به معرفی کتابی که این پست تقریبا خلاصه ای از فصل اول اون کتابه میپردازیم. خب، پریبرام کسی بود که با جمع بندیه پژوهش هایی که از هولوگرام ها به دست اومده بود تونست به سوالی که براش پیش اومده بود پاسخ بده. معمایی که پریبرام را نخست به راه انداخت تا الگوی هولوگرافیک خودشو مطرح کند از این پرسش برخاست که خاطرات در مغز انسان کجا و چگونه ذخیره میشن.

در آن دوران اکثر دانشمندان معتقد بودند که خاطرات در مغز انسان جایگاه ویژه ای دارن ، یعنی هر خاطره که شخص دارد همه دارنده ی جایگاه خاص در سلول های مغزند که انگرام نامیده میشن. در پی همین تفکر هم پن فیلد جراح مغز کانادایی شواهد متقاعد کننده ای عرضه کرد که  خاطرات خاص، جایگاه خاص و ویژه ای دارند. پن فیلد با جراحی روی مغز مبتلایان به صرع نقاط مختلف سلول های مغز آن ها را به وسیله ی شوک الکتریکی تحریک میکرد و با شگفتی دریافت که هرگاه ناحیه گیج گاه یکی از بیماران کاملا بیهوش خود را تحریک میکرد بیمار خاطرات وقایع گذشته ی زندگی خود را با جزییات کاملا واضح به یاد می آورد. مثلا پسر بچه ای صدای مادرش را در حال صحبت پای تلفن شنید و پس از چند شوک الکترود توانست تمامی مکالمه را از نو تکرار کند و … .

حتی وقتی پن فیلد سعی کرد که آن ها را گمراه بکند و به آن ها بگوید که نقطه ای دیگر از مغز آن ها را تحریک کرده که در واقع نکرده بود همواره همان خاطره ی قبلی فراخوانده میشد و پن فیلد این چنین نتیجه گرفت که هر آن چه که تا به حال تجربه کرده ایم در مغز ما ثبت شده است. پریبرام دلیلی برای شک کردن به نظریه ی پن فیلد نداشت.اما این پژوهش های لاشلی بود که نحوه ی اندیشه ی او را به کل تغییر داد. کاری که لاشلی میکرد عبارت از این بود که به موش ها تعلیم میداد دست به اعمال گوناگون بزنند،مثل گذشتن از مارپیچ ها.بعد تکه های مختلفی از مغز موش ها را با عمل جراحی برمیداشت و دوباره به محک آزمایش میگذاشت. او آن قسمت از مغز موش ها را برمیداشت که حاوی خاطره ی گذشتن از مارپیچ است،وقتی این کار عملی شد با شگفتی دریافت که صرف نظر از این که کدام قسمت مغز برداشته شده خاطره ی آن ها هیچ گاه از بین نرفته است.  برای پریبرام تنها پاسخ ممکن این بود که خاطره ها مکان خاصی در مغز ندارند و به طور کلی در سراسر مغز پراکنده شده اند و این شده که خواندن مقاله ای در ساینتیفیک امریکن که به توصیف چگونگی ساخت نخستین هولوگرام میپرداخت پاسخ نهایی چگونگی کارکرد مغز را پیش پای او نهاد. از این جاست که ما وارد بحث هولوگرام ها و ویژگی های آن میشویم.

شما برای این که سر از کار پریبرام درآورید و آشنایی بیشتری درباره ی ارتباط مغز و هولوگرام پیدا کنید میتونید به کتاب جهان هولوگرافیک مایکل تالبوت رجوع کنید و از خواندن آن لذت ببرید. اما هولوگرام؛ یکی از چیز هایی که هولوگرافی را ممکن میسازد پدیده ای است به نام تداخل. تداخل عبارت از نقشی ضربدری است که از دو یا سه موج نظیر امواج آب که در هم تداخل پیدا کرده حاصل می آید. هر نوع پدیده ی موج گونه می تواند یک طرح تداخلی ایجاد کند.نظیر امواج رادیو و نور. و از آن جا که اشعه ی لیزر پرتویی بسیار خالص و تکفام از نور است، برای ایجاد طرح تداخلی مناسب است. حالا وقتی یک اشعه ی لیزر به دو تابه ی مجزا تقسیم شود، هولوگرام به وجود می آید. اولین تابه با برخورد به شی که قرار است از آن عکس گرفته شود به عقب می جهد. سپس تابه ی دوم با انعکاس نور تابه ی اول برخورد میکند و حاصلش یک الگوی تداخلی است که روی قطعه ای فیلم ضبط میشود. به چشم بیننده ، تصویر توی فیلم به هیچ رو شبیه شی عکاسی شده نیست.

Untitledبا تاباندن تابه ی سوم به فیلم، تصویری سه بعدی از شی اصلی در طرف دیگر فیلم ظاهر میشود.  به واقع میتوان دور و بر یک تصویر هولوگرافیک قدم زد و از زوایای مختلف بدان نگریست ، انگار به یک شی واقعی نگاه می کنیم. اما هرگاه بخواهید این تصویر را لمس کنید ، دست شما از میان آن گذر میکند و در می یابید که در واقع چیزی آن جا نیست. کیفیت سه بعدی بودن هولوگرام تنها وجه شاخص آن نیست.اگر تکه ای از فیلم هولوگرافیک تصویری از سیب را از میان دو نیمه کنیم و سپس اشعه ی لیزر بر آن بتابانیم ، هر نیمه حاوی تصویر کاملی از سیب خواهد بود. حتی اگر این نیمه را باز به دو نیمه و نیمه را دوباره به دو نیمه تقسیم کنیم، تصویر کاملی از سیب در هر یک از قسمت های کوچک فیلم به دست خواهد آمد (هر اندازه قسمت ها کوچکتر میشوند تصاویر محو تر خواهد شد).

بر خلاف عکس های معمولی ، هر تکه کوچک قسمتی از فیلم هولوگرافیک حاوی کلیه ی اطلاعاتی است که در همه ی فیلم ضبط شده است. همین نکته بود که پریبرام را به هیجان آورد و فهمید که خاطرات در مغز به جای این که مکان مشخصی داشته باشند در مغز پراکنده اند. اگر هر بخش تکه ای فیلم هولوگرافیک حاوی تمام اطلاعات لازم جهت ساختن تصویر کامل آن باشد، پس به نظر ممکن می آید که هر بخش از مغز نیز حاوی تمام اطلاعات لازم جهت فراخواندن همه ی خاطره باشند. بخش شاید جذاب تر هولوگرام ، بررسی ویژگی های آن و شباهت کارایی مغز و هولوگرام است که حالا به بررسی آنها میپردازیم.

به نظرتون مغز چه جوری میتونه این همه اطلاعات را در همچین فضای کوچکی ذخیره بکنه؟خب جالبه اینو بدونید که در طول عمر هر فرد معمولی مغز او چیزی حدود 280000000000000000000 یا 20^10*2.8 تکه اطلاعات ذخیره میکند.هولوگرام هم از قابلیت حیرت انگیزی برای ذخیره ی اطلاعات برخورداره. با تغییر زاویه ای که از برخورد دو موج لیزری روی فیلم عکاسی به دست آمده میتوان تصاویر گوناگون بسیاری روی همان سطح ضبط کرد. هر تصویر ضبط شده را میتوان با نور دادن به فیلم توسط اشعه لیزری و از همان زاویه ای که دو موج قبلی ساطع شده اند،دوباره به دست آورد.یک مربع یک اینچی فیلم قادر است همان قدر اطلاعات ذخیره کند که در پنجاه انجیل ذخیره شده است! البته من نمیدونم 50 انجیل حاوی چه قد اطلاعاته و بهتر بود در مقایسه با اطلاعات ذخیره شده در مغز میگفت ولی خب احتمالا خیلی زیاده…

یک ویژگی دیگه…ایده ی هولوگرافیک مثال دیگری است از گرایشهای تداعی کننده ی خاطره. اول نور یک اشعه ی لیزر را در نظر بگیریم که به دو شی همزمان تابیده و باز میگردد، مثلا به یک صندلی راحتی و یک یپپ. سپس میگذاریم نوری  که از دو شی مذکور بازمیگردند با هم تلاقی کنند، و حاصل آن را روی فیلم ضبط میکنیم.سپس هرگاه به صندلی راحتی توسط اشعه ی لیزر نور بتابانیم و نور انعکاس یافته را از داخل فیلم بگذرانیم ، یک تصویر سه بعدی پیپ نمایان میشود ، و بر عکس.هرگاه همین کار را با پیپ انجام دهیم ، تصویر هولوگرافیک صندلی راحتی پدیدار خواهد شد. همین ویژگی در مغز مشابه فرآیندی است که بعضی اشیا ، از گذشته ی ما خاطرات خاصی را برمی انگیزانند.

ویژگی بعدی ای که راجع بش میخونیم هولوگرافی تشخیصه.در هولوگرافی تشخیص تصویر هولوگرافیک از یک شی به همان شیوه ی معمول ضبط میشود، جز آن که اشعه ی لیزر را به آینه ی خاصی که آینه ی متمرکز کننده نام دارد می تابانند و سپس نور منعکس شده را به سطح فیلم ظاهر نشده می تابانند. اگر یک شی دیگر را که با شی اول مشابه، ولی نه کاملا همسان است زیر اشعه ی لیزر قرار میدهیم و نور منعکس شده از آینه را به فیلم بتابانیم. پس از این که فیلم ظاهر شد نقطه ی روشنی روی آن پدیدار میشود.هر چه شباهت میان شی اول و شی دوم بیشتر باشد نقطه ی نورانی روشن تر و درخشان تر میشود. اگر دو شی مذکور هیچ شباهتی به هم نداشته باشند، هیچ نقطه ی نورانی ای پدیدار نخواهد شد.با قرار دادن یک فتوسل حساس به نور در پشت فیلم هولوگرافیک، میتوان در واقع از این مجموعه به عنوان یک ساز و کار مکانیکی تشخیص بهره برد که در مغز هم شناسایی چهره های آشنا به همین شکل است.

تکنیک مشابهی که هولوگرافی تداخلی نام دارد هم میتواند توضیح دهد که چگونه میتوان مشخصات آشنا و نا آشنای یک تصویر، مثل چهره ی کسی را که سالهاست ندیده ایم تشخیص داد. در این تکنیک شیئی را از میان تکه ای فیلم هولوگرافیک که حاوی تصویر خود شی است میبینیم.حال اگر هر یک از مشخصات شی پس از آنکه تصویرش ضبط شد تغییر کند، نور منعکس شده نیز تغییر خواهد کرد.کسی که به فیلم نگاه میکند بی درنگ در میابد که شی چگونه عوض شده یا اصلا عوض نشده است.در این تکنیک کار چنان حساس است که حتی فشار انگشت روی سنگ یا آجر هم بلافاصله نشان داده میشود. امروزه این تکنیک کاربرد عملی پیدا کرده و در صنعت آزمایش مواد مختلف به کار میرود.

این برخی از کاربرد های هولوگرام ها بود که خب برای  بیشتر دونستن دربارش دوباره شما رو به خوندن کتاب جهان هولوگرافیک دعوت میکنم…

حالا کمی از زبان ریاضی هولوگرام میگیم و این موضوع رو تمام میکنیم. در حالی که نظریه های دنیس گابور( که از برندگان جایزه ی نوبل هست) که باعث تحول و گسترش تئوری هولوگرام شده بود نخستین بار توسط خود او صورت بندی و بر شمرده شد، در اواخر دهه ی شصت(میلادی) از نظریه پریبرام حتی خیلی بیشتر از ایده های گابور پشتیبانی شد.وقتی گابور به ایده ی هولوگرافیک اندیشید ، کاری به اشعه ی لیزر نداشت.هدفش بیشتر ایجاد تحول در میکروسکوپ الکترونی بود.رویکرد او ریاضی وار بود و ریاضیاتی که به کار برد نوعی حساب دیفرانسیل و انتگرال بود که ژان فوریه ابداع کرده بود.به طور خلاصه آن چه که فوریه پرورانده بود نوعی روش ریاضی وار بود جهت تبدیل هرگونه طرح و الگویی هر چند پیچیده به زبان امواج ساده.در عین حال این را هم نشان داد که که این اشکال موج گونه را چگونه میتوان به همان شکل اولیه برگرداند.معادله ای که این فرآیند را نشان میدهد به نام مبدل های فوریه معروف است. به کمک مبدل های فوریه، گابور توانست تصویر شی را در فضای تار و مه آلود الگوهای تداخلی روی تکه ای فیلم هولوگرافیک ضبط کند.سپس سعی کرد به کمک آن ها راهی بیابد که که دوباره همان الگوهای تداخلی را به تصویر شی اولیه بازگرداند.

Untitled2حالا که گریزی به زبان موج گونه ی فوریه ی زدیم بد نیست از یک کاربرد جالب فوریه یاد کنیم مبنی بر این که حتی حرکات جسمانی ما هم در مغز ما با همان زبان موج گونه ی فوریه حک شده است.نیکلای برنشتاین چند داوطلب را لباس تنگ سیاه پوشاند و در آرنچ ها و زانو های آن ها و سایر مفاصلشان نقاط سفیدی گذاشت. سپس آنها را رو به روی زمینه ای سیاه قرار داد و از آن ها در حال فعالیت های گوناگون جسمانی مثل رقصیدن ، راه رفتن ، جهیدن ، و تایپ کردن فیلم گرفت.وقتی فیلم را ظاهر کرد ، دریافت که تنها نقاط سفیدی پدیدار بودند که به بالا و پایین و چپ و راست در جهات گوناگون و در هم و بر هم حرکت میکردند.او جهت بهره بری بیشتر از کشفیاتش ، خطوط گوناگونی را که از نقاط سفید پدید آمده بود تجزیه و تحلیل کرد و همه را به یک زبان موج گونه تبدیل نمود. و با imagesکمال تعجب دریافت که اشکال موج گونه حاوی الگو های پنهانی هستند که که به او اجازه میدهند حرکات بعدی آزمون شونده ها را تا حد یک اینچ پیش بینی کند!

مطلب ما همین جا به پایان میرسه!

تصویر سمت راست هم کتاب جهان هولوگرافیک هست که اگر از دونستن این مطالب لذت بردین شما رو به خوندن این کتاب که ترجمه ی بسیارخوب و روانی هم داره دعوت میکنم…