صفحه ی اصلی > اخبار و رویدادها > تازه های تکنولوژی
تازه های تکنولوژی
سیستم حرکات دست را تشخیص می دهد تا ورودی کامپیوتر را روی صفحه کلید گسترش دهد مشاهده در قالب PDF چاپ فرستادن به ایمیل
نوشته شده توسط امیرحسین عسکری   
یکشنبه, 26 تیر 1401 ساعت 12:40


alt


محققان در حال توسعه فناوری جدیدی هستند که از حرکات دست برای اجرای دستورات در رایانه استفاده می کند.

نمونه اولیه که "Typealike" نام دارد از طریق یک وب کم لپ تاپ معمولی با یک آینه ساده کار می کند. این برنامه دست‌های کاربر را در کنار یا نزدیک کیبورد تشخیص می‌دهد و بر اساس موقعیت‌های مختلف دست، عملیات انجام می‌دهد.

برای مثال، یک کاربر می تواند دست راست خود را با انگشت شست رو به بالا در کنار صفحه کلید قرار دهد و برنامه آن را به عنوان سیگنالی برای افزایش صدا تشخیص دهد. حرکات مختلف و ترکیبات مختلف حرکات را می توان برای انجام طیف وسیعی از عملیات برنامه ریزی کرد.

هدف نوآوری در زمینه تعامل انسان و رایانه، ایجاد تجربه کاربر سریعتر و روانتر، بدون نیاز کمتر به میانبرهای صفحه کلید یا کار با ماوس و ترک پد است.

نالین چیبر، فارغ‌التحصیل اخیر کارشناسی ارشد از دانشکده علوم کامپیوتر چریتون دانشگاه واترلو، می‌گوید: «این کار با یک ایده ساده در مورد روش‌های جدید استفاده از وب‌کم شروع شد. "وب کم به سمت صورت شما نشانه رفته است، اما بیشترین تعاملی که روی کامپیوتر اتفاق می افتد، اطراف دستان شماست. بنابراین ما فکر کردیم، اگر وب کم بتواند حرکات دست را بگیرد، چه کاری می توانیم انجام دهیم؟"

بینش اولیه منجر به ایجاد یک پیوست مکانیکی کوچک شد که وب کم را به سمت پایین به سمت دست ها هدایت می کرد. سپس تیم یک برنامه نرم افزاری ایجاد کرد که قادر به درک حرکات دست متمایز در شرایط متغیر و برای کاربران مختلف است. این تیم از تکنیک های یادگیری ماشین برای آموزش برنامه Typealike استفاده کرد.

فابریس ماتولیک، محقق ارشد شرکت Preferred Networks و محقق سابق پسا دکتری در واترلو، گفت: «این یک شبکه عصبی است، بنابراین باید نمونه‌های الگوریتمی را که می‌خواهید کشف کنید نشان دهید». برخی از افراد ژست‌ها را کمی متفاوت انجام می‌دهند، و اندازه دست‌ها متفاوت است، بنابراین باید داده‌های زیادی را از افراد مختلف با شرایط نوری متفاوت جمع‌آوری کنید.

این تیم پایگاه داده ای از حرکات دست را با ده ها داوطلب پژوهشی ثبت کرد. آنها همچنین از داوطلبان خواستند آزمایش‌ها و نظرسنجی‌هایی انجام دهند تا به تیم کمک کنند تا بدانند چگونه برنامه را تا حد امکان کاربردی و همه‌کاره کنند.

دانیل ووگل، دانشیار علوم کامپیوتر در واترلو می گوید: «ما همیشه در تلاش هستیم تا چیزهایی را بسازیم که مردم به راحتی از آن استفاده کنند. "مردم به چیزی مانند Typealike یا سایر فناوری‌های جدید در زمینه تعامل انسان و کامپیوتر نگاه می‌کنند و می‌گویند که منطقی است. این چیزی است که ما می‌خواهیم. ما می‌خواهیم فناوری بصری و ساده بسازیم، اما گاهی اوقات برای انجام این کار نیاز است. بسیاری از تحقیقات پیچیده و نرم افزارهای پیچیده."

محققان می گویند برنامه های کاربردی دیگری برای برنامه Typealike در واقعیت مجازی وجود دارد که می تواند نیاز به کنترل کننده های دستی را از بین ببرد.


منبع : sciencedaily

عنوان انگلیسی :  System recognizes hand gestures to expand computer input on a keyboard

لینک مطلب : https://www.sciencedaily.com/releases/2022/01/220105094430.htm

آخرین بروز رسانی در یکشنبه, 26 تیر 1401 ساعت 13:06
 
فناوری به خودروهای خودران کمک می کند تا از «خاطرات» خود بیاموزند مشاهده در قالب PDF چاپ فرستادن به ایمیل
نوشته شده توسط امیرحسین عسکری   
یکشنبه, 26 تیر 1401 ساعت 12:00

alt

محققان دانشگاه کرنل راهی برای کمک به وسایل نقلیه خودران ابداع کرده‌اند که «خاطرات» تجربیات قبلی را ایجاد کرده و از آن‌ها در مسیریابی آینده استفاده کنند، به‌ویژه در شرایط آب و هوایی نامساعد که خودرو نمی‌تواند به طور ایمن به حسگرهای خود تکیه کند.

ماشین‌هایی که از شبکه‌های عصبی مصنوعی استفاده می‌کنند هیچ خاطره‌ای از گذشته ندارند و برای اولین بار در حالت ثابتی هستند که دنیا را می‌بینند - مهم نیست قبلاً چند بار در یک جاده خاص رانندگی کرده‌اند.

محققان سه مقاله همزمان با هدف غلبه بر این محدودیت تولید کرده اند. دو مورد در مجموعه مقالات کنفرانس IEEE در مورد بینایی کامپیوتری و تشخیص الگو (CVPR 2022) که از 19 تا 24 ژوئن در نیواورلئان برگزار می شود، ارائه شده است.

سوال اساسی این است که آیا می‌توانیم از پیمایش‌های مکرر درس بگیریم؟ کیلیان واینبرگر، نویسنده ارشد، استاد علوم کامپیوتر گفت. به عنوان مثال، یک ماشین ممکن است اولین باری که اسکنر لیزری آن را از راه دور تشخیص می دهد، یک درخت با شکل عجیب و غریب را با یک عابر پیاده اشتباه بگیرد، اما وقتی به اندازه کافی نزدیک شد، دسته بندی اشیا مشخص می شود. بنابراین، بار دوم که از کنار آن عبور می کنید. همان درخت، حتی در مه یا برف، شما امیدوارید که ماشین اکنون یاد گرفته باشد

که آن را به درستی تشخیص دهد."


این گروه به سرپرستی دانشجوی دکترا، کارلوس دیاز-روئیز، مجموعه‌ای از داده‌ها را با رانندگی ماشینی مجهز به حسگرهای LiDAR (تشخیص و تشخیص نور) به طور مکرر در امتداد یک حلقه 15 کیلومتری در ایتاکا و اطراف آن، 40 بار در یک دوره 18 ماهه جمع‌آوری کردند. پیمایش‌ها محیط‌های مختلف (بزرگراه، شهری، محوطه دانشگاه)، شرایط آب و هوایی (آفتابی، بارانی، برفی) و زمان‌های روز را ضبط می‌کنند. این مجموعه داده حاصل بیش از 600000 صحنه دارد.

دیاز-روئیز گفت: "این به عمد یکی از چالش های کلیدی در خودروهای خودران را نشان می دهد: شرایط آب و هوایی بد." "اگر خیابان پوشیده از برف باشد، انسان ها می توانند به خاطرات تکیه کنند، اما بدون خاطرات، شبکه عصبی به شدت آسیب می بیند."

alt



HINDSIGHT رویکردی است که از شبکه های عصبی برای محاسبه توصیفگرهای اشیا در حین عبور اتومبیل از آنها استفاده می کند. سپس این توصیف‌ها را که گروه آن‌ها را ویژگی‌های SQuaSH نامیده‌اند، فشرده می‌کند و آنها را بر روی یک نقشه مجازی ذخیره می‌کند، مانند یک «حافظه» ذخیره شده در مغز انسان.

دفعه بعد که خودروی خودران از همان مکان عبور کرد، می‌تواند از پایگاه داده محلی SQuaSH هر نقطه LiDAR در طول مسیر پرس و جو کند و آنچه را که آخرین بار آموخته است، "به خاطر بیاورد". پایگاه داده به طور مداوم به روز می شود و در بین وسایل نقلیه به اشتراک گذاشته می شود، بنابراین اطلاعات موجود برای انجام شناسایی غنی می شود.

"این اطلاعات را می توان به عنوان ویژگی به هر آشکارساز شی سه بعدی مبتنی بر LiDAR اضافه کرد." دانشجوی دکتری یورونگ یو گفت. هر دو آشکارساز و نمایش SQuaSH می توانند به طور مشترک بدون هیچ نظارت اضافی یا حاشیه نویسی انسانی، که زمان و کار زیادی دارد، آموزش ببینند.

HINDSIGHT پیشروی برای تحقیقات بیشتری است که این تیم انجام می دهد، MODEST (تشخیص اشیاء متحرک با زودگذر بودن و خودآموزی)، که حتی فراتر می رود و به خودرو امکان می دهد کل خط لوله ادراک را از ابتدا یاد بگیرد.

در حالی که HINDSIGHT هنوز فرض می‌کند که شبکه عصبی مصنوعی قبلاً برای تشخیص اشیا و تقویت آن با قابلیت ایجاد حافظه آموزش دیده است، MODEST فرض می‌کند که شبکه عصبی مصنوعی در وسیله نقلیه هرگز در معرض هیچ شی یا خیابانی قرار نگرفته است. از طریق پیمایش های متعدد در یک مسیر، می تواند یاد بگیرد که چه قسمت هایی از محیط ثابت و کدام اشیاء متحرک هستند. آهسته آهسته به خود می آموزد که چه چیزی دیگر شرکت کنندگان در ترافیک را تشکیل می دهد و چه چیزی را نادیده می گیرد.

سپس الگوریتم می تواند این اشیاء را به طور قابل اعتماد تشخیص دهد - حتی در جاده هایی که بخشی از پیمایش های مکرر اولیه نیستند.

محققان امیدوارند که این رویکردها بتواند هزینه توسعه وسایل نقلیه خودران را به شدت کاهش دهد (که در حال حاضر هنوز به شدت به داده های حاشیه نویسی پرهزینه انسان متکی است) و با یادگیری مکان هایی که بیشتر از آنها استفاده می شود، چنین وسایل نقلیه ای کارآمدتر شوند.


منبع : sciencedaily

عنوان انگلیسی : Technology helps self driving cars learn

لینک مطلب : https://www.sciencedaily.com/releases/2022/06/220622101303.htm

آخرین بروز رسانی در یکشنبه, 26 تیر 1401 ساعت 12:38
 
آیا هوش مصنوعی برای آب و هوا خوب است یا بد؟ این پیچیده است مشاهده در قالب PDF چاپ فرستادن به ایمیل
نوشته شده توسط امیرحسین عسکری   
یکشنبه, 26 تیر 1401 ساعت 10:37

alt



در حالی که جهان در حال مبارزه با تغییرات آب و هوایی است، آیا استفاده گسترده از هوش مصنوعی (AI) کمک یا مانعی خواهد بود؟ در مقاله ای که این هفته در Nature Climate Change منتشر شد، تیمی از کارشناسان در زمینه هوش مصنوعی، تغییرات آب و هوا و سیاست های عمومی چارچوبی را برای درک رابطه پیچیده و چند وجهی هوش مصنوعی با انتشار گازهای گلخانه ای ارائه کردند و راه هایی را برای همسویی بهتر هوش مصنوعی با تغییرات آب و هوایی پیشنهاد کردند.

دیوید رولنیک، استادیار علوم کامپیوتر در دانشگاه مک گیل و یکی از اعضای اصلی آکادمیک موسسه هوش مصنوعی میلا - کبک، می‌گوید: «هوش مصنوعی به طرق مختلف، چه مثبت و چه منفی، بر اقلیم تأثیر می‌گذارد، و بیشتر این تأثیرات کمیت کمی ندارند. برای مثال، هوش مصنوعی برای ردیابی و کاهش جنگل‌زدایی استفاده می‌شود، اما سیستم‌های تبلیغاتی مبتنی بر هوش مصنوعی احتمالاً با افزایش میزان خرید مردم، تغییرات آب و هوایی را بدتر می‌کنند.


این مقاله تأثیرات هوش مصنوعی بر انتشار گازهای گلخانه ای را به سه دسته تقسیم می کند:
1) تأثیرات انرژی محاسباتی و سخت افزار مورد استفاده برای توسعه، آموزش و اجرای الگوریتم های هوش مصنوعی،

2) اثرات فوری ناشی از کاربردهای هوش مصنوعی - مانند بهینه سازی مصرف انرژی در ساختمان ها (که انتشار گازهای گلخانه ای را کاهش می دهد) یا تسریع اکتشاف سوخت های فسیلی (که انتشار گازهای گلخانه ای را افزایش می دهد).

و 3) تأثیرات سطح سیستم ناشی از روش هایی که برنامه های هوش مصنوعی بر الگوهای رفتاری و جامعه به طور گسترده تر تأثیر می گذارد، مانند سیستم های تبلیغاتی و اتومبیل های خودران.

Lynn Kaack، استادیار علوم کامپیوتر و سیاست عمومی در مدرسه Hertie و نویسنده اصلی این گزارش می‌گوید: «تغییرات اقلیمی باید در هنگام توسعه و ارزیابی فناوری‌های هوش مصنوعی مورد توجه قرار گیرد. ما متوجه شدیم که آن دسته از تأثیراتی که آسان‌ترین اندازه‌گیری هستند، لزوماً آن‌هایی نیستند که بیشترین تأثیر را دارند. بنابراین، ارزیابی تأثیر هوش مصنوعی بر اقلیم به‌طور کلی مهم است».

alt


تأثیرات هوش مصنوعی بر انتشار گازهای گلخانه ای - یک موضوع انتخابی

نویسندگان بر توانایی محققان، مهندسان و سیاست گذاران برای شکل دادن به تأثیرات هوش مصنوعی تأکید می کنند و می نویسند که «... تأثیر نهایی آن بر اقلیم از پیش تعیین نشده است و تصمیمات اجتماعی نقش بزرگی در شکل دادن به تأثیرات کلی آن ایفا خواهد کرد». به عنوان مثال، این مقاله خاطرنشان می‌کند که فناوری‌های وسایل نقلیه خودران مجهز به هوش مصنوعی اگر برای تسهیل حمل‌ونقل عمومی طراحی شده باشند، می‌توانند به کاهش انتشار گازهای گلخانه‌ای کمک کنند، اما اگر در خودروهای شخصی استفاده شوند می‌توانند آلاینده‌ها را افزایش دهند و منجر به رانندگی بیشتر مردم شوند.

محققان همچنین خاطرنشان می کنند که تخصص یادگیری ماشین اغلب در میان مجموعه محدودی از بازیگران متمرکز است. این موضوع چالش‌های بالقوه‌ای را در رابطه با حاکمیت و اجرای یادگیری ماشینی در زمینه تغییرات آب و هوایی ایجاد می‌کند، زیرا ممکن است شکاف دیجیتالی را ایجاد یا گسترش دهد، یا قدرت را از دولتی به نهادهای بزرگ خصوصی به دلیل اینکه چه کسی داده‌ها یا سرمایه فکری مربوطه را کنترل می‌کند، تغییر دهد. .

پروفسور رولنیک گفت: "انتخاب هایی که ما به طور ضمنی به عنوان فناوران انجام می دهیم می تواند بسیار مهم باشد." در نهایت، AI for Good نباید فقط به اضافه کردن برنامه‌های کاربردی سودمند در بالای کسب و کار معمول باشد، بلکه باید در مورد شکل دادن به همه برنامه‌های هوش مصنوعی برای رسیدن به تأثیری باشد که می‌خواهیم ببینیم.»


منبع : sciencedaily

عنوان انگلیسی : Is AI good or bad for climate ?

لینک مطلب : https://www.sciencedaily.com/releases/2022/06/220628113336.htm


Is AI good or bad for the climate


آخرین بروز رسانی در یکشنبه, 26 تیر 1401 ساعت 12:39
 
پشتیبانی نسل جدید پردازنده‌های اینتل از استانداردهای DDR5 و PCIe 5.0 مشاهده در قالب PDF چاپ فرستادن به ایمیل
نوشته شده توسط آرمین اسکندری   
دوشنبه, 29 شهریور 1400 ساعت 20:58

alt

اینتل با انتشار اطلاعات جدیدی رسماً به پشتیبانی پردازنده‌های دسکتاپ نسل دوازدهمی خود موسوم به Alder Lake-S از حافظه‌های DDR5، استاندارد درگاه رابط PCIe Gen 5 و قابلیت‌های دیگر پرداخته است.

اینتل تأیید کرده که پردازنده‌های دسکتاپ نسل دوازدهمی این شرکت موسوم به Alder Lake-S با پشتیبانی از حافظه‌های DDR5 و نسل پنجم درگاه‌های PCI-Express، نرخ انتقال داده را در مقایسه با نسل فعلی DDR4 و PCI-Express Gen 4 بیش از دو برابر افزایش خواهند داد. تراشه‌های Alder Lake-S شامل یک رابط حافظه دوکاناله DDR5 هستند که از فرکانس انتقال داده‌ی ۴۸۰۰ مگاهرتز (و فراتر از آن در حالت اورکلاک) برخوردار هستند. این میزان، منجر به دستیابی پردازنده‌های جدید اینتل به سرعت‌هایی فراتر از DDR5-7200 خواهد شد. استاندارد DDR5 علاوه‌بر سرعت، انتظارات در زمینه تراکم حافظه مورد استفاده را نیز دوبرابر می‌کند.

انتظار می‌رود در نسل جدید استفاده از ماژول‌های تک ردیف ۱۶ گیگابایتی به یک کلاس رایج در میان کاربران تبدیل شده و ماژول‌های حافظه تک ردیف ۳۲ گیگابایتی نیز در مدل‌های پریمیوم امکان‌پذیر باشد. ضمن اینکه ماژول‌های دو ردیف ۶۴ گیگابایتی نیز به‌زودی امکان‌پذیر خواهند شد. تولیدکنندگان برجسته‌ی حافظه‌های DDR5 نیز آرام آرام شروع به معرفی اولین محصولات خود برای آمادگی جهت آغاز عرضه پردازنده‌های Alder Lake-S در سه‌ماهه چهارم سال ۲۰۲۱ کرده‌اند.

کنترلرهای حافظه‌ی سیستم حالا می‌توانند به‌صورت دینامیک یا پویا نسبت به تنظیم فرکانس و ولتاژ حافظه براساس دسترسی به توان یا عملیاتی که هم‌اکنون روی ماژول حافظه درحال انجام است، اقدام کنند. این نخستین باری است که قابلیت موسوم به Dynamic Memory Clock برای کامیپوترهای شخصی امکان‌پذیر می‌شود. این ویژگی به عبارت دیگر می‌توان به معنای اورکلاک خودکار Turbo برای ماژول حافظه مورد استفاده باشد.

اینتل همچنین از «Enhanced Overclocking Support» یا پشتیبانی از اورکلاک پیشرفته به‌عنوان یکی دیگر از ویژگی‌های جدید پردازنده‌های خود نام برده اما وارد جزئیات عملکرد آن نشده است. با اینکه پشتیبانی از استاندارد DDR5 برتری‌های متعددی را برای نسل جدید پردازنده‌های اینتل به همراه دارد، سری Alder Lake همچنان از حافظه‌های DDR4 و LPDDR4 نیز پشتیبانی خواهند کرد. ضمن اینکه پشتیبانی از استاندارد LPDDR5-5200 نیز به فهرست پشتیبانی تراشه‌های آلدرلیک اضافه شده است. چیزی که می‌تواند برای دستگاه‌های قابل حمل از اهمیت بالایی برخوردار باشد.

برای شفاف سازی بیشتر باید به این موضوع اشاره کرد که قرار نیست یکی از درگاه‌های پردازنده‌های جدید اینتل از DDR5 و die دیگر از DDR4 پشتیبانی کند. درواقع همه‌ی dieها از هر چهار استاندارد حافظه ذکر شده پشتیبانی خواهند کرد. اینکه این قضیه چه تأثیری روی طراحی مادربردهای جدید خواهد داشت، فعلاً نامشخص است.

پشتیبانی از PCI-Express Gen 5.0 نیز یکی دیگر از ویژگی‌های بزرگ درگاه ورودی/خروجی در پردازنده‌های جدید اینتل است. نسل پنجم استاندارد درگاه PCI-Express پهنای باند انتقال داده را به ۳۲ گیگابیت بر هر خط رسانده تا دوبرابر بیشتر از استاندارد PCIe Gen 4 پهنای باند در اختیار بگذارد. PCIe Gen 5 عملاً امکان استفاده از تراشه‌های فوق سریع NVMe SSD با سرعت‌های فراتر از ۱۰ گیگابایت بر ثانیه را امکان‌پذیر می‌کند. die دسکتاپ پردازنده‌های آلدرلیک اینتل، از ۱۶ مسیر PCIe Gen 5 و ۴ مسیر PCIe Gen 4 برخوردار است که خطوط PCIe 5.0 می‌توانند به دو مسیر ۸ تایی برای گرافیک و ۲ مسیر چهارتایی برای حافظه ذخیره‌سازی تقسیم شوند؛ اما نمی‌توان به‌طور همزمان از ۱۶ مسیر PCIe 5.0 برای کارت گرافیک و حافظه PCIe 5.0 SSD استفاده کرد.


PCH این تراشه‌ها از ۱۲ خط پایین دستی یا Downstream با استاندارد PCIe Gen4 و ۱۶ مسیر PCIe Gen3 برخوردار است. در هر حالت حتی از پردازنده‌های گرافیکی نسل بعد RDNA3 یا Ada Lovelace نیز انتظار نمی‌رود که ۱۶ مسیر PCI-Express 4.0 این تراشه‌ها را اشباع کنند. جالب اینجا است که اینتل از PCI-Express Gen 5 برای معرفی یک استاندارد جدید Thunderbolt استفاده نمی‌کند و در توضیحات ارائه شده، از یک پورت Thunderbolt 4 با پهنای باند ۴۰ گیگابیت بر ثانیه به‌عنوان یکی از پلتفرم‌های I/O این پردازنده‌ها نام برده شده است. این موضوع می‌تواند نشان‌دهنده این باشد که اینتل همچنان تعبیه‌ی استانداردهای پیشرفته PCIe در تراشه‌های متصل به رابط PCIe خود با چالش مواجه است. باید دید که آیا تراشه‌های سری 600 می‌توانند فراتر از Gen 3 بروند یا خیر.

آخرین بروز رسانی در دوشنبه, 29 شهریور 1400 ساعت 21:02
 
تاندربولت 5 احتمالا دو برابر سریع‌تر از تاندربولت 4 خواهد بود. مشاهده در قالب PDF چاپ فرستادن به ایمیل
نوشته شده توسط آرمین اسکندری   
دوشنبه, 29 شهریور 1400 ساعت 20:49

alt

اینتل در مصاحبه‌ای جدید می‌گوید احتمالا تاندربولت 5 می‌تواند درمقایسه‌با نسخه‌ی فعلی این استاندارد حثداکر دو برابر سرعت انتقال بیشتری ارائه دهد. گفتنی است سال‌ها تا فرارسیدن تاندربولت 5 زمان باقی مانده است.

در چند وقت اخیر، تاندربولت 4 (Thunderbolt 4) پررنگ‌تر از قبل در بازار دستگاه‌های الکترونیکی مصرفی حضور پیدا کرده است؛ بااین‌حال توسعه‌دهندگان این فناوری از مدتی قبل کار روی نسخه‌ی پیشرفته‌تر و جدیدتر آن را آغاز کرده‌اند. هفته‌ی گذشته، مدیران اجرایی اینتل در مراسم The Tom’s Hardware Show حضور پیدا کردند تا بحث‌هایی درباره‌ی استاندارد تاندربولت مطرح کنند.

براساس گزارش خبرگزاری تامز هاردور، بن هکر،‌ مدیر استراتژی‌های I/O واحد تجاری Client Connectivity اینتل، هنگام گرامی‌داشت ده‌سالگی استاندارد تاندربولت توضیح داد که توسعه‌ی نسخه‌ی بعدی تاندربولت 4 آغاز شده و هدف دستیابی به سرعت انتقال بیشتر است. هکر در رویداد The Tom’s Hardware Show گفت او و اعضای تیمش اطمینان دارند نسخه‌ی بعدی تاندربولت سرعت انتقال را افزایش می‌‌دهد. به‌گفته‌ی‌ او، فعلا کسی نمی‌داند میزان تفاوت‌ها با تاندربولت 4 چقدر خواهد بود؛ اما احتمالا پیشرفت دو‌برابری را شاهد خواهیم بود.

حداکثر پهنای باند تاندربولت 4 چهل گیگابیت‌برثانیه است؛ به‌همین‌دلیل، این استاندارد می‌تواند حداکثر از دو مانیتور 4K با نرخ نوسازی ۶۰ هرتز یا یک مانیتور 8K با نرخ نوسازی مشابه پشتیبانی کند. افزایش پهنای باند باعث می‌شود تاندربولت بعدی بتواند از وضوح و نرخ نوسازی بیشتر پشتیبانی کند.

بن هکر درادامه‌ افزود در وظایف کاری هم‌زمان، نظیر ویرایش داده روی صفحه‌نمایشی پروضوح به پهنای باند بیشتری نیاز است و درایوهای حالت جامد (SSD) باید پهنای باند بیشتری داشته باشند. امروزه، پهنای باند مسیر داده در تاندربولت 4 به‌نوعی عملکردی مثل PCIe Gen 3x4 ارائه می‌دهد و سرعت برخی از حافظه‌های ذخیره‌سازی با همین فرم‌فاکتور دو برابر بیشتر است. درایوهای اس اس دی NVMe یا آرایه‌های دسکتاپ RAID قرار است به پهنای باندی فراتر از چهل گیگابیت‌برثانیه نیاز داشته باشند.

پشتیبانی از نسل قبل یکی از مشخصه‌های مهم درباره‌ی نسل بعد استاندارد تاندربولت محسوب می‌شود. اینتل در اقدامی مهم پروتکل تاندربولت را به‌همراه USB 4 به‌اشتراک گذاشت. جیسون زیلر، مدیرکل واحد تجاری Client Connectivity اینتل، می‌گوید آن‌ها در ابتدا کارشان را با آن کانکتور آغاز کرده‌اند و به‌مرورزمان به پیشرفت‌های بیشتری دست پیدا می‌کنند.

احتمالا نسخه‌ی بعدی تاندربولت قرار است تاندربولت 5 نامیده شود؛ اما زیلر گفته است فعلا نمی‌داند چه نامی برای نسخه‌ی بعدی انتخاب می‌شود. اینتل انتظار دارد نسل بعد تاندربولت همچنان ازطریق USB-C کار کند. هکر می‌گوید USB-C راهکاری سازگار و جواب‌پس‌داده است.

فراموش نکنید هنوز سال‌ها تا روی‌کار‌آمدن تاندربولت 5 زمان باقی مانده است. در آینده‌ی نزدیک، توسعه‌ی لوازم جانبی مبتنی‌بر تاندربولت 4، مانند داک‌ها در ابعاد مختلف به‌طور جدی ادامه می‌یابد. این داک‌ها به آداپتور اختصاصی نیاز ندارند و ازطریق درگاه USB-C لپ تاپ انرژی‌شان را تأمین می‌کنند. به‌گفته‌ی مدیران اینتل‌، کابل‌های تاندربولت 4 با حداکثر طول ۵۰ متر احتمالا سال آینده‌ی میلادی از راه می‌رسند.



آخرین بروز رسانی در دوشنبه, 29 شهریور 1400 ساعت 20:54
 
<< شروع < قبلی 1 2 3 بعدی > انتها >>

صفحه 1 از 3

اخبار و رویدادها

با ما باشید.

در باره ما

در باره ما

آخرین نظرات

آخرین نظرات

آدرس

آدرس