技术

卡尔加里大学的研究人员首次解释了有时出现在北极光附近夜空中的白色或灰色斑点。 该研究于12月30日发表在《自然通讯》杂志上，讨论了一种称为“结构连续发射”的现象，与极光有关。 主作者、物理与天文学系副教授Emma Spanswick博士解释道：“当你看到生动的绿色极光和背景中的一些红色调时，突然就会出现与极光相关的这种明显的灰色或白色斑点。” 她补充道：“自然，科学家们会问，‘那是什么？’”…

研究人员发现了一种显著现象，即当暴露在室温光照下时，旋转极化电流的方向可以在单原子层的铊铅合金中被限制为单一方向。这一发现挑战了已有的假设，因为之前认为单原子层几乎是透明的，这意味着它们对光的吸收或与光的相互作用极小。观察到的单向电流流动为超越传统二极管的进展开辟了潜力，这可能在未来导致更可持续的数据存储解决方案和复杂的二维自旋电子设备。该研究已在期刊《ACS Nano》上发表。 来自东京大学的研究人员谷内伊吹、秋山良太、羽原礼和长谷川修司揭示，当在室温下照射时，旋转极化电流的流动可以在铊铅合金的单原子层中限制为单一方向。这个突破性的发现违背了既定信念，因为之前认为单原子层几乎是完全透明的，对光的吸收或相互作用极小。本研究中观察到的电流的定向流动超越了传统二极管的功能，为未来更环保的数据存储和尖端的二维自旋电子设备奠定了基础。研究结果已发表在期刊《ACS Nano》上。 二极管是现代电子设备中的基本组件，因为它们指引电流沿一个特定方向流动。然而，随着设备变得越来越薄，设计和制造这些关键组件的复杂性日益增加。因此，展示可能促进此类设备发展的现象显得至关重要。自旋电子学是一个关注操控电子固有角动量或自旋的领域，通常借助光来实现。…

催化剂在日常生活中发挥着重要但常常被忽视的作用，帮助各种过程，例如烘焙面包和提高将原材料转化为燃料的效率。最近，SLAC的研究人员在加速发现一种新类型的催化剂，即单原子催化剂方面取得了进展。 多年来，催化剂一直是我们日常生活中许多依赖过程的无名英雄。它们使得原材料转化为产品或燃料的能量消耗更少，类似于面包制作中的酵母和合成催化剂以更高效和可持续的方式将原材料转化为燃料。这种新型且前景广阔的催化剂称为单原子催化剂，已经引起了研究人员的注意，使他们寻求更好的方法来研究它们。具体而言，他们旨在了解化学反应发生的地方——称为活性位点——的结构如何影响催化剂增强反应速率的能力，这一特性被称为活性。 在一个重要的进展中，来自SLAC国家加速器实验室的斯坦福同步辐射光源（SSRL）的研究人员与加州大学戴维斯分校（UC Davis）的一组团队合作，创建了一种新的软件工具。该工具有效地提供了有关单原子催化剂中活性位点结构的详细定量见解，与传统方法相比，大大减少了所需时间。他们的研究结果发表在Chemistry-Methods上。 通常，催化剂利用惰性支撑以稳定金属原子簇在纳米尺度上或金属纳米颗粒。在催化过程中，只有表面原子充当活性位点，而纳米颗粒的内部原子则保持未使用状态。为了优化金属原子的使用，研究人员提出了一种新方法：使用单原子催化剂，将单个金属原子分散在支撑上。…

建筑材料如混凝土和塑料具有封存数十亿吨二氧化碳的能力，这一点在加州大学戴维斯分校和斯坦福大学的土木工程师和地球系统科学家最近进行的一项研究中得到了强调。这项研究于1月10日发表在《科学》杂志上，表明，当与减少经济中碳排放的努力相结合时，在建筑物中储存二氧化碳可能有助于实现全球温室气体减排目标。 根据加州大学戴维斯分校和斯坦福大学的土木工程师和地球系统科学家的最新研究，混凝土和塑料等建筑材料可能具有封存数十亿吨二氧化碳的能力。研究结果于1月10日发表在《科学》杂志上，表明当与脱碳经济的努力配合时，建筑中的二氧化碳储存可能显著有助于全球降低温室气体排放的目标。 研究团队负责人、加州大学戴维斯分校的研究生Elisabeth Van Roijen表示：“这个潜力相当巨大。”…

旨在改变冰在其压力融化点的实验室研究与从两端扭动百吉饼以混合内部奶油奶酪的动作相似，这一最新发现具有创造更精确的温带冰川冰模型以及改善与冰川运动和海平面上升相关预测的潜力。 尼尔·艾弗森在谈论最近发表的关于冰川冰流动的研究论文时分享了关于冰物理学的两个基础见解，该研究发表于《科学》杂志。 最初，这位爱荷华州立大学地球、气候与大气系的名誉教授解释说，冰川包含各种类型的冰。冰川的某些区域位于其压力融化温度，因此会形成柔软、湿润的冰。 他指出，这种温带冰类似于放在厨房台面上的冰块，水在冰块和表面之间聚集。研究和理解温带冰一直很具挑战性。 相比之下，冰川的其他区域则含有寒冷、坚硬的冰，类似于仍然冰冻的冰块。这种冰主要是进行分析并作为冰川流模型和预测的基础。…

一个研究团队创造了一种创新的方法，提升了对表格数据的预测能力，特别是对于包含不到10,000条记录的小型数据集。新开发的人工智能模型TabPFN在应用之前先在合成数据上进行训练，使其能够学习如何评估潜在的因果关系，从而利用这些关系进行准确的预测。 由弗莱堡大学的Frank Hutter教授领导的机器学习算法TabPFN，专注于解决填补缺失数据或识别异常等问题。这种人工智能（AI）受到了大型语言模型学习技术的启发。通过从合成数据中学习，TabPFN在进行准确预测方面通常比迄今为止使用的传统算法更为擅长。这些研究成果已发表在期刊Nature上。其他参与该研究的机构包括弗莱堡大学医学中心、柏林大学医学系、弗莱堡的初创公司PriorLabs和图宾根的ELLIS研究所。 数据集，无论是与特定药物的效果相关还是与CERN加速器中的粒子轨迹相关，通常是不完整的或存在错误。因此，科学数据分析的一个重要方面是识别异常或对缺失数据进行合理估计。目前的算法，如XGBoost，在大规模数据集上表现良好，但在小型数据集上往往不太可靠。 TabPFN模型通过在人工生成的数据上进行训练来应对这一挑战，这些数据旨在反映现实世界的情况。研究人员创建数据表，其中各列中的字段有因果联系。TabPFN从一亿个这样的合成数据集中学习，使模型能够评估多个潜在的因果关系以进行预测。…

人工智能技术已被开发用于通过分析临床睡眠测试的视频记录来改善快速眼动睡眠行为障碍的诊断。 来自西奈山的研究团队改进了一种基于人工智能（AI）的算法，该算法能够分析临床睡眠测试的视频素材。这一进展提高了对一种影响全球超过8000万人的广泛睡眠障碍的诊断精度。研究结果于1月9日发表在《神经病学年鉴》期刊上。 快速眼动睡眠行为障碍（RBD）是一种以在快速眼动睡眠阶段出现异常动作或梦想表现为特征的状态。当这种障碍出现在其他健康成年人身上时，被称为“孤立性”RBD。在美国，超过一百万人患有RBD，这通常预示着帕金森病或痴呆的早期出现。 诊断RBD相当具有挑战性，因为其症状可能被忽视或与其他医疗病症混淆。确诊需要进行睡眠研究，即由经过培训的医疗专业人员在配备睡眠监测技术的设施中进行的视频多导睡眠图（视频-polysomnogram）。数据的解释可能是主观的且复杂，因为涉及各种因素，包括睡眠阶段和肌肉活动水平。虽然在睡眠测试期间始终记录视频数据，但在初步分析后很少被审查并经常被丢弃。 之前的研究表明，可能需要专门的3D摄像头来捕捉睡眠过程中的运动，因为床单或毯子可能会遮挡视线。这项最新研究是首个详细描述开发出一种自动化机器学习技术，能够分析在通用2D摄像头下进行的夜间睡眠研究中的常规视频记录。该新方法识别额外的“分类器”或运动特征，在检测RBD方面达到了近92%的准确率。…

研究人员在创造下一代碳基量子材料方面取得了显著进展，为量子电子学的进步铺平了道路。这一突破涉及一种新的石墨烯纳米带（GNR），称为贾努斯GNR（JGNR）。使这种材料脱颖而出的原因在于其独特的锯齿边缘，该边缘一侧具有独特的铁磁边缘态。这种有趣的配置允许形成一维铁磁自旋链，对于量子电子学和量子计算的应用可能具有重要意义。 新加坡国立大学（NUS）的一组研究人员在开发先进的碳基量子材料方面取得了重大突破，预示着量子电子学的新进展。 他们引入了一种新的石墨烯纳米带（GNR），称为贾努斯GNR（JGNR）。这种材料的特点是其独特的锯齿边缘和一侧特定的铁磁边缘态。这种创新结构允许形成一维铁磁自旋链，这在量子电子学和量子计算中具有巨大的应用潜力。 该研究由NUS化学系的副教授陆炯及其团队领导，并得到了国际合作者的支持。 石墨烯纳米带是由纳米级蜂窝碳制成的狭窄条带，由于其π轨道中未配对电子的行为，显示出卓越的磁性特征。通过精确地将边缘设计成锯齿状，研究人员能够创建一维自旋极化通道。这一能力为自旋电子学设备的应用和开发先进的多量子比特系统提供了重要机会，这对于量子计算至关重要。…

需要喂养而不是充电的电池？这是科学家们通过他们创新的3D打印、可生物降解的真菌电池所完成的。这种活的电池可以为农业或偏远地区研究中使用的传感器提供电力。当它完成其功能时，它会在内部自我消化。 真菌确实非常有趣。这个独特的生命王国与动物的关系比与植物更近，包含了各种各样的生物。你可以找到从可食用的蘑菇和霉菌到单细胞生物和地球上最大的生物，以及可以导致疾病的病原体和药物的治疗剂。现在，Empa的研究人员利用了真菌的另一种技能：发电。 作为由Gebert Rüf Stiftung通过其微生物项目资助的为期三年的项目的一部分，Empa的纤维素与木材材料实验室的科学家们创建了一个功能性的真菌电池。虽然活细胞不产生大量电力，但它们产生的电力足以为温度传感器提供几天的电力。这种传感器在农业和环境研究中非常有用。真菌电池最显著的优点是，与传统电池不同，它是完全安全且可生物降解的。…

量子计算机需要极低的温度才能正常工作。阻碍量子计算机广泛使用的一个主要障碍是将量子比特冷却到接近绝对零度的水平的挑战。最近，瑞典查尔姆斯科技大学和美国马里兰大学的研究人员开发了一种新型冰箱，可以自动将超导量子比特冷却到创纪录的低温，从而增强量子计算的可靠性。 量子计算机需要极低的温度才能正常工作。阻碍量子计算机广泛使用的一个主要障碍是将量子比特冷却到接近绝对零度的水平的挑战。最近，瑞典查尔姆斯科技大学和美国马里兰大学的研究人员开发了一种新型冰箱，可以自动将超导量子比特冷却到创纪录的低温，从而增强量子计算的可靠性。 量子计算机有望在医疗、能源、网络安全、人工智能和供应链物流等各个领域转变各种重要技术。与使用位（可以是0或1）的经典计算机不同，量子计算机利用量子比特（qubits），它们由于超位置现象可以同时表示0和1。这个特性使得量子计算机能够同时执行大量计算，提供巨大的计算能力。然而，由于需要持续进行错误修正，量子计算机的有效计算时间仍然受到显著限制。 “量子比特是量子计算机的基本组成部分，对其周围环境极为敏感。即使是微小的电磁干扰也会不可预测地改变量子比特的值，导致干扰量子计算的错误，” 查尔姆斯科技大学量子技术研究专家阿米尔·阿里（Aamir…

研究人员开发了新技术，以在真实条件下测量类别L车辆的排放并确定适当的限值。 作为一个国际项目联盟的一部分，格拉茨科技大学（TU Graz）开发了新的测量技术和方法，以在真实操作中测量类别L车辆的排放并确定相应的限值。 2015年爆发的汽车排放丑闻引发了行业内的重大变化。关键的讨论之一是有必要对车辆进行真实的排放测试，而不仅仅依赖于在受控环境下进行的测试。虽然这些测试和排放限值已成为汽车的强制规定，但对于包括摩托车、摩托车、三轮车和四轮车在内的类别L车辆依然不适用。通过欧洲委员会资助的“LENS”项目（L车辆排放与噪声减缓解决方案），格拉茨科技大学及其国际合作伙伴开发了适当的测试程序和设备。该项目的成果将为立法者未来的法规提供信息，为执法机构装备识别排放违规者和篡改车辆的能力，并允许制造商根据需要调整其车队。 全球独特的方法和技术…

最近的科学研究正在调查深度神经网络（DNNs）如何改变香水设计的方式。通过检查180种精油的感官数据，研究人员使用来自94种精油的气味描述信息训练DNN，以创建香水档案。这些档案随后通过感官测试进行了验证，以确保其与人类的嗅觉相匹配。这项研究突显了技术简化香水创作过程、降低成本和促进创新的潜力，为个性化和可扩展香气创作的激动人心的发展铺平了道路。 深度神经网络（DNNs）正在成为推动多个领域创新的关键因素，包括医疗和制造业。它们分析大量数据集，揭示模式，并提供精准的预测，从而改变我们处理复杂任务的方式。由于DNNs，一个领域正在经历重大变革，即嗅觉体验的数字化，该领域传统上依赖于人类专业知识和感官评估。一项最近的研究旨在通过调查DNNs如何协助香水设计来改变这一规范。 此外，一种重现气味的方法被引入，通过调整有限数量气味成分的混合比例，可以创造出多种香气。这些成分是通过结合在研究中研究的精油进行准备的。 由日本东京综合研究所（IIR）未来跨学科研究实验室（FIRST）的高道中教授领导的团队，于12月28日在《科学报告》上分享了他们的发现。该研究回应了对更先进和高效的香水开发实践日益增长的需求，旨在利用DNNs通过多方面的感官数据预期气味轮廓，来有效地生产所需的气味，而不是采用传统的试错方法。 高道中表示：“我们相信将DNN与化学和感官科学结合可以为香水开发提供全新的视角。我们的研究涉及分析180种精油的质谱数据，以深入了解其芳香成分。我们训练了一个DNN，以利用这些成分的组成来预测气味描述符。这个DNN具有多个层，优化以识别其成分与所产生气味之间的复杂关系。”为了提高模型的有效性和适应性，团队使用精油光谱的随机混合丰富了数据，并引入噪音，确保模型能够处理现实世界中的复杂性。在DNN产生气味成分组合后，人工测试员将DNN生成的气味与参考油进行了比较。…