Bilim ve Teknoloji’nin kaderini kim belirliyor?

Tarihe damga vuran 10 suikast

Her yıl, MIT Technology Review 35 yaşın altındaki olağanüstü yenilikçilerin bir listesini yayınlamaktadır. Biyoteknoloji, robotik, yapay zeka, nanoteknoloji, enerji, web, ulaşım, iletişim, malzeme ve bilgisayar donanımı gibi çeşitli alanlardan gelmektedirler. Yenilikleri, küresel sonuçlar ile çözüm sağlama ve insanların yaşama, çalışma, iyileşme ve düşünme biçiminde büyük bir fark yaratma potansiyeline sahip olduğu kabul edilmektedir.

Bu bilim adamlarının çoğu kadın ve Güney Asya kökenli olma eğilimindedir. Bollywood soytarıları, Vedik plastik cerrahlar, sokak haydutlarından dönme politikacılar ve tahta yarasaları olan bir tarlada koşan yetişkin erkeklerin ulusal konuşmaya hâkim olduğu bir kültürde, hala gerekli işleri yapabilen insanların olduğunu bilmek güven verici. Aslında bu dünyadada bir fark yaratıyor. Sürekli olarak sosyal medyada olmayabilirler, etkileyiciler olarak onay istiyorlar, ancak bunun nedeni muhtemelen gerçek dünyada bir yaşamları olmaması. Bu genç vizyonerlerden bazılarına çalışmaları hakkında ve yaptıklarını yapmaya iten şey hakkında konuşmak için ulaştım.

Ritu Raman

Ritu Raman şu anda Massachusetts Teknoloji Enstitüsü'nde (MIT) ünlü Langer Laboratuarı'nda doktora sonrası araştırmacıdır ve Ulusal Bilim, Mühendislik ve Tıp Akademileri tarafından Ford Vakfı Bursu ve L’Oréal ABD Bilim Kadın Bursu tarafından finanse edilmektedir. Vücudu algılayan ve vücuda adapte olan implante edilebilir cihazlar oluşturmaya odaklanan bir biyo hibrid tasarım laboratuarı kurmaya çalışıyor.

Raman’ın robotları hem polimerlerden hem de kas dokusundan yapılır ve ortamlarını algılayabilir ve sıcaklık, pH ve mekanik basıncı tanıyabilir.

Bilim ve teknoloji alanında kariyer yapmak istediğinizi ilk ne zaman fark ettiniz? Bilim geçmişi olan bir aileden geliyor musunuz?

Erken hayatımı şekillendiren üç yenilikçiye hayranlıkla büyüdüm: annem, babam ve büyükbabam - tüm mühendisler. İster Hindistan'da kendi girişimlerini başlattı, ister kırsal Kenya köylerini telekomünikasyon şebekesine bağladı ya da sadece evin etrafında kırık bir çalar saat ayarladı olsun, bilimsel yenilikleri her zaman topluluklarında olumlu sosyal değişim için bir güç olarak kullandılar. İnsan sağlığını geliştirmek için biyo-hibrid tasarıma doğru çalışırken sürekli ilham kaynağım bunlar.

Ayrıca, kadın olmanın STEM eğitiminden beni engellediğine asla inanmama izin vermeyen tüm öğretmenler, danışmanlar, rehberler ve arkadaşlar için de müteşekkirim. İnovasyon bir takım sporudur ve bunu inanılmaz bir destek ağı olmadan yapamazdım.

“Yumuşak robotik” i açıklayabilir misiniz? Potansiyel uygulamaları nelerdir?

Eğitimde makine mühendisiyim, ancak mekanik mühendislerinin geleneksel olarak inşa ettiği malzemelerden sıkıldım - metaller, plastikler, seramikler, vb. çevrelerine duyarlılık ve uyum sağlar. Bu, geleneksel sentetik malzemelerde gördüğünüz bir şey değil ve bence onları büyüleyici kılıyor. Doktora bölümüm kısmen biyolojik, kısmen sentetik robotlar yapmaya odaklandı. Bu biyo-hibrit robotlar veya “biyo-botlar” hareket etmek ve dolaşmak için iskelet kasını kullandı. Aktüatör olarak biyolojik bir malzeme kullandıkları için, geleneksel robotların yapamayacağı şeyleri yapabiliyorlardı, örneğin egzersiz yaparken güçleniyor veya hasar gördüğünde iyileşiyorlar.

Gelecekteki laboratuvarımda, bu hibrid tasarım fikrini implante edilebilir cihazlar dünyasına taşımak istiyorum. Şu anki çalışmam, vücuttaki en zorlu ortamlardan bazıları için duyarlı implante edilebilir cihazlar oluşturmaya odaklanıyor. Üzerinde çalıştığım her projede, vücudu gerçek zamanlı olarak izlemek ve terapötik olarak modüle etmek için çevresini algılayan ve ona uyum sağlayan bir malzeme kullanıyorum.

Diğer kadınları STEM (bilim, teknoloji, mühendislik, ilaç) eğitimi ve kariyerleri için desteklemeye derinden yatırım yapıyorsunuz. Bize MIT (WiSDM) girişimindeki STEM Veri Tabanındaki Kadınlar hakkında bilgi verin.

MIT'deki STEM'deki Kadınlar Veritabanı, STEM'deki kadınların kariyerlerini desteklemeye ve teşvik etmeye yönelik en yeni çabamdır. WiSDM'nin amacı, MIT STEM kadınlarının küratörlü aranabilir bir çevrimiçi veritabanı sağlamaktır ve konferans görüşmeleri, paneller, haberler, sosyal etkinlikler, vb. İçin yetenekli ve çeşitli konuşmacılar bulmayı kolaylaştırır.
WiSDM, tüm STEM alanlarından MIT fakültesi, postdocs, araştırma personeli ve lisansüstü öğrencileri içerir. Veritabanında listelenen her konuşmacının teknik uzmanlık alanlarını eklemenin yanı sıra, bilim politikası ve girişimcilik gibi teknik olmayan uzmanlık hakkında da bilgiler bulunur. Aranabilir veritabanı, kadın seslerinin STEM etkinliklerinde temsil edilmesini sağlamak isteyen kişilere yardımcı olmayı amaçlamaktadır.

Genç kızların STEM alanlarında lider olarak temsil edilen kadınları görmelerinin gerçekten önemli olduğunu düşünüyorum. Güney Asya topluluğunda, çeşitli STEM kariyerlerini takip eden birçok aile üyesi veya arkadaş örneğine sahip olduğumuz için şanslıyız ve ben bunun olumlu bir geri bildirim döngüsü yaratabileceğini düşünüyorum.

Archana Venkataraman

Archana Venkataraman, Johns Hopkins Üniversitesi'nde John C. Malone elektrik ve bilgisayar mühendisliği yardımcı doçentidir. İnsan beynini daha iyi haritalamak ve nörolojik bozuklukları teşhis etmek ve tedavi etmek için tamamen yeni yollar geliştirmek için yapay zeka (AI) kullanıyor.

Venkataraman'ın laboratuarı, Sinir Sistemleri Analiz Laboratuvarı (NSA Laboratuarı), makine öğrenimi, sinyal işleme ve ağ teorisi gibi hesaplama yöntemlerini beyinle ilgili uygulama odaklı hipotezlerle stratejik olarak bütünleştirerek beynin kapsamlı ve sistem düzeyinde bir anlayışını geliştirmeye odaklanmaktadır. 

Yapay zeka nörolojik bozuklukları daha iyi teşhis etmeye ve tedavi etmeye nasıl yardımcı olacak? Uzman olmayanlar için araştırma alanınızı açıklayın.

İnsan beyni bizim en mükemmel kara kutumuzdur. İnsanlar olarak anlamaya bile başlayamadığımız sayısız sinirsel yol ve etkileşimdir. Sonuç olarak, nörolojik bozuklukları çıplak bir şekilde anlıyoruz ve bunları tedavi etme konusunda sınırlı bir yeteneğe sahibiz. Bu karmaşıklık yapay zekanın parladığı yerdir. AI, insanların kendi başlarına sezebildiklerinin ötesinde, dağınık ve karmaşık veri kümelerinde kalıplar bulmakta harika. Bu bize ince tanısal ipuçlarından hangi tedavilerin hangi hastalar için en iyi şekilde işe yarayabileceğini belirlemeye kadar nörolojik bozukluklar hakkında yeni bir bakış açısı sağlayacaktır.

Araştırmam beyin işlevselliğine doğal pencereler sağlayan verileri görüntüleme üzerine odaklanıyor. Laboratuarım, otizmdeki davranışsal eksikliklerin şiddetini tahmin etmekten epileptik nöbetlerin lokalizasyonuna kadar çeşitli uygulamalar için yeni AI algoritmaları geliştiriyor. Klinisyenler bu bilgileri hastalar için daha iyi kararlar vermek ve sonuç olarak bu bozuklukların tedavisi için kullanabilirler.

Otuz yıl süren araştırmalara rağmen otizm, şizofreni, epilepsi ve Alzheimer hastalığı neden iyi anlaşılmıyor? Kök nedenler nelerdir ve ne ölçüde miras alınırlar?

Nörolojik ve psikiyatrik bozukluklar inanılmaz derecede karmaşık ancak şaşırtıcı derecede incedir. Örneğin, size normal bir çocuktan ve otistik bir çocuktan biri olmak üzere iki beyin görüntüsü verirsem, hangisinin hangisi olduğunu [sadece ona bakarak] belirlemenin bir yolu yoktur. Aynı şey genetik için de geçerlidir. Bu bozuklukların ailelerde yaşandığına dair kanıtlar olsa da, bunların hiçbiri için net bir genetik marketimiz yoktur.

Bu marka, bu bozukluklar için tedavileri “düzenlemek” için inanılmaz derecede zordur. En sofistike AI algoritmaları bile fazladan geçme eğilimindedir, yani herhangi bir biyolojik olaydan ziyade sadece veri tuhaflıkları olabilecek kalıpları ezberlerler. Bu zorluklar göz önüne alındığında, bu alanda ileriye giden yolun, beyin hakkındaki önceden var olan içgörülerimizi doğrudan AI çerçevelerine gömmek olduğunu düşünüyorum. Bu zor ve açık bir sorundur.

Bize epilepsi tanı ve tedavisinde çığır açan çalışmalarınızdan bahsedin.

Epilepsi Amerika Birleşik Devletleri'nde yaklaşık 3,5 milyon kişiyi etkilemektedir ve bu hastaların yaklaşık% 30'u ilaca cevap vermemektedir. Nöbetleri tek bir beyin bölgesine kadar izleyebilirsek, en iyi eylem yolu bu nöbet başlangıç ​​bölgesini cerrahi olarak çıkarmaktır. Halen nöbet lokalizasyonu tamamen elektroensefalografi (EEG) kayıtlarının ve manyetik rezonans görüntüleme (MRI) verilerinin görsel olarak incelenmesine dayanmaktadır. Bu süreç genellikle sonuçsuz ve insan hatasına eğilimlidir.

Laboratuarım çıplak gözün bir adım ötesine geçen hesaplama araçları geliştiriyor. Kısa bir süre önce, EEG verilerinden bir nöbetin yayılma modelini başlangıcını geri izlemek için otomatik olarak öğrenen bir nöbet izleme algoritmasına öncülük ettik. Algoritmamız son teknoloji nöbet dedektörlerini yenmekle kalmaz, aynı zamanda nöbet başlangıcını önceden bilgi olmadan otomatik olarak öğrenebilir. EEG'ye paralel olarak, beyindeki epilepsiyle ilişkili sanal lezyonları tanımlamak için dinlenme durumu fonksiyonel MRI (rsfMRI) kullanımını araştırıyorum. Bu lezyonlar, aksi takdirde tespit edilemeyen nöbetlerin altta yatan nedenine ilişkin önemli bilgiler sağlayabilir.

Abhinav Kandala

Doktorasını aldıktan sonra Abhinav Kandala, IBM Research'teki kuantum bilgi işlem grubuna katıldı ve doktora sonrası devamında gürültülü süper iletken kuantum işlemcinin küçük molekülleri ve kuantum mıknatısları simüle etme konusundaki uygulanabilirliğini deneysel olarak inceledi. Bu çalışma MIT Technology Review tarafından 10 Çığır Açan Teknolojiler 2018'den biri olarak kabul edildi.

Kuantum dünyasının doğrudan gözlemlenebilir gerçeklikten nasıl farklı olduğunu daha iyi anlamamıza yardımcı olun. Kuantum hesaplamanın geleneksel bilgisayardan farkı nedir?
Kuantum dünyası ve fizikçilerin klasik dünya olarak adlandırdığı şey arasındaki büyük fark, belirsizlikle ilgilidir. Görebildiğimiz ve dokunabildiğimiz klasik nesneler için, yeterli bilgi verildiğinde, konumlarını ve hızlarını kesin olarak tahmin edebiliriz. Bu, bir atomdaki elektronlar gibi kuantum nesneler için geçerli değildir. Burada, özellikleri olasılıklarla açıklanmaktadır. Çevremizdeki somut nesnelere bağlı olarak, belirli bir pozisyonda bir elektron bulma olasılığı veya olasılığı açısından konuşuyoruz. Bu farklılıklar aynı zamanda geleneksel klasik bilgisayarlarda kuantum bilgisayarlarda bilginin nasıl kodlanıp işlenebileceği anlamına da gelir.

Klasik bilgisayarlarda, temel bilgi blokları 0 veya 1'in kesin değerlerini alan bitlerdir. Kuantum hesaplamada, temel hesaplama elemanları, kuantum bitleri veya kübitlerdir; burada bilginin, şimdi tanımlanabilecek olan kuantum durumlarında kodlandığı Daha sonra, birden fazla kubitli bilgisayarlara gittikçe, klasik meslektaşlarının aksine, bir kübitin diğerinden bağımsız olarak tanımlanamadığı durumlarda bilgileri kodlayabiliriz. Dolaşma olarak adlandırılan bu özellik, bilgileri işlemek için çok daha zengin bir durum kümesi sağlar.

Bu teknolojinin gerçek dünyadaki uygulamaları nelerdir? Son zamanlarda bahsettiğiniz “katil uygulamasını” açıklayın.

Kuantum mekaniği yasaları moleküller gibi karmaşık kuantum sistemlerini tanımlamak için kullanılabilse de, bu sistemlerin özelliklerini tahmin etmek için elde edilen denklemleri çözmenin çok zorlayıcı bir hesaplama görevi olduğu uzun zamandır fark edilmiştir. Nobel ödüllü Richard Feynman’ın temel fikri, bugün kuantum bilgisayar dediğimiz programlanabilir bir kuantum sistemi kurabilirsek, doğal kuantum sistemlerinin özelliklerini daha verimli bir şekilde simüle edebileceğimizdi.

Bu bağlamda, moleküller gibi kuantum sistemlerinin özelliklerinin simüle edilmesinin kuantum bilgisayarlar için bir “katil uygulama” olması beklenmektedir. Bu tür hesaplamalar, kimya ve malzemelerle ilgilenen herhangi bir endüstri için tipiktir ve şu anda dünyanın süper bilgi işlem kaynaklarının önemli bir kısmını kullanmaktadır.

Ek olarak, bilim adamları optimizasyon ve makine öğrenimindeki “kuantum olmayan” problemlere de uygulamalar araştırıyorlar. Bununla birlikte, günümüzün kuantum bilgisayarlarının hala hataya eğilimli olduğunu belirtmek önemlidir. Merkezi bir hedef, günümüzün gürültülü sistemlerinde bile bazı yararlı hesaplama görevleri için geleneksel bilgisayarlara göre “kuantum avantajı” elde etmektir. Bu kuantum avantajının peşinde koşmak için IBM Q Experience'ta gerçek kuantum bilgisayarlara bulut üzerinden halka açık erişim sağlayarak kuruluşlar, araştırmacılar ve öğrencilerle etkileşime giriyoruz.

Deneysel fizik, çok sayıda düşünmeyi teşvik eden heyecan verici bir alandır. Karşılaştığınız en özgün ve yenilikçi çalışmalardan bazıları nelerdir?

Gerçekten de, deneysel fizik genellikle yarının teknolojileri için tohum sağlar. Lisansüstü araştırmamla ilgili olarak aklıma gelen, bazı materyallerde elektron akışının topolojideki soyut matematiksel fikirlere nasıl bağlanabileceğini ortaya koyan Nobel Ödüllü deneyler. Bu malzemelerin elektriksel direnç gibi özellikleri, geometri veya kusurlardaki deformasyonlara karşı oldukça duyarsızdır ve bu, dağılmadan elektronik cihazlarda potansiyel uygulamalara sahiptir.

Mevcut işime daha yakın olarak, elektrik devrelerinin yapay atomlar gibi davranabileceği fikri ve gösterisi benim için son derece büyüleyici. Bu temel olarak insan yapımı elemanların yeni bir periyodik tablosunu mümkün kılar ve esasen süper iletken kuantum bilgisayarların geliştirilmesine yol açan fiziktir.