أزمة كهرباء متجددة في عدن ومدة الانقطاع تقارب التسع ساعات
تاريخ النشر: 19th, May 2024 GMT
تجددت أزمة الكهرباء في عدن (جنوبي اليمن) بعد أقل من أسبوع على تحسنها النسبي، بعد أن احتدمت وتيرتها وأشعلت موجة احتجاجات غاضبة ومنددة.
وأكدت مصادر محلية لوكالة خبر، أن أزمة الكهرباء تجددت صباح اليوم الأحد في مختلف مديريات عدن، إثر انقطاع التيار الكهربائي في عدد من الأحياء منذ الساعة السابعة صباحاً وحتى الرابعة عصراً (ما يقارب تسع ساعات على التوالي).
وبهكذا انقطاع تتفاقم الأزمة مجدداً التي اندلعت في مدينة عدن الساحلية وضواحيها، منذ بداية فصل الصيف الذي يشهد درجة حرارة مرتفعة.
وذكرت المصادر أن ساعات توليد الطاقة لا تتجاوز ساعتين مقارنة بعدد ساعات انقطاع التيار التي تتجاوز أربعة أضعاف ذلك.
وتحتدم المعاناة لدى المرضى داخل المشافي والمنازل، والنساء والأطفال وكبار السن.
وشهدت مديريات عدن يومي الأحد والاثنين الماضيين، احتجاجات شعبية غاضبة، وإضرام النيران في الإطارات التالفة وقطع الخطوط الرئيسية داخل المدن، تنديداً ببلوغ الأزمة ذروتها.
وكانت ساعات انقطاع التيار الكهربائي تراوحت بين 10 و15 ساعة، مقابل ساعة ونصف توليد الطاقة كحد أقصى.
وعلى مدار سبع سنوات والحكومات اليمنية المتعاقبة تتعهد بوضع حل لأزمات الطاقة المتجددة سنوياً مع حلول كل فصل صيف، ولكن المواطن لم يلمس تحسناً، ما اعتبر هذه الوعود مراوغة لأزمة بات ينظر إليها أنها مفتعلة.
المصدر: وكالة خبر للأنباء
إقرأ أيضاً:
أداة ذكاء اصطناعي قادرة على توليد صور فائقة الجودة أسرع من الطرق التقليدية|تعرف عليها
طور باحثون من معهد MIT و NVIDIA أداة جديدة تعرف بـHART كأداة لتوليد صور فائقة الجودة بكفاءة وسرعة غير مسبوقة.
يعتمد النموذج على الجمع بين تقنيات النماذج التلقائية ونماذج الانتشار لتقديم أفضل ما في الطريقتين، مما يحدث ثورة في مجال توليد الصور باستخدام الذكاء الاصطناعي.
التحدي الذي يواجه توليد الصورتتميز النماذج “الانتشارية التقليدية” - نوع من نماذج الذكاء الاصطناعي تستخدم في توليد الصور وغيرها من المهام الإبداعية- مثل Stable Diffusion بقدرتها على إنتاج صور دقيقة للغاية، لكنها بطيئة وتستهلك موارد ضخمة.
في المقابل، النماذج التلقائية أسرع بكثير لكنها تعاني من مشكلات الجودة والأخطاء في التفاصيل، و هنا يأتي دور HART.
يجمع نموذج HART بين السرعة والكفاءة، حيث يستخدم النموذج التلقائي لإنشاء الصورة الأساسية بسرعة، ثم يتم تحسين التفاصيل باستخدام نموذج انتشار صغير لتصحيح الأخطاء الدقيقة.
يمكن بهذه الطريقة، لـHART تحقيق جودة تنافس أو تتفوق على النماذج الانتشارية الكبيرة، ولكن بمعدل أسرع بتسع مرات تقريبًا.
مزايا HARTيتميز أداة HART بالكفاءة العالية، حيث يتطلب HART موارد حسابية أقل بنسبة 31% مقارنة بالنماذج التقليدية.
كما يتميز أداة بانه يعمل حتى على الاجهزة العادية، حيث يمكن تشغيل HART على أجهزة اللابتوب أو الهواتف الذكية دون الحاجة إلى معدات قوية.
ويتميز أداة HART بتطبيقات متعددة، حيث يمكن استخدام HART في مجالات متنوعة، مثل تدريب السيارات ذاتية القيادة، تدريب الروبوتات على المهام المعقدة، وتصميم مشاهد الألعاب.
أفاق المستقبليهدف الباحثون إلى توسيع استخدام HART ليشمل توليد الفيديو والتنبؤات الصوتية.
بالإضافة إلى ذلك، يمكن دمجه مع نماذج الذكاء الاصطناعي متعددة الوسائط للتفاعل بشكل أكثر ذكاءً وسلاسة.