به گزارش خبرنگار مهر، پروفسور سامیارول گلنبه عضو آکادمی علوم ترکیه و عضو هیات علمی کالج سلطنتی لندن، در خصوص دستاوردها و زمینه های پژوهشی که اخیرا در آنها فعالیت داشته توضیحاتی ارائه کرد.
گلنبه که تمرکز اصلی مطالعات وی در تحقیقات روی دو معضل اصلی سیستمهای کامپیوتری جهانی یعنی امنیت سایبری و مصرف انرژی منعطف شده است در زمینه طراحی شبکه‌های «جی- نتورک» در سیستم های کنترل کامپیوتر مطالعاتی انجام داد.
وی در رابطه با امنیت سیستمها و شبکه اظهار داشت: بهبود این چالشها مانند طراحی عملکرد کامپیوتر است.
وی با به کارگیری طرح‌های کنترل مانند تخصیص دوباره پویا ترافیک، مسیریابی ترافیک و کنترل پذیرش، موفق به دستیابی چندین راه حل مجزا در قالب محصول برای این مدل ها شده است.
شبکه‌های جی « G-network » می تواند مشکلاتی مثل بهبود کیفیت همزمان سرویس‌دهی و مصرف انرژی در سیستمهای کامپیوتری توزیع شده و شبکه‌های معروف به «شبکه های بسته انرژی» را رفع کند.
برگزیده جایزه مصطفی(ص) در خصوص موضوع مصرف انرژی سیستمها گفت: در حال حاضر میزان مصرف انرژی کامپیوترها و اینترنت برابر با مجموع مصرف برق کل آلمان و ژاپن است و تاثیر منفی صنعت فناوری اطلاعات در تولید دی اکسیدکربن از صنعت هوایی بیشتر در نظر گرفته می شود. بنابراین اینگونه انتظار می رود که شیوه های نوین در جهت رفع معضلات مصرف انرژی و کیفیت سرویس دهی، کارآمد باشند.
وی افزود: امروزه شبکه های پول مجازی، هر روزه کاربران بیشتری را از نقاط مختلف دنیا جذب می کنند و به علت ماهیت بی‌نام و نشان بودن شرکتهای مادر، این شبکه ها به آمار بسیار مفصلی از ایجاد (تراکنشهای تاییدشده) و میزان استفاده هر کدام از واحدهای پولی خود نیازمند هستند، که این فرآیند انرژی عظیمی را مصرف می کند.
گلنبه با اشاره به معضلات مصرف انرژی مثل Bitcoinها در شبکه های پول مجازی، عنوان کرد: بر اساس گزارش‌ها، انجام تراکنشها با استفاده از Bitcoin ها به اندازه مصرف برق کشور کوچکی مثل دانمارک، انرژی مصرف می کند.
وی ادامه داد: اگر استفاده از این پول ها رایج شود، میزان مصرف انرژی این فناوری های فعلی فوق العاده زیاد خواهد شد. لذا یکی از مهمترین معضلات فنی بازارهای پول ارزی، به توانایی آنها در اداره تراکنشهای خود به شیوهای قابل ارتقا و مقرون به صرفه در مصرف انرژی بستگی دارد. این مسئله یکی از چالشهای جدیدی است که محققان علوم کامپیوتری و ارزیابی عملکرد سیستم در حال کار کردن روی آن هستند.
وی با اشاره به جدیدترین تحقیقات خود گفت: اکنون روی شبکه‌های عصبی_تصادفی(RNN) با هدف شبیه‌سازی بهتر رفتارهای تصادفی و جهشی سیستمهای عصبی_طبیعی و همچنین به دست آوردن شناخت صحیح‌تری از مراحل محاسبه و کاهش زمان لازم برای یادگیری عمقی سیستم، تحقیقاتی انجام می‌دهم.
گلنبه گفت: از این تکنیک‌ها در جستجوگرها نیز استفاده می شود و به کاربران کمک می‌کند تا به جای دیدن تبلیغات و اطلاعات مورد علاقه موتورهای جستجو، دقیقا به اطلاعاتی که جستجو کرده اند دسترسی پیدا کنند.
