液体は落下する直前に液滴をしたたらせる液体がこぼれる時は液滴がまず最初に現れる/Credit:depositphotos今回の研究は、誰もがみたことがある原理を元にしています。 液体の入ったガラス容器をひっくり返すと、当然ながら液体は重力に従って下に落ちます。 しかしながら、液体は固体のように全てがまとまって落ちるわけではありません。 よくみると落下する直前に、最下層部分に小さな液滴が形成され、続いて残りの部分の崩落が起こります。 この現象は粘度の高いハチミツを使えば確認することができるでしょう。 ハチミツの入ったボトルをひっくり返すと、やはり最初に真ん中あたりからドロ~と液滴の形成が起こり、その後に全体の崩壊が起こります。 そこで、パリ市立工業物理化学高等専門大学のエマニュエル・フォート氏は、この最初の液滴形成を阻害したら、いったいどうなるのだろうか…と考えました。 というのも、落下の最
批判も覚悟のうえで自ら情報提供 山崎製パン株式会社(ヤマザキ)が3月、一部の角食パンに食品添加物「臭素酸カリウム」を使い始めました。臭素酸カリウムは遺伝毒性発がん物質とされ、添加物批判の記事や書籍等では必ず、猛批判される物質。同社は、臭素酸カリウムを2014年以降は使っていませんでしたが、使用再開です。 しかも、2月25日からはウェブサイトで、自主的に使用再開を情報提供し始めました。法的には、告知する義務はないのに……。 さっそく同社に尋ねました。「発がん物質を食品に使う? 週刊誌などからまた、猛烈にたたかれますよ」。答えは、「もっとおいしいパンを提供するために使いますが、安全は絶対に守ります。詳しく説明しますので、なんでも聞いてください」。 さっそく取材しました。添加物はイヤ、と思う皆さんにこそ読んでもらいたい、科学的根拠に基づく企業の毅然とした判断が、ここにはあります。 食感改善に絶大
女子大学生が大学教授への恋をきっかけに、学会での発表を目指す――。日本化学会は11日、こんなストーリーのPR動画を公式サイトから削除した。会員から「学会にふさわしくない」という批判が相次いだためという。 学会事務局によると、PR動画は、若者に学会の魅力を伝えようと作成。パンをくわえて走っていた女子大学生が教授とぶつかったのを機に恋心を抱き、化学会に入って学会発表を目指す内容だった。途中、教授が別の学生との不倫が疑われるが、実は親子という設定もあった。 4月に学会の公式サイトで公開後、「研究のおもしろさはかけらも伝わらない」「女性が科学者を志すのは、男性科学者への恋愛感情なんかじゃない」といった批判がツイッターなどで相次ぎ、削除を決めたという。 学会長の川合真紀・自然科学研究機構分子科学研究所長は「多くの若手に化学の道へ進んでほしいという意図だったが、見た人に不快な思いをさせてしまった。今後
「木星を真下から見ると…こんな風に見えるんだ!」NASAが公開した写真に驚きの声 しましまが特徴的な木星ですが、それは横から見た時の姿。 では、真下から見たらどんな風に見えるのでしょうか。 NASAが公開した写真をご覧ください。 Jupiter viewed from the bottom うわ! 真下(南極側)から見ると、こんな風になってたのですね……。 横から見た時に横縞の球であれば、上下方向から見ると、こう見えるのは当然なのですが、見慣れたはずの木星が別の星に思えるほどです。 土星探査機カッシーニが木星に接近したときに撮影したもので、明るい側(昼側)のみを合成したものだそうです。 海外掲示板のコメントをご紹介します。 ●木星平面説。 (参照:地球平面説とは地球の形状が平面状・円盤状であるという過去の宇宙論。Wikipedia) ↑木星軌道に乗ったことがあるのかと言いたい。 ●バカな質
探し物は、一生懸命探してるときほど見つからないのに、忘れたころに見つかったりなんかする。世紀の科学的発見の中にも、意図的に探しているわけではなかったのに偶然に発見されたり、発見当初は何の価値も見いだせなかったものが、発想の転換により大ヒット商品になることもあるようだ。 これらの偶然による発見が、今では我々の生活を便利にしてくれたり、楽しませてくれているのは言うまでもない。ここではそんな25の偶然より発見されたものを見ていくことにしよう。 1.ペニシリン この画像を大きなサイズで見る スコットランドの生物学者アレクサンダー・フレミングが休暇から研究室へ帰ってきたところ、培養中のブドウ球菌がアオカビによって生育が阻止されていた事から発見された。20世紀最大の発見の一つである「ペニシリン」が、もし発見されなければ、医学は今とは全く違ったものであっただろう。 2.電子レンジ この画像を大きなサイズ
岡野原です。Deep Learningが各分野のコンペティションで優勝し話題になっています。Deep Learningは7、8段と深いニューラルネットを使う学習手法です。すでに、画像認識、音声認識、最も最近では化合物の活性予測で優勝したり、既存データ・セットでの最高精度を達成しています。以下に幾つか例をあげます。 画像認識 LSVRC 2012 [html] 優勝チームスライド [pdf], まとめスライド[pdf] Googleによる巨大なNeuralNetを利用した画像認識(猫認識として有名)[paper][slide][日本語解説] また、各分野のトップカンファレンスでDeep Learningのチュートリアルが行われ、サーベイ論文もいくつか出ました。おそらく来年以降こうした話が増えてくることが考えられます。 ICML 2012 [pdf] ACL 2012 [pdf] CVPR
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く