مهندسان MIT ابداع کردند؛ پریزهای هوشمند با فناوری یادگیری ماشین

عاشق وب: مهندسان موسسه فناوری ماساچوست پریزهای هوشمندی ابداع نموده اند که از فناوری یادگیری ماشین برای جلوگیری از نوسان جریان مدار استفاده می نماید.

به گزارش عاشق وب به نقل از ایسنا و به نقل از گیزمگ، یک تیم از مهندسان موسسه فناوری ماساچوست (MIT) یک “پریز هوشمند” ابداع نموده اند که می تواند استفاده جریان الکتریکی از یک یا چند پریز را تجزیه و تحلیل کند.

آشکارسازهای جرقه(نوسان) الکتریکی می توانند محافظ های ارزشمندی در برابر آتش سوزی های حاصل از برق باشند، اما در صورتی که هیچ خطر ایمنی وجود نداشته باشد، می توانند مزاحمت تولید کنند.

برای کاهش هشدارهای اشتباه، یک تیم از مهندسان MIT در حال کار بر روی “پریزهای هوشمند” جدیدی هستند که از شبکه های عصبی استفاده می نمایند تا نه تنها خطرناک بودن جرقه تشخیص داده شده را تعیین کنند، بلکه نوع دستگاه هایی که به پریز متصل شده اند را هم تشخیص می دهد.

برق مانند آتش است. همانطور که فوق العاده پرارزش است، اما می تواند یک دشمن بسیار خطرناک هم باشد.

از نخستین روزهای مهندسی برق، جلوگیری از اضافه بار، مدار کوتاه و جرقه، اولویت اول بوده است. یکی از اساسی ترین محافظ ها فیوز بود، که کمی سیم پیچیده شده بود تا در هنگام وقوع اضافه بار، ذوب شود و مدار را متوقف کند.

امروزه نسخه های بسیار پیچیده ای از مدارشکن ها و محافظ ها برای دفاع از دستگاه های دیجیتالی ظریف در برابر جرقه های الکتریکی طراحی شده است، اما حتی بهترین سیستم های تولید شده هم ممکن است تحت شرایطی قرار گیرند که جرقه هایی را تولید کنند که می تواند آتش سوزی یا خسارت به تجهیزات را سبب شود.

کار تشخیص دهنده جرقه همانطور که از نامش بر می آید، این است که جرقه ها را شناسایی کرده و برق را پیش از خطرناک شدن شرایط، قطع کند.

مشکل این است که همه این جرقه ها خطرناک نیستند. برخی از آنها بی ضرر هستند و یا دستگاهی که به یک پریز متصل می گردد ممکن است چیزی شبیه یک اتو باشد که آسیبی به آن نمی رساند. چون که معمولا جرقه آنقدری که برای یک کامپیوتر خطرناک است، برای دستگاه هایی نظیر اتو نگران کننده نخواهد بود.

متاسفانه، محافظ های مدرن احتیاط را بیش از اندازه رعایت می کنند و گاهی بی جهت باعث اختلال در کار سیستم می شوند.

روش MIT این است که سیستم حفاظت کمی هوشمندتر شود. دستگاه های فعلی به ریزپردازنده هایی مجهز هستند که از یک الگوریتم ساده برای شناسایی جرقه ها و اضافه بار در جریان الکتریکی استفاده می نمایند. اما چیزی که تیم MIT می خواهد، چیزی شگفت انگیزتر است که بتواند خطرات جدی را از موارد ملایم جدا کند.

آنها این کار را با استفاده از یک میکروکامپیوتر انجام دادند و بر داده های الکتریکی دریافتی از پریز نظارت کردند.

همین طور که داده ها به میکروکامپیوتر می آیند، یک شبکه عصبی یادگیری ماشین در زمان واقعی آن را تحلیل می کند. 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 آبستن می کند که می تواند سیگنال های مشابه با جرقه خطرناک تولید کند.

با گذشت زمان، شبکه می تواند یاد بگیرد که اطلاعات بیشتری را تجزیه و تحلیل کند، بنابراین است که به صورت فزاینده ای توانایی بیان دقیق اینکه کدام سیگنال ها واقعا خطرناک هستند و چه چیزی را نادیده بگیرد، دارد. همینطور می تواند بگوید که چه دستگاه هایی به آن متصل شده اند.

ایده این است که یک روز چنین پریزهای هوشمندی در خانه های خیلی از مردم برای محافظت از دستگاه های الکترونیکی قرار بگیرد، در حالیکه برنامه های گوشیهای هوشمند به مصرف کنندگان اجازه می دهند داده ها و اطلاعات مربوط به مصرف برق خویش را در یک سطح بسیار دقیق تجزیه و تحلیل کرده و به اشتراک بگذارند.

با به اشتراک گذاشتن این داده ها به صورت ناشناس، پریزها قادر خواهند بود که الگوریتم های خویش را تصحیح کنند.

“جاشوا سیگل” دانشمند تحقیقاتی در بخش مهندسی مکانیک MIT می گوید: با قادر ساختن اینترنت اشیا به یادگیری، شما قادر خواهید بود به صورت مداوم سیستم را به روز رسانی کنید، به صورتی که جاروبرقی شما ممکن است یک یا دو بار در هفته اول سبب قطع مدار شود، اما در طول زمان دقیق تر و هوشمندتر می گردد. زمانی که ۱۰۰۰ یا ۱۰ هزار کاربر به این سیستم متصل شوند، تعداد کمی از مردم قطع مدار را تجربه می کنند، زیرا اطلاعات زیادی از خیلی از خانه های مختلف جمع آوری و تحلیل شده است.

تاکنون این پریزهای هوشمند دقت ۹۵٫۶۱ درصدی را در تشخیص دستگاه های دیجیتالی مختلف و دقت ۹۹٫۹۵ درصدی را در تشخیص جرقه های خطرناک از بی خطر نشان داده است که کمی بهتر از محافظ های فعلی است. علاوه بر این، پریز در کمتر از ۲۵۰ میلی ثانیه به جرقه خطرناک واکنش نشان داده است.

این تحقیق در Engineering Applications of Artificial Intelligence انتشار یافته است.