Tampilkan postingan dengan label Science & Technology. Tampilkan semua postingan
Tampilkan postingan dengan label Science & Technology. Tampilkan semua postingan

Rabu, 16 November 2016

Script PHP untuk memonitor Replikasi MySQL

Replikasi database adalah seperangkat teknologi yang digunakan untuk menyalin dan mendistribusikan data dari satu database ke database yang lain. Dan selanjutnya, mensinkronisasikan antar database untuk menjaga konsistensi. Dengan replikasi, data dapat didistribusikan ke lokasi yang berbeda dan pengguna yang jauh melalui LAN, WAN, Dial-up Connection, wireless connections, dan internet.



Jika anda sudah melakukan replikasi database (mysql) tentunya anda ingin agar segala status replikasi dari komputer server & cabang dapat dimonitor. Script PHP ini dapat anda gunakan sebagai source code untuk menampilkan data-data replikasi, antara lain:
  • File: Present binary log
  • Position: Binary log position
  • Io run: Slave IO Thread Running status
  • Sql run: SQL Thread Running status
  • ErrorNum: Error number
  • ErrorMeg: Error message
Anda dapat dengan mudah menghentikan / memulai setiap server slave (STOP SLAVE / MULAI SLAVE) dengan satu klik.
Hal ini juga dapat memberikan informasi rinci tentang variabel statusnya global halaman yang sama.
Sistem dapat dikonfigurasi otomatis refresh secara default setiap 2 detik untuk menyediakan status terkini dari kedua MySQL Server di Replikasi.
Dalam kode Anda hanya perlu menyesuaikan parameter berikut sesuai kebutuhan:



#host-name & ports for replication servers
$slave = “localhost”;
$master = “localhost”;
$slaveport=3306;
$masterport=3307;

#Refresh rate
$refreshRate=2;

#considered a common username password for accessing both servers#
$username=”root”;
$password=”kedar”;

Download Source Codenya:Download Source Code
Untuk artikel Science dan Technology lainnya, kunjungi halaman ini.Science & Technology

Kamis, 14 Januari 2016

Revolusi Science, Revolusi Teknologi, Evolusi Manusia

Revolusi perpaduan Science dan Teknologi semakin terlihat jelas belakangan ini. Benar yang dikatakan oleh Richard Dawkins dalam bukunya The Selfish Gene, "Genetika Manusia cenderung berevolusi dan dari evolusi ini akan hadir hal-hal baru yang revolusioner yang diciptakan oleh manusia sebagai tolak ukur peradaban manusia pada beberapa saat mendatang".

Science dan Teknologi selalu berkembang setiap saat. Manusia memulai peradabannya dari mesin uap, listrik, transportasi udara, internet, hingga jutaan software dan hardware yang mempermudah aktivitas manusia itu sendiri, tepat seperti realitas yang saat ini anda saksikan. Terlebih pada saat sekarang kita sudah tidak asing dengan teknologi robotik yang dapat bekerja dan beraktivitas layaknya aktivitas manusia sehari-hari. 

Kita memasuki era Artificial Intelligence (AI) dan termasuk perpaduan science dan teknologi, anda bisa menyebutnya dengan sebutan Artificial Neural Network.
Robot-robot dapat mengerti perintah melalui susunan-susunan algoritma rumit yang berhasil dirancang oleh manusia. Sistem syaraf buatan diciptakan melalui model algoritma yang rumit dan berhasil diimlementasikan kepada robot. Alhasil robot dapat memahami, mengklarifikasi, peka terhadap situasi, termasuk merasakan adanya emosional pada momen tertentu.



Apa yang membuktikan bahwa evolusi itu nyata? Evolusi bukan sekedar perubahan pada bentuk maupun struktur fisik namun mencakup perkembangan tingkat inteligensia manusia dari waktu ke waktu. Pesawat yang sering anda lihat sekarang adalah sihir di mata nenek moyang anda. Robot yang menjadi teman aktivitas sehari-hari anda pada saat ini adalah hantu di mata nenek moyang anda. Dengan kesimpulan, manusia mempunyai struktur DNA yang memacu manusia itu sendiri untuk terus melakukan eksplorasi dan menciptakan hal-hal baru dari masa sekarang ke masa mendatang. Yah, DNA turut ber-evolusi.

Manusia selalu bertanya-tanya apakah di space sana ada kesempatan bagi manusia untuk menemukan hunian baru? Pada kesempatan itu diciptakan sebuah robot (Curiosity) yang mampu menerima transmisi dari jarak jauh (Bumi-Mars). Sebuah robot yang berhasil menyentuh permukaan tanah mars dan berhasil mengumpulkan beberapa data terkait dengan planet mars dan mengirimkan data-data tersebut ke bumi. Alhasil, kita tahu bagaimana keadaan di mars sana!

Jika dulu kita hanya dapat memandang dan bertanya-tanya ada apa diatas sana? Saat ini kita sudah dapat menemukan kenyataan bahwa diatas sana kita mendapati milyaran bintang, galaksi dan planet-planet lain. Kita sudah berhasil menginjakkan kaki di bulan. Kita berhasil mengirim perangkat ke permukaan mars. Kita berhasil mendapatkan gambar permukaan pluto. Kita berhasil menemukan planet yang mirip dengan bumi, kita sebut planet Kepler.




Rabu, 30 Desember 2015

Bakteri yang membuktikan teori EVOLUSI


Ilmuwan menemukan mikroorganisme di dasar lautan yang tidak berevolusi selama 2 miliar tahun. Penemuan tersebut mendukung teori evolusi yang dinyatakan oleh Charles Darwin.
Dalam penelitian, ilmuwan mengobservasi komunitas fosil bakteri pemakan sulfur yang ada di Australia Barat. Di 2 deposit, ilmuwan menemukan bakteri yang masing-masing berumur 1,8 dan 2,3 miliar tahun.

“Itu jarak evolusi antara trilobite (jenis arthropoda laut kuno yang telah punah) ke manusia,” kata J William Schopf, paleontolog University of California di Los Angeles.
Schopf dan rekannya kemudian membandingkan fosil bakteri tersebut dengan komunitas mikroorganisme pemakan sulfur di lepas pantai Chile pada tahun 2007. Mereka tak menemukan perbedaan antara fosil dan bakteri yang masih hidup kini.

Dalam publikasi risetnya di jurnal Proceedings of the National Academy of Sciences bulan ini, Schopf menyimpulkan bahwa tak adanya perubahan pada bakteri itu menunjukkan absennya perubahan pada lingkungan hidupnya.

“Mereka benar-benar terlindungi di lingkungan yang ada di Bumi yang tak berubah, sejak kita memiliki lautan,” ungkap Schofp seperti dikutip New York Times, Senin (9/2/2015).
Darwin dalam bukunya The Origin of Species menguraikan bahwa perubahan lingkungan akan memicu seleksi alam dan evolusi. Kenyataan bahwa dengan tak adanya perubahan lingkungan disertai dengan tak adanya evolusi juga mendukung teori Darwin.

“Evolusi adalah hasil dari adaptasi organisme pada perubahan fisik dan biologis di lingkungannya. Maka bila lingkungan tidak berubah, wajar bila organisme tidak mengalami perubahan,” jelas Schofp.



sumber: KOMPAS.COM

Rabu, 13 Mei 2015

Happy 127th Birthday Inge Lehmann's




Inge Lehmann ForMemRS (13 Mei 1888 - 21 Februari 1993), adalah seorang Denmark seismolog yang menemukan bumi inti. Pada tahun 1936 ia mendalilkan dari data seismik yang ada bahwa bumi inti 's tidak satu lingkup cair, tetapi bahwa inti ada, yang memiliki sifat fisik yang berbeda dengan yang ada di inti luar. Kesimpulan ini cepat diterima oleh seismolog, yang hingga saat ini belum mampu mengusulkan hipotesis yang bisa diterapkan untuk pengamatan bahwa P-gelombang yang diciptakan oleh gempa bumi melambat ketika mencapai daerah-daerah tertentu dari dalam bumi.




Inge Lehmann lahir dan dibesarkan di Osterbro , bagian dari Kopenhagen . Dia adalah putri dari percobaan psikolog Alfred Georg Ludvik Lehmann (1858-1921). Dia menerima pendidikan sekolahnya di sebuah sekolah tinggi pedagogis progresif dipimpin oleh Hanna Adler, seorang bibi dari Niels Bohr . Menurut Lehmann, ayahnya dan Adler adalah dua pengaruh paling signifikan untuk pengembangan intelektual. Setelah sekolah selesai, ia belajar, dengan beberapa interupsi karena kesehatan yang buruk, matematika di University of Copenhagen dan Universitas Cambridge . 

Ia melanjutkan studinya matematika di Cambridge 1910-1911 di Newhan College. Pada tahun 1911 Lehmann kembali dari Cambridge perasaan lelah dari pekerjaan, jadi dia memutuskan untuk menempatkan studi disisihkan untuk sementara waktu. Lehmann mengembangkan keterampilan komputasi baik dari kantor aktuaris ia bekerja selama beberapa tahun sampai dia melanjutkan studinya di Universitas Kopenhagen di tahun 1918. Dia menyelesaikan gelar calon magisterii dalam ilmu fisika dan matematika dalam dua tahun. Ketika ia kembali ke Denmark pada tahun 1923 ia menerima posisi di Universitas Kopenhagen sebagai asisten JF Steffensen, profesor ilmu aktuaria. 

Setelah beberapa tahun bekerja di bisnis asuransi ia menjadi asisten geodesist Niels Erik Norlund , yang ditugaskan nya tugas menyiapkan observatorium seismologi di Denmark dan Greenland . Awal ketertarikannya pada seismologi tanggal kembali ke waktu ini. Pada tahun 1928 ia lulus ujian nya di geodesi dan menerima posisi sebagai geodesist negara dan kepala departemen seismologi di Geodetical Institut Denmark , yang dipimpin oleh Norlund. Dalam makalah berjudul P ', dia adalah orang pertama yang menafsirkan gelombang P kedatangan yang entah kenapa muncul dalam bayangan P gelombang inti bumi sebagai reflexions pada inti. [8] Penafsiran ini diadopsi dalam waktu dua sampai tiga tahun oleh lainnya terkemuka seismolog waktu, seperti Beno Gutenberg , Charles Richter , dan Harold Jeffreys . The Perang Dunia Kedua dan pendudukan Denmark oleh tentara Jerman terhambat kerja Lehmann dan kontak internasional nya secara signifikan selama tahun-tahun berikutnya.

Pada tahun-tahun terakhir hingga pensiun pada tahun 1953 hubungan antara dia dan anggota lain dari Geodetical Institute memburuk, mungkin sebagian karena ia memiliki sedikit kesabaran dengan rekan-rekan kurang kompeten. Setelah tahun 1953, Inge Lehmann pindah ke Amerika Serikat selama beberapa tahun dan berkolaborasi dengan Maurice Ewing dan Frank Press penyelidikan dari kerak bumi dan mantel atas . Selama pekerjaan ini, ia menemukan diskontinuitas seismik lain, yang terletak pada kedalaman antara 190 dan 250 km dan biasanya disebut sebagai " Lehmann diskontinuitas "untuk menghormati penemunya. Francis Birch mencatat bahwa "Lehmann diskontinuitas ditemukan melalui menuntut pengawasan dari seismik catatan oleh master seni hitam yang tidak ada jumlah komputerisasi kemungkinan menjadi pengganti lengkap ... "




Referensi:
http://tokohpenemu.blogspot.com/2015/05/biografi-inge-lehmann.html

Selasa, 06 Januari 2015

Cara Benar Install Sony Sound Forge 10.0




Banyak langkah-langkah penginstalan Sony Sound Forge bertebaran di Internet, tetapi dari banyak langkah tersebut, tidak jarang para konsumen mengalami "Failed" dalam proses penginstalannya. Kegagalan penginstalan ini pada umumnya ditemukan pada saat instalasi crack namun serial number tidak valid.
Untuk lebih jelasnya, saya akan coba paparkan step by step penginstalan sony sound forge yang tepat.


Berikut Langkahnya:

1. Install Set-up Sony Sound Forge hingga selesai.

2. Klik next saja hingga proses penginstalan selesai (termasuk mengisi biodata yang diminta pada saat penginstalan)

3. Setelah Penginstalan selesai jangan buka dulu program sony sound forge 10 nya tetapi coba buka saja keygennya dan lakukan patch ke folder C:/Program Files/Sound Forge10.0 
kemudian klik ok.



4. Pada langkah ke-4 ini yang sering mengawali terjadinya error install, karena kita pada umumnya lupa untuk melakukan patch juga ke folder Shared Plug-Ins. Pada langkah ini, kita juga harus melakukan patch ke folder tersebut.




5. Proses Patch dinyatakan sukses jika muncul tampilan seperti berikut



6. Buka Program Sony Sound Forge 10.0 nya kemudian isikan serial number seperti gambar dibawah.



7. Untuk langkah selanjutnya, pilih next dan akan muncul tampilan "Register From Another Computer". Centang bagian tersebut, dan pilih next.

8. Isikan semua kolom nya seperti nama, email, dan lain-lain..  jangan lupa juga centang semua yang ada dibwah lalu klik Ok. dan pengisian terakhir serial numberya seperti gambar dibawah ini.



9. Instalasi Selesai & Sukses.

Selasa, 23 Desember 2014

C. Elegans Connectome

1. Introduction

Researchers, in general, have a tendency to model certain animal physiology and pathways focused on experimentation to discover truths about the underlying mechanisms that give rise to specific behaviors. Modeling and simulations are great tools and give us valuable insight into whether our observations and underlying theories of what causes those observations are true. However, modeling or simulating specific behaviors can lead to skewed interpretations by negating the organism as a whole. It is not always obvious that a small portion of an organism will deliver the same results when more components of the organism are added into the model.

There have been a few models and simulations [2, 4, 5, 10, 13] conducted regarding the Caenorhabditis Elegans (C. Elegans) nematode but no one has yet created a simulation that encompasses the entire connectome. My C. Elegans connectome research involves individual programs, each representing one of the individual 302 neurons that make up the C. Elegans connectome. I label these 302 programs the Connectome Engine. To stimulate the sensory neurons in the connectome, and to read and assimilate the output of motor neurons, I added applications for this purpose I call the Connectome Framework. The Connectome Framework is the intermediate programs between the EV3 robot and the simulated C. Elegans connectome.

Results show the connectome is very recursive whereby stimulated postsynaptic neurons often loopback to the calling presynaptic neuron and often at several layers deep; i.e. neuron A will stimulate neuron B which in turn stimulates neuron A (A -> B -> A), as well as, neuron A will stimulate neuron B which stimulates neuron C which stimulates neuron A (A -> B -> C -> A). With many recursive connections, once the simulation is running well, I observed that both connectome and motor output was continuous and on-going without further stimulation. It is my conjecture that the connectome would have continued running nearly forever if allowed and unimpeded. I have most often found in neuron circuit discussions the lack of recursive behavior and I believe this is one of the most missed opportunities at discovering how the connectome mechanism functions.

There is an important distinction with the research this paper represents as opposed to most simulations in that the model is:

Complete: The entire connectome is represented. However it should be noted that not all sensory organelles or inputs are in the model at this time. As an example, stretch receptors which could play an important role in C Elegans locomotion behaviors are not yet part of this model.

Continuous: Like a "live" nervous system, the stimulation is continuous and active. Sensory input changes behavior and nothing more.

Physical: The Connectome is connected to a real three-dimensional robot that is interacting with its environment in unpredictable ways.

Individual: Each Neuron is represented by an individual program and like biological neurons, dendritic inputs and axonal outputs can only be given by the amount of stimulation consumed by the program (neuron).

Analog: Since the Connectome is represented by individual programs, the time in which a stimulation of a program occurs is not fixed, and can happen and change as environmental factors evolve.

Temporal: Stimulation changes over time as environmental factors change. Each program is set to only fire it’s axon as certain thresholds are met, and the program will zero out (depolarize) over time.


2. Materials and methods

There are three parts that make up the connectome simulation: the robot which provides sensory input and motor output to read and navigate through the environment, a Connectome Framework that reads sensory data and writes motor values from the connectome engine, and the Connectome Engine that simulates each individual neuron of C. Elegans.

2.1. Lego Mindstorm EV3 Robot

In late 2012, Lego announced that it would be releasing a new Lego Mindstorms robot kit in the Fall of 2013. The new robotic kit would be called Lego Mindstorms EV3 [11] and was an upgrade from the previous model of Lego Mindstorms NXT2. The primary features that made the EV3 attractive for simulation research is that it is inexpensive (~$350 USD), the computer (or Brick) is a Linux based computer and that the user could communicate with the robot via Bluetooth and WiFi communications.

Having purchased a prerelease, educational version of the EV3 in early August, 2013, allowed me to build a simple robot that could mimic some sensory inputs of the C Elegans nematode. The EV3, like its predecessors, has limited sensory inputs (Four total) and motor outputs (Four total). I decided on three touch sensors and one food sensor simulation. The robot is comprised of a left and right body touch sensor, a sonar or nose touch sensor and I use sound to simulate the presence of food. Each of these sensors stimulate specific sensory neurons of the connectome. I attached two motors to the EV3 on either side to simulate the right and left body movement of C Elegans.

2.2 Connectome Framework

In order to interact with the robot I created two programs: an Input program that reads the sensors on the robot and stimulates the appropriate neurons when specific thresholds are met, and an Output program that accumulates stimuli from motor neurons and in turn sends the amount of power to be applied to each of the two motors. These two programs are the intermediary applications between the robot and the connectome.

2.2.1 Sensory Input Program

The Sensory Input Program sets up a WiFi connection with the EV3 robot via a software product I use called Monobrick (http://www.monobrick.dk) [12] that allows me to read sensory information. A Timer control is used to poll the sensors every 100 milliseconds. The two touch sensors (Anterior and Posterior) have a very simple input of either "On" or "Off". If a touch sensor is pushed in, the sensor sends, and the input program reads, an "On". If the button on the sensor is out (not pushed in), the sensor sends, and the input program reads, "Off". I use the sonar sensor to simulate a nose touch by reading the number of centimeters detected between the robot and an object in front of the sensor. Currently, I have the limit set to within 20 centimeters of an object; i.e. if the distance is greater than 20 centimeters, the sensor will be ignored, if 20 centimeters or less, nose touch sensory neurons are stimulated. Food (chemosensory) sensation is activated by a sound sensor. I use a threshold of 40 decibels to start. If a sound is introduced greater than 40 decibels, food presence is simulated by activating the appropriate sensory neurons. This threshold can be changed on the fly by changing the value on the input program. Likewise, the neurons that will be stimulated when a sensor threshold is met can be changed on the fly as well. Currently, I have set up the following neurons to be stimulated when thresholds are met[7]:

Anterior harsh body touch: FLPL, FLPR, BDUL, BDUR and SDQR

Posterior harsh body touch: PVDL, PVDR, PVCL, and PVCR

Nose touch (sonar): ASHL, ASHR, FLPL, FLPR, OLQDL, OLQDR, OLQVL, OLQVR

Food (sound): ADFL, ADFR, ASGL, ASGR, ASIL, ASIR, ASJL, ASJR, AWCL, AWCR, AWAL and AWAR

Each stimulation of the neurons listed, sends a default value set in the input program data grid to each of the individual programs that represent these neurons in the connectome. These values can be adjusted to create a higher value sensation.

The Input program reads the robot sensors and activates the Sensory Neurons that are associated to each sensor.

Whereas

sets the IP Address where the Connectome Engine resides.

sets the sound threshold. The user can change this value at any time and the sensitivity will increase or decrease for food stimulation dependent on this value.

2.2.2 Motor Output Program

The Output program captures motor neuron outputs and displays the values in a matrix whereby each cell of the matrix represents a body muscle of C Elegans [6]. Muscles 7-24 (body muscles as opposed to head muscles) are accumulated into a value of either left or right, and the value is sent to the respective motor on the robot. The Researcher can set a maximum motor output whereas a motor is running at full speed when its value is set to 100. This is usually too fast on smooth terrain so I default the max value to 20 but this can be changed at any time and on the fly. The value of 20 for motor speed represents the condition whereas if the accumulated value exceeds 20, the output program will reset the value to 20. The output program communicates to the robot using Bluetooth communications and the Monobrick API.

The Output program receives all motor output weights from the motor neurons, accumulates into individual cells that represents a body muscle of C Elegans and the right and left accumulated weights are summarized and the summarized right and left values are sent to the robot motors. Viewing the matrix, the left body muscles are represented on the left as MDL01 – MDL24, MVL01-MVL23 (note although MVL24 shows as a cell in the output program, this muscle does not exist in the worm) and the right body muscles are represented on the right as MDR01-MDR24, MVR01-MVR24. The values (the picture shows Zeros) will change as these muscles are individually stimulated. The labels at the top, LT and RT, display the accumulated values.

2.3 The Connectome Engine

The Connectome itself is comprised of 300 individual programs that make up the C Elegans connectome. There are 300 because no other neuron has any documented connections to CANL and CANR so I do not activate these two neurons. I created a startup program, RunConnectome.exe, that reads a local Microsoft SQL 2012 database that contains the name and port of each individual neuron, the neurons and/or muscles that it connects too and the weighted value determined by the number of connections the pre-synaptic neuron has to the post-synaptic neurons. RunConnectome.exe starts each program (neuron) based on these values. Each neuron program communicates with its linked neurons using UDP (User Datagram Protocol). UDP uses the port and IP address of the program it wishes to communicate with and sends the weighted value to the program(s) when a threshold is met of accumulated values.

The single neuron is assigned a Socket or Port number which identifies the Neuron for the User Datagram Protocol (UDP). This image shows the Neuron AVAR is assigned port 11054, has just received a value of "15" and when its axon fires, it will send a value of 1 to ADER (port 11003), a value 1 to AS1, another value of 1 to AS1 (two connections to the same neuron represent a synaptic junction and a gap junction). Respective values will be sent to AS10 = 1 and 1, AS11 = 6, AS2 = 2, AS3 = 1 and 1, and AS4 = 1. Figure 6: Single Neuron Program. 300 of these programs are started, each representing one of the C Elegans neurons, which comprise the Connectome Engine. Each neuron program must accumulate a value greater than Fifteen (15) before the threshold is exceeded and the Axon fires; i.e. the program sends values to all the neuron programs it connects too. In addition, there is a timer control that triggers every 200ms and if there is no input activity in that 200ms, the accumulation counter is set to zero (0). This simulates the action potential of the neuron.


3. Results 

In general, the EV3 Robot using the Connectome Framework behaved in very similar ways to the behaviors observed in the biological C. Elegans. On the most simplest of terms, stimulation of food sensory neurons caused the Robot to move forward. Stimulation of the Robot’s sonar which in turn stimulated nose touch neurons, caused the robot to stop forward motion, backup and then proceed forward, usually in a slightly skewed path. Touching the Anterior and Posterior harsh touch sensors cause the robot to either move forward (Anterior touch) or move backwards (Posterior touch). There is no programming to direct the robot to behave in any specific manner. Only the simulated connectome directs when the robot will move a motor forward, stop or move backwards. I believe this answers, at a very basic level, that the connectome (i.e. how a nervous system is wired) gives rise to phenotypes that we observe in animals.

Repeating these experiments gave similar results each and every time. Again, noting that the C Elegans connectome is highly recursive and once the connectome gets to a sufficient stimulation, the connectome will continuously self-stimulate; i.e. a neuron (presynaptic) will stimulate another set of neurons (postsynaptic) which in turn, many of the postsynaptic neurons, will stimulate the originating presynaptic neuron, creating loops of stimulation. It is determined, if left alone, the simulated C Elegans connectome or nervous system will run continuously forever without any further stimulation. Not unlike the biological brains of animals whereas brain activity is constantly observed even at states of the deepest unconsciousness.

I carried out two well documented ablation experiments [2, 3] as well and obtained similar results outlined with the same experiments on the live animal when specific neurons are destroyed.

3.1. Food or Sound Sensing

As noted earlier, I used the sound sensor on the EV3 robot to act as a chemosensory organelle and stimulate several sensory neurons associated with the presence of food [14]. In the case of C Elegans, food is generally bacterium that it senses and eats in its natural environs. The sensory neurons I stimulated once the sound threshold is met or exceeded is ADFL, ADFR, ASGL, ASGR, ASIL, ASIR, ASJL, ASJR, AWCL, AWCR, AWAL and AWAR.

The Input application allows the user to set a threshold which I default to 40 decibels. This means that the sound around the robot sound sensor has to be 40 or more decibels before the robot will send the weighted values to the chemosensory neurons. This number can be adjusted on the fly by simply changing the value on the Input application but I found that 40 decibels seemed to be a good threshold in a normal, quiet environment. If the threshold is too low, the sound of the robot motors or normal, low level conversation can activate the sensor. At 40 decibels, snapping fingers or whistling will activate the sensor and allow a controlled stimulation. Setting the decibel level too high makes it difficult to cause stimulation due to the need to make excessive, high pitch noise.

Generally I found that stimulation of the food sensory neurons activated the connectome most effectively and started the robot to move in a forward direction.

3.2. Sonar or Nose Touch Sensing

I used the sonar sensor on the EV3 to simulate Nose Touch [15], a very sensitive region of C Elegans that will cause the nematode to stop and change direction when it comes upon obstacles. I set the sonar to activate once the robot comes within 20 centimeters of an object. I found 20 centimeters to be a good distance based upon forward momentum of the moving EV3. The sensory neurons I stimulated once the robot comes within 20cm of an object is ASHL, ASHR, FLPL, FLPR, OLQDL, OLQDR, OLQVL, OLQVR.

Repeatedly, when the EV3 robot senses an object using the sonar sensor and the nose touch sensory neurons are stimulated, the robot motors will stop and reverse for a short distance, one motor will activate to turn the robot slightly and the robot will continue in a forward motion. This one behavior is when I realized that the connectome was simulating the biological counterpart. There is no program to tell the robot to stop, reverse and move forward again at a skewed angle – this behavior is all being controlled by the simulated C Elegans connectome.

3.3. Harsh Body Touch Sensing

I used two touch sensors on the EV3 to simulate Body Touch, one for Anterior (towards the head) touch and one for posterior (towards the tail) touch [8, 9]. For quite a long time, I could get what is known as soft body touch to work fine whereas when a Touch Sensor on the robot is activated, the robot would usually reverse or change direction, but harsh body touch was not working as I would expect and I struggled to figure out why. In C elegans, harsh body touch displays a very strong reversal behavior in the worm.

One day I was viewing a picture of the C Elegan’s nervous system and I realized that the neurons that I was stimulating for (posterior) harsh body touch PVDL and PVDR, had numerous dendritic layouts across the entire body wall of C Elegans.

I realized the only way to simulate this wide ranging neuron in my simple, one sensor model was to increase the synaptic weight. I changed these neuronal weights to Twenty (20) and harsh body touch became much more relevant. The robot would stop and reverse much more rapidly when I applied this greater weighted value. However, this seems practical, I am not pleased by its simplicity and I feel the model is pulling away from a true simulation and more into the realm of model creation that forces the behavior rather than a more biological representation.

3.4. Latency of the Connectome over time

One issue above all must be mentioned to give a truthful review of this research. After running simulations for a short period of 8-10 minutes, it can be readily observed that UDP messaging begins to stack, especially where there are highly recursive neuronal circuits. What this means is that a UDP message of a weighted value is sent to a postsynaptic neuronal program but because there are so many messages being sent to the postsynaptic neuron, the program cannot handle them all as fast as they are coming in. This becomes very evident when I send out a "poison" message to kill the neurons and there are sets of programs that do not stop because they are have so many other messages before the "poison" message, that it takes considerable time to process through these stacked messages before getting to the message that says stop.

In defense of this the message stacking problem, having stacked weights can be a non-issue because the neuron program is continually being stimulated so the number of messages waiting is irrelevant to the stimulation itself. However, the downside, and one that I have observed, is when there is a high mix of positive and negative weighted values. Neuronal programs that do not have a high degree of stacked weighted values wating to be accumulated, can fire their axons in a timely basis but neuronal programs that have a highly stacked weighted queue of both positive and negative values will eventually become out of synch with the rest of the connectome. This is observed after long periods of stimulation, and the robot becomes more erratic in its behavior.

To resolve this issue, and since the programs are IP and Port defined, I am looking into dividing the more active neurons onto their own computer system so they have more computing power and resources to keep up with the messaging demand. Originally I ran the Connectome Engine and Framework on the same computer but when I separated the Input/Output programs on one computer and the Connectome on another, the performance and throughput was very observable. Dividing the individual programs that make-up the connectome to different computers should give me an added performance throughput.


4. Discussion 

Repeatedly, I can observe the robot behaving in a manner that I would expect given what we observe in the biological C Elegans with the organs we have replicated in the simulated, robot version of C Elegans. Having the ability to use a connectome within a mechanical entity opens up a great deal of possibilities. Although there is much network analysis yet to be done, this is potentially a gateway into greater insight of how nervous systems work. The more precisely we can emulate a neuron, being able to engulf a precise neuron model into an entire connectome, makes exploration of nervous systems much easier, faster and perhaps more ethical than exploring biological animals.

On another note, having working connectomes will allow us to explore autonomous robotics. Just this simple C Elegans connectome could easily be envisioned to extend to potential search and rescue robotics. Mimicking an animal that digs and searches for food in an environment similar to a collapse building could bring searching for survivors of such a catastrophe much easier and better, especially with additional chemo and oxygen sensors as with the real worm. Adding higher level connectomes such as fish, drosphila, mouse, and more, could amplify what my humble beginnings can obtain.

Although I can show that simple neuronal connections can give rise to expected behaviors, there is much more to the C. Elegans (and any other animals) neuron than just neuronal connections including, but not limited to, the difference between chemical and electrical connections, neuropeptides and the various peptides and innexins that create neuronal complexities at the cellular level. Just the differences in chemical (synapse) and electrical (gap junctions) warrants the possibility of two programs to shadow one another and represent a single neuron. Whether this evolves into multiple programs that together comprise a single neuron or a single application that encompasses all of the systems biology of a single neuron, we must continue to improve and add-in additional complexity to get a true representation in reverse engineering natural biology.

In addition, as what I found regarding the Harsh Body touch (PVDL and PVDR neurons), the spatial aspect of the connectome is missing. At this time, other than the attempt I made raising the weighted values to activate the sensory neurons, I have no idea how this could be accomplished but I believe it is an important aspect of simulating a connectome. One avenue to review is perhaps the idea of throttling how weighted values are messaged whereas a long axon might be throttled to react slower than a short axonal connection. Computational Neuroscience might play a key role to resolve this issue.

In a collaborative effort with Marusz Sasinski, we were able to create a Python version (see Downloads) of the connectome that is time sequenced and not independent programs. The Python version used arrays and to create an illusion of recursion, we looped through the arrays at each step, incrementing the accumulated weight values and once the values exceeded a threshold, we would then fire that neuron (loop through the array and add weighted values), and zero the accumulated value for the presynaptic, firing neuron. I was able to connect this Python application, running on a Raspberry Pi computer to a modified Connectome Framework, and we again, observed behaviors in the robot that emulated the living nematode. The Python program, running on a Raspberry Pi computer worked very similar to the individual program simulation which moves us closer to the realization that the connectome alone is a key aspect to understanding a number of basic behaviors in a living organism.



5. More Information 

We wish to make most of this code available to any and all collaborators and are starting an open source project to hopefully propel this concept to even larger audiences. You can get on board to receive information and add to the discussion by joining the Google Group ocengine@googlegroups.com = Open Connectome Engine. We are currently working on a Git repository to house the software for download and collaboration and will be announcing where and how to get access to these files on the ocengine list.

Currently I am working on a web service that I hope anyone can plug into and use the connectome.



6. References 

1. White, J.G., Southgate, E., Thomson, J.N.,and Brenner, S. (1986). The structure of the nervous system of the nematode Caenorhabditiselegans. Philos. Trans. R. Soc. Lond.B 314, 1–340.doi:10.1098/rstb.1986. 0056

2. Boyle J H, Berri Sand Cohen N (2012) Gait modulation in C. elegans: an integrated neuro mechanical model. Front. Comput. Neurosci. 6:10. doi: 10.3389/fncom.2012.00010

3. Rakowski F, Srinivasan J, Sternberg P Wand Karbowski J (2013) Synaptic polarity of the interneuron circuit controlling C. elegans locomotion. Front. Comput. Neurosci. 7:128. doi: 10.3389/fncom.2013.00128

4. Xin Deng, Jian-Xin Xu, A 3D undulatory locomotion model inspired by C. elegans through DNN approach, Neurocomputing, http://dx.doi.org/10.1016/j.neucom.2013.10.019

5. Netta Cohen and Tom Sanders (2014) Nematode locomotion: dissecting the neuronal–environmental loop Netta Cohen and Tom Sanders. 0959-4388/$ – see front matter, Published by Elsevier Ltd. http://dx.doi.org/10.1016/j.conb.2013.12.003

6. WormBook: Mechanosensation. http://www.wormbook.org/chapters/www_mechanosensation/mechanosensation.html

7. WormBook. Hermaphrodite sensory receptors table: http://wormatlas.org/hermaphrodite/nervous/Images/neurotable1leg.htm

8. Li W, Kang L, Piggott BJ, Feng Z, Xu XZ The neural circuits and sensory channels mediating harsh touch sensation in Caenorhabditis elegans.

9. MARTIN CHALFIE, JOHN E. SULSTON, JOHN G. WHITE* EILEEN SOUTHGATE*J. NICHOL THOMSON, AND SYDNEY BRENNERS The Neural Circuit for Touch Sensitivity in Caenorhabditis elegans’ http://www.jneurosci.org/content/5/4/956.full.pdf

10. Beverly J. Piggott,1,2,4 Jie Liu,1,4 Zhaoyang Feng,3,4 Seth A. Wescott,1 and X.Z. Shawn Xu (2011) The Neural Circuits and Synaptic Mechanisms UnderlyingMotor Initiation in C. elegans

11. Lego Mindstorms EV3 http://www.lego.com/en-us/mindstorms/?domainredir=mindstorms.lego.com

12. Monobrick http://www.monobrick.dk/

13. Suzuki, M.; Tsuji, T.; Ohtake, H., "A dynamic body model of the nematode C. elegans with a touch-response circuit," Robotics and Biomimetics (ROBIO). 2005 IEEE International Conference on , vol., no., pp.538,543, 0-0 0 doi: 10.1109/ROBIO.2005.246325\

14. DT Omura (?2008) C. elegans integrates food, stress, and hunger signals to coordinate motor activity. MIT

15. Nikhil Bhatla (2013) Neural circuits for touch-induced locomotion in C. elegans MIT 


Rabu, 17 Desember 2014

Quantum Computer (Komputer Kuantum)

Teknologi komputer merupakan salah satu teknologi yang paling cepat mengalami perkembangan dan kemajuan. Komputer-komputer yang ada saat ini sudah mencapai kemampuan yang sangat mengagumkan. Tetapi kedahsyatan komputer tercanggih yang ada saat ini pun masih belum bisa memuaskan keinginan manusia yang bermimpi untuk membuat sebuah Supercomputer yang benar-benar memiliki kecepatan super. Komputer yang nantinya layak untuk benar-benar disebut sebagai Komputer Super ini adalah Komputer Kuantum. Teori tentang komputer kuantum ini pertama kali dicetuskan oleh fisikawan dari Argonne National Laboratory sekitar 20 tahun lalu. 
Paul Benioff merupakan orang pertama yang mengaplikasikan teori fisika kuantum pada dunia komputer di tahun 1981. 

Komputer yang biasa kita gunakan sehari-hari merupakan komputer digital. Komputer digital sangat berbeda dengan komputer kuantum yang super itu. Komputer digital bekerja dengan bantuan microprocessor yang berbentuk chip kecil yang tersusun dari banyak transistor. Microprocessor biasanya lebih dikenal dengan istilah Central Processing Unit (CPU) dan merupakan ‘jantung’nya komputer. Microprocessor yang pertama adalah Intel 4004 yang diperkenalkan pada tahun 1971. Komputer pertama ini cuma bisa melakukan perhitungan penjumlahan dan pengurangan saja. Memory komputer menggunakan sistem binary atau sistem angka basis 2 (0 dan 1) yang dikenal sebagai BIT (singkatan dari Binary digIT). Konversi dari angka desimal yang biasa kita gunakan (angka berbasis 10 yang memiliki nilai 0 sampai 9) adalah sebagai berikut: 


0 = 0 
1 = 1 
2 = 10 
3 =  11 
4 = 100 
5 = 101 
6 = 110 
7 = 111 
8 = 1000 
9 = 1001 

10 = 1010 
11 = 1011 
12 = 1100 
13 = 1101 
14 = 1110 
15 = 1111 
16 = 10000 
17 = 10001



Kalau kita ingin menghitung angka apa yang dilambangkan oleh 101001 caranya sebagai berikut (menggunakan sistem 2n): 
(1 x 25) + (0 x 24) + (1 x 23) + (0 x 22) + (0 x 21) + (1 x 20) = 32 + 0 + 8 + 0 + 0 +1 = 41. 




Sistem inilah yang selama ini kita gunakan saat kita mengolah informasi menggunakan komputer. Quantum Computer atau komputer kuantum memanfaatkan fenomena ‘aneh’ yang disebut sebagai superposisi. Dalam mekanika kuantum, suatu partikel bisa berada dalam dua keadaan sekaligus. Inilah yang disebut keadaan superposisi. Dalam komputer kuantum, selain 0 dan 1 dikenal pula superposisi dari keduanya. Ini berarti keadaannya bisa berupa 0 dan 1, bukan hanya 0 atau 1 seperti di komputer digital biasa. Komputer kuantum tidak menggunakan Bits tetapi QUBITS (Quantum Bits). Karena kemampuannya untuk berada di bermacam keadaan (multiple states), komputer kuantum memiliki potensi untuk melaksanakan berbagai perhitungan secara simultan sehingga jauh lebih cepat dari komputer digital.  

Komputer kuantum menggunakan partikel yang bisa berada dalam dua keadaan sekaligus, misalnya atom-atom yang pada saat yang sama berada dalam keadaan tereksitasi dan tidak tereksitasi, atau foton (partikel cahaya) yang berada di dua tempat berbeda pada saat bersamaan. Apa maksudnya ini? 

Atom memiliki konfigurasi spin. Spin atom bisa ke atas (up), bisa pula ke bawah (down). Misalnya saat spin atom mengarah ke atas (up) kita beri lambang 1, sedangkan spin down adalah 0 (seperti dalam sistem binary di komputer digital). Atom-atom berada dalam keadaan superposisi (memiliki spin up dan down secara 
bersamaan) sampai kita melakukan pengukuran. Tindakan pengukuran memaksa atom untuk ‘memilih’ salah satu dari kedua kemungkinan itu. Ini berarti sesudah kita melakukan pengukuran, atom tidak lagi berada dalam keadaan superposisi. Atom yang sudah mengalami pengukuran memiliki spin yang tetap: up atau down. 

Saat konsep ini diterapkan dalam komputer kuantum, keadaan superposisi terjadi pada saat proses perhitungan sedang berlangsung. Sistem perhitungan pada komputer kuantum ini berbeda dengan komputer digital. Komputer digital melakukan perhitungan secara linier, sedangkan komputer kuantum melakukan semua perhitungan secara bersamaan (karena ada multiple states semua perhitungan dapat berlangsung secara simultan di semua state). Ini berarti ada banyak kemungkinan hasil perhitungan. Untuk mengetahui jawabannya (hasil perhitungannya) kita harus melakukan pengukuran qubit. Tindakan pengukuran qubit ini menghentikan proses perhitungan dan memaksa sistem untuk ‘memilih’ salah satu dari semua kemungkinan jawaban yang ada.  

Dengan sistem paralelisme perhitungan ini, kita bisa membayangkan betapa cepatnya komputer kuantum. Komputer digital yang paling canggih saat ini (setara dengan komputer kuantum 40 qubit) memiliki kemampuan untuk mengolah semua data dalam buku telepon di seluruh dunia (untuk menemukan satu nomor telepon tertentu) dalam waktu satu bulan. Jika menggunakan komputer kuantum proses ini hanya memerlukan waktu 27 menit!  

Ada satu fenomena ‘aneh’ lain dari mekanika kuantum yang juga dimanfaatkan dalam teknologi komputer kuantum: Entanglement. Jika dua atom mendapatkan gaya tertentu (outside force) kedua atom tersebut bisa masuk pada keadaan ‘entangled’. Atom-atom yang saling terhubungkan dalam entanglement ini akan tetap terhubungkan walaupun jaraknya berjauhan. Analoginya adalah atom-atom tersebut seperti sepasang manusia yang punya ‘telepati’. Jika yang satu dicubit, maka pasangannya (di mana pun ia berada) akan merasa sakit. Perlakuan terhadap salah satu atom mempengaruhi keadaan atom pasangannya. Jika yang satu memiliki spin up (kita baru bisa mengetahuinya setelah melakukan pengukuran) maka kita langsung mengetahui bahwa pasangannya pasti memiliki spin down tanpa kita perlu mengukurnya kembali. Ini melambangkan sistem komunikasi yang super cepat. 

Komunikasi menggunakan komputer kuantum bisa mencapai kecepatan yang begitu luar biasa karena informasi dari satu tempat ke tempat lain dapat ditransfer secara instant. Begitu cepatnya sehingga terlihat seakan-akan mengalahkan kecepatan cahaya! 

Saat ini perkembangan teknologi sudah menghasilkan komputer kuantum sampai 7 qubit, tetapi menurut penelitian dan analisa yang ada, dalam beberapa tahun mendatang teknologi komputer kuantum bisa mencapai 100 qubit. Kita bisa membayangkan betapa cepatnya komputer masa depan nanti. Semua perhitungan yang biasanya butuh waktu berbulan-bulan, bertahun-tahun, bahkan berabad-abad pada akhirnya bisa dilaksanakan hanya dalam hitungan menit saja jika kita menggunakan komputer kuantum yang super canggih dan super cepat itu. 

Di masa mendatang kita akan menggunakan komputer yang tidak lagi tersusun dari transistor-transistor mini seperti sekarang, Komputer kuantum tidak lagi memerlukan chip komputer yang semakin lama semakin padat karena semakin berlipatgandanya jumlah transistor yang dibutuhkan untuk meningkatkan kinerja komputer. Komputer masa depan justru dipenuhi oleh cairan organik sebagai ‘jantung’nya. Cairan organik ini mengandung atom-atom/partikel-partikel yang bisa berada dalam keadaan superposisi tersebut. Ini berarti, kita benar-benar memanfaatkan zat organik alami untuk menjadi ‘kalkulator’ canggih karena ternyata cairan organik dari alam memiliki bakat berhitung!   











Oleh: Prof. Yohanes Surya

Kamis, 04 Desember 2014

Kilobots Robot

Perkembangan teknologi robot saat ini memang canggih. Tak hanya sebuah robot yang mampu melakukan berbagai tugas manusia, namun kini juga terdapat robot berukuran mungil yang mampu bekerjasama selayaknya makhluk hidup, seperti ikan pada contohnya. Robot mungil tersebut berama Kilobot.






Robot tersebut hanya berukuran beberapa milimeter dan mempunyai desain yang sangat sederhana. Biaya pembuatan satu unit robot ini pun tidak terlalu besar, sehingga memungkinkan pembangunan ribuan robot. Dengan membangun ribuan robot tersebut, Kilobot bisa membentuk tiga formasi bentuk, yakni bintang, huruf K, serta kunci pas. Anda pun bisa melihat kemampuan robot mungil Kilobot tersebut dalam video di bawah ini.






Pembentukan ketiga formasi tersebut dilakukan tanpa ada intervensi manusia. Robot-robot tersebut secara murni bergerak dengan sendirinya dengan algoritma khusus. Pemakaian algoritma untuk robot-robot mungil ini pun merupakan sebuah pencapaian tersendiri dalam dunia robot. Terlebih saat ini banyak keterbatasan dalam pengembangan dunia robot.







Sumber : http://www.beritateknologi.com/         |      

Rabu, 22 Oktober 2014

Stephen Hawking: Surga Itu Cuma Dongeng

Mayoritas umat beragama di Indonesia memercayai bahwa manusia dijanjikan kehidupan yang kekal di akhirat beserta surga jika mampu berbuat baik dalam hidupnya. Namun, dalam wawancara dengan The Guardian, Senin (16/5/2011), fisikawan Stephen Hawking membantah hal itu. Dia mengatakan bahwa konsep kehidupan kekal dan surga hanyalah dongeng belaka.
Hawking mengatakan, kematian terjadi ketika otak berhenti bekerja. "Saya menganggap otak seperti komputer yang akan berhenti bekerja ketika komponennya rusak. Tidak ada kehidupan setelah mati ataupun surga bagi komputer rusak itu. Semua itu cuma dongeng bagi orang-orang yang takut akan kegelapan," urai Hawking.
Dalam wawancara itu, Hawking juga mengemukakan bahwa terjadi fluktuasi kuantum pada masa awal semesta menciptakan galaksi, bintang, dan kehidupan, termasuk manusia. "Ilmuwan memprediksikan bahwa ada banyak semesta yang tercipta secara spontan. Adalah masalah kesempatan saja kita ada di dalamnya," kata Hawking.
Pernyataan tersebut juga mempertegas isi buku The Grand Design karyanya yang dipublikasikan pada 2010. Buku itu menyatakan bahwa penciptaan semesta dan eksistensinya tak perlu peran serta Tuhan. Gagasan Hawking yang kontroversial itu menyulut perdebatan dengan para pemuka agama.
Pertanyaannya kemudian, ketika kehidupan kekal dan surga tak ada, apa yang harus dilakukan manusia dalam hidupnya? Hawking mengemukakan bahwa hakikat kehidupan adalah menemukan makna dari tindakan yang dilakukan. "Kita harus menemukan nilai tertinggi dari tindakan kita," cetus Hawking.


Hawking sendiri menyatakan bahwa ia tak takut mati. "Saya telah hidup dengan prediksi kematian dini selama 49 tahun. Saya tak takut mati, tetapi saya juga tak buru-buru ingin mati. Saya masih punya banyak hal yang perlu saya lakukan," papar fisikawan yang juga menulis buku best seller A Brief History of Time pada tahun 1988 ini.
Dalam kesempatan wawancara itu, Hawking menyatakan, "Semesta diatur oleh sains. Tetapi sains mengatakan kepada kita bahwa kita tak bisa menyelesaikan persamaan secara langsung. Kita harus menggunakan teori seleksi alam Darwin untuk survive. Kita akan memberi mereka nilai tertinggi."
Hawking juga mengatakan sisi sains yang paling menarik bagi dirinya. "Sains menjadi menawan ketika mampu menjelaskan secara sederhana fenomena atau hubungan setiap observasi yang berbeda. Misalnya terkait struktur DNA double helix dalam ilmu biologi dan persamaan dasar fisika," ungkap Hawking.

Hawking diketahui mengidap penyakit neuron motorik sejak usia 21 tahun. Dokter memprediksi hidupnya tak akan lama, tetapi ternyata ia hidup hingga lima dekade setelah diagnosis penyakit itu. Kesempatan hidup lebih itu membuat Hawking merasa ia memiliki nilai kehidupan yang lebih.

Kamis, 16 Oktober 2014

Robot Humanoid (NAO)

Nao adalah robot humanoid berukuran sedang yang otonom dan dapat diprogram, yang dikembangkan oleh Aldebaran Robotics, sebuah perusahaan startup dari Perancis yang berkantor pusat di Paris. Proyek Nao diluncurkan pada tahun 2004. Pada tanggal 15 Agustus 2007 Nao menggantikan robot anjing milik Sony yaitu Aibo sebagai robot yang digunakan dalam kompetisi Liga Platform Standar (LPS) pada Piala dunia sepak bola robot (Robocup), suatu kompetisi robotika internasional. Nao sudah digunakan dalam RoboCup 2008 dan 2009, dan NaoV3R terpilih sebagai platform untuk LPS pada RoboCup 2010.
Nao edisi akademis tersedia untuk universitas dan laboratorium untuk kepentingan riset dan pendidikan, dan diproyeksikan untuk didistribusikan kepada publik tahun 2011. Pada bulan Oktober 2010, University of Tokyo membeli 30 Nao robots untuk Nakamura Lab mereka, dengan harapan untuk mengembangkan robot tersebut menjadi asisten laboratorium yang aktif.
Pada musim panas tahun 2010, Nao membuat berita global dengan melakukan rutin tarian yang disinkronisasi dalam acara Shanghai Expo di Cina. Di bulan Desember 2010, robot Nao mampu mendemonstrasikan rutin komedi, dan versi terkini yang telah dirilis memiliki fitur sculpted arms dan motor yang telah dikembangkan. Nao juga sudah hadir di Indonesia bersamaan dengan dibukanya World Robotic Explorer, rumah robot pertama di dunia yang didirikan di Jakarta tanggal 11 Desember 2010.

Berkas:Nao robot, Jaume University.jpg
Demonstrasi robot Nao di Jaume I University Spanyol tahun 2011


SPESIFIKASI
Nao edisi Robocup mempunyai 21 Derajat kebebasan (DOF), sementara edisi akademis memiliki 25 DOF, karena dibangun dengan dua tangan yang memiliki kemampuan mencengkeram. Namun, angka 25 untuk DOF secara teknis menyesatkan, karena setiap kaki memiliki poros gerakan "HipYawPitch" yang berjumlah 1 DOF untuk panggul.
Semua versi Nao memiliki fitur satuan pengukuran inersiaan empat sensor ultrasonik yang menjaga stabilitas Nao.
Nao juga memiliki fitur sistem multimedia yang powerful, termasuk empat mikrophone, dua speaker dan dua kamera CMOS, empat sintesis text-to-speech, lokalisasi suara dan pengenalan wajah dan bentuk, dan variasi kemampuan lainnya.
Paket Nao termasuk perangkat lunak program bernama Aldebaran Choregraphe, dan Nao juga kompartibel dengan Microsoft Robotics StudioCyberbotics Webots, dan Gostai Urbi Studio.

Spesifikasi Teknis
Tinggi58 cm
Berat4,3 kg
Otonomi90 min. (berjalan konstan)
Derajat kebebasan (DOF)21 s.d. 25
CPUx86 AMD Geode 500 MHz
Built-in OSLinux
Compatible OSWindows, Mac OS, Linux
Bahasa PemrogramanC++CPythonUrbi.Net
Penglihatan2 kamera CMOS 640×480
KonektivitasEthernet, Wi-Fi




Sumber : Wikipedia Indonesia


Selasa, 14 Oktober 2014

Penemuan Sains yang membuka mata dunia

lmu pengetahuan terus bergerak maju. Berbagai penemuan baru yang mengejutkan dan membuka mata manusia menjadi tonggak penting dalam peradaban. Bahwa hal yang dulu hanya khayalan kini telah menjadi sebuah kenyataan.
Beberapa hal yang patut kita ketahui misalnya terpapar pada 8 daftar di bawah ini.

1. Ununseptium



Unuseptium yang untuk sementara dinamai unsur ke 117 merupakan kombinasi antara isotop berkelium dan kalsium yang diciptakan para ilmuwan di Dubna, Rusia. Para fisikawan mengatakan bahwa unsur ini bisa menunjukkan “island of stability”, dimana unsur yang terberat bisa bertahan selama berbulan-bulan.
Unsur dengan nomor atom 117 ini dibuat dengan cara memborbardir 249Bk dengan ion kalsium dalam siklotron JINR U4000 selama 150 hari yang terdapat di Dubna.

Keseluruhan proses yang memakan waktu tidak lebih dari 320 hari yang merupakan waktu paruh unsur Bk (150 hari dalam siklotron+analisis data+review oleh tim peneliti) ini akhirnya berhasil menghasilkan 6 atom Ununseptium. Masing-masing dari keenam atom tersebut kemudian meluruh dengan memancarkan partikel alfa menjadi unsur bernomor atom 115 kemudian 113 sampai intinya terbelah menjadi dua atom yang lebih stabil.


2. Gen Penyebab Penuaan


Manusia memiliki sel tubuh yang regeneratif, bisa terus memperbarui jumlahnya. Namun teka-teki penyebab ketuaan menjad perhatian ilmuwan. Secara genetika, ternyata terdapat unsur penyebab kita tak bisa awet muda selamanya.
Dan pada beberapa orang ada yang tampak tua lebih cepat. Apa sebabnya? Para ahli genetika menemukan bahwa hal tersebut disebabkan oleh ulah gen TERC. Gen tersebut menentukan panjang telomer, semacam tutup yang terdapat pada ujung kromosom. 
Orang pembawa gen itu akan cenderung mengalami penuaan lebih cepat sebab telomernya akan memendek lebih cepat. Orang yang membawa satu copy gen itu misalnya, akan tampak sama tua dengan orang yang 3-4 tahun lebih tua darinya. Penelitian tentang gen TERC itu dipublikasikan dalam Jurnal Genetics.

3. Planet Ekstra Surya


Para peneliti menemukan bahwa terdapat banyak sekali planet di luar tata surya. Salah satunya adalah planet HIP 13044b yang ditemukan oleh Astronom asal Indonesia, Johny Setiawan. Planet tersebut sebenarnya merupakan planet ekstra surya tetapi masuk ke galaksi Bima Sakti. Penemuan planet ekstra surya lainnya adalah adanya 7 planet yang mengorbit pada bintang HD 10180. 

Sementara, penemuan planet lainnya yang juga memukau adalah Gliese 581g, planet ekstra surya dikatakan mengorbit bintangnya pada jarak yang tak terlalu panas ataupun dingin, seperti bumi mengorbit matahari. Digadai-gadai beberapa planet tersebut jadi tujuan manusia sebagai pengganti bumi.

4. Penemuan Metamaterial


Penemuan ini dilakukan oleh Profesor Martin McCall dan Imperial College, London. Metamaterial yang dibuat dikatakan bisa “mengaduk” aliran energi elektromagnetik. cahaya yang melewati metamaterial tersebut akan terhambur secara tidak merata, membentuk gap antara ruang dan waktu. Sehubungan dengan metamaterial, bisa lihat di artikel alat-penyusut-benda-buatan-china

5. Muons


Para ilmuwan mengatakan bahwa jumlah materi dan anti materi yang dihasilkan sebelum big bang haruslah berbeda. Hanya perbedaan itulah yang memungkinkan terciptanya semesta. Sebelumnya, perbedaan itu hanya mungkin dalam teori. 

Percobaan partikel di Fermilab menemukan bahwa muons (partikel sub atomik seperti halnya elektron) yang dihasilkan memiliki kelebihan 1% anti muons. Perbedaan muons dan anti muons tersebut memang tidak terlalu banyak. Namun, para ilmuwan mengatakan bahwa jumlah itu cukup untuk memacu terciptanya semesta.

6. Bulan Lebih Basah Daripada Sahara


Misi Lunar Crater Observation and Sensing Satellite (LCROSS) berhasil menemukan keberadaan air di bulan cukup mengejutkan. Air yang terdapat di kutub selatan bulan itu terdapat dalam bentuk es yang tercampur dengan materi lain. Para peneliti mengatakan, es tersebut bisa diolah menjadi air murni. Dan jumlahnya lebih banyak daripada air di Gurun Sahara.

7. Piramida Teotihuacan di Meksiko


Para arkeolog yang meneliti Piramida Teotihuacan berhasil menemukan koridor selebar 12 kaki lengkap dengan bagian atapnya. Dengan penemuan koridor tersebut, para arkeolog berharap bisa mengetahui jalan menuju pemakaman para rabi atau pemimpin agama dalam peradaban Mexico tersebut.

8. Penemuan Australopithecus sediba


Para ilmuwan menemukan fosil Australopithecus sediba, sebuah spesies manusia purba di wilayah Malapa, Afrika Selatan. Fosil tersebut diduga berasal dari masa 2 juta tahun yang lalu. Para palaentolog menduga, fosil tersebut berkaitan dengan fosil manusia purba Homo erectus yang secara evolusioner kemudian berkembang menjadi Homo sapIens atau manusia modern. 

 
Design by Jery Tampubolon | Bloggerized by Jery - Rhainhart Tampubolon | Indonesian Humanis