技术

研究人员开发了一种新的机器学习算法，擅长于解释光谱，可能使医学诊断和样本分析更迅速、更精确。 赖斯大学的研究人员开发了一种新的机器学习（ML）算法，擅长于解释分子、材料和疾病生物标志物的“光信号”或光谱，可能使医学诊断和样本分析更迅速、更精确。 “想象一下，仅通过对一滴液体或组织样本照射光线就能检测到阿尔茨海默病或COVID-19等疾病的早期迹象，”赖斯大学电气与计算机工程博士生、发表在ACS Nano上的研究第一作者王子扬说。“我们的工作使这一点成为可能，通过教计算机更好地‘读取’从微小分子散射的光信号。” 每种材料或分子与光的互动方式都是独特的，产生一个独特的模式——就像指纹一样。光谱法是通过激光照射材料观察光与材料的相互作用，在化学、材料科学和医学中被广泛应用。然而，解释光谱数据可能是困难且耗时的，尤其是当样本之间的差异细微时。新的算法称为峰敏感弹性网逻辑回归（Peak-Sensitive…

科学家们开发了一种基于神经生物学建模的问题解决架构，利用量子机械行为来确保复杂问题的最佳解决方案。 华盛顿大学圣路易斯分校麦克凯尔维工程学院的克利福德·W·墨菲教授和研究及研究生教育副院长Shantanu Chakrabartty表示，解决一个3x3的魔方很简单。只需学习并记住步骤，然后执行这些步骤以达到解决方案。计算机在这类程序性问题解决方面已经做得很好。现在，Chakrabartty和他的同事们开发了一种工具，可以超越程序，发现物流到药物发现中的复杂优化问题的新解决方案。 Chakrabartty和他的合作者推出了Neuromorphic Architecture（NeuroSA），这是一种基于人类神经生物学功能建模的问题解决神经形态架构，但利用量子机械行为寻找最佳解决方案——保证可靠，并且比最先进的方法更可靠。该多大学合作努力于3月31日在《自然通讯》上发表，起源于特卢赖德神经形态与认知工程研讨会，由Chakrabartty和第一作者、麦克凯尔维工程学院电气与系统工程系的研究生Zihao…

锂离子电池多年来一直是设备制造的主流，但它们依赖的液体电解质相当不稳定，导致火灾隐患和安全问题。现在，宾州州立大学的研究人员正在追求一种可靠的替代能源存储解决方案，用于笔记本电脑、手机和电动汽车：固态电解质（SSE）。 根据工业与制造工程助理教授Hongtao Sun的说法，固态电池——使用固态电解质而不是液体电解质——是传统锂离子电池的主要替代品。他解释说，尽管存在主要差异，但这些电池在基本工作原理上相似。 “充电电池包含两个内部电极：一侧是阳极，另一侧是阴极，” Sun说。“电解质在这两个电极之间起桥梁作用，提供快速的导电运输。锂离子电池使用液体电解质，而固态电池使用固态电解质。”…

每年，地球变得稍微更大。每年有成千上万吨的太空尘埃从天空降落，而大约50吨的陨石在某处坠落到地面。自20世纪60年代以来，太空垃圾也偶尔返回地球，从围绕地球的模糊垃圾球中坠落。火箭残骸、太空行走宇航员丢失的工具、失效的卫星等在低地轨道中飞行，速度可达每小时18000英里。当任何物品——无论是太空岩石还是太空垃圾——进入大气层时，科学家们试图追踪其路径，以估计其降落地点。所讨论的物品是直线坠落，还是沿着某个角度飞行后骤然停下？ 在下周即将举行的欧洲地球科学联合会大会上，桑迪亚国家实验室的科学家伊丽莎白·西尔伯将考虑如何使用次声传感器——检测人类听不见的低频声音的仪器——来监听亮流星。亮流星是大陨石在高空解体时产生的明亮闪光和轰鸣声。这些事件释放出大量能量，产生的冲击波以次声信号的形式传播数千公里。但挑战在于：亮流星并不是像发生在某一地点的爆炸。它们在移动，沿其路径产生的声音随之传播。这种运动是重要的，特别是对于以浅角进入的陨石和太空垃圾。在这些情况下，不同的次声站可能会从不同的方向接收到信号，这使得确定来源变得更加困难。 受此问题的启发，西尔伯利用了由全面禁止核试验条约组织（CTBTO）维护的全球次声传感器网络，该组织负责监听非法爆炸。这些仪器还记录其他一切响声，从雷声到超音速飞机。通过专门使用亮流星的信号，西尔伯为她的分析隔离出纯几何成分。她发现，如果亮流星以相对陡的角度（大于60°）进入地球大气层，则对次声信号的分析能够正确获取轨迹。但当其水平进入时，不确定性增加。 西尔伯表示：“亮流星的次声更像是在天空中扩展的音爆，而不是单一的爆炸声。你必须考虑声音是沿着飞行路径产生的这一事实。” 因此，该研究突显出一个关键需求：在解读次声数据时考虑物体的轨迹。根据西尔伯的说法，次声仪器对行星防御至关重要，研究结果与地球上的太空垃圾密切相关。如果你不知道某样东西的去向，那么你就很难做好准备。

新的研究揭示了撒哈拉沙尘对欧洲太阳能发电的影响。来自北非的沙尘通过散射阳光、吸收辐照度和促进云形成，降低了光伏（PV）功率输出。该研究基于2019年至2023年间46次沙尘事件的现场数据，突显了在这些事件中预测光伏性能的难度。传统的预测工具常常失效，因此研究团队建议将实时沙尘负荷数据和气溶胶-云耦合整合进模型中，以更好地调度太阳能和提高准备能力。 随着欧洲越来越依赖太阳能以满足气候和能源安全目标，一种日益增长的大气现象正在使前行之路变得复杂：撒哈拉沙尘。在欧洲地球科学联合会大会（EGU25）上发表的新研究显示，来自北非的矿物沙尘不仅降低了整个欧洲的光伏（PV）电力生成，还使预测变得更加困难。在EGU25上的演讲“风的阴影：欧洲尘土天空下的光伏发电”中，匈牙利及欧洲机构的György Varga博士及其合作者揭示了沙尘弥漫的天空如何破坏PV性能，并挑战现有的预测模型。他们的工作基于2019年至2023年间的46次沙哈拉沙尘事件的现场数据，涵盖了中欧（匈牙利）和南欧（葡萄牙、西班牙、法国、意大利和希腊）。 撒哈拉每年向大气中释放数十亿吨细尘，数千万吨抵达欧洲天空。这些粒子散射和吸收阳光，降低地表的辐照度，甚至可以促进云的形成——所有这些都降低了PV输出。研究人员发现，使用静态气溶胶气候统计数据的传统预测工具，在这些事件中经常失准。因此，研究团队建议将近实时沙尘负荷数据和气溶胶-云耦合整合进预测模型。这将允许更可靠的太阳能调度，并更好地应对由大气沙尘引入的变化。 “对同时考虑气象和矿物因素的动态预测方法的需求正在增加，”Varga表示。…

一个研究团队开发了一种新技术，以快速而准确地确定限制在半导体量子点中的电子的电荷状态——量子计算系统的基本组成部分。该方法基于贝叶斯推断，利用观察到的数据估计系统最可能的状态。 东北大学先进材料研究所（WPI-AIMR）的研究团队开发了一种新技术，以快速而准确地确定限制在半导体量子点中的电子的电荷状态——量子计算系统的基本组成部分。该方法基于贝叶斯推断，利用观察到的数据估计系统最可能的状态。 该团队由特任助理教授篠崎元也（Dr. Motoya Shinozaki）和副教授大塚智宏（Associate…

估计手持物体的姿态是机器人技术和计算机视觉中的一个关键且具有挑战性的问题。尽管利用多模态的RGB和深度数据是一种有前景的解决方案，现有的方法仍然面临由于手部遮挡和多模态数据融合而造成的挑战。在一项新研究中，研究人员开发了一种新型深度学习框架，通过引入一种新的基于投票的融合模块和一种手感知的姿态估计模块来解决这些问题。 许多机器人应用依赖于机器人手臂或手来处理不同类型的物体。估计这种手持物体的姿态是机器人技术、计算机视觉甚至增强现实（AR）应用中的一项重要而又具有挑战性的任务。一个有前景的方向是利用多模态数据，如彩色（RGB）和深度（D）图像。随着3D传感器逐渐普及，许多机器学习方法已经出现，以利用这一技术。 然而，现有的方法仍然面临两个主要挑战。首先，当手遮挡手持物体时，会导致精度下降，遮挡了姿态估计所需的关键特征。此外，手-物体交互引入了非刚性变换，进一步复杂化了问题。当手改变手持物体的形状或结构时，例如挤压一个软球，扭曲了物体的感知形状，便会发生这种情况。其次，大多数当前技术从独立的RGB和RGB-D骨干网络提取特征，然后在特征层面进行融合。由于这两个骨干处理的固有模态不同，因此这种融合可能导致表示分布的变化，这意味着从RGB图像中学习的特征可能与从RGB-D输入提取的特征不对齐，从而影响姿态估计。此外，在微调过程中，两个骨干网络之间的密集交互会导致性能中断，并限制RGB特征的引入带来的好处。 为了解决这些问题，由日本芝浦工业大学工程学院创新全球项目的副教授Phan Xuan…

研究人员开发了一个数据驱动的人工智能框架，为科学家提供了提前选择理想候选材料的机会。 科学家们正在争分夺秒，试图创造出革命性的可持续能源来源（如固态电池）以应对气候变化。然而，这场竞赛更像是一场马拉松，因为传统的方法本质上是试错，通常专注于逐个测试单独材料和设定路径。为了更快地达到终点，东北大学的研究人员开发了一个数据驱动的AI框架，指出潜在的固态电解质（SSE）候选者，这些候选者可能是创造理想的可持续能源解决方案的“那一个”。 该模型不仅选择最佳候选者，还可以预测反应将如何发生以及为什么这个候选者是一个不错的选择——提供了对潜在机制的有趣见解，并让研究人员在进入实验室之前就拥有了巨大的前进优势。 这些发现于2025年4月17日发布在《应用化学国际版》上。 “该模型从根本上为我们完成了所有的试错繁琐工作，”先进材料研究所的李浩教授解释说。“它利用以往研究的大型数据库，搜索所有潜在选项并找到最佳的SSE候选者。”…

想象一下你在一个繁忙的行人过街道。当灯红灯时，大家都在等待——直到有一个人开始过马路。很快，其他人跟随，最终每个人都跟随人群过马路。阿姆斯特丹的物理学家发现，当两个接触的表面开始滑动时，微观层面上发生了非常相似的过程。他们的研究结果本周发表在《物理评论快报》上。 在他们的实验中，梁鹏、蒂博·罗沙、丹尼尔·博恩和巴特·韦伯将一个光滑的硅表面压在一个粗糙的表面上。这些来自阿姆斯特丹大学和先进纳米光刻研究中心的研究人员随后探索了在改变施加在两个表面上的压力时摩擦如何变化。施加更大的压力后，将两个表面沿相互滑动是否会变得更加困难？而且，重要的是：为什么？ 结果表明，摩擦的量取决于一个非常有趣的基本过程。在低施加力下，只有一个微小的接触点——所谓的“粗糙点”——承受负载，必须用很大的力推才能使其滑动。然而，随着垂直于界面的力增加，许多粗糙点开始接触。研究小组发现，在这种情况下，一旦几个粗糙点开始滑动，其他粗糙点也会被触发跟随——就像第一个勇敢的行人促使人群过马路一样。 因此，或许有悖常理的是，表面开始更容易滑动，相对运动的阻力——所谓的静态摩擦系数——降低。通过使用一个简单的数学模型来支持他们的实验，研究人员能够展示粗糙点的集体行为解释了为什么在较高负荷下静态摩擦减弱。 结果在小规模和大规模上都有应用。在小规模上，在半导体行业，电子设备的构建通常需要将弯曲的表面夹紧在一个平坦的桌子上。这就导致了一个处于滑动和不滑动边界的接口。新研究解释了滑动的开始是如何受到接触规模的影响，这在使用各种材料准确构建设备时是重要的。…

人工智能（AI）工具显著提高了在线患者教育材料（PEMs）的可读性，使其更加易于获取，一项新研究显示。 由纽约大学朗格尼医疗中心的研究人员主导的研究集中于美国心脏协会（AHA）、美国癌症协会（ACS）和美国中风协会（ASA）网站上可获得的PEMs的可读性。研究人员表示，这些材料帮助患者做出关于自身健康护理的决策，但常常超过推荐的6年级阅读水平，使许多患者难以理解。 在这项研究中，研究人员评估了三种大型语言模型（LLMs）的能力——ChatGPT、Gemini和Claude——以在不影响准确性的前提下优化PEMs的可读性。这些生成性AI工具旨在通过基于大量互联网数据预测句子中的下一个词来简化复杂文本。这种下一个词的预测使这些模型能够按照指示用更简单的语言重写任何文章。 该研究于4月10日在《医学互联网研究杂志》在线发表，涉及从AHA、ACS和ASA网站随机选择的60个PEMs。研究人员要求LLMs简化这些材料的阅读水平。结果显示，原始可读性得分显著高于推荐的6年级水平，其中平均年级得分分别为10.7、10和9.6。 经过LLMs的优化，三家网站的可读性得分都有显著提高。ChatGPT的可读性提高至7.6的平均年级水平，Gemini提高至6.6，Claude提高至5.6。词数也显著减少，使材料更加简洁。…

人工智能算法如今已与传统实验室方法相结合，以发现针对人类肠道病毒71（EV71）的有前途的药物线索，该病毒是大多数手足口病病例的病原体。研究表明，即使在仅有少量实验数据的情况下，也能做出可靠的抗病毒预测。 人工智能算法如今已与传统实验室方法相结合，以发现针对人类肠道病毒71（EV71）的有前途的药物线索，该病毒是大多数手足口病病例的病原体。该研究今天发表在《细胞报告物理科学》（Cell Reports Physical Science）上，由宾夕法尼亚大学佩雷尔曼医学院的研究人员进行，表明即使在仅有少量实验数据的情况下，也能做出可靠的抗病毒预测。…

研究人员发现了一种使用镜子显著减少干扰微小粒子的量子噪声的方法——这一突破看似神奇，但其根植于量子物理。 斯旺西大学的研究人员发现了一种使用镜子显著减少干扰微小粒子的量子噪声的方法——这一突破看似神奇，但其根植于量子物理。 当科学家测量极小的物体，例如纳米颗粒时，他们面临一个困难的挑战：仅仅观察这些粒子就会干扰它们。这是因为用于测量的光子（光的粒子）会“击打”它们碰撞的微小粒子，这种效应称为“反作用”。 在发表在Physical Review…