研究人员使用声波将硬盘驱动器变成麦克风。 这种无意的麦克风可以高保真地提取和解析人类语音。 该方法需要通过网络钓鱼和注入病毒、木马等旧的黑客技术来修改硬盘固件。 如果您担心各种计算机病毒和恶意软件，那么还有一个不受欢迎的消息：电子设备不仅容易受到基于软件的攻击，还容易受到物理攻击。 最近，密歇根大学的研究人员发现，个人电子产品和家用设备可以通过声波和其他干扰源进行控制或操纵。在计算机中，这些波可以使硬盘驱动器在您不知情的情况下记录您的声音。 研究表明，磁性硬盘中的机械部件充当麦克风，具有足够的精度来提取和解析人类语音。事实上，这些无意的麦克风可以以足够高的保真度录制附近的音乐，以至

新机器人学会拾取任意物体并将其扔到特定位置。 它同时使用深度学习和弹丸物理学，在非结构化环境中准确快速地抛掷物体。 在 14 小时的训练时间内，它实现了 85% 的投掷准确率，87% 的杂波把握可靠性。 在过去十年中，在使机器人更智能以更有效地完成特定任务并从现实世界中学习经验方面取得了重大进展。然而，机器人在基本技能上——比如接球、摆动、旋转和抛掷——仍然远远落后于人类。 现在，谷歌、麻省理工学院、普林斯顿大学和哥伦比亚大学的研究人员开发了一种新的机械臂，可以学习捡取任意物体并将其扔到特定位置。它同时使用物理和深度学习方法，在非结构化环境中准确快速地抛掷随机物体。 他们将这个机器

纳米激光器产生的相干光很难测量。 研究人员发现了一种执行此类具有挑战性的测量的方法。 他们开发了一个简单的公式来确定纳米激光器在什么条件下才算是真正的激光器。 最近几年，纳米激光器已成为一种新型光源，其尺寸约为十亿分之一米。其独特的特性使其有别于宏观激光。 纳米激光器的设计与传统的基于异质结构的半导体激光器的设计非常相似。然而，它们的腔体非常小：在光波长（红外和可见光）的大小上。 未来几年，纳米激光器将用于集成光学电路，以提高 GPU 和 CPU 的性能，并通过光纤将互联网连接速度提高多个数量级。它还可以与用于控制生物体中神经元活动的技术相结合。 在纳米激光器中实现一致性 纳米

研究人员使用纳米线和一种特殊类型的外壳来制造紫外线发光二极管。 它们产生的光强度是基于传统外壳设计的 LED 的 5 倍。 紫外发光二极管（UV LED）在水净化、光谱学、光聚合物固化和医疗消毒等方面的应用越来越多。 基于纳米线的深紫外 LED 最近受到了很多关注，因为它们可以提供与其纳米级尺寸和离散特性相关的新功能。例如，单纳米线 LED 可用于构建用于亚衍射光学光刻的新系统，该系统可放大为用于晶圆级光刻的像素化阵列。 最近，美国国家标准与技术研究所的研究人员使用一种特殊类型的外壳开发了基于纳米线的 UV LED，其产生的光强度是基于传统外壳设计的 LED 的 5 倍。 他们是怎么

尽管仍处于理论阶段，但该技术可用于通过光束悬浮不同大小和形状的物体。 它还可以用于开发用于太空探索的激光推进航天器。 光施加力和扭矩的能力是材料光学操纵的关键特征之一。为了使这种操作稳定，源必须表现出足够强的捕获潜力。 在过去的几十年里，科学家们提出了多种基于光的机械操作方法，最著名的是使用激光束的辐射压力来移动和操作微小物体的光镊。这种方法构成了 2018 年诺贝尔物理学奖的基础。 目前，科学家们一直专注于光机械系统中的悬浮动力学，以实现量子力学叠加和基态冷却。 然而，大多数现有技术只能在很短的距离内操纵微观物体。这就像使用吹风机的气流悬浮乒乓球一样。如果球太重，或者离吹风机太

DARPA 宣布了一项名为 MACH 的新计划，旨在为高超音速飞行器打造新的设计和材料。 目标是开发尖端的解决方案，以处理高热通量并提供超越现有碳-碳复合材料系统的性能。 高超音速飞机和武器或许是未来的梦想，但要使之成为现实，研究人员需要开发出先进的材料，这些材料具有令人难以置信的处理超音速产生的极高温度的能力。 对于那些不知道的人来说，任何速度超过 5 马赫（音速的五倍）的东西都是高超音速的。一些车辆已经达到了如此高的速度，但只持续了很短的一段时间。例如，北美的 X-15 是一种试验性有人驾驶飞机，在 1967 年创下了 6.7 马赫的最高速度记录。 设计能够在如此高的速度下承受

研究人员使用自然语言处理和机器学习方法从电子健康记录中的临床医生记录中识别酗酒者。 在 78% 的案例中，AI 能够区分滥用酒精和未滥用酒精的创伤患者。 在美国，多达 10% 的死亡是由于滥用酒精造成的，而这一滥用率在 2002 年至 2012 年间增加了 9%。事实上，每 3 名遭受创伤的患者中就有 1 名滥用酒精。 先前的研究已经证明，每一次外伤都为一个可教的时刻提供了机会。创伤中心的 SBIRT（筛查、短暂干预和转诊治疗的简称）计划已被证明可以减少饮酒量并将损伤复发率降低近 50%。 现在，洛约拉大学健康系统的研究人员已经证明，人工智能 (AI) 可用于检测酒精滥用的创伤患者。

人工智能可以增强大脑成像技术，以在诊断前预测阿尔茨海默病。 本研究中开发的卷积神经网络能够识别导致阿尔茨海默病的脑部扫描（灵敏度为 100%）。 美国有超过 500 万人患有阿尔茨海默病，预计到 2050 年这一数字将达到 1400 万。美国每 65 秒就有一个人患上阿尔茨海默病，这使其成为该国第 6 大死因。 通常，当所有症状都出现时，就会诊断出该疾病，此时脑细胞的损失变得如此严重，以至于无法进行干预。没有任何疗法可以阻止或逆转阿尔茨海默病的进展，但我们可以在早期发现它以减缓其进展并改善症状。 现在，加利福尼亚大学的研究人员描述了人工智能如何增强大脑成像技术，以在诊断前几年预测阿

每年，我们都会看到各种新产品，其中大部分是使用旧技术开发的。一些有影响力的科学家和数学家的诞生就是为了在世界上留下深刻的印象。他们用自己的理论成功地做到了这一点，奠定了现代技术的基础。 在过去的几十年里，世界发生了很大变化，使这成为可能的事情是基于旧的理论和发明。今天，我们向您展示了在改变世界方面发挥了重要作用的技术定律及其影响和应用。 9.勾股定理 历史 ：毕达哥拉斯定理首先由希腊数学家毕达哥拉斯提出并解决。这个定理现在有数百个证明。尽管如此，仍然没有证据表明勾股定理是由不同地方的不同科学家一次或多次发现的。 含义 :直角三角形斜边的平方等于另外两条边的平方和。 申请 :勾股定理被认

研究人员开发了一种机械臂，可以使用触觉和视觉来学习叠叠乐游戏。 在这项工作中开发的机器学习方法可以帮助机器人组装消费产品，并执行其他需要仔细物理交互的任务。 Jenga 是一款复杂的游戏，需要精确的眼手协调和策略。作为人类，我们无缝地整合我们的视觉和触觉来掌握这个游戏。另一方面，机器人尚不具备这种复杂程度。 大多数机器人学习系统只使用视觉数据，没有触觉，这基本上限制了他们了解外部世界的能力。基于无模型强化学习技术的现有学习算法几乎没有能力利用有关物理对象、接触或力的知识。 最近，麻省理工学院 MCube 实验室的研究人员开发了一种算法来使用机器人复制这种能力。与使用大量数据集来评估

工程师使用深度学习方法根据吸烟情况预测生理年龄。 与不吸烟者相比，男性吸烟者的年龄大约是其实际年龄的 1.5 倍。 女性吸烟者的年龄预计是非吸烟者的两倍。 吸烟会导致严重的疾病并损害身体的几乎所有器官。根据疾病控制和预防中心的数据，美国有超过 1600 万人患有由吸烟引起的疾病。在全球范围内，它每年导致超过 600 万人死亡。 许多研究已经表明，吸烟与心血管疾病、癌症和全因死亡率之间存在联系。然而，我们没有用于分析吸烟对生物衰老率影响的信息测试。 现在，一个国际研究小组已经证明，可以使用细胞计数结果和血液生化来预测吸烟状况。他们利用深度学习的力量来确定吸烟会使人在生理上变老。 基

工程师为自动驾驶汽车开发神经网络，以检测人员并预测他们的下一步动作。 它可以同时准确预测距离车辆最远 45 米的多个行人的姿势和下一个位置。 大多数自动驾驶汽车使用各种摄像头、激光雷达和 GPS 生成并维护其周围环境的内部地图。然后，算法会处理这些输入，绘制路径，并将指令发送到控制转向、加速和制动的车辆执行器。 其他参数，如预测建模、硬编码规则、避障和物体识别算法，可帮助软件在遵守交通规则的同时进行导航。这方面的大部分工作都只看静止图像，没有考虑到行人在三维空间中的移动方式。 为了解决这个问题，密歇根大学的研究人员开发了一种人工智能，与现有技术相比，它可以检测人员并预测他们的下一步

研究人员使用激光将 60 分贝的声音传输给站在 2.5 米外的目标人。 他们开发了一种依赖光声效应的方法，当材料吸收光后产生声波时，就会发生这种效应。 第一台激光器是在 1960 年通过受激电磁辐射的光学放大开发的。从那时起，我们已经走了很长一段路。现在用于信息处理（蓝光）、外科手术、条码阅读器、全息成像和材料加工，如切割、标记、钻孔和表面改性。 最近，麻省理工学院的一个研究小组展示了一个非常有趣的现象：他们在没有任何类型的接收器设备的情况下，使用激光将音频信息传输到人的耳朵。这项技术开辟了许多有趣的可能性。 它可以将信息在一定距离外直接传送到某人的耳朵。激光（在任何设置下）对皮肤

自动驾驶汽车检测黑皮肤人的准确度低 5%。 发生这种情况是因为大多数对象检测算法大多是在包含白人图像的数据集上进行训练的。 机器学习模型已经开始在我们的日常生活中找到家。尤其是自动驾驶领域，在过去的十年里，已经从“有可能”变成了“现在可以商用”。 然而，近年来，自动化系统的这些进步引起了人们对自动驾驶汽车的很多担忧，而且关注的清单似乎越来越长。除了担心他们的安全和解决道路障碍的能力外，还需要担心自动驾驶汽车是否会伤害有色人种。 现在，佐治亚理工学院的研究人员进行了一项研究，他们得出的结论是，自动驾驶系统中使用的算法在检测黑皮肤行人时的准确度要低 5%。 某些人口群体的错误率高于其他

物理学家已经成功地创造了一种量子态，它沿与热力学时间箭头相反的方向运动。 他们已经在 2 和 3 量子位量子计算机中证明了这种状态。 它可用于使量子计算机更精确，同时减少错误和噪音。 不可逆性是如何从看似时间对称的物理定律中产生的？多年来，科学家们一直在努力寻找答案。 在经典统计力学的框架内，该问题与热力学第二定律有关，该定律指出，当能量从一种形式变为另一种形式或物质自由运动时，封闭系统中的熵增加。 2018 年，莫斯科物理与技术研究所的俄罗斯研究人员报告说，通过一种称为麦克斯韦妖的装置违反了热力学第二定律。现在，他们从不同的角度解决了这个问题：他们开发了一种与热力学时间箭头方向相

新的基于机器学习的感知框架可以通过触摸识别 90 多种不同的物体。 它同时使用视觉和触觉观察来识别这些观察是否对应于同一对象。 人类擅长将物体的外观和材料特性以多种方式联系起来。当我们看到剪刀时，我们可以想象我们的手指触摸金属表面的感觉，我们可以在脑海中想象它——不仅是它的身份，还有它的大小、形状和比例。 另一方面，机器人的感知本质上并不是多模态的。尽管配备先进摄像头的现有机器人能够区分两个不同的物体，但仅凭视觉往往是不够的，尤其是在存在遮挡和光线不足的情况下。 现在，加州大学伯克利分校的研究人员开发了一种方法，可以让机器人操纵器学习类似人类的多模态关联。它同时使用视觉和触觉观察来

物理学家构建了一种新电路，可以检测射频信号中非常微小的量子阶跃（光子）。 这种新的量子电路可以有多种应用，从核磁共振成像到射电天文学。 弱射频电磁场的探测在包括核磁共振成像到射电天文学在内的多个领域都发挥着重要作用。 在量子光学中，最弱的信号是单光子。以兆赫兹频率检测和操纵单个光子真的很难，因为即使在低温下也无法阻止热波动。 现在，代尔夫特理工大学的物理学家开发了一种系统，使这种检测成为可能。他们建立了一个量子电路，用于检测量子力学理论允许的最弱信号——光子或能量量子。 微小的量子步骤 在量子力学中，能量以一种称为“量子”的微小缝隙的形式出现。请允许我用一个例子来解释这一点：假设

DARPA 希望发现在数字世界中发现的复杂事件。 他们的计划是创建一个半自动化系统，该系统可以检测和绘制目前世界各地正在发生的数十亿事件之间的相关性。 人工智能 (AI) 在当今世界有许多应用。它可以高效地执行广泛的活动，包括遥感、电子交易、医疗诊断和机器人控制。 蓬勃发展的人工智能领域取得了一些令人印象深刻的进步，尤其是在过去几年中。今天，运行在弱人工智能上的机器可以比人类更好地执行各种任务，从识别和整理图像到击败世界上最好的围棋选手和诊断某些类型的癌症。 但是，DARPA 希望通过构建可以在全局混乱中找到隐藏模式的 AI，在该领域更进一步。最近，他们宣布了一项名为知识导向的人工

一项可行性研究表明，地球上的激光和望远镜技术可以用作吸引外星人注意力的灯塔。 需要将 1 到 2 兆瓦的激光通过 30 到 45 米的望远镜引导到太空。 同样的激光可以通过用 5×5 抽头码或莫尔斯码编码的简短信息发送。 我们能否使用现有的望远镜和激光技术向附近的外星智慧发出信号（如果有的话）？我们能否开发出足够强的激光束并将其引导至附近的系外行星？建立联系后，数据的发送速度有多快？ 两位研究人员 James Clark 和 Kerri Cahoy 在发表在《天体物理学杂志》上的一项研究中回答了这些问题。据他们介绍，地球上的激光技术可以作为灯塔，从长达2万光年的距离内吸引外星人的注

一种新的激光指向系统可以帮助 CubeSats 使用更少的机载资源以更高的速率下行数据。 该系统由一个小型可操纵镜子组成，可将激光引导至地面接收器。 在过去的二十年里，超过 2,000 颗立方体卫星——由 10*10*10 厘米肘单位的倍数组成的微型卫星——已经并计划发射到太空。单个立方体卫星通常轻于 1.33 公斤，其电子元件和结构均采用商用现成仪器。 立方体卫星降低了部署成本，最大限度地降低了运载火箭其余部分和有效载荷的风险，而且它们通常适合多次发射。它们彻底改变了卫星技术，因为与传统的重型航天器相比，它们的开发和发射成本更低。 然而，在过去的几年里，这些微型卫星一直在努力将大