密歇根大学研究者发现：声波可将硬盘驱动器变为麦克风，高保真提取解析人类语音，甚至能让Shazam识别附近音乐。攻击需通过钓鱼、植入病毒/木马等修改硬盘固件。机械磁盘读写头定位系统受声波振动影响，位置传感器输出电压信号反映声波，从而记录语音。 传感器脆弱性的广泛性 研究展示电磁/声学干扰可篡改多种传感器输出：热电偶输出-1044°C（室温下）、起搏器电压监测失真、Fitbit虚增步数、加速度计输出电压图拼出WALNUT。波形可隐藏在音轨中，诱导受害者播放媒体即可劫持设备。 防御建议与行业警示 建议硬盘厂商加密签名固件、使用TLS分发更新。研究者担忧严重依赖传感器的系统：航天器、自动驾驶、胚胎

Google、MIT、普林斯顿、哥伦比亚大学联合开发TossingBot，融合深度学习与抛体物理学，在非结构化环境中快速准确抓取投掷任意物体至指定位置。14小时训练达成85%投掷准确率、87%杂乱环境抓取可靠性，拣选速度提升2倍、有效放置范围扩大2倍。 物理与深度学习的互补融合 投掷涉及物体形状、质量、空气动力学、摩擦等复杂因素，显式建模不可行，试错太贵。深度学习让机器人从经验学习，抛体物理提供初始控制器（计算达标位置所需抛掷速度），神经网络预测修正量补偿现实世界变异性和噪声。依赖NVIDIA Titan GPU实时重构RGB深度相机捕捉的3D场景。 局限与未来改进 现假设物体足够坚固抗落

莫斯科物理技术学院科学家开发通用公式，利用输入输出参数快速判定任意纳米激光器的阈值电流，解决了相干光难测量、无阈值纳米激光器难区分发光二极管相与真实激光相的难题。 纳米激光器相干性测量难题 纳米激光器腔极小（光波长量级），难以确定其输出辐射何时变相干。真实激光需满足相干辐射要求，相干性在阈值电流以上实现。低于阈值时发射自发辐射，与LED无异。部分器件泵浦电流-输出功率曲线无特征（无阈值），难以确定阈值。 直接测量相干性的新方法 研究者利用主要激光参数量化纳米激光器辐射相干性，可精确确定几乎所有纳米激光器（含无阈值型）的阈值电流。开发的简单通用公式结合输入输出参数，让物理学家预先预测任意结构

美国国家标准技术研究院（NIST）研究人员在纳米线核壳结构中引入微量铝，将紫外LED光强提升至传统设计5倍。核心为硅掺杂氮化镓（富电子），壳层为镁掺杂氮化镓（富空穴），电子空穴复合产生电致发光。 铝掺杂抑制电子溢出与光再吸收 2017年团队曾注入电子至壳层与空穴复合产生高强度光。新研究在壳层加入少量铝，引入电流不对称性，阻止电子进入壳层，将空穴和电子限域在纳米线核心，实现5倍光强增强。采用p-i-n三层结构制造，纳米线长440nm、壳厚40nm，所得LED近10倍尺寸增大。 专利应用与后续展望 团队持有专利：集成LED与微波扫描探针显微镜，可安全无接触测试半导体纳米结构，也适用细胞结构和蛋

加州理工学院研究人员理论证明：在物体表面刻蚀独特纳米图案，可使其在光束中自稳定悬浮并推进。光源可距物体数百万公里，有望开发激光驱动星际飞船，无需携带燃料即可达相对论速度访问恒星系。 自稳定光学操控原理 纳米图案与光相互作用产生恢复力矩，使物体在光束中平衡，编码自身稳定性，无需高聚焦激光。通过控制物体表面光散射各向异性实现宏观物体自稳定光学操控。研究者寻找光学响应不对称性，确保偏离平衡时产生恢复力矩，开发纳米光子元件群展现被动自恢复动力学。 渐进式应用路径 虽星际飞船尚远，但原理正在测试。近期可提升电路板等微小物体制造。航天器蚀刻纳米图案后，可由地球激光束驱动加速，无需燃料即达相对论速度探索

美国国防高级研究计划局（DARPA）宣布启动MACH计划（高超音速材料架构与表征），旨在开发能承受极高热流、性能超越现有碳-碳复合材料系统的锐利前缘解决方案。高超音速指超5马赫（音速5倍），如X-15实验机1967年达6.7马赫，但仅维持极短时间。 计划架构与技术路线 核心目标：创建热管理型锐利前缘架构，用于高升阻比高超音速飞行器，在强热流下运行，无磨损前缘将提升飞行速度和航程。计划分两大任务：T1 开发测试集成热管理系统的缩比前缘；T2 下一代高超音速材料研究，突破T1性能指标。为期4年两阶段：第一阶段27个月，第二阶段21个月。 关键技术探索方向 新材料空间：陶瓷成分、新金属合金、2

洛约拉大学医疗系统研究者利用自然语言处理（NLP）和机器学习，从临床医生笔记中识别创伤患者酗酒情况，准确率达78%。美国10%死亡与酗酒相关，2002-2012年滥用率上升9%，1/3创伤患者有酗酒问题。 优于传统筛查的自动化方案 现行AUDIT（酒精使用障碍识别测试）10项问卷有缺陷：需新增表单流程、患者可能隐瞒、人工实施耗时耗力。NLP分类器利用提供者文档、代理报告、实验室数据、用药记录及入院24小时内其他医护笔记，自动化克服患者和人员障碍。 研究数据与关键发现 研究用3.5年内1422名成人创伤患者数据，含9.1万+临床笔记、1.6万+医学概念。通过知识抽取系统和临床文本分析识别出1

加州大学研究团队利用卷积神经网络分析PET脑扫描，在最终确诊前平均6年、且对所有40例测试样本实现100%敏感度识别阿尔茨海默症。美国现有超500万患者，预计2050年达1400万，每65秒新增1例，为第六大死因。 深度学习捕捉脑代谢微妙变化 阿尔茨海默症特征性降低脑葡萄糖代谢，但肉眼难辨识。研究者在ADNI（阿尔茨海默症神经影像计划）2100余例PET扫描（1000+患者）上训练模型，90%训练、10%测试。使用NVIDIA TITAN Xp GPU和CUDA深度神经网络库训练CNN。 临床转化前景与挑战 独立测试组40例患者全被正确识别。但研究者谨慎指出验证集规模不足，需更多数据成熟工

现代科技的基石源于历代科学家的奠基性理论。本文梳理9大改变世界的技术定律，按影响力倒序呈现： 9. 勾股定理 历史：古希腊数学家毕达哥拉斯首创，现有数百种证明。含义：直角三角形斜边平方等于两直角边平方和。应用：三角学基石，GPS导航测绘核心算法。 8. 微积分基本定理 历史：格雷戈里和巴罗首证，牛顿和莱布尼茨定型现代微积分。含义：联结微分与积分，允许计算瞬时变化率。应用：医学、经济学、计算机科学中求最优解的核心工具。 7. Logistic模型 历史：韦hul斯特1844年提出，前期指数增长，饱和后停止。含义：S型曲线，值在正负无穷间，e为自然对数底数。应用：生物学、生态学、人工神经网络

MIT MCube实验室开发出能玩叠木游戏的机械臂，融合视觉与触觉感知，仅经300次尝试即学会精准抽取木块而不倒塔。这展示了AI向物理世界迈进的关键一步：机器人通过交互学习人类操作的基本技能。 层次化模型与聚类学习策略 不同于需海量数据的传统强化学习，该机器人采用层次化模型，将相似结果和测量值的尝试聚类，每簇代表特定木块行为，为每簇建立模型估计木块在当前视触觉测量下的行为。这种受人类自然学习启发的聚类策略，大幅提升学习效率。 硬件配置与实时决策 机器人配备外部RGB相机、软指夹爪和力感知腕部传感器。实时捕捉触觉与视觉反馈，与历史动作对比，准确估计木块状态、模拟可能动作并决策最优选择：继续推

国际研究团队利用深度学习分析14.9万份匿名血液生化记录（含4.9万吸烟者），发现吸烟显著加速生物衰老：男性吸烟者生物年龄约为实际年龄1.5倍，女性高达2倍。该研究基于监督深度神经网络，观测66项血液指标（含血清铁蛋白、空腹血糖、血尿素、血红蛋白等），使用NVIDIA TITAN Xp GPU和CUDA框架训练。 深度学习量化衰老加速 吸烟导致严重疾病、损害几乎所有器官，全球每年超600万人死于吸烟相关疾病。以往虽知吸烟与心血管疾病、癌症、全因死亡率相关，但缺乏量化分析吸烟对生物衰老速率影响的有效检测手段。本研究利用AI从常规血液检测海量数据中挖掘模式，填补了这一空白。 临床应用潜力 结果

密歇根大学研究人员开发出AI系统，能同时预测45米内多名行人的姿态和未来位置，中位平移误差1秒后仅10厘米、6秒后不足80厘米，远优于现有技术（误差达7米）。 生物力学启发的循环神经网络 传统自动驾驶技术处理二维静态图像，难以捕捉行人三维动态。新技术利用数秒视频片段识别运动模式，基于长短期记忆网络（LSTM），融入人类步态生物力学先验知识：身体左右/双侧对称性、行走周期性等物理约束（如最大步行/奔跑速度、不能飞行），大幅缩小预测搜索空间。 关键行为线索 系统观察行人姿态——是否左顾右盼、玩手机等，这些信息强关联下一步行为意图。神经网络在PedX真实路口数据集上训练，使用双NVIDIA TI

麻省理工学院研究团队利用光声效应，用激光将60分贝声音传输给2.5米外的特定目标。该技术利用大气水蒸气吸收光能产生声波，激光波长选择得当时甚至干燥环境也能工作。 核心原理：光声效应与激光扫描 系统依赖光声效应——材料吸收光后产生声波，光强必须变化才能产生此效应。研究者利用大气水蒸气吸收光生成声音，并证明以声速扫描激光束（波长易被水吸收）是高效发声方法。类似动态光声光谱技术，曾用于远距离探测微量爆炸物。 定向传输的独特优势 激光扫描法最令人印象深刻的是：音频仅能在距发射端特定距离处听到。信号可精准发送给特定个人，而非光束路径上所有人。实验中，用商用设备向2.5米外目标传输60分贝声音。团队也

佐治亚理工学院研究发现，自动驾驶系统的目标检测算法对深肤色行人的检测准确率平均低5%。根因在于训练数据集以白人图像为主，缺乏种族多样性，导致算法对深肤色样本学习不足。 不同人群的错误率差异 团队分析了大量行人图像数据集，按肤色分组测试最先进的目标检测模型。结果显示，即使调整遮挡视角、拍摄时间等关键参数，对深肤色群体的检测准确率仍持续低5%。研究虽基于公开数据集的研究型模型，未涉及商用自动驾驶系统，但揭示了真实存在的缺陷与风险。 偏见算法的成因 这不是首例偏见算法报告。去年研究发现微软、IBM、旷视三大科技公司的人脸识别系统更易误判深肤色人群性别。AI模型特别是深度学习算法从训练数据学习，数

俄罗斯莫斯科物理技术学院的物理学家们在2量子比特和3量子比特量子计算机上成功创造了一个逆热力学时间箭头方向演化的量子态。这一突破可用于提高量子计算精度，减少错误和噪声。 时间不可逆性的物理学困境 看似时间对称的物理定律为何导致不可逆性？科学家们探索多年。在经典统计力学框架下，这关联到热力学第二定律：封闭系统熵在能量转换或物质自由移动时增加。2018年，该团队曾通过麦克斯韦妖装置报道违背第二定律；如今他们从新角度切入——开发出逆热力学时间箭头演化的量子态。 四阶段实验过程 有序态：初始时每个量子比特处于基态（代表0）。 退化态：启动演化程序将量子比特状态变为0、1或叠加态。 时间逆转：本研

加州大学伯克利分校的研究人员开发了一种基于机器学习的感知框架，使机器人能够仅通过触觉识别90多种不同的物体。该系统结合视觉和触觉观测，判断这些观测是否对应同一物体，实现了类人的多模态感知能力。 人类与机器人的感知差异 人类擅长跨模态关联物体的外观与材质属性。看到剪刀时，我们能想象手指触摸金属表面的触感，在脑海中构建其大小、形状和比例的完整图景。然而，机器人的感知天生不具备多模态特性。尽管配备先进摄像头的机器人能区分不同物体，但单纯依靠视觉在遮挡和弱光条件下往往失效。 研究方法：GelSight触觉传感器与卷积神经网络 研究团队在机器人手指上安装了两个高分辨率GelSight触觉传感器，并采

代尔夫特理工大学量子电路实现射频单光子探测 弱射频电磁场探测对核磁共振成像、射电天文至关重要。量子光学中最弱信号为单光子，但MHz频段下热涨落即使在极低温也难消除，单光子探测操控极难。代尔夫特团队构建量子电路电动力学架构，实现射频谐振器量子态读取与操控，可探测量子力学允许的最微弱信号——单光子/能量量子。 量子阶跃与电路架构 量子力学中能量以离散“量子阶跃”变化(如推购物车只能一阶跃一阶跃加能)。新架构能探测射频信号中的这些微小量子阶跃，并可将电路QED与MHz频段其他物理系统(宏观机械振子、自旋系统)接口。 瞄准量子引力：宏观物体量子振动监测 团队目标超越量子传感：利用量子射电监听并操控

从弱AI迈向模式推理：Schema驱动的全球事件关联系统 DARPA推出KAIROS(Knowledge-directed Artificial Intelligence Reasoning Over Schemas)计划，构建半自动化系统，检测并关联全球发生的数十亿事件，发掘混乱中的隐藏模式。核心引入“Schema”(图式)——1920s概念，将事件组织为常见叙事结构(如购买交易包含买卖角色、商品支付动作、金额阈值时间约束)。 两阶段实施路径 阶段一：从海量数据中识别、分类、聚类事件，基于推理与语言推断生成Schema；采用泛化、组合、特化程序构建高效描述复杂事件的Schema，注入领域

可行性研究：1-2兆瓦激光+30-45米望远镜=星际信标 MIT研究者James Clark与Kerri Cahoy在《天体物理杂志》发表研究：现有激光望远镜技术可构建星际信标，吸引2万光年外外星文明注意。需将1-2兆瓦激光聚焦通过30-45米口径望远镜射向太空，产生的红外光束强度超太阳。 编码简讯与探测距离 外星天文学家巡天易检测此类信号，邻近系统(比邻星b 4光年、TRAPPIST-1 40光年)更易捕获。建立联系后，可用5×5敲击码或莫尔斯脉冲编码简讯，以数百比特/秒速率闪烁，数年即达。2兆瓦激光+30米望远镜可覆盖比邻星b；1兆瓦+45米望远镜可覆盖TRAPPIST-1；两者均可在2

微型卫星数据传输瓶颈与激光破解 超2000颗CubeSats(10cm立方单元、<1.33kg)已发射/规划发射，成本低、风险小，但受限于体积与功率，难以高效下传海量数据(高光谱成像仪等新载荷加剧需求)。传统射频通信需大天线、高功率发射器，CubeSats难负担且难获高频段授权。 激光指向平台：微型MEMS镜+校准光束 MIT研发魔方大小激光指向系统：可转向MEMS微镜反射激光束指向地面接收站，单次飞越可传太比特数据；多星组网可实现全球实时覆盖。激光波束极窄，指向精度要求极高。系统引入校准光束：数据光束与不同波长校准光束同轴反射，校准光束经二向色分束镜偏向机载摄像头，同时接收地面站反馈光束；