پریزهای هوشمند با فناوری یادگیری ماشین

ایسنا : مهندسان موسسه فناوری ماساچوست پریزهای هوشمندی ابداع کرده‌اند که از فناوری یادگیری ماشین برای جلوگیری از نوسان جریان مدار استفاده می‌کند. یک تیم از مهندسان موسسه فناوری ماساچوست (MIT) یک «پریز هوشمند» ابداع کرده‌اند که می‌تواند استفاده جریان الکتریکی از یک یا چند پریز را تجزیه و تحلیل کند. آشکارسازهای جرقه(نوسان) الکتریکی می‌توانند محافظ‌های ارزشمندی در برابر آتش‌سوزی‌های حاصل از برق باشند، اما در صورتی که هیچ خطر ایمنی وجود نداشته باشد، می‌توانند مزاحمت ایجاد کنند.

برای کاهش هشدارهای اشتباه، یک تیم از مهندسان MIT در حال کار روی «پریزهای هوشمند» جدیدی هستند که از شبکه‌های عصبی استفاده می‌کنند تا نه تنها خطرناک بودن جرقه تشخیص داده شده را تعیین کنند، بلکه نوع دستگاه‌هایی را که به پریز متصل شده‌اند نیز تشخیص می‌دهد. برق مانند آتش است. همان‌طور که فوق‌العاده ارزشمند است، اما می‌تواند یک دشمن بسیار خطرناک هم باشد. از اولین روزهای مهندسی برق، جلوگیری از اضافه بار، مدار کوتاه و جرقه، اولویت اول بوده است. یکی از اساسی‌ترین محافظ‌ها فیوز بود، که کمی سیم پیچیده شده بود تا در هنگام وقوع اضافه بار، ذوب شود و مدار را متوقف کند. امروزه نسخه‌های بسیار پیچیده‌ای از مدارشکن‌ها و محافظ‌ها برای دفاع از دستگاه‌های دیجیتالی ظریف در برابر جرقه‌های الکتریکی طراحی شده است، اما حتی بهترین سیستم‌های ساخته‌شده نیز ممکن است تحت شرایطی قرار گیرند که جرقه‌هایی را ایجاد کنند که می‌تواند آتش‌سوزی یا خسارت به تجهیزات را باعث شود.

کار تشخیص‌دهنده جرقه همان‌طور که از نامش بر می‌آید، این است که جرقه‌ها را شناسایی کرده و برق را قبل از خطرناک شدن شرایط قطع کند. مشکل این است که همه این جرقه‌ها خطرناک نیستند. بعضی از آنها بی‌ضرر هستند یا دستگاهی که به یک پریز متصل می‌شود ممکن است چیزی شبیه یک اتو باشد که آسیبی به آن نمی‌رساند. چرا که معمولا جرقه آنقدری که برای یک رایانه خطرناک است، برای دستگاه‌هایی نظیر اتو نگران‌کننده نخواهد بود. متاسفانه، محافظ‌های مدرن احتیاط را بیش از حد رعایت می‌کنند و گاهی بی‌دلیل موجب اخلال در کار سیستم می‌شوند. روش MIT این است که سیستم حفاظت کمی هوشمندتر شود.

دستگاه‌های فعلی به ریزپردازنده‌هایی مجهز هستند که از یک الگوریتم ساده برای شناسایی جرقه‌ها و اضافه بار در جریان الکتریکی استفاده می‌کنند. اما چیزی که تیم MIT می‌خواهد، چیزی شگفت‌انگیزتر است که بتواند خطرات جدی را از موارد ملایم جدا کند. آنها این کار را با استفاده از یک میکروکامپیوتر انجام دادند و بر داده‌های الکتریکی دریافتی از پریز نظارت کردند. همین‌طور که داده‌ها به میکروکامپیوتر می‌آیند، یک شبکه عصبی یادگیری ماشین در زمان واقعی آن را تحلیل می‌کند. در ابتدا این شبکه آموزش دیده بود تا الگوهای الکتریکی یک کامپیوتر iMac، یک مشعل پخت و پز و یک ژنراتور ازون را تشخیص دهد. ژنراتور ازون اکسیژن را در هوا باردار می‌کند که می‌تواند سیگنال‌های مشابه با جرقه خطرناک ایجاد کند.