AI に複雑な研究データを理解させるよう教える
1768259738 2026-01-12 21:59:00 この図は、新しい種類の AI モデルである ZENN が、コンピューターが乱雑な現実世界の情報を理解するのにどのように役立つかを示しています。流れるような多色の表面は、複雑なデータが非常に異なる形式である場合でも、その中に隠れている多くの可能なパターンを表しています。画像、書かれたテキスト、位置データ (下部のアイコンで表示) がすべて 1 つの共有画像に結合されます。これらのさまざまなソースを統合することで、ZENN は意味のあるパターンを特定し、一貫性のないデータや不完全なデータに苦戦する従来のモデルよりも優れた予測を行うことができます。クレジット: ジェニファー・M・マッキャン 人工知能 (AI) は、医療画像、材料データ、科学的測定値の分析にますます使用されていますが、現実世界のデータが理想的な条件と一致しない場合、多くのシステムは問題を抱えています。さまざまな機器、実験、シミュレーションから収集された測定値は、分解能、ノイズ、信頼性が大きく異なることがよくあります。従来の機械学習モデルは通常、これらの差異は無視できるものであると想定しており、この前提により精度と信頼性が制限される可能性があります。 この問題に対処するために、ペンシルバニア州立大学の研究者らは、アルツハイマー病研究から先端材料設計に至るまでの分野に潜在的な影響を与える新しい人工知能フレームワークを開発しました。このアプローチは ZENN と呼ばれ、次の研究で詳しく説明されています。 注目の のショーケースとして 米国科学アカデミーの議事録、AI モデルに、データ品質の隠れた違いを無視するのではなく、認識して適応するよう教えます。 ZENN (Zentropy-Embedded Neural Networks の略) は、材料科学および工学の博士研究員である Shun Wang によって開発されました。 Wenrui Hao 氏（数学教授）、Zi-Kui Liu 材料科学工学教授、Shunli Shang 研究教授（材料科学工学教授）。 ZENN のアプローチの背後にある科学 ゼントロピー これはリューの高度なエントロピー理論であり、秩序を維持するためのエネルギーが不足するとシステムは無秩序に向かう傾向があると仮定しています。このより深いエントロピー理論は、量子力学、熱力学、統計力学を統合して、一貫した予測モデルを作成します。研究者らはこのアプローチを使用してフレームワークを開発し、熱力学の原理をニューラル ネットワーク (科学に基づいて人間の脳が情報を処理する方法を模倣する AI の一種) に直接埋め込み、モデルが意味のある信号を不確実性やノイズから区別できるようにしました。 「ほとんどの機械学習手法は、すべてのデータが同種であることを前提としています」とハオ氏は言う。 「しかし、現実世界のデータは本質的に異質なものです。AI を科学的発見に役立てたいのであれば、それを考慮する必要があります。」 従来のニューラル ネットワークは、多くの場合、モデルの予測が正解からどの程度離れているかを測定するために、クロス エントロピー損失と呼ばれる数学的手法を使用してトレーニングされます。ハオ氏によると、このアプローチは、トレーニング […]
科学原則に従いながら、離散空間拡散モデルデータを作成
1768141076 2026-01-09 19:01:00 このプロジェクトの犬研究主任であるチャーリーは、離散空間拡散アプローチのテスト画像の対象者でした。左は、ピクセル全体のチャーリー。右側では、このアプローチにより、元のピクセルのみを使用して画像に完全にノイズが含まれています。これは、科学的原理を尊重する拡散アプローチをトレーニングするための重要なステップです。クレジット: ロスアラモス国立研究所 ロスアラモス国立研究所の研究者は、生成 AI モデルの限界に対処する新しいアプローチを開発しました。生成拡散モデルとは異なり、チームの離散空間拡散アプローチは科学的および物理学の原理を尊重しています。研究チームは、地下岩石の微細構造とリチウムイオン電池の電極という 2 つの挑戦的な科学的応用でモデルを検証し、有望な結果をもたらしました。 「現在、生成拡散モデルは美しい画像を作成しますが、科学データをモデル化するために必要な前提条件である現実世界の科学に基づいた制約を尊重していません」とロスアラモス大学の科学者であり、この研究の筆頭著者であるハビエル・E・サントスは述べた。 「私たちは、総質量の会話などの制約に厳密に従う最初の実際の物理的拡散プロセスを開発したため、科学、技術、産業の課題に対処するのに応用可能です。」 生成拡散モデルは通常、連続強度で動作し、ピクセルとカラー チャネル全体で独立して拡散するため、画像の作成には役立ちますが、離散量を含むアプリケーションには適していません。しかし、離散空間拡散アプローチでは、すでに利用可能な離散量 (粒子数や物質の単位など) を使用してデータを生成するモデルをトレーニングするため、科学にとって興味深いトピックを正確に表現できます。 拡散モデルへの新しいアプローチ 生成拡散モデルは、元のデータが純粋なノイズになるまでトレーニング データ (画像など) にノイズを追加し、その後ノイズ処理を逆にすることによって、新しいデータを生成します。その過程で、モデルは新しいイメージを作成するためにデータを回復する方法を学習します。このアプローチは、加算ノイズを使用することにより、閉鎖系では物質を生成したり破壊したりできないという物質保存の科学原則に違反します。 離散空間拡散モデルは、順方向のノイズ追加プロセスと逆方向のノイズ除去プロセスの両方で粒子数を保存します。このアプローチでは、モデルがすでに利用可能な情報のみを使用して画像を生成することが求められます。空間拡散の採用により、粒子の保存 (これを実現した最初の離散拡散モデル) が達成されると同時に、予測モデルの予測能力の背後にある数学に役立つ確率性、つまりランダムな変動が導入されます。 チームは、機械学習の文献で一般的に使用されている標準ベンチマーク データセットを使用してアプローチを評価しました。初期検証では、このモデルが CIFAR-10 (犬、猫、乗り物など 10 のオブジェクト カテゴリのデータセット) および CelebA (人間の顔のデータセット) からの画像を再現できることが実証されました。特に、このモデルは固定ピクセル数の離散空間で動作しながらこれを達成しましたが、これには重大な技術的課題があります。 その後、彼らは地下岩石の微細構造を用いた離散空間拡散アプローチの検証に移りました。多孔質岩石の 3 つの挑戦的なデータセットを使用してモデルをテストしたところ、このモデルは物質保存原理に従った現実的な画像サンプルを生成する能力を証明しました。これは、石油やガスの探査、炭素隔離などの産業用途にとって潜在的に価値のあるツールです。 チームはまた、次のデータセットでモデルを検証しました。 リチウムイオン電池の電極、電気が構造内をどのように移動するかなど、電極の特徴を示す画像を生成します。検証では、電極の構造忠実度だけでなく、現場で使用されている定量的測定基準も一致しました。この洞察は、研究者がリチウムイオン電池のより効果的な構造を開発するのに役立つ可能性があります。 ロスアラモスの科学者であり、このプロジェクトの主任研究員であるイェン・ティン・リン氏は、「私たちの離散空間拡散モデルは、深く研究され、すでに生物学や地質学などの分野の研究を支えているモデルに基づいて構築されています」と述べた。 「私たちの研究は、これらの伝統的な物理モデルからの洞察が、まったく新しい機械学習アプローチをどのように刺激し、ひいてはそれらのアプローチが科学にどのように役立つかを示しています。」 「科学データの物理的制約を伴う拡散モデリング」プロジェクトに関するチームの結果は、12 月に次の会議で発表されます。 NeurIPS 2025 として スポットライトペーパー 神経情報処理に関する会議とワークショップで。紙は 利用可能 で arXiv プレプリントサーバー。 詳細情報: Javier […]
そのランプは洗濯物を畳んだだけですか？卒業生が家庭用ロボットを再考
1768130673 2026-01-10 12:20:00 テネシー大学工学博士課程を卒業したアーロン・タン氏（左）とアンガス・ファン氏（右）は、ホームロボットのスタートアップ企業Syncrereを共同設立した。クレジット: アーロン・タン アーロン・タンが博士号を取得し始めたとき、 2019年にトロント大学で機械工学と産業工学の博士号を取得したとき、シリコンバレーでロボット工学のスタートアップを率いることは、彼の頭からは最も遠ざかったことだった。 現在、Tan は Syncere の CEO 兼共同創設者として、同じく共同創設者で応用科学工学部の Ph.D. と協力しています。卒業生のアンガス・ファンは、家庭用ロボットをフロアランプと同じくらい身近でありふれたものにすることで、家庭用ロボットの未来を再考することにしました。 タンとファンは、ゴールディ・ネジャット教授の自律システムおよびバイオメカトロニクス（ASB）研究室の大学院生として、ロボットが人間と一緒にどのように機能できるかを研究しました。 「博士課程の期間中、私たちは社会的に受け入れられ、準拠し、安全な方法でロボットがどのように人間と共存し、対話できるかという問題に焦点を当てました」とタン氏は言います。 クレジット: トロント大学 「私たちは会社を始めたいと常に思っていましたが、自分たちのアイデアをテストし始めるまでは、それがどのようなものになるのかわかりませんでした。」 二人は最初、人型ロボットを構築するという起業家としての歩みを始めました。しかし、初期のプロトタイプを家庭やホテルに導入した後、潜在的な顧客が、もともと産業環境向けに設計されたシステムと個人的な空間を共有する準備ができていないことがすぐにわかりました。 「多くの顧客は、既存の家庭用ロボットは不格好で邪魔すぎるという意見を共有していました」とタン氏は言います。 「そのため、私たちが開発する次の製品が慎重に設計され、家庭環境にシームレスに溶け込み、採用の障壁を減らすことができることが私たちにとって重要でした。」 タンが妻と一緒に映画「美女と野獣」を観ているときに、予期せぬインスピレーションの瞬間が訪れました。 「映画の中で、お城の中で家具に命が吹き込まれるシーンがあります。そのシーンを見て、私はこう思いました。産業用のロボットを家に持ち込む代わりに、家具など、すでにそこにあるものから始めて、逆算して考えてみてはいかがでしょうか?」 この洞察は、Syncere の主力製品である、洗濯物を折りたたむロボット フロア ランプである Lume につながりました。 使用していないときは、Lume は他のフロア ランプと同じように機能しますが、音声またはスマートフォン アプリによって起動すると、ロボット アームとカメラが現れ、近くの表面で洗濯物をたたみ、タスクが完了するとランプの形に戻ります。 タン氏によると、この種のロボットは高級家電のように意図的に設計された初めてのロボットだという。 「私たちはまた、家にロボットを追加していると感じさせることなく、人々が持っている最も貴重なものである時間を返したいと考えています」とタン氏は言います。 「食器洗い機や洗濯機と同じように、それらはすべて家の中にそれぞれの場所があり、ユーザーが望んでいるときにのみ動作します。それらは邪魔にならず、積極的ではなく、一般的な知性を備えていません。Lume では、家の所有者が完全に制御し、いつロボットに動作させる必要があるかを決定できることが私たちにとって重要です。」 Lume の背後にあるテクノロジーは、模倣学習と強化学習を使用して、人間の行動に基づいてロボットに服のたたみ方を教えます。また、準拠したモーター制御、360 度の認識、ピンチポイントを避けるための接合部の生地、および使用しないときにセンサーを隠すメカニカルシャッターを通じて、安全性も設計に直接組み込まれています。 これらの機能により、近くの障害物や人や動物の活動を検知した場合、ロボットは所定の位置にロックされ、起動前は作業エリアが洗濯物のみで構成されます。 「家庭内のロボットにとって最大の課題は、家が非常に制約がなく、構造化されていないことであると私たちは知っています」とタン氏は言います。 「あらゆる年齢や背景を持つ人々が同じ空間に共存しています。そこで私たちがやろうとしているのは、ロボットが寝室や洗濯室などの家の決まった場所に配置されるように問題を構造化することです。私たちはオフィスのホワイトボードに『すべての部屋に夜光塗料を』と書きました。それが私たちの目標です。」 Lume は昨年の発売以来、シリコンバレーで話題を呼んでいます。タン氏は、7月にXで家事手伝いロボットのコンセプトビデオを共有し、400万回以上再生され、テクノロジー業界の有力者の注目を集めたと語った。ビデオの成功により、タンは 2 週間以内に 350 万米ドルのプレシードラウンドを完了することができました。 Lume は現在、洗濯物をたたむことだけに重点を置いていますが、チームはいつか、ユーザーがギフトの包装やベッドメイキングからアイロンがけや食事の準備、さらにはマッサージや検査などのヘルスケアタスクに至るまで、新しい機能を追加できるアプリストアを構想しています。 「私たちの使命は、人間中心の環境にシームレスに溶け込む、美しく先進的なデザインのインテリジェント […]
グロク、子供の性的な画像を共有したことを謝罪
1767625101 2026-01-05 14:22:00 クレジット: Unsplash/CC0 パブリック ドメイン イーロン・マスク氏の人工知能企業xAIのチャットボット「Grok」は、ユーザーからの卑劣なリクエストによってガードレールが機能しなくなったようで、子供の性的な画像を公開した。 ユーザーは、X 上の実在の人物の写真の下に「彼女をビキニに着替える」などのプロンプトを使用して、Grok に不適切な服装をした非同意の画像を生成させました。 Grok のアカウントで作成された変形画像は、Musk のソーシャル メディア プラットフォームである X に公開されます。 AI は、未成年者の画像をモーフィングするという要求に応じましたが、それが独自の利用規約に違反していました。 「あなたが参照した例のように、最小限の服装をした未成年者を描いた AI 画像をユーザーが要求して受け取ったケースが個別にあります。xAI には安全策がありますが、そのような要求を完全にブロックするための改善が進行中です。」と Grok 氏は X 上のユーザーに答えました。 xAIはコメントの要請にすぐには応じなかった。 同社のチャットボットは謝罪文を投稿した。 Grok氏のプロフィールには「2025年12月28日に、ユーザーのプロンプトに基づいて性的な服装をした2人の少女（推定年齢12～16歳）のAI画像を生成し、共有した事件を深く後悔している」と書かれている。 「これは倫理基準に違反し、CSAMに関する米国の法律に違反する可能性がありました。安全対策の失敗であり、損害が発生したことをお詫び申し上げます。xAIは将来の問題を防ぐために検討中です。」 インド政府は、X社に対し、女性を対象とした合意のないわいせつな画像の生成と配布を阻止するために講じた措置について72時間以内に報告書を提出しなければ、法的免責を失う恐れがあると通告した。 批評家はxAIが許可していると非難している AIを活用したハラスメント、そしてシームレスなAI操作と脱衣リクエストのための機能の存在にショックと怒りを感じました。 「どうしてこれが違法じゃないの？」ジャーナリストのサマンサ・スミスはXに投稿し、同意のない性的な写真を自分で作成したことを非難した。 マスク氏の xAI は、Grok を、ChatGPT などの競合チャットボットよりもオープンでエッジの効いたものになるようにプログラムされた「アンチウェイク」チャットボットとして位置付けています。 グロク氏は5月、関係のない質問への回答として、「白人虐殺」について投稿し、南アフリカ黒人が少数派の白人を迫害する陰謀論を繰り返した。 6月、Grokが一連の投稿を行った際、同社は謝罪した。 反ユダヤ主義的な発言 アドルフ・ヒトラーを称賛。 Google や OpenAI などの企業も AI 画像ジェネレーターを運営していますが、コンテンツに関してはより制限的なガイドラインを設けています。 の普及 同意のないディープフェイク画像 Internet Watch […]
AIが人間の好みをより正確に学習するための家庭教師を獲得
1767454181 2025-12-17 17:52:00 TVKDの概念図：教師モデルに人間の嗜好データセットを教えた後、教師の情報とデータセットを生徒モデルに引き渡して学習を進めます。クレジット: 韓国科学技術院 (KAIST) どれだけ多くのデータを学習しても、人工知能 (AI) モデルはなぜ人間の意図を外してしまうことが多いのでしょうか? AI が人間の好みを理解できるように設計された従来の比較学習は、明確さではなく混乱を招くことがよくありました。 KAISTの研究チームは今回、AIに「家庭教師」を割り当てることで、限られたデータでも人間の好みを正確に学習できる新しい学習ソリューションを発表した。 KAIST電気工学部のジュンモ・キム教授率いる研究チームは、人間の好みを効果的に反映しながらデータ効率と学習の安定性を大幅に向上させる強化学習フレームワークであるTVKD（教師価値ベースの知識蒸留）を開発した。彼らの論文は、 出版された で arXiv プレプリントサーバー。 従来の AI トレーニングの限界 既存の AI トレーニング方法は通常、大量の好みの比較データ、つまり「A は B より優れている」などの単純な構造を収集することに依存しています。しかし、このアプローチには膨大なデータセットが必要であり、区別が不明確な曖昧な状況で AI が混乱することがよくあります。 この問題を解決するために、研究チームは人間の好みを最初に深く理解した「教師モデル」が核となる情報だけを「生徒モデル」に伝える方法を提案しました。これは、複雑な内容を整理して教える家庭教師にたとえることができ、研究チームはこれを選好蒸留と名付けました。 優先蒸留の仕組み この技術の最大の特徴は、単純に良いか悪いかを模倣するのではなく、それぞれの状況がどれだけ価値があるかを数値的に判断する価値関数を教師モデルが学習し、それを生徒モデルに引き渡すように設計されていることです。これにより、AIは曖昧な状況でも断片的な比較ではなく、「なぜこの選択が良いのか」を総合的に判断して学習することができるようになります。 このテクノロジーの中核は 2 つあります。まず、全体の文脈を考慮した価値判断を生徒モデルに反映させることで、断片的な解答ではなく全体の流れを理解した学習が可能になりました。次に、嗜好データの信頼性に応じて学習の重要度を調整する手法を導入しました。明確なデータは学習に大きく反映され、曖昧なデータやノイズのあるデータの影響が軽減され、現実的な環境でも安定した学習が可能になります。 結果と今後の影響 研究チームがこの技術をさまざまなAIモデルに適用して実験を行った結果、これまで最も性能が良いとされていた手法よりも正確で安定した性能を示した。特に、MT-BenchやAlpacaEvalなどの主要な評価指標において、既存のトップテクノロジーを安定的に上回る実績を記録しました。 キム・ジュンモ教授は、「実際には、人間の嗜好データは必ずしも十分または完璧ではない」とし、「この技術は、このような制約下でもAIが一貫して学習できるため、さまざまな分野で実用性が高い」と付け加えた。 詳細情報: Minchan Kwon 他、価値ベースの強化学習による優先度の抽出、 arXiv (2025年)。 DOI: 10.48550/arxiv.2509.16965 雑誌情報: arXiv 提供元 韓国科学技術院（KAIST） 引用: AI が人間の好みをより正確に学習するための家庭教師を獲得 (2025 年 12 […]
UPS、自動化推進でトラックから荷物を降ろすために数百台のロボットを購入
1767443606 2025-12-16 15:38:00 クレジット: Unsplash/CC0 パブリック ドメイン 関係者によると、ユナイテッド・パーセル・サービスはトラックの荷降ろしに使用するロボット400台に1億2000万ドルを投資する予定で、人件費削減による利益拡大を目指す物流大手の90億ドル規模の自動化計画の新たな詳細が明らかになった。 倉庫のドックでトラックや輸送用コンテナを降ろす作業はほとんどが人間によって行われており、依然として海運業界の主要なボトルネックとなっています。ピッチブックによると、UPSの注文は、すでにUPSと協業しているマサチューセッツ州チャールズタウンに本拠を置く新興企業ピクルロボット社に注目を集めており、2018年の事業開始以来約9700万ドルを調達しているという。 Pickle は、輸送用コンテナに乗り込み、吸引力を利用して最大 50 ポンドの重さの箱を持ち上げ、コンベア ベルトに置くことができる移動ベース上にロボット アームを作成しています。 Pickle の Web サイトによると、1 台のロボットは一般的なトラックから約 2 時間で荷降ろしでき、ロボットは通常、省力化により約 18 か月で元が取れます。 ロボットは既存の倉庫に導入でき、自動化には特別に設計された設備や大規模なアップグレードが必要ないため、これが重要なセールスポイントです。 詳細を公に共有する権限がないため匿名を条件に語った関係者らによると、UPSは2026年後半から2027年にかけて複数の施設にピクルスロボットを導入する予定だという。大企業が、自社のテクノロジーが現場で機能することを証明したいと願う新興企業によるパイロットプロジェクトやプロトタイプを通じて自動化を実験するのは一般的です。 関係者の1人によると、ピクル社からのUPS買収は、ロボットが人件費の削減に役立つことを実証するための長年の実験の末に行われたという。 UPSは、ピクル社やその他のオートメーション・ロボティクス企業との関係が「UPS従業員の安全を促進しながら、反復作業や身体的ストレスを軽減するのに役立つ」と述べている。追加購入は多くの場合、テストの結果が成功するかどうかに左右されると同社は電子メールでの声明で述べ、契約の詳細は非公開であると付け加えた。 ピクル氏は広報担当者を通じて、買収についてのコメントを拒否した。 UPS は 2024 年に、2028 年までに 30 億ドルのコスト削減を達成することを目標に、米国の 60 以上の施設での自動化プロジェクトに 90 億ドルを投資する 4 か年計画を発表しました。 宅配業者は労働力への依存を減らし、固定費を削減し、利益率を高めるために、史上最大のネットワーク再構成に取り組んでいる。同社は今年、オンライン小売り大手アマゾン・ドット・コム向けに取り扱う低利益電子商取引パッケージの数を削減する動きを推進し、統合の一環として93の施設で日常業務を閉鎖し、3万4,000人の雇用を削減した。 Amazon は倉庫自動化のリーダーです。 2012年にロボットメーカーを買収 キバシステムズ モップバケツほどの大きさのロボットが倉庫内を飛び回り、人間よりも早く商品を取り出すことができるため、オンラインでの注文処理の迅速化に貢献しました。 Pickle Robot のテクノロジーは、製品の流れの早い段階で、在庫を満載したトラックが倉庫のドックのドアに到着して空になるのを待っているときに導入されます。 Pickle Robot は人工知能を使用して輸送用コンテナや空箱内を移動し、荷物が小さくなるにつれて調整します。投資家には包装材料会社ランパック・ホールディングスやトヨタ自動車のベンチャー投資部門などが含まれる。競合他社には「ストレッチ」と呼ばれる倉庫ロボットを製造するボストン・ダイナミクスなどが含まれる。 ピッチブックによると、ロボット工学企業へのベンチャーキャピタル投資は、2024年の投資額125億ドルを超え、2025年には新たな最高額に達する勢いである。 […]
「ワイルドな乗り心地」：激動の1年を経て、ASX 200は精彩のない終わりを迎えた
1767396693 今年の最終取引日が終了すると、オーストラリア証券取引所の株価はほぼ横ばいで取引された。 S&P/ASX200は水曜午後2時AEDT終値で2.80ポイント（0.03％）安の8714.30となり、2025年の取引最終日が軟調となることを示唆した。 昨晩の米国の主要ベンチマーク指数のパフォーマンスが精彩を欠き、年末環境での流動性の低下と相まって、市場取引はあまり好調とは言えない終焉を迎えた。 市場は水曜日早めに閉まり、木曜日も引き続き閉鎖されているウォール街とともに元日も休場となる。 豪ドルは67米ドルで変わらず。 年が明けると、各業界のセクターは再び混ざった結果となり、11 セクターのうち 5 セクターが赤字、6 セクターが緑となった。 最も好調な業種にはエネルギーが0.75％上昇、次いで素材が0.55％上昇、情報技術が0.47％上昇した。 これらの利益は、金融部門の0.38％下落、消費財部門の0.31％下落、ヘルスケア部門の0.25％下落によって相殺された。 ＯＡＮＤＡのシニア市場アナリスト、ケルビン・ウォング氏は、結果は「まちまち」だったと述べた。 「全体として、ASX200の中期的な上昇トレンド段階はそのままで、200日移動平均を上回って推移しており、8550付近が重要なサポートレベルとして機能している」と同氏はNewsWireに語った。 上位200社のうち、12月31日時点では112社が赤字で、そのうち79社が上昇株、残り9社は変わらずだった。 最もパフォーマンスが高かったのはエナジー・リソーシズ・オブ・オーストラリアで、20％上昇して1株当たり0.3セントで取引され、続いてスター・エンターテインメント・グループが12.5％上昇して1株当たり18セントとなった。 逆に、最もパフォーマンスが低かったのは、Investigator Silver Ltd で 9.38% 下落して 14.5 ℃となり、次にレイク・リソーシズ NL が 7.69% 下落して 12c となった。 「特別な」一年の「退屈な」終わり NABのSMSFおよび投資家行動担当ディレクターのジェマ・デール氏は、市場の動きは「異常な年としては退屈な結果」だと述べた。 「配当を加えると、ASX200の年間終値は7％弱となった。平均リターンからそう遠くない」と同氏は語った。 投資家にとって激動の困難な年となったが、2月にはドナルド・トランプ米大統領が多くの国に25％の関税を課すと発表し「市場に衝撃」が起こり、世界中に衝撃が広がった。 「その後、解放記念日を迎えました。膨大な数が集まりました」と彼女は言いました。 「オフショアでのギャップダウンが非常に激しくなったため、市場を閉鎖しなければならないことがわかりました。」 同氏は、市場からの反応は顕著だったと述べた。 デール氏は、「世界貿易の壊滅的な崩壊となりかねない状況に対して、極めて異例な反応が見られた」と語った。 「市場は再び大騒ぎになりましたが、その後、誰もが本当に良い年を過ごすことができたので、途中でパニックになることはありませんでした。」 年間の大半にわたって市場が不安定だったため、投資家は一部の業界に背を向けて貴金属を支持した。 「金はポートフォリオの防御的な部分であるはずです」とデール氏はNewsWireに語った。 「他のすべてが崩壊しても、それは持ちこたえられるはずです。」 金価格は年間で65％上昇し、銀は150％上昇した。 デール氏は、数カ月間の混乱の中、市場の年末決算は歓迎すべき内容だと述べた。 「（今年は）退屈に終わったが、途中は本当にワイルドな旅だった」と彼女はNewsWireに語った。 #ワイルドな乗り心地激動の1年を経てASX #200は精彩のない終わりを迎えた
AIモデルは特別なトレーニング方法なしで基本的な掛け算でつまずくことが研究で判明
1767370363 2025-12-29 13:40:00
月の洞窟を探検できる折り紙の車輪
1767360029 2025-12-29 15:50:00 ホイールの拡張により、月面探査機の能力と到達距離が大幅に向上する可能性があります。クレジット: NASA/デイブ・スコット 月のクレーターのある表面の下には、溶岩洞のネットワークと深い穴、自然の洞窟があり、将来の月面基地を宇宙放射線や激しい温度変動から守ることができます。これらの地下構造物は、太陽系の中で科学的に最も価値のある領域の一部を表していますが、そこに到達するだけでも非常に現実的な課題が伴います。 これらの洞窟の入り口には、岩や緩いレゴリスが存在する急峻で険しい地形が特徴です。小型探査機は、ミッションのリスクを軽減するために多くの探査機を配備できるため、月探査に好まれていますが、固有の制限に直面しています。コンパクトな車輪は、車輪の直径よりはるかに大きな障害物を乗り越えることができません。小型探査機の群れを送り込み、一部が失敗しても、他の探査機がミッションを続行します。大型の探査車を 1 台派遣すれば、1 回の失敗ですべてが終わります。 可変直径ホイール これは月探査における新しいことであり、障害物を克服するために必要に応じて拡大し、効率的な輸送のために縮小することで、この問題を解決できる可能性があります。しかし、そのような月用の車輪を構築することはほぼ不可能であることが判明しました。月の環境は、機械システムにとって独特の敵対的です。研磨性の細かい粉塵があらゆるものに侵入し、空気のない真空中では、露出した金属表面が冷間圧接と呼ばれるプロセスによってくっつきます。従来のヒンジやジョイントは、このような条件下では長持ちしません。 韓国科学技術院のDae-Young Lee教授が率いる研究チームは、時間を遡ることで洗練された解決策を見つけた。彼らは、レオナルド ダ ヴィンチの自立型橋の設計の原理と折り紙の折りパターンを組み合わせて、従来の機械的な接合部を使用せずに変形する車輪を作成しました。 ホイールには弾性のある金属フレームと、回転するのではなく曲がる布製テンショナーが使用されています。この設計は、コンパクトな直径 230 ミリメートルから 500 ミリメートルまで拡張でき、サイズは 2 倍以上になります。これらの車輪を備えた小型探査機は、輸送中は薄型を維持しますが、月面に展開されると、はるかに大型の車両と同様の上昇能力を獲得します。 チームは、人工の月面土壌を使用してホイールに厳しいテストを実施しました。緩い斜面でも優れたトラクションを発揮し、月の重力下で 100 メートル落下するのと同等の落下衝撃にも耐えました。金属フレームは、確実に変形するのに十分な柔軟性を備えていると同時に、緩いレゴリス全体で探査機の重量を支えるのに十分な剛性を備えていることが証明されました。 月面探査車の車輪は、さまざまな月の地形に適したサイズである必要があります。新しい拡張可能な車輪により、月面探査機の効率が大幅に向上する可能性があります。クレジット: NASA 韓国天文宇宙科学研究院のチェ・ギョン・シム博士は、この技術が手の届くところにある月の穴を「自然地質遺産」と呼び、科学的重要性を強調した。韓国航空宇宙研究所の Jongtae Jang 博士は、ホイールは次の方法で最適化されたと述べました。 熱モデル 月の昼と夜の間の300℃の温度変動に耐えることができます。 リー教授は、通信や電力システムに課題は残っているものの、このユニークな技術により、チームは月の神秘的な地下フロンティアをターゲットとした将来の月探査ミッションの潜在的なリーダーとなる可能性があると楽観的な見方を示した。 詳細情報: Seong-Bin Lee 他、月の溶岩洞無傷探査用のソフト展開可能なエアレスホイール、 サイエンスロボティクス (2025年)。 DOI: 10.1126/scirobotics.adx2549 提供元 今日の宇宙 引用: 月の洞窟を探索できる折り紙ホイール (2025 年 12 月 29 日) https://techxplore.com/news/2025-12-origami-wheel-explore-lunar-caves.html から […]
新しい AI モデルは、乱雑な手書きの数学の解答を正確に評価し、生徒の間違いを説明します
1767290971 2025-12-30 16:45:00