متلب

هنگام جستجو از طریق لیست های نظری مواد جدید ممکن برای برنامه های خاص ، مانند باتری ها یا سایر دستگاه های مرتبط با انرژی ، اغلب میلیون ها ماده بالقوه وجود دارد که می توانند در نظر گرفته شوند و معیارهای مختلفی را که باید یکباره برآورده شوند و بهینه سازی شوند. اکنون ، محققان MIT راهی با استفاده از سیستم یادگیری ماشینی راهی برای ساده سازی روند کشف را پیدا کرده اند.

 

 

به عنوان تظاهرات ، این تیم به مجموعه ای از هشت ماده امیدوارکننده ، از تقریباً 3 میلیون نامزد ، برای سیستم ذخیره انرژی به نام باتری جریان وارد شدند . به گفته آنها ، این روند خاتمه بخشیدن به روشهای تحلیلی معمولی 50 سال طول خواهد کشید ، اما آنها طی 5 هفته این کار را انجام دادند.

 

این یافته ها در ژورنال ACS Central Science ، در مقاله ای از استاد مهندسی شیمی دانشگاه MIT ، هدر کولیک ، دکتر پل جانت ، دکترای جان ، گزارش شده است. "19 ، Sahasrajit Ramesh ، و دانشجوی تحصیلات تکمیلی Chenru Duan.

 

در این تحقیق مجموعه ای از مواد به نام مجتمع های فلزی گذار مورد بررسی قرار گرفت. اینها می توانند در تعداد بسیار زیادی از اشکال مختلف وجود داشته باشند ، و کولیک می گوید "آنها واقعاً مواد جذاب و کاربردی هستند که برخلاف بسیاری از مراحل دیگر مواد نیستند. تنها راه برای درک اینکه چرا آنها به روشی که انجام می دهند ، مطالعه آنها با استفاده از کوانتوم است. مکانیک

 

برای پیش بینی خواص هر یک از میلیون ها نفر از این مواد ، نیاز به طیف سنجی وقت گیر و منابع فشرده و سایر آزمایشگاه ها ، یا مدل سازی رایانه ای مبتنی بر فیزیک بسیار وقت گیر ، بسیار پیچیده برای هر ماده کاندیدای احتمالی یا ترکیبی از مواد است. هر مطالعه ای می تواند ساعت ها تا روزها کار کند.

 

در عوض ، کولیک و تیم وی تعداد کمی از مواد ممکن مختلف را در اختیار گرفتند و از آنها برای آموزش یک شبکه عصبی پیشرفته یادگیری ماشین درباره رابطه بین ترکیبات شیمیایی مواد و خصوصیات بدنی آنها استفاده کردند. سپس از این دانش برای تولید پیشنهادات برای نسل بعدی مواد ممکن برای دور بعدی آموزش شبکه عصبی استفاده شد. از طریق چهار تکرار پی در پی این فرایند ، شبکه عصبی هر بار به طور قابل توجهی بهبود می یابد ، تا رسیدن به نقطه‌ای که مشخص بود که تکرارهای بعدی هیچ پیشرفت دیگری را به همراه نخواهد داشت.

 

این سیستم بهینه سازی تکراری ، روند دستیابی به راه حل های بالقوه را که دو معیار متضاد مورد نظر را برآورده می کند ، تا حد زیادی اصلاح می کند. این نوع فرآیند یافتن بهترین راه حل ها در شرایط ، که در آن بهبود یکی از عوامل باعث بدتر شدن عامل دیگر می شود ، به عنوان یک جبهه پارتو شناخته می شود و نمودارهایی از نقاط را نشان می دهد به گونه ای که هرگونه بهبود بیشتر یک عامل ، دیگری را بدتر می کند. به عبارت دیگر ، بسته به اهمیت نسبی اختصاص یافته به هر عامل ، نمودار بهترین نقاط ممکن سازش را نشان می دهد.

 

 

 

آموزش شبکه های عصبی معمولی ، مجموعه داده های بسیار بزرگی را طلب می کند ، از هزاران تا میلیون ها نمونه ، اما کولیک و تیم وی توانستند بر اساس مدل جلوی پارتو ، از این فرآیند تکراری استفاده کنند تا روند را ساده تر کرده و با استفاده از تنها چند مورد نتایج قابل اعتماد را ارائه دهند. صد نمونه

 

در مورد غربالگری برای باتری های جریان ، ویژگی های مورد نظر با هم اختلاف داشتند ، مانند اغلب: مواد بهینه حلالیت و چگالی انرژی بالایی دارند (توانایی ذخیره انرژی برای وزن معین). اما افزایش حلالیت تمایل به کاهش چگالی انرژی دارد و بالعکس.

 

شبکه عصبی نه تنها توانست به سرعت کاندیداهای امیدوار کننده را پیدا کند ، بلکه از طریق هر تکرار نیز می توانست سطح اطمینان را به پیش بینی های مختلف خود اختصاص دهد ، این امر به شما امکان می دهد تا در هر مرحله به بهینه سازی انتخاب نمونه کمک کنید. کولیک می گوید: "ما یک روش بهتر از بهترین کلاس در مورد عدم اطمینان در کلاس را برای دانستن اینکه چه موقع این مدل ها از بین می روند ، توسعه دادیم."

 

چالشی که آنها برای آزمایش اثبات مفهوم انتخاب کردند مواد برای استفاده در باتری های جریان ردوکس ، نوعی باتری است که وعده هایی را برای باتری های بزرگ و در مقیاس شبکه که می تواند نقش مهمی در فعال کردن انرژی پاک و تجدید پذیر داشته باشد ، دارد. کولیک می گوید ، مجتمع های فلزی در حال گذار دسته برتر مواد برای چنین باتری ها هستند ، اما امکانات زیادی برای ارزیابی با روش های معمولی وجود دارد. آنها قبل از نهایی کردن لیست 8 میلیون کاندیدای خوب ، به همراه مجموعه ای از قوانین طراحی که باید آزمایشگران را قادر به کشف پتانسیل این کاندیداها و تغییرات آنها کند ، با لیستی از 3 میلیون چنین مجتمع آغاز کردند.

 

پمپ خلاء در خنک کننده خلاء

 

خنک کننده خلاء:

 

خنک کننده خلاء عمدتا برای تصفیه سرماخوردگی مواد غذایی ، میوه و سبزیجات و گلهای بریده شده استفاده می شود. خنک کننده جاروبرقی برای خلاء میوه ها و سبزیجات موجود در محفظه خلاء به داخل محفظه خلاء عایق بندی شده است. هنگامی که بخار آب مربوط به میوه ، میوه و سبزیجات با فشار اشباع آب بر سطح شکاف میوه و الیاف گیاهی شروع به تبخیر در خلاء در دمای اتاق کنند ، تبخیر باعث تبخیر گرمای نهان دور ، که باعث کاهش دمای میوه ها و سبزیجات می شود. ، و بیشتر دمای سبزیجات را به دمای لازم کاهش دهید. آب در فشار جو 100 ils جوش می آورد. با این وجود افت فشار و نقطه جوش نیز کاهش می یابد که می تواند نقطه جوش آب موجود برای این پدیده را کاهش دهد ، اما برای تبخیر آب باید گرما جذب شود.

 

اصل خنک کننده خلاء:

 

اصل خنک کننده پمپ وکیوم آبی خلاء شبیه خشک کردن خلا است که در آن آب به سرعت در زیر خلاء تبخیر می شود. تفاوت در این است که خشک کردن خلاء حذف آب است و خنک کننده خلاء فقط برای از بین بردن گرما با تبخیر آب برای دستیابی به خنک کننده و خنک کننده است. منبع تولید پمپ خلاء حرفه ای به شما دانش می دهد که آب در فشار 100 درجه سانتیگراد تحت فشار عادی تبخیر می شود و گرمای تبخیر 2256kj / kg است. هنگامی که فشار به 610pa کاهش می یابد ، آب در 0 درجه سانتیگراد جوش می یابد (در این زمان ، آن نیز نقطه سه فاز آب است و گرمای تبخیر 2500kj / kg است. به عبارت دیگر ، در حالت کم- خلاء فشار ، تبخیر آب گرمای بیشتری را از شما دور می کند ، برای رسیدن به اثر تبرید.

 

در زندگی روزمره ، آب در دمای 100 درجه سانتیگراد با فشار اتمسفر (101-325 PA) جوش می آید. اما دمای جوش آب ثابت نیست و با کاهش فشار (یا افزایش) کاهش می یابد (یا افزایش می یابد). به عنوان مثال ، نقطه جوش آب 76 ، درجه حرارت 40 196.6 PA ، 29 ? ، 4 kPa ، 14 ? ، 1.6 kPa است. دمای جوش را کم کنید تا آب به راحتی تبخیر شود. از آنجا که مولکول های بخار بخار انرژی بیشتری نسبت به مولکول های آب مایع دارند ، آب هنگام تبخیر باید گرمای نهان تبخیر را جذب کند و گرمای نهان آن از تبخیر با کاهش نقطه جوش افزایش می یابد. مطابق این اصل ، جسم مورد درمان را می توان در یک جعبه خلاء بسته قرار داد ، که می تواند فشار منفی خاصی را تحمل کند و توسط یک سیستم خلاء مناسب پمپ شود. با افزایش درجه خلاء در مخزن خلاء ، دمای جوش آب کاهش می یابد. تبخیر آسان است ، هنگامی که آب تبخیر می شود ، فقط می تواند گرمای خود شیء را جذب کند و می تواند به سرعت جسم مورد پردازش را خنک کند.

 

تجهیزات اصلی خنک کننده محفظه خلاء و پمپ خلاء وارداتی است. پس از ورود محصول به محفظه خلا ، فرایند اصلی شروع به پمپاژ هوا می کند. فشار را در محفظه خلاء فشار دهید تا فشار بخار اشباع مربوطه را حفظ کرده و آن را حفظ کند. آب موجود در محصول شروع به تبخیر و دفع می کند. گرمایش ، در این مرحله دمای محصول به سرعت کاهش می یابد تا اینکه دمای محصول تا دمای لازم خنک شود (برای برخی از پمپ های خلاء ممکن است برای جذب آب بخار آب تجهیزات تراکم لازم باشد).

 

در مقایسه با خنک کننده هوا ، خنک کننده آب و سایر روش های خنک کننده ، خنک کننده خلاء دارای مزایای صرفه جویی در مصرف انرژی ، سرعت خنک کننده سریع ، خنک کننده نسبتاً یکنواخت و تأثیر کمی بر ساختار محصول است. همچنین دارای مشکلات سرمایه گذاری های بزرگ و کاهش وزن بالا است. اما در کل ، این نیز یک فناوری خنک کننده سریع و ایمن است ، که از کاستی ها عبور می کند و می تواند محصولات باکیفیتی را بدست آورد.

 

از آنجا که خلاء در همه جا وجود دارد ، تولید کنندگان پمپ خلاء EVP کاربرد پمپ خلا را در خنک کننده خلاء تجزیه و تحلیل می کنند. در مقایسه با روشهای سنتی انتقال حرارت (همرفت ، هدایت ، تشعشع) ، نه تنها سریع و یکنواخت بلکه تمیز و بهداشتی نیز هست ، که برای خنک کردن برنامه های غذایی پخته شده مانند پیشگیری از میوه و سبزیجات بسیار مناسب است.

 

پمپ خلاء در خنک کننده خلاء

نویسنده: پیشتاز پمپ

FOSH به سرعت به عنوان بخشی از یک "جنبش طراحی آزاد جهانی" بدست می آید که به موجب آن انتشار رایگان اطلاعات در مورد سخت افزار تحقیقاتی سفارشی مانند طراحی ، شماتیک و قبض مواد به راحتی در هر نقطه و با اتصال به اینترنت قابل دسترسی است.

 

 

این اطلاعات پس از آن می توانند برای تولید بدون دردسر و مقرون به صرفه در دستگاههای چاپی 3 بعدی تهیه شوند که پس از سرمایه گذاری اولیه چاپگر 3 بعدی ، فقط به اندازه چاپ مواد اولیه گران می شوند. این امر باعث می شود سخت افزاری سریع و بسیار ارزانتر تولید شود ، که می تواند به سرعت در مقیاس تولید شود ، مانند ونتیلاتورها در طول همه گیر فعلی.

 

این مطالعه نخستین نوع در سطح ملی است که در نوع خود است و گروه شامل ایزمو هایککینن ، هله ساوین ، جوونی پارتنن و جوکا سپپلی از Aalto و بازدید استاد فولسایت فنلاند ، جوشوا پیرس ، از دانشگاه فنی میشیگان بود. پیرس در مورد دلیل استفاده از فنلاند به عنوان کشور برای مبنای مطالعه خود ، توضیح داد: "فنلاند دارای یک سیستم آموزش عالی است که بر تخصص های علوم متمرکز است و از مقیاس بسیار قابل قبولی برخوردار است. با این حال در گفتن این موضوع ، رویکرد پشتیبانی استراتژیک طراحی سخت افزار آزاد برای هر کشور اعمال می شود. "

 

پیرس و همکارانش به بررسی زیرساختها و امکانات تحقیقاتی در فنلاند پرداختند و پس انداز را در سناریویی محاسبه کردند که در آن کلیه سخت افزارهای تحقیقاتی (با ارزش بیش از 10K) به منبع آزاد و منبع آزاد تبدیل می شوند. " این امر بیشترین حس را برای ایجاد منبع باز و سپس تعیین میزان صرفه جویی در هزینه های تحقیق سرمایه به تنهایی ایجاد می کند. "

 

اولویت های تحقیق FOSH برای فنلاند شامل توسعه میکروسکوپ های الکترونیکی انتقال منبع باز و میکروسکوپ الکترونی روبشی

 

این مطالعه نتیجه گرفت که به طور محافظه کارانه ، توسعه FOSH از ابزارهای میکروسکوپ دو الکترون ، فنلاند را بیش از 40 میلیون یورو پس انداز می کند ، بنابراین می توان سطح معادل تصویربرداری در مقیاس نانو را بدست آورد. به طور مشابه ، میلیون ها یورو در کل کشور صرفه جویی می شود ، در حالی که به طور قابل توجهی رسمیت لایه اتمی فنلاند (ALD) را تقویت می کند که تعالی تحقیقات مرتبط با آن است.

 

به طور کلی ، نتایج نشان می دهد که سرمایه گذاران علوم فنلاند می توانند میلیون ها یورو در سالانه در خرید تجهیزات علمی صرفه جویی کنند در صورت تبدیل تمام سخت افزارهایی که بیش از 10،000 یورو در هر کالا به FOSH تبدیل می شود. علاوه بر این ، اکثر این موارد به تولید "در ساحل" تبدیل می شود ، که هم اکنون توسط تولید کنندگان تجهیزات در کشورهای دیگر انجام می شود.

 

پیرس می گوید: "من معتقدم این علاقه ملی و اروپایی قابل توجهی دارد. ما بررسی کرده ایم که چگونه فنلاند چگونه می تواند چگونه بودجه علمی را برای صرفه جویی در میلیون ها یورو در سال در ضمن داشتن تجهیزات بهتر ، کاهش واردات و بهبود اقتصاد ملی تغییر دهد."

 

پیرس توضیح می دهد که پول پس انداز شده توسط FOSH در جای دیگری از تحقیقات اثبات خواهد شد ، "به جای اینکه همان مقدار نوآوری علمی را برای پول کمتری انجام دهیم - مفهومی که ما استفاده می کردیم برای انجام همان نوآوری بیشتر برای نوآوری های علمی بود." ده برابر بیشتر! ایده این بود که اگر x - به جای هزینه x x برای خرید تجهیزات ، برای تجهیزات اختصاص داده شود ، شما کسری از آن را برای انجام طراحی سخت افزار منبع باز صرف می کنید .سپس در سال آینده به جای خرید یکی از آنها ابزار ، شما می توانید ده یا بیشتر از همان چیزها را خریداری کنید و به بسیاری از محققان دیگر کمک کنید که سریعتر عمل کنند. "

 

پیرس خاطرنشان می کند ، "در آزمایشگاه من ، صدها هزار نفر را به راحتی ذخیره کردیم. در مقاله — سخت افزار آزاد که در حال حاضر وجود دارد ، پول قابل توجهی را پس انداز کرده است. تنها یک دستگاه. سخت افزار X، مجله سخت افزار باز برای علم، منتشر طراحی و 100 آن به طور کلی، کسانی که دستگاه در حال صرفه جویی در مورد 90? تخفیف هزینه خرید از ابزار اختصاصی است. صادقانه بگویم، صرف پول برای خرید جعبه سیاه سخت افزار است اتلاف پول در صورت وجود گزینه منبع باز ".

 

بعضی اوقات بهتر است باهوش تر کار کنید و سخت تر نباشد. همین مسئله در مورد عملکرد اوج برای پایگاه داده نیز صادق است.

 

 

یکی از چالش های مهم استفاده از بانکهای اطلاعاتی - چه برای مراقبت های بهداشتی ، اینترنت اشیاء و چه برنامه های کاربردی دیگر - این است که سرعت های بالاتر با هزینه های عملیاتی بالاتر به وجود می آید و منجر به تأمین بیش از حد مراکز داده برای دسترسی به داده های بالا و عملکرد پایگاه داده

 

با حجم داده های بالاتر ، پایگاه های داده ممکن است بار کاری مانند خواندن و نوشتن را در صف خود قرار دهند و قادر به عملکرد پایدار و قابل پیش بینی نباشند ، که ممکن است یک معامله گر برای سیستم های خودمختار بحرانی در شهرهای هوشمند یا ارتش باشد.

 

تیمی از دانشمندان رایانه از دانشگاه پوردو سیستمی به نام SOPHIA ایجاد کرده اند که به منظور کمک به کاربران در پیکربندی پایگاه داده برای عملکرد بهینه با بارهای متغیر با زمان و برای برنامه های متنوع اعم از metagenomics گرفته تا محاسبات با کارایی بالا (HPC) تا IoT ، جایی که بالا است -throughput ، پایگاه داده های انعطاف پذیر بسیار مهم هستند.

 

تیم Purdue در کنفرانس فنی سالانه USENIX 2019 فناوری SOPHIA را ارائه کرد.

 

سومالی چاترجی ، استادیار Purdue ، مهندسی کشاورزی و مهندسی بیولوژیکی ، که مدیر نوآوری سلولها و ماشینهای عصبی [ICAN] را راهنمایی می کند ، می گوید: "شما باید قبل از اینکه جهش کنید ، نگاه کنید." "شما نمی خواهید یک مدیر سیستم باشید که بطور ساده ، پارامترهای پیکربندی پایگاه داده را بطور ساده و با پارامترهای بیش از 50 پارامتر حساس به عملکرد و اغلب وابسته به یکدیگر تغییر دهید ، زیرا هزینه عملکرد به مرحله تنظیم مجدد وجود دارد. جایی که آنالایزر هزینه و سود SOPHIA وارد بازی می شود ، زیرا این کار را مجدد می کند که پایگاه داده های noSQL را مجدداً تنظیم کند ، زیرا سود بیشتر از هزینه بازسازی آن است. "

 

تأثیر تنظیم مجدد بر عملکرد سیستم. SOPHIA برای برآورد هزینه و فواید هر مرحله از تنظیم مجدد از اطلاعات مربوط به مدت زمان کار استفاده می کند و برنامه هایی را تولید می کند که از نظر جهانی سودمند باشند. اعتبار: دانشگاه پوردو

سیستم SOPHIA Purdue دارای سه مؤلفه است: یک پیش بینی کننده بار کار ، آنالیزور هزینه و سود و پروتکل تنظیم مجدد غیرمتمرکز که از نیازهای در دسترس بودن داده های سازمان آگاهی دارد.

 

صوراب باغچی ، استاد پوردو ، مهندسی برق و کامپیوتر و گفت: "سه مؤلفه ما با هم کار می کنند تا بتوانیم حجم کار برای یک بانک اطلاعاتی را درک کنیم و سپس تجزیه و تحلیل هزینه و فایده را انجام دهیم تا در مواجهه با بارهای کاری پویا که به طور مکرر تغییر می کنند ، عملکرد بهینه ای را بدست آوریم." علم کامپیوتر (با ادب). "مؤلفه نهایی سپس تمام اطلاعات را برای تعیین بهترین زمان برای پیکربندی مجدد پارامترهای پایگاه داده برای دستیابی به حداکثر موفقیت انجام می دهد."

 

 

 

تیم Purdue با استفاده از Cassandra و Redis ، دو پایگاه داده مشهور noSQL ، یک کلاس بزرگ از بانکهای اطلاعاتی که به طور گسترده برای پشتیبانی از برنامه های کاربردی از جمله شبکه های اجتماعی و پخش محتوای صوتی و تصویری استفاده می شود ، این فناوری را محک زدند.

 

چاترجی گفت: "Redis یک کلاس خاص از پایگاه داده های noSQL است به این دلیل که این یک ساختار ساختار داده با ارزش کلیدی در حافظه است ، البته با دوام دیسک سخت برای دوام". "بنابراین ، با Redis ، SOPHIA می تواند راهی برای بازگرداندن ویژگی حافظه مجازی کاهش یافته Redis باشد ، که باعث می شود حجم داده ها بزرگتر از رم دستگاه باشد."

 

توسعه دهنده اصلی این پروژه اشرف محقق ، دکتری است. دانشجوی رشته کامپیوتر. او در تابستان امسال برای کارآموزی با تحقیقات مایکروسافت باز خواهد گشت ، و با بازگشت این پاییز ، وی به کار روی تکنیک های بهینه سازی بیشتر برای پایگاه داده های تحت میزبانی ابری ادامه خواهد داد.

 

 

آزمایش تیم پوردو نشان داد که SOPHIA در تنظیمات پایگاه داده به صورت پیش فرض و بهینه سازی شده با استاتیک به نفع چشمگیری کسب کرده است. این مزیت حتی در عدم وجود اطمینان در پیش بینی ویژگی های شغلی دقیق باقی می ماند.

 

این کار همچنین نشان داد که Cassandra می تواند در اولویت محبوبیت اخیر Drill-ScyllaDB ، یک پایگاه داده تنظیم خودکار ، با توان بیشتر در کل انواع انواع کار استفاده شود ، مادامی که یک تیونر پویا ، مانند SOPHIA ، پوشانده شود. در بالای کاساندرا.

 

SOPHIA با MG-RAST ، یک پلت فرم متاگانومیک برای داده های میکروبیوم مورد آزمایش قرار گرفت. بار کاری محاسباتی با کارایی بالا؛ و حجم کار IoT برای کشاورزی دیجیتال و اتومبیلهای خودران.

 

روز چهارشنبه فیسبوک اعلام کرد اولین اعضای دادگاه عالی "مستقل" خود را قادر به تصمیم گیری الزام آور در مورد محتوای مجاز یا حذف در شبکه های اجتماعی و اینستاگرام می دانند.

 

 

هیئت نظارت تصمیم گیری نهایی در مورد انواع پست های شناخته شده برای آغوش گرفتن فیس بوک در بحث و گفتگو در مورد سانسور ، اطلاعات نادرست یا بیان آزاد است.

 

مدیر سیاست عمومی فیس بوک ، برنت هریس ، ایجاد هیئت مدیره را "آغاز تحول اساسی در نحوه تصمیم گیری در مورد برخی از دشوارترین تصمیمات محتوا در فیس بوک" توصیف کرد.

 

20 عضو اعلام شده در این هیئت از کشورهای مختلف آمده و شامل فقها ، فعالان حقوق بشر ، روزنامه نگاران ، برنده جایزه صلح نوبل و نخست وزیر سابق دانمارک هستند.

 

توماس هیوز ، مدیر هیئت مدیره در طی یک جلسه توجیهی تلفنی گفت: "این گروهی است که مجموعه ای از بینش ها ، پیشینه ها و عقاید متنوع را در اختیار دارد اما تعهد عمیقی در پیشبرد حقوق بشر و آزادی بیان دارد."

 

هیئت مدیره قرار است به 40 عضو گسترش یابد. هنوز مشخص نیست که هیئت مدیره به دلیل محدودیت در جمع آوری یا مسافرت که ناشی از همه گیر کورو ویروس کشنده است ، پرونده های دادرسی را شروع می کند.

 

اعضای هیئت مدیره واقعاً ملاقات کرده اند و طبق گفته هیوز ، آموزش آغاز شده است.

 

این هیئت نخستین بار توسط مارک زوکربرگ ، بنیانگذار و رئیس فیس بوک در سال 2018 مطرح شد و غول اینترنتی کالیفرنیا بنیادی را برای تأمین بودجه آن به عنوان یک نهاد مستقل ایجاد کرده است.

 

هیئت مدیره در یک پست وبلاگ گفت: "در حالی که جهان از طریق یک بحران بهداشت جهانی زندگی می کند ، رسانه های اجتماعی تبدیل شده اند به یک کمک نجات برای کمک به مردم و جوامع برای ارتباط برقرار کنند."

 

نخست وزیر پیشین دانمارک ، هل تورینگ-اشمیت ، که در عکس سال 2015 دیده می شود ، یکی از صندلی های هیئت نظارت مستقل فیس بوک است که گاهی اوقات برای تصمیم گیری های دشوار در زمینه محتوا از آن به عنوان "دادگاه عالی" یاد می شود.

"در عین حال می دانیم که رسانه های اجتماعی می توانند سخنرانی را پخش کنند که نفرت انگیز ، مضر و فریب دهنده باشد. در سالهای اخیر این سؤال که چه محتوا باید بالا بماند یا پایین بیاید و چه کسی باید این تصمیم را بگیرد ، برای جامعه فزاینده ای شده است. ""

 

هیوز گفت که وی برای حضور در هیئت مدیره به عنوان داور اختلافات برای سایر شرکتهای رسانه های اجتماعی از جمله توییتر آماده است اما اکنون ، تمرکز بر روی پر کردن فهرست آن و اقدام به پرونده های مربوط به پست های فیس بوک یا اینستاگرام است.

 

نه "پلیس اینترنت"

 

به گفته هریس ، فیس بوک تصمیمات هیئت مدیره را اجرا می کند ، مگر اینکه آنها قانون را نقض کنند و به راهنمایی های مربوط به سیاست ها "پاسخ دهند".

 

هیئت مدیره اعلام کرد که تصمیم خواهد گرفت که آیا پست های مورد اختلاف با سیاست های فیس بوک و اینستاگرام و "ارزش ها" و همچنین آزادی بیان در چارچوب هنجارهای بین المللی حقوق بشر صرف نظر از منافع شرکت های شبکه اجتماعی مطابقت دارند.

 

 

 

هیئت مدیره تصمیمات را عمومی می کند و در مورد چگونگی پیروی از احکام فیس بوک گزارش می دهد.

 

هزینه های اعتبار

 

ذوالبرگ شخصاً به هیئت مدیره اطمینان داده است که شبکه اجتماعی طبق تصمیمات خود مطابق تصمیم خود عمل خواهد کرد.

 

کاتالینا بوترو مارینو ، از دانشکده حقوق دانشگاه Universidad de los Andes ، در کلمبیا گفت: "این هیئت به گونه ای طراحی نشده است که یک اتاق اکو باشد."

 

مدیر عامل فیس بوک مارک زاکربرگ ایده خود را در سال 2018 برای "دادگاه عالی" تشریح کرد که بتواند تصمیمات دشوار در مورد مجاز بودن و حذف در شبکه اجتماعی پیشرو را در نظر بگیرد

"در صورت عدم تصمیم گیری توسط بدنه ای که ایجاد کرده است برای حل کردن سخت ترین مشکلات خود ، فیس بوک هزینه بسیار بالایی دارد."

 

فیس بوک نمی تواند اعضای یا کارمندان هیئت مدیره را که توسط یک صندوق اعتماد غیرقابل برگشت پذیر 130 میلیون دلاری پشتیبانی می شود ، از بین ببرد.

 

تورینگ-اشمیت گفت: "برای اولین بار ، یک نهاد مستقل تصمیم نهایی و الزام آور را درباره آنچه باقی می ماند و چه چیزی حذف می شود ، می گیرد."

 

"این یک کار بزرگ است ؛ ما اساساً در حال ساختن الگوی جدیدی برای حاکمیت سکو هستیم."

 

مایکل مک کانل ، رئیس هیئت مدیره ، استاد حقوق دانشگاه و قاضی سابق فدرال ایالات متحده ، گفت که حجم پرونده های مورد انتظار ، بررسی همه آنها را غیرممکن می کند.

 

در عوض ، مانند دیوان عالی ایالات متحده ، هیئت مدیره موارد حذف مطالب را در اولویت قرار می دهد که می تواند مواردی را برای نحوه استفاده فیس بوک از مطالب مشابه تعیین کند.

 

مک کان گفت: "ما می خواهیم که شاید چند گل یا شاید آنها را علفهای هرز انتخاب کنیم ، از یک زمینه از امکانات."

 

هیئت مدیره قصد دارد ابتدا به مواردی که تعداد زیادی از کاربران را تحت تأثیر قرار می دهد ، توجه کند. دوم توضیح داد که پرونده ها تأثیر عمده ای بر گفتمان عمومی می گذارند ، و سپس سیاست هایی که در این سکو نقش دارند ، تأثیر می گذارد.

 

مک کان گفت: "ما پلیس اینترنت نیستیم."

 

"ما را به عنوان یک تیم اکشن سریع فکر نکنید که قصد دارد از بین ببرد. کار ما این است که درخواست تجدید نظر را در نظر بگیریم ، نگاه دوم به بعد عملی را ارائه دهیم."