حافلات نقل مدرسية كهربائية تدعم الشبكة بالطاقةhttps://aawsat.com/home/article/3816301/%D8%AD%D8%A7%D9%81%D9%84%D8%A7%D8%AA-%D9%86%D9%82%D9%84-%D9%85%D8%AF%D8%B1%D8%B3%D9%8A%D8%A9-%D9%83%D9%87%D8%B1%D8%A8%D8%A7%D8%A6%D9%8A%D8%A9-%D8%AA%D8%AF%D8%B9%D9%85-%D8%A7%D9%84%D8%B4%D8%A8%D9%83%D8%A9-%D8%A8%D8%A7%D9%84%D8%B7%D8%A7%D9%82%D8%A9
عندما تنتهي حافلات النقل المدرسية الكهربائية الصغيرة في مقاطعة إلكاهون في ولاية كاليفورنيا، من خدمة توصيل الطلّاب، فإنها تؤدّي مهمّة إضافية: تغذية الشبكة الكهربائية بالمزيد من الطاقة.
شواحن إضافية عمدت مؤسسة «سان دييغو غاز أند إلكتريك» المحليّة إلى تركيب ستّة شواحن ثنائية الاتجاه في الباحة المخصصة للحافلات في مدرسة المقاطعة في إطار برنامج تجريبي لاختبار كيف يمكن لحافلاتها الثماني أن تدعم الشبكة الكهربائية، في حالات الضغط عليها، كموجات الحرّ أو عند ارتفاع استهلاك الطاقة مع تشغيل آلاف النّاس لأنظمة التبريد. وهكذا وفي وسط النهار، وعندما تكون الحافلات خارج الخدمة، يمكنها أن تساعد في تخزين كميات أكبر من الطاقة الشمسية للولاية. وتنتج كاليفورنيا حالياً مستويات هائلة من الطاقة الشمسية. ولكن إذا احتاجت المقاطعة إلى المزيد من الطاقة في وقتٍ لاحق من اليوم، تستطيع المدرسة إرسال بعض الطاقة للشبكة والحصول على بدلٍ مالي لقاء الخدمة. ونقلت أديل بيترز المحررة في «فاست كومباني» عن ميغيل روميرو، نائب رئيس قسم ابتكار الطاقة في المؤسّسة: «نحن نعلم أنّه ومع حصول الشبكة الكهربائية على المزيد من الطاقة من موارد متجدّدة، سنكون بحاجة إلى حلول متعدّدة للحفاظ على الفعالية والمرونة». عندما يرتفع عدد العربات الكهربائية على الطرقات، يزيد الطلب على الطاقة من الشبكة. ولكنّ هذه العربات بدأت أخيراً بالعمل كمصانع طاقة مصغّرة، خصوصاً تلك المجهّزة ببطاريات كبيرة، على حدّ تعبير روميرو. تعتبر الحافلات المدرسية خياراً مناسباً جداً لهذا الهدف لأنّها مجهّزة ببطاريات كبيرة، فضلاً عن أنّها تسير وفقاً لجدولٍ معروف وتخرج من الخدمة لساعات متعدّدة في اليوم. وعندما يرتفع الطلب على الكهرباء خلال الصيف، تكون الحافلات المدرسية خارج خدمة التوصيل بالكامل.
خطط تجريبية من جهة أخرى، تعمل مؤسسة «دومينيون إنرجي» في ولاية فيرجينيا على مساعدة المدارس المحلية للاستحواذ على حافلات كهربائية بتغطية جزء من التكلفة وتنظيم معدّات الشحن مقابل السماح لها باستخدام الحافلات لدعم الشبكة العامّة خلال الصيف. وفي ولاية ماساتشوستس، تخطّط شركة اسمها «هايلاند إلكتريك ترانسبورتيشن» الناشئة لمساعدة مدارس المقاطعة في التحوّل غير المكلف إلى الحافلات الكهربائية - عبر نموذج يشحن بالميل الواحد بدل التكلفة الثابتة المرتفعة، ومن ثمّ الاستفادة ببيع الكهرباء للشبكة العامّة. أطلقت الشركة هذا المشروع التجريبي عام 2021. بالعودة إلى كاليفورنيا، دخلت مؤسسة «سان دييغو غاز أند إلكتريك» في شراكة مع «نيوفي»، شركة متخصصة بالبرمجيات تساعد في تنظيم عمل هذه الأنظمة: على سبيل المثال، إذا كانت الحافلة التي تهمّ بالعودة للعمل على الطريق لا تملك الوقت الكافي للشحن، يمكنها رفض طلب مشاركة الطاقة. وقدّمت المؤسسة مشروعاً جديداً ستدفع بموجبه لزبائنها التجاريين كمدرسة المقاطعة دولارين للكيلوواط الواحد مقابل نقل الطاقة إلى الشبكة العامّة في حالات الطوارئ كارتفاع الطلب على الكهرباء. سيساعد البرنامج التجريبي المؤسسة في فهم كيف يمكن استخدام نظام الحافلات لدعم إنتاج الطاقة إلى جانب أساطيل أخرى من العربات الكهربائية كشاحنات التوصيل. يقول روميرو إنّ شركته «تسعى لتطوير هذا المشروع على نطاق واسع. نحن نعي مستوى الكهرباء الذي تشهده صناعة النقل، لا سيّما في مجال الأساطيل الكبيرة. ونعلم أيضاً أنّ البطاريات في هذه الأساطيل تكون عادة أكبر بكثير من تلك الموجودة في العربات التي تنفّذ مهام خفيفة... من الواضح أنّنا على موعدٍ مع طفرة في مصادر الطاقة الموزّعة - أساطيل كبيرة تجوب الأرجاء ونحن نريد توظيفها في المستقبل».
توصلت دراسة جديدة إلى نظرية جديدة بشأن كيفية نشأة القارات على كوكب الأرض مشيرة إلى أن نظرية «تبلور العقيق المعدني» الشهيرة تعتبر تفسيراً بعيد الاحتمال للغاية.
ابتكر أليكس ويلشكو، مؤسس شركة الذكاء الاصطناعي «أوسمو»، وفريقه نسخة «ألفا» من جهاز خيالي بحجم حقيبة الظهر مزودة بمستشعر شمّ يستخدم الذكاء الاصطناعي لتحديد المنتجات المقلدة من خلال تحليل تركيبها الكيميائي.
وأقامت شركة «أوسمو» (Osmo) شراكة مع منصات إعادة بيع الأحذية الرياضية لإظهار أن اختبار الشم عالي التقنية قادر على تحديد المنتجات المزيفة بدرجة عالية من الدقة.
الجزيئات المتطايرة تحدد الرائحة
كل شيء في العالم له رائحة، من الملابس إلى السيارات إلى جسمك. هذه الروائح هي جزيئات متطايرة، أو كيمياء «تطير» من تلك الأشياء وتصل إلى أنوفنا لتخبرنا بالأشياء. ويختبر الإنسان ذلك بوعي ووضوح عندما يكون هناك شيء جديد قرب أنفه، مثل شم سيارة جديدة أو زوج من الأحذية الرياضية. لكن حتى عندما لا تلاحظ الروائح، فإن الجزيئات موجودة دائماً.
رائحة المنتجات المقلَّدة
الأحذية المقلدة لها رائحة مختلفة عن الأحذية الحقيقية. إذ لا تختلف الأحذية الرياضية الأصلية والمقلدة في المواد، فحسب، لكن في التركيب الكيميائي. حتى الآن، اعتمدت شركات مثل «استوكس» (StockX) على اختبارات الشم البشري والفحص البصري لتمييز الأصالة - وهي عملية تتطلب عمالة مكثفة ومكلفة. وتهدف التقنية الجديدة إلى تبسيط العملية.
خريطة تحليل الفوارق اللونية
تدريب الذكاء الاصطناعي على الاختلافات الجزيئية
ووفقاً لويلشكو، درَّب فريقه «الذكاء الاصطناعي باستخدام أجهزة استشعار شديدة الحساسية للتمييز بين هذه الاختلافات الجزيئية».
وستغير هذه التكنولوجيا كيفية إجراء عمليات التحقق من الأصالة في الصناعات التي تعتمد تقليدياً على التفتيش اليدوي والحدس. وتهدف إلى رقمنة هذه العملية، وإضافة الاتساق والسرعة والدقة.
20 ثانية للتمييز بين المزيف والحقيقي
ويضيف أن آلة «أوسمو» تستغرق الآن نحو 20 ثانية للتمييز بين المنتج المزيف والحقيقي. وقريباً، كما يقول، ستقل الفترة إلى خمس ثوانٍ فقط. وفي النهاية، ستكون فورية تقريباً.
تم بناء أساس التقنية على سنوات من العمل المخبري باستخدام أجهزة استشعار شديدة الحساسية، كما يصفها ويلشكو، «بحجم غسالة الأطباق»، ويضيف: «تم تصميم أجهزة الاستشعار هذه لتكون حساسة مثل أنف الكلب، وقادرة على اكتشاف أضعف البصمات الكيميائية».
وتعمل هذه المستشعرات على مدار الساعة طوال أيام الأسبوع، وتجمع باستمرار البيانات حول التركيب الكيميائي لكل شيء من البرقوق والخوخ إلى المنتجات المصنعة»، كما يوضح ويلشكو.
خريطة الرائحة الرئيسية
تشكل البيانات التي تم جمعها العمود الفقري لعملية تدريب الذكاء الاصطناعي الخاصة بالشركة، والتي تساعد في إنشاء فهم عالي الدقة للروائح المختلفة ومنحها موقعاً في نظام إحداثيات يسمى خريطة الرائحة الرئيسية.
إذا كنت على دراية بكيفية ترميز ألوان الصورة في الصور الرقمية، فان الطريقة تعمل بشكل مماثل. إذ تقريباً، يتوافق لون البكسل مع مكان على خريطة RGB، وهي نقطة في مساحة ثلاثية الأبعاد بها إحداثيات حمراء وخضراء وزرقاء.
تعمل خريطة الرائحة الرئيسية بشكل مشابه، باستثناء أن الإحداثيات في تلك المساحة تتنبأ بكيفية ورود رائحة مجموعات معينة من الجزيئات في العالم الحقيقي. يقول ويلشكو إن هذه الخريطة هي الصلصة السرية لشركة «أوسمو» لجعل الاختبار ممكناً في الوحدات المحمولة ذات أجهزة استشعار ذات دقة أقل وحساسة تقريباً مثل أنف الإنسان.
من المختبر إلى الأدوات اليومية
يقول ويلشكو إنه في حين أن أجهزة الاستشعار المحمولة أقل حساسية من وحدات المختبر، فإن البيانات المكثفة التي يتم جمعها باستخدام أجهزة الاستشعار عالية الدقة تجعل من الممكن إجراء اكتشاف فعال للرائحة. مثل الذكاء الاصطناعي لقياس الصورة القادر على استنتاج محتويات الصورة لإنشاء نسخة بدقة أعلى بناءً على مليارات الصور من نموذجه المدرب، فإن هذا يحدث بالطريقة نفسها مع الرائحة. تعدّ هذه القدرة على التكيف أمراً بالغ الأهمية للتطبيقات في العالم الحقيقي، حيث لا يكون نشر جهاز بحجم المختبر ممكناً.
من جهته، يشير روهينتون ميهتا، نائب الرئيس الأول للأجهزة والتصنيع في «أوسمو»، إلى أن مفتاح عملية التعريف لا يتعلق كثيراً بالروائح التي يمكننا إدراكها، لكن بالتركيب الكيميائي للكائن أو الشيء، وما يكمن تحته. ويقول: «الكثير من الأشياء التي نريد البحث عنها والتحقق من صحتها قد لا يكون لها حتى رائحة محسوسة. الأمر أشبه بمحاولة تحليل التركيب الكيميائي».
وهو يصف اختباراً تجريبياً أجرته الشركة مؤخراً مع شركة إعادة بيع أحذية رياضية كبيرة حقق معدل نجاح يزيد على 95 في المائة في التمييز بين الأحذية المزيفة والأحذية الحقيقية.
إلا أن الطريقة لا تعمل إلا مع الأشياء ذات الحجم الكبير، في الوقت الحالي. ولا يمكن للتكنولوجيا التحقق من صحة الأشياء النادرة جداً التي تم صنع ثلاثة منها فقط، مثلاً.
هذا لأنه، كما أخبرني ويلشكو، يتعلم الذكاء الاصطناعي باستخدام البيانات. لكي يتعلم رائحة طراز جديد معين من الأحذية، تحتاج إلى إعطائه نحو 10 أزواج من الأحذية الرياضية الحقيقية. في بعض الأحيان، تكون رائحة البصمة خافتة لدرجة أنه سيحتاج إلى 50 حذاءً رياضياً أصلياً ليتعلم الطراز الجديد.
خلق روائح جديدة
لا يشم مختبر «أوسمو» الأشياء التي صنعها آخرون فحسب، بل يخلق أيضاً روائح جديدة داخل الشركة باستخدام أنظمة الذكاء الاصطناعي والروبوتات نفسها. أظهر علماء الشركة كيف يعمل هذا بطريقة عملية خلال تجربة أطلقوا عليها اسم مشروع نقل الرائحة. لقد التقطوا رائحة باستخدام مطياف الكتلة للتفريق اللوني الغازي (GCMS)، الذي يحللها إلى مكوناتها الجزيئية ويحمل البيانات إلى السحابة. أصبحت هذه البيانات الملتقطة إحداثيات على خريطة الرائحة الرئيسية. بمجرد رسم الخريطة، يتم توجيه روبوت التركيب في مكان آخر لخلط عناصر مختلفة وفقاً لوصفة الرائحة، وإعادة إنشاء الرائحة الأصلية بشكل فعال.
رائحة مصنّعة لتعريف المنتجات
باستخدام تقنية تصنيع الرائحة نفسها، يتخيل ويلشكو أن «أوسمو» يمكن أن تدمج جزيئات عديمة الرائحة مباشرة في المنتجات بصفتها معرفاتٍ فريدة؛ مما يخلق توقيعاً غير مرئي لن يكون لدى المزورين أي طريقة لاكتشافه أو تكراره. فكر في هذا باعتباره ختماً غير مرئي للأصالة.
وتعمل شركة «أوسمو» على تطوير هذه العلامات الفريدة لتُدمج في مواد مثل الغراء أو حتى في القماش نفسه؛ ما يوفر مؤشراً سرياً لا لبس فيه على الأصالة.
هناك فرصة كبيرة هنا. وكما أخبرني ويلشكو، فإن صناعة الرياضة هي سوق بمليارات الدولارات، حيث أعلنت شركة «نايكي» وحدها عن إيرادات بلغت 60 مليار دولار في العام الماضي. ومع ذلك، تنتشر النسخ المقلدة من منتجاتها على نطاق واسع، حيث أفادت التقارير بأن 20 مليار دولار من السلع المقلدة تقطع هذه الإيرادات. وقد صادرت الجمارك وحماية الحدود الأميركية سلعاً مقلدة بقيمة مليار دولار فقط في العام الماضي في جميع قطاعات الصناعة، وليس فقط السلع الرياضية. ومن الواضح أن تقنية الرائحة هذه يمكن أن تصبح سلاحاً حاسماً لمحاربة المنتجات المقلدة، خصوصاً في أصعب الحالات، حيث تفشل الأساليب التقليدية، مثل فحص العلامات المرئية.
الرائحة هي مفتاح المستقبل
يرى ويلشكو أن النظام جزء من استراتيجية أوسع لرقمنة حاسة الشم - وهو مفهوم بدأ العمل عليه عند عمله في قسم أبحاث «غوغل». إن أساس النظام يكمن في مفهوم يسمى العلاقة بين البنية والرائحة. وتتلخص هذه العلاقة في التنبؤ برائحة الجزيء بناءً على بنيته الكيميائية، وكان مفتاح حل هذه المشكلة هو استخدام الشبكات العصبية البيانية.
إمكانات طبية لرصد الأمراض
إن الإمكانات الطبية لهذه التقنية هي تحويلية بالقدر نفسه. ويتصور ويلشكو أن النظام يمكن استخدامه للكشف المبكر عن الأمراض - مثل السرطان أو السكري أو حتى الحالات العصبية مثل مرض باركنسون - من خلال تحليل التغييرات الدقيقة في رائحة الجسم التي تسبق الأعراض غالباً.
لكنه يقول إنه حذّر بشأن موعد حدوث هذا التقدم؛ لأنه يجب على العلماء أن يحددوا أولاً العلامات الجزيئية لهذه الروائح قبل أن تتمكن الآلة من اكتشاف أمراض مختلفة. وتعمل الشركة بالفعل مع عدد من الباحثين في هذا المجال.
