https://isee.ui.ac.ir/ هوش محاسباتی در مهندسی برق fa daily 1 Mon, 22 Dec 2025 00:00:00 +0330 Mon, 22 Dec 2025 00:00:00 +0330 https://isee.ui.ac.ir/article_30204.html با در نظر گرفتن توانایی محدود پیل‌های سوختی برای تولید انرژی، ارائۀ راه‌حل‌هایی که در آنها توان کارآمد تولیدشده توسط پیل‌های سوختی قابل دست‌یابی باشد، الزامی است؛ از این ‌رو، به روش‌های ردیابی حداکثر توان از طریق تنظیم سیکل کاری مبدل بوست در پیل‌های سوختی نیاز است. در این مقاله، از یک روش جدید ردیابی توان استفاده شده است که بر پایۀ ترکیب شبکه‌های عصبی و یک الگوریتم فرا-ابتکاری به نام بهینه‌سازی جهش قورباغه است تا بتواند بر مشکلات روش‌های مرسوم ناشی از تغییرات سریع در نقطۀ کار و نیز نوسانات توان فائق آید. روش پیشنهادی به‌ منظور عملکرد سریع و نیز افزایش بازده قابل حصول از پیل‌های سوختی بر پایۀ غشایی تبادل پروتون پیشنهاد شده است. نتایج مدل‌سازی در محیط متلب ارائه شده و با چندین روش مختلف ردیابی توان مقایسه شده است. نتایج نشان می‌دهد روش پیشنهادی در سه دمای مورد ارزیابی برای ردیابی حداکثر توان نسبت به توان واقعی پیل سوختی، کمتر از یک درصد خطا را نشان می‌دهد و نیز نسبت به تغییرات ورودی در پیل سوختی مقاوم است. https://isee.ui.ac.ir/article_30232.html با توجه به اهمیت فزایندۀ پردازش‌های زیستی در مقیاس مولکولی، فناوری ریزسیال دیجیتال به‌ عنوان بستری کارآمد برای اجرای مدارهای منطقی مبتنی بر دِنا (DNA) مورد توجه گسترده قرار گرفته است. در این پژوهش، ساختاری نوین برای تمام‌جمع‌کنندۀ دودویی ارائه شده که با هدف بهینه‌سازی تعداد رشته‌های دِنا و کاهش هزینه‌های ساخت و اجرا طراحی شده است. ساختار پیشنهادی ابتدا در محیط شبیه‌ساز Visual DSD مدل‌سازی و ارزیابی شده و سپس با طراحی اختصاصی بر روی یک تراشۀ ریزسیال دیجیتال با آرایش ۱۵×۲۰ الکترودی نگاشت شده است. تراشۀ طراحی‌شده با بهره‌گیری از ماژول‌های زمان‌بندی‌شدۀ جداسازی، اختلاط و تشخیص، قادر به اجرای کامل عملیات محاسباتی در کمترین تعداد چرخۀ زمانی ممکن بوده است. نتایج شبیه‌سازی نشان می‌دهد خروجی‌های حاصل به طور کامل با منطق مورد انتظار تطابق دارند. همچنین، مقایسه با ساختارهای مشابه نشان می‌دهد معماری پیشنهادی، ضمن حفظ دقت عملکرد، به کاهشی قابل ملاحظه در تعداد رشته‌های DNA استفاده‌شده منجر شده است. این دستاورد می‌تواند گامی مؤثر در راستای همگرایی علوم زیستی و مهندسی محاسباتی تلقی شود و نقشی مهم در توسعۀ سیستم‌های هوشمند زیستی و آزمایشگاه‌های روی تراشه (Lab-on-a-Chip) ایفا کند. نتایج نشان داد ساختار پیشنهادی فقط با ۱۵ رشته دِنا قابل اجراست، در حالی که روش‌های مبتنی بر Seesaw و اوریگامی به‌ترتیب به 9n+53 و 6n+15 به‌ازای n ورودی، رشته نیاز دارند. همچنین، نگاشت پیشنهادی روی تراشۀ DMFB فرایند جمع را فقط در ۶ چرخۀ عملیاتی تکمیل می‌کند که نسبت به معماری‌های موجود (۱۰–۱۴ چرخه) کاهشی جالب توجه در زمان تأخیر ایجاد می‌کند.