توسعه مهارت های مهندسی پلیمر و رنگ

📌 بازیافت پلیمرها (Polymer Recycling)سالانه حدود ۱۹ تا ۲۳ میلیون تن پسماند پلاستیکی وارد اکوسیستم‌های آبی جهان می‌شود؛ آماری نگران‌کننده که اهمیت مدیریت پسماند و توسعه روش‌های پایدار بازیافت را بیش از پیش نشان می‌دهد.پلیمرها به بخش جدایی‌ناپذیری از زندگی روزمره و صنایع مختلف تبدیل شده‌اند، بنابراین راه‌حل تنها حذف پلاستیک نیست. کاهش مصرف، استفاده مجدد و بازیافت اصولی باید در کنار یکدیگر قرار گیرند تا از ورود این مواد ارزشمند به محل‌های دفن زباله و محیط‌زیست جلوگیری شود.♻️ در بازیافت مکانیکی پلی‌اتیلن ترفتالات (PET)، بطری‌ها و سایر محصولات PET ابتدا جمع‌آوری و تفکیک شده، سپس خرد، شسته و از آلودگی‌ها جدا می‌شوند. پرک‌های تمیز حاصل می‌توانند دوباره فرآوری شده و برای تولید الیاف، ورق، بسته‌بندی یا محصولات پلاستیکی جدید مورد استفاده قرار گیرند.ویدئوی بالا نمایی کلی از مراحل بازیافت PET را نشان می‌دهد؛ فرایندی مهم در مسیر کاهش مصرف مواد اولیه بکر، حفظ منابع و حرکت به‌سوی اقتصاد چرخشی. 🌍#PolymerRecycling #PETRecycling@ESD_TEAM

📌 مرزهای تازه در چاپ سه‌بعدی و ساخت افزایشی در آزمایشگاه دریمز (DREAMS Lab) دانشگاه ویرجینیا تک، کریس ویلیامز (Chris Williams) و تیم پژوهشی او در دانشکده مهندسی مکانیک تلاش می‌کنند مرزهای ساخت افزایشی (Additive Manufacturing) یا همان چاپ سه‌بعدی را گسترش دهند.پژوهش‌های این گروه تنها به چاپ قطعات محدود نیست و توسعه مواد جدید، رباتیک پیشرفته و طراحی فرآیندهای نوین چاپ را نیز شامل می‌شود. هدف، ساخت قطعات و محصولات پیچیده‌تر، مستحکم‌تر و کاربردی‌تر برای حوزه‌هایی مانند هوافضا، حمل‌ونقل، پزشکی و محصولات مصرفی است.یکی از ایده‌های اصلی ویلیامز از ابتدای فعالیت در این حوزه، پاسخ به یک چالش بوده است: آیا می‌توان چیزی را چاپ کرد که ساخت آن پیش از این غیرممکن به نظر می‌رسید؟در کنار توسعه فناوری، آموزش و تربیت نسل بعدی مهندسان نیز بخش مهمی از فعالیت‌های DREAMS Lab است تا ایده‌های تازه بتوانند از محیط دانشگاه به راهکارهای واقعی در صنعت تبدیل شوند.@ESD_TEAM

‍ 📌 آیا هوش مصنوعی مجلات علمی را پر از مقاله‌های جعلی می‌کند؟✍️ آنانیا پالیولا🤖 ورود هوش مصنوعی مولد به دنیای نشر علمی، مسئله قدیمی «منتشر کن یا حذف شو» را شدیدتر کرده است. فشاری که سال‌ها پژوهشگران را به تولید مقاله بیشتر وادار می‌کرد، حالا با ابزارهایی همراه شده که می‌توانند در مدت کوتاه متن علمی، داده ساختگی، شکل‌های ظاهراً معتبر و حتی منابع جعلی تولید کنند.📄 در یکی از نمونه‌های عجیب، مقاله‌ای در یک مجله علمی با جمله‌ای منتشر شد که شبیه پاسخ آماده ChatGPT بود. این خطا از مرحله داوری هم عبور کرد و تنها بعد از انتشار مورد توجه قرار گرفت. چنین مواردی نشان می‌دهد مشکل فقط استفاده از هوش مصنوعی نیست؛ مسئله اصلی ساختاری است که تعداد مقاله را بیش از کیفیت واقعی پژوهش ارزش‌گذاری می‌کند.🔬 پژوهشگران حوزه سلامت نشر علمی معتقدند هوش مصنوعی می‌تواند در ویرایش زبان، بهبود نگارش و کمک به پژوهشگران غیرانگلیسی زبان مفید باشد، اما مسئولیت نهایی باید همیشه بر عهده انسان باشد. استفاده از هوش مصنوعی باید شفاف اعلام شود و داده‌ها، تصاویر و نتایج علمی باید به منبع واقعی و قابل بررسی متصل باشند.🧪 چالش مهم‌تر، مقاله‌هایی هستند که ظاهر کاملاً علمی دارند اما بر پایه داده‌ها و تصاویر ساختگی تولید شده‌اند. این نوع مقاله‌ها می‌توانند به راحتی وارد ادبیات علمی شوند، توسط پژوهشگران دیگر ارجاع بگیرند و حتی در آموزش مدل‌های هوش مصنوعی بعدی استفاده شوند. در نتیجه، یک خطای ساختگی می‌تواند بارها تکرار و تقویت شود.🛡 ابزارهای تشخیص تقلب و غربالگری مقاله‌ها بخشی از راه‌حل هستند. برخی سامانه‌ها عبارت‌های غیرطبیعی، ترجمه‌های عجیب، نشانه‌های کپی مستقیم از خروجی هوش مصنوعی و الگوهای مشکوک را شناسایی می‌کنند. با این حال، متخصصان هشدار می‌دهند که این مسیر شبیه یک مسابقه تسلیحاتی است؛ هرچه ابزارهای تشخیص بهتر شوند، مدل‌ها و روش‌های دور زدن آن‌ها هم پیچیده‌تر می‌شوند.⚖️ راه‌حل پایدار احتمالاً فقط در تشخیص مقاله جعلی نیست، بلکه در تغییر شیوه ارزیابی پژوهشگران است. وقتی استخدام، ارتقا، بودجه، جایگاه دانشگاهی و حتی آینده شغلی بر اساس تعداد مقاله و نام مجله سنجیده شود، انگیزه برای تولید انبوه مقاله باقی می‌ماند. بسیاری از متخصصان پیشنهاد می‌کنند ارزیابی علمی از تعداد مقاله فاصله بگیرد و به کیفیت، اصالت، شفافیت داده و اثر واقعی پژوهش نزدیک‌تر شود.🔖 پیام اصلی روشن است: هوش مصنوعی به‌تنهایی بحران نشر علمی را ایجاد نکرده، بلکه آن را سریع‌تر و ارزان‌تر کرده است. اگر جامعه علمی می‌خواهد با مقاله‌های جعلی و داده‌های ساختگی مقابله کند، باید هم ابزارهای نظارت را تقویت کند و هم نظام پاداش‌دهی علم را از کمیت به کیفیت تغییر دهد.#AI@ESD_TEAM

📌 پالایشگاه (Refinery)صنعت پتروشیمی یکی از بزرگترین و پر درآمدترین صنایع کشور محسوب می‌شود که در ارتباط مستقیم با صنعت نفت و بخصوص بخش پایین دستی آن است. مواد مصرفی در این صنعت توسط پالایشگاه ها تأمین می‌گردد . اصول کار در پالایشگاه ها در کلیپ بالا شرح داده شده است. #Petrochemical_industry_Refinery@ESD_TEAM