Nei progetti di costruzione, la sicurezza e la salute mentale sono due aspetti fondamentali da tenere in considerazione. Quando sorge il sospetto ragionevole di un problema di sicurezza o rischio sul cantiere, è importante agire prontamente per garantire la protezione di tutti i lavoratori coinvolti.

La sicurezza sul luogo di lavoro è regolamentata da normative specifiche che impongono agli datori di lavoro di adottare misure preventive per evitare incidenti e garantire un ambiente di lavoro sicuro. Queste misure includono l’uso di dispositivi di protezione individuale, la formazione sui rischi presenti sul cantiere e l’implementazione di procedure di emergenza.

Parallelamente, la salute mentale dei lavoratori è un aspetto spesso trascurato ma altrettanto importante. Lo stress, la pressione e le lunghe ore di lavoro possono avere un impatto significativo sulla salute mentale dei lavoratori ed è fondamentale prevenire situazioni di disagio psicologico. In questo contesto, è importante promuovere un ambiente di lavoro sano e sostenibile, offrendo supporto psicologico e programmi di benessere mentale.

Quando la sicurezza e la salute mentale si incontrano nei progetti di costruzione, è necessario adottare un approccio olistico che tenga conto di entrambi gli aspetti. Solo garantendo un ambiente di lavoro sicuro e sano si può garantire il benessere dei lavoratori e la buona riuscita del progetto di costruzione.

Siero + argilla verde per stabilizzare malte su pietra porosa

Introduzione

La ricerca di materiali da costruzione alternativi e naturali ha portato alla sperimentazione di nuove ricette per attivatori di malte. In questo articolo, presenteremo una ricetta sperimentale che combina siero e argilla verde per stabilizzare malte su pietra porosa. Questa tecnica artigianale offre una soluzione innovativa e sostenibile per la costruzione e il restauro di edifici.

Ingredienti e strumenti

Per preparare l’attivatore, avremo bisogno di:- 1 litro di siero di latte (ottenuto dal processo di caseificazione del latte)- 500 grammi di argilla verde (una varietà di argilla ricca di minerali e impurità)Gli strumenti necessari includono:- Un contenitore di plastica o vetro per la miscelazione- Un cucchiaio di legno o plastica per la miscelazione- Un setaccio o un colino per filtrare l’attivatoreIl siero di latte è ricco di proteine e acidi che aiutano a rompere le strutture chimiche delle malte, migliorandone la coesione e l’elasticità. L’argilla verde, con la sua composizione ricca di minerali, contribuisce a stabilizzare la malta e a migliorare la sua resistenza meccanica.

Preparazione

La preparazione dell’attivatore avviene in due fasi. Innanzitutto, il siero di latte e l’argilla verde vengono miscelati in un contenitore. La miscela viene poi lasciata riposare per 24-48 ore in un ambiente fresco e asciutto, lontano dalla luce diretta del sole. Questo periodo di riposo consente ai componenti di interagire e di attivarsi a vicenda.Dopo il periodo di riposo, la miscela viene filtrata attraverso un setaccio o un colino per rimuovere eventuali grumi o impurità. L’attivatore così ottenuto è pronto per essere utilizzato.

Uso finale

L’attivatore può essere utilizzato per stabilizzare malte su pietra porosa. Per fare ciò, è sufficiente aggiungere l’attivatore alla malta durante la fase di preparazione, seguendo le proporzioni indicate:| Componente | Quantità || — | — || Malta | 1000 g || Attivatore | 50-100 ml |La quantità di attivatore può variare a seconda delle esigenze specifiche del progetto.

Benefici tecnici

La tabella seguente sintetizza i benefici tecnici ipotizzabili del composto:

Conservazione

L’attivatore può essere conservato per un periodo di 2-3 mesi in un ambiente fresco e asciutto, lontano dalla luce diretta del sole. È importante conservarlo in un contenitore ermetico e di proteggerlo da eventuali contaminazioni.

Miti e leggende

L’uso di siero di latte e argilla verde nella costruzione ha radici antiche. In alcune culture, il siero di latte era considerato un ingrediente magico, capace di donare forza e resistenza alle strutture. L’argilla verde, con la sua composizione ricca di minerali, era spesso associata alla terra e alla natura.

Conclusione

La sperimentazione con siero e argilla verde per stabilizzare malte su pietra porosa offre una soluzione innovativa e sostenibile per la costruzione e il restauro di edifici. Questo attivatore artigianale non solo migliora le proprietà tecniche delle malte, ma anche la loro traspirabilità e resistenza meccanica. Invitiamo gli artigiani e i sperimentatori a provare questa ricetta e a scoprire il valore umano e artigianale del gesto creativo. Ascoltare il materiale e sperimentare con nuove tecniche può portare a risultati sorprendenti e a una maggiore connessione con la natura e la tradizione.

Nuovo Modello di Intelligenza Artificiale Avanza il “Problema dei Baci” e Altro

C’è un concetto matematico chiamato il numero di contatto. Un po’ deludente, non ha nulla a che fare con i baci veri. Enumera quanti sfere possono toccare (o “baciare”) una singola sfera di dimensioni uguali senza attraversarla. In una dimensione, il numero di contatto è 2. In due dimensioni, è 6 (pensa alla configurazione del puzzle di The New York Times del bee spelling). Man mano che il numero di dimensioni cresce, la risposta diventa meno ovvia: per la maggior parte delle dimensionalità oltre 4, sono noti solo limiti superiori e inferiori sul numero di contatto. Ora, un agente di intelligenza artificiale sviluppato da Google DeepMind chiamato AlphaEvolve ha dato il suo contributo al problema, aumentando il limite inferiore sul numero di contatto in 11 dimensioni da 592 a 593.

Questo potrebbe sembrare un miglioramento incrementale del problema, specialmente considerando che il limite superiore sul numero di contatto in 11 dimensioni è 868, quindi l’intervallo sconosciuto è ancora piuttosto ampio. Ma rappresenta una nuova scoperta matematica da parte di un agente di intelligenza artificiale e mette in discussione l’idea che i grandi modelli linguistici non siano capaci di contributi scientifici originali.

E questo è solo un esempio di ciò che AlphaEvolve ha realizzato. “Abbiamo applicato AlphaEvolve a una serie di problemi aperti nella matematica della ricerca, e abbiamo scelto deliberatamente problemi da diverse parti della matematica: analisi, combinatoria, geometria”, dice Matej Balog, un ricercatore di DeepMind che ha lavorato al progetto. Hanno scoperto che per il 75 percento dei problemi, il modello di intelligenza artificiale ha replicato la soluzione ottimale già conosciuta. Nel 20 percento dei casi, ha trovato un nuovo ottimo che superava qualsiasi soluzione conosciuta. “Ogni singolo caso del genere è una nuova scoperta”, dice Balog. (Nei restanti 5 percento dei casi, l’intelligenza artificiale ha convergito su una soluzione peggiore rispetto a quella ottimale conosciuta).

Il modello ha anche sviluppato un nuovo algoritmo per la moltiplicazione di matrici, l’operazione alla base di gran parte dell’apprendimento automatico. Una versione precedente del modello di intelligenza artificiale di DeepMind, chiamata AlphaTensor, aveva già superato il precedente algoritmo migliore conosciuto, scoperto nel 1969, per la moltiplicazione di matrici 4×4. AlphaEvolve ha trovato una versione più generale di quell’algoritmo migliorato.

Il modello AlphaEvolve di DeepMind ha apportato miglioramenti a diversi problemi pratici presso Google.Google DeepMind

Oltre alla matematica astratta, il team ha applicato il loro modello a problemi pratici che Google come azienda affronta ogni giorno. L’intelligenza artificiale è stata utilizzata anche per ottimizzare l’orchestrazione dei data center per ottenere un miglioramento del 1 percento, per ottimizzare il design della prossima unità di elaborazione tensoriale di Google e per scoprire un miglioramento a un kernel utilizzato nella formazione di Gemini che ha portato a una riduzione del 1 percento del tempo di formazione.

“È molto sorprendente che si possano fare così tante cose diverse con un unico sistema”, dice Alexander Novikov, un ricercatore senior di DeepMind che ha anche lavorato su AlphaEvolve.

Come Funziona AlphaEvolve

AlphaEvolve è così generale perché può essere applicato a quasi ogni problema che può essere espresso come codice e che può essere verificato da un altro pezzo di codice. L’utente fornisce un primo tentativo del problema, un programma che risolve il problema in questione, anche se in modo subottimale, e un programma verificatore che controlla quanto bene un pezzo di codice soddisfa i criteri richiesti.

Successivamente, un grande modello linguistico, in questo caso Gemini, propone altri programmi candidati per risolvere lo stesso problema, e ognuno viene testato dal verificatore. Da lì, AlphaEvolve utilizza un algoritmo genetico in modo che i “più adatti” delle soluzioni proposte sopravvivano ed evolvano alla generazione successiva. Questo processo si ripete finché le soluzioni smettono di migliorare.

AlphaEvolve utilizza un insieme di grandi modelli linguistici Gemini in congiunzione con un codice di valutazione, il tutto orchestrato da un algoritmo genetico per ottimizzare un pezzo di codice.Google DeepMind

“I grandi modelli linguistici sono arrivati, e abbiamo iniziato a chiederci se è il caso che aggiungano solo ciò che è nei dati di addestramento, o se possiamo effettivamente usarli per scoprire qualcosa di completamente nuovo, nuovi algoritmi o nuove conoscenze”, dice Balog. Questa ricerca, sostiene Balog, dimostra che “se si utilizzano i grandi modelli linguistici nel modo giusto, allora si può, in un senso molto preciso, ottenere qualcosa di provabilmente nuovo e provabilmente corretto sotto forma di un algoritmo.”

AlphaEvolve proviene da una lunga linea di modelli di DeepMind, risalendo ad AlphaZero, che ha stupito il mondo imparando a giocare a scacchi, Go e altri giochi meglio di qualsiasi giocatore umano senza utilizzare alcuna conoscenza umana, solo giocando e utilizzando il reinforcement learning per padroneggiarlo. Un’altra intelligenza artificiale risolutrice di problemi matematici basata sul reinforcement learning, AlphaProof, ha ottenuto un risultato di medaglia d’argento alla Olimpiade Internazionale di Matematica 2024.

Tuttavia, per AlphaEvolve, il team si è discostato dalla tradizione del reinforcement learning a favore dell’algoritmo genetico. “Il sistema è molto più semplice”, dice Balog. “E questo ha conseguenze, è molto più facile da configurare su una vasta gamma di problemi.”

Il (Assolutamente Non Spaventoso) Futuro

Il team dietro AlphaEvolve spera di evolvere il loro sistema in due modi.

Prima di tutto, vogliono applicarlo a una gamma più ampia di problemi, inclusi quelli nelle scienze naturali. Per perseguire questo obiettivo, stanno pianificando di aprire un programma di accesso anticipato per accademici interessati a utilizzare AlphaEvolve nella loro ricerca. Potrebbe essere più difficile adattare il sistema alle scienze naturali, poiché la verifica delle soluzioni proposte potrebbe essere meno diretta. Ma, dice Balog, “Sappiamo che nelle scienze naturali ci sono molti simulatori per diversi tipi di problemi, e quindi quelli possono essere utilizzati anche all’interno di AlphaEvolve. E siamo, in futuro, molto interessati ad ampliare il campo in questa direzione.”

In secondo luogo, vogliono migliorare il sistema stesso, forse accoppiandolo con un altro progetto di DeepMind: il coscientista di intelligenza artificiale. Questa intelligenza artificiale utilizza anche un LLM e un algoritmo genetico, ma si concentra sulla generazione di ipotesi in linguaggio naturale. “Sviluppano queste idee e ipotesi di alto livello”, dice Balog. “Incorporare questo componente in sistemi simili ad AlphaEvolve, credo, ci permetterà di raggiungere livelli più elevati di astrazione.”

Queste prospettive sono entusiasmanti, ma per alcuni potrebbero anche sembrare minacciose: ad esempio, l’ottimizzazione di AlphaEvolve della formazione di Gemini potrebbe essere vista come l’inizio di un’intelligenza artificiale che si auto-migliora in modo ricorsivo, il che alcuni temono potrebbe portare a un’esplosione di intelligenza incontrollata nota come la singolarità. Il team di DeepMind sostiene che non è questo il loro obiettivo, ovviamente. “Siamo entusiasti di contribuire all’avanzamento dell’intelligenza artificiale a vantaggio dell’umanità”, dice Novikov.

Il parco eolico offshore Neart na Gaoithe (NnG), situato a 15,5 km al largo della costa di Fife in Scozia, ha raggiunto un traguardo significativo generando la sua prima energia elettrica il 18 ottobre 2024. Questo evento rappresenta un passo fondamentale verso l’obiettivo del Regno Unito di raggiungere zero emissioni nette di carbonio.Wikipedia+10Wind Power Monthly+10NNG Offshore Wind+10

📍 Dettagli del Progetto

• Capacità Totale: 450 MW
• Numero di Turbine: 54 Siemens Gamesa SG 8.0-167 DD
• Posizione: 15,5 km al largo della costa di Fife, Scozia
• Proprietari: EDF Renewables UK e ESB
• Inizio Costruzione Onshore: Novembre 2019
• Inizio Costruzione Offshore: Agosto 2020
• Completamento Previsto: Estate 2025Wikipédia, l’encyclopédie libre+17EDF Renewables+17EDF Renewables+17Home+3Wikipedia+3Wikipedia+3Offshore Wind+11EDF Renewables+11Wikipédia, l’encyclopédie libre+11Wind Power Monthly+104coffshore.com+10renewablesnow.com+10Wikipédia, l’encyclopédie libreNS Energy+3renewablesnow.com+3Wikipédia, l’encyclopédie libre+3

Una volta completato, NnG fornirà energia elettrica sufficiente per alimentare circa 375.000 abitazioni e ridurrà le emissioni di CO₂ di oltre 400.000 tonnellate all’anno. EDF Renewables+10EDF Renouvelables+10Home+10

⚙️ Stato Attuale dei Lavori

Al 7 aprile 2025, tutte le 54 turbine sono state installate con successo. L’ultima turbina è stata posizionata utilizzando la nave jack-up “Brave Tern” di Fred. Olsen Windcarrier. La fase finale di commissioning è in corso, con l’obiettivo di rendere il parco completamente operativo entro l’estate 2025. Home+5EDF Renouvelables+5renewablesnow.com+5Home+3Offshore Wind+3NNG Offshore Wind+3

🌱 Impatto Ambientale e Benefici

• Riduzione delle Emissioni: Oltre 400.000 tonnellate di CO₂ evitate annualmente.
• Fornitura Energetica: Energia pulita per circa 375.000 abitazioni.
• Contributo agli Obiettivi Nazionali: Supporto significativo agli impegni del Regno Unito per la neutralità carbonica.Home+2EDF Renouvelables+24coffshore.com+2Home+54coffshore.com+5iPS Powerful People+5

Ryanne Burges, Direttore Offshore e Irlanda per EDF Renewables, ha dichiarato:EDF Renouvelables

“Siamo lieti di celebrare questo importante traguardo per NnG e, nei prossimi mesi, ci aspettiamo che sempre più elettricità pulita venga immessa nella rete. NnG è un progetto fondamentale nel portafoglio di EDF Renewables UK e Irlanda mentre acceleriamo verso un futuro a zero emissioni nette.” Home+4EDF Renouvelables+4NNG Offshore Wind+4

📊 Specifiche Tecniche

🔗 Ulteriori Informazioni

Per ulteriori dettagli sul progetto Neart na Gaoithe, è possibile visitare il sito ufficiale: EDF Renewables

Le grandi aziende tecnologiche negli Stati Uniti, come Google e Microsoft, sono state costrette ad affrontare una serie di sfide a causa della pandemia di COVID-19. Google ha annunciato la riduzione della propria forza lavoro a causa della diminuzione della domanda per alcuni dei suoi prodotti e servizi, mentre Microsoft ha deciso di chiudere alcuni uffici e di conseguenza ha dovuto licenziare alcuni dipendenti.

È importante sottolineare che i licenziamenti nelle Big Tech Usa non sono un fenomeno isolato, ma fanno parte di un trend più ampio che ha colpito diverse aziende del settore tecnologico durante la pandemia. Questa situazione mette in evidenza la necessità per le aziende di adattarsi rapidamente ai cambiamenti del mercato e di trovare nuove strategie per far fronte alla crisi economica in corso.

Nonostante i licenziamenti, sia Google che Microsoft si sono impegnate a fornire supporto e assistenza ai dipendenti colpiti dalla riduzione del personale. Entrambe le aziende hanno programmi di outplacement e sostegno psicologico per aiutare i dipendenti a trovare nuove opportunità lavorative e affrontare il periodo di transizione.

Inoltre, è importante sottolineare che le Big Tech Usa continuano ad essere un settore in crescita, nonostante le difficoltà attuali. Molte di queste aziende stanno investendo in nuove tecnologie e settori emergenti per diversificare le proprie attività e ridurre la dipendenza da settori più tradizionali che potrebbero essere più vulnerabili in situazioni di crisi.

In conclusione, i licenziamenti nelle Big Tech Usa sono un segnale della complessità e della volatilità del mercato tecnologico, ma anche dell’importanza per le aziende di adottare strategie flessibili e innovative per affrontare le sfide attuali e future.