量子计算机必将破解现有加密代码。现代加密依赖单向复杂数学函数，安全性建立在经典计算机解密需数千年基础上。但量子计算机可轻松破解，且比预期更接近现实。 Google和瑞典KTH皇家理工学院研究人员开发更高效量子算法，大幅降低解密资源需求。考虑噪声因素，原本需10亿量子比特分解2048位数，新算法仅需2000万量子比特，8小时即可破解2048位RSA加密。 模幂运算优化 新算法高效执行模幂运算（Shor算法中计算量最大的步骤）。研究者找到多种优化路径，显著降低算法运行资源需求。虽2000万量子比特计算机近期难实现，但安全专家须着手开发抗量子加密新形式。 参考文献：arXiv:1905.09749

科研论文充斥专业术语，非专业读者难以理解。MIT和卡塔尔计算研究所科学家开发新AI模型，能阅读科学期刊并用几句话生成通俗英语摘要。虽无法取代科技作家，但能帮助他们快速浏览大量期刊掌握大意。 团队原本旨在开发神经网络解决物理问题（如光在复杂材料中的行为），后发现相同方法可更高效处理语音识别、自然语言理解等复杂计算任务。 核心创新：旋转记忆单元（RUM） 循环神经网络（RNN）是处理语言建模、文本摘要、聊天机器人等任务的标准网络。长短期记忆（LSTM）和门控循环单元（GRU）虽改进长序列信息关联，但在合成任务上仍显记忆和回忆不足。研究者开发替代方案RUM：基于多维空间向量旋转，而非传统矩阵乘法。用

AKQA数字机构开发者利用机器学习技术，创造出全球首个由AI构想、人类验证的新运动——Speedgate。这是一项趣味性强、强调团队协作和传球得分的体力游戏，易学易练，适合所有人，能提供良好锻炼。 神经网络训练 团队在400多种运动、7300多条规则、1万张品牌图像上训练深度卷积生成对抗网络和循环神经网络（带反馈回路的人工神经网络）。使用NVIDIA Tesla GPU训练推理，网络能从玩法、规则到标志生成各方面创意。开发者从网络生成的多个官方标志中汲取灵感，确定形状和配色方案，超越传统文本聚焦风格。GPU技术让他们在更短时间内获得大量独特机器学习贡献，达成最佳结果。 来源：PlaySpeed

锂离子电池因高能量密度、长寿命、低成本被广泛应用。随着混合动力和电动汽车普及，电池健康分析日益重要。但监测电池健康状态（SOH）耗时且损伤电池。SOH反映电池相对初始条件的储能能力，新电池为100%，随时间衰减。准确评估SOH对安全使用至关重要，但目前无无损精准测量技术。 SOH测定难点 电池老化伴随两大因素：容量衰减（存储容量渐失）和内阻增加（阻抗上升导致功率下降）。两过程在相似时间尺度发生，难以独立分析，无法用单一直接测量评估SOH。传统技术需评估电极间相互作用，会使电池不稳定。现有非破坏性方法分自适应模型（需实验数据训练）和实验方法（能估算容量衰减率但漏检间歇性故障）。 AI精准预测电池

蛋白质是人体主要构建块，由氨基酸组成，通过折叠成精确三维结构执行几乎所有基本生物过程。蛋白质形状决定其功能及疾病关联，预测结构对开发救命药物至关重要。然而，蛋白质折叠问题困扰生物化学家半个世纪之久。 哈佛医学院研究人员利用深度学习模型，仅凭氨基酸序列即可确定蛋白质3D结构。该模型在速度上比现有最先进技术快6至7个数量级。 端到端可微分深度学习 传统算法用暴力模拟氨基酸相互作用的复杂物理过程，或将新序列映射到已知结构模板。Google AlphaFold等项目虽解析大量基因组数据，但无法仅凭序列预测从未研究过的进化独特蛋白结构。 研究团队采用端到端可微分深度学习技术（如Google Transl

机器人技术已成为分析动物行为的关键工具。近年来，研究人员开发出能发射特定信号的机器人，将其融入动物群体中，或作为观察者、模拟捕食者，或模仿社交信号参与群体互动。 瑞士联邦理工学院研究团队更进一步：他们利用特殊机器人，让两种截然不同的物种——鱼和蜜蜂——跨越430英里距离进行互动。机器人终端在蜜蜂群中发射温度变化、振动和气流信号；在鱼群中发射视觉（条纹、颜色、形状）和行为（振动、加速度、尾部运动）信号。机器人捕捉双方动态，互换数据并转换为对方物种适宜的信号。 实验过程 此前，团队已在雏鸟和蟑螂群体中测试“间谍”机器人。2018年，他们将机器人置于环形水族箱的鱼群中，成功引导所有鱼按指定方向游动。

神经元的电学动力学与纳米磁体的开关动力学惊人地相似。磁隧道结设备表现出的随机开关行为，恰好对应神经元的S型开关特性，因此可用于存储突触权重。 普渡大学研究人员利用磁体这一独特特性，开发出一种方法，可帮助AI机器人在物体识别任务上达到人类般的能效。该方法将磁学与类脑网络融合，教导无人机、自动驾驶汽车和机器人更好地泛化识别多种物体。 全新算法架构 脉冲神经网络（SNN）是实现智能神经形态系统的有力候选，其计算资源需求远低于传统神经网络。这类网络以稀疏脉冲事件的形式编码和传输数据。 研究团队采用尖峰时间依赖可塑性（STDP），开发出一种名为Stochastic-STDP的新型随机训练算法。这是一种深

莫斯科物理技术学院研究揭示：单一半导体即可实现超注入效应，无需异质结构。钻石和氮化镓室温下即可发生强超注入，钻石超注入浓度比理论极限高1万倍，可作紫外LED基础，亮度比异质结构激光器/LED高100倍。 打破异质结构垄断 现代LED/激光依赖异质结构：窄禁带半导体夹在宽禁带材料间，正向偏压下中间层载流子浓度升高（超注入）。但异质结构需晶格周期匹配减少界面缺陷，制造难度大。同质结构（单一半导体）长期尝试未果。新研究证明超注入可在单一半导体中实现，且适用已知材料。 广泛应用前景 超注入可在从2D材料到宽禁带半导体的多种材料发生。可制造高效紫/紫外/白/蓝LED、Li-Fi光源、早期疾病诊断光学

哈佛大学团队利用量子级联激光器频率梳，演示无线收发微波信号：调制频率梳编码数据经偶极子天线发射，号角天线接收射频信号经滤波传输计算机；也能接收无线信号控制激光行为，成功无线传输歌曲。频率梳等间距多频率同步发射，腔内不同频率拍频产生微波辐射，电子在通信频谱频率振荡。 混合电子光子设备路线图 激光射频收发为超高速Wi-Fi和混合电子光子设备铺路。虽太赫兹无线通信尚远，但提供清晰技术路线图。2017年同团队发现红外频率梳产生太赫兹频率，2018年证实频率梳可作集成收发器高效编码数据，此次实现微波无线调制收发。

哈佛医学院团队开发XDREAM算法：生成式深度神经网络配合遗传算法，实时根据猕猴视觉神经元放电率自适应生成合成图像，精准揭示单个神经元偏好。实验中，初始灰度纹理图经数小时0.1秒闪呈演化，最终形态完美体现神经元偏好。 惊人发现与一致性 多数神经元演化出极相似图像。符合预期者如：预期响应面孔的神经元演化出带两暗点（类眼）的粉色圆形。惊人者：一神经元持续生成脖子有红斑的猴子体图，证实该猴子曾与戴红项圈同伴共养。也有无法解释图像：无定形暗形、微小黑块。神经元响应非天生，而是特定时期持续视觉刺激的结果。 认知疾病研究启示 理解视觉皮层对特定图像的响应机制，有助于阐明自闭症谱系障碍、学习障碍等认知相

加州大学旧金山分校团队利用生物仿生法，基于声道运动及其产生的声音，开发循环神经网络将高密度皮层脑电图（ECoG）信号解码为可听语音。5名癫痫患者朗读句子时记录脑表电极信号，网络显式引入发音动力学中间表示，最终合成语音声学特征。 核心技术突破 堆叠深度编码器-解码器网络显式整合脑信号解码神经活动的主要生理相关性，再转为语音声学。ADAM优化器训练，首/二阶段batch size分别256/25。统计映射实现小数据泛化：25分钟语音即达满意性能，数据越多效果越好。直接语音合成捕捉音调语调等文本输出无法提供的韵律要素。 临床转化前景 现有辅助设备逐字打字仅10词/分，远低于自然对话150词/分。

俄亥俄州立大学和弗吉尼亚大学物理学家研发新热电制冷设计，结合两类高有效热导率材料：磁子阻尼金属（钴，电子与磁子相互作用携带额外热）、Kondo效应金属（铈-钯，电子强相互作用增强单电子热流）。5安培电流下主动模式比被动模式多导出0.1瓦热量，有效热导率达1000 W/m·K（被动仅40）。 双模式适应计算负载 新优化指标有效热导率=主动热导率（通电开启）+被动热导率。双模式冷却器适配处理器：低负载被动模式，高CPU占用切换主动模式。区别于传统帕尔帖制冷（维持冷端低温），主动制冷加速热量从热端向相对冷环境的自然流向，最大化热端散热同时最小化温降。

NVIDIA开发ClearSightNet深度神经网络，实时评估自动驾驶相机能见度，将画面分为遮挡区（不透明物体遮挡/饱和像素，感知完全受损，红色标记）和能见度降低区（雾/眩光/大雨部分遮挡，决策需降低置信度，绿色标记），显示受影响面积比例。 赋能自动驾驶决策 雨雪遮挡降低相机视力，阻碍感知系统验证传感器数据。ClearSightNet在处理管线早期发现无效数据，支持：跨广泛原因推理能见度降低、提供可执行数据、低算力开销跨相机运行。自动驾驶可据此禁用自动功能、提醒驾驶员清洁挡风玻璃/镜头。Xavier平台上集成GPU 1.3ms/帧、离散GPU 0.7ms/帧，已集成NVIDIA DRIVE

MIT工程师开发非侵入式负载监测（NILM）系统，传感器夹在电线外部，通过分析设备开关瞬间电流电压微小波动，识别水泵、电机等设备异常征兆，实时图形化显示：正常绿区，故障红/黄区预警。适用中型工厂、舰船等中小型电气系统。 实战验证：海岸警卫队巡逻舰 在USCGC Spencer号上部署2个传感器监测20台电机设备，成功定位一台线路烧毁的电机，避免严重船上火灾。硬接线和非接触版传感器均测试，确信非接触版亦能检出。系统支持活动监测、状态跟踪、能源记账，本地离线分析计算，物理电子隔离防篡改防窃密，适合军工、化工等危险品实时监控场景。

华盛顿大学与微软联合构建首个全自动DNA数据存储原型系统，成功存储并检索5字节HELLO。DNA存储密度极高：仓库级数据中心数据可装入火柴盒大小空间，适当条件下保存时间远超硅基芯片（数十年退化）。 自动化流程与分子计算 系统将数字数据（0/1）转换为DNA构建块（A/T/C/G），利用现成仪器输送化学试剂至合成器生成DNA片段并存入容器。读取时制备DNA经微流体泵送至测序区，转回数字数据。还开发纯分子层面计算：仅用分子操作即可搜索检索含特定图像（如绿色自行车、苹果）的数据，无需转回数字格式。 全新计算范式 DNA系统用液体化学品移动分子，本质区别于电子流计算，需全新工程方案。这是分子存储+

哈佛大学和图宾根大学开发DeepLabCut，基于迁移学习的无标记姿态估计工具，仅需约200帧标注即达人级精度追踪移动物种体部。预训练于ImageNet的深度神经网络特征检测器，微调后能定位广泛实验相关体部。 四阶段工作流程 从视频提取多帧用于标注 用标签生成训练数据 按需求特征集训练神经网络 从未标注数据提取特征位置 NVIDIA Titan Xp/GTX 1080 Ti GPU加速TensorFlow，可处理682×540帧@30fps。支持自适应裁剪输入帧、调整网络架构提速，提供基于姿态估计的实时反馈。 跨物种通用性与应用价值 无需计算身体模型、时间数据、火柴人或复杂推理算法，可

MIT研究者用K-means聚类分析ECCO（海洋环流与气候估算）二十年全球海洋数据，识别出5个动态一致区域覆盖93.7%世界海洋，各区主导物理参数明确。最大簇占全球海洋43%，主导参数为海面风应力与底部扭矩平衡，分布于副极地/副热带环流、北冰洋大部、南大洋薄带。 数据驱动的海洋物理新认知 传统依赖准层流大尺度描述（Stommel-Arons流、深渊配方、Sverdrup平衡）。现代观测建模揭示海洋物理具有复杂时空变异性，每区状态取决于局地气象、边界邻近度等多因素。人工无法解读海量盐度、速度、温度、深度剖面数据，机器学习提取出有物理意义的模式。 后续研究方向 剩余6.3%海洋区域难以确定，

西北大学研发新一代金属透镜：银纳米颗粒阵列配合聚合物薄膜，通过溶剂辅助纳米压印（SANE）重排聚合物块，无需改变纳米结构即可将光导向任意可编程3D焦点，实现单焦到多焦动态切换。 柔性重构机制 金属透镜构建块为硬材料，制造后不可变形，难以按需配置纳米特征实现可调聚焦。新设计利用两类相位单元构成方晶格：暴露于空气的银纳米颗粒、覆盖薄介质块的同类颗粒。晶格演化算法配合有限差分时域仿真电场数据，调整两类构建块排列开发面晶格谐振金属透镜。软弹性体掩膜可重构先前聚合物图案，多次擦写不降性能。 便携成像与光电集成前景 该灵活技术单步擦写即可生产多种透镜结构，有望替代传统折射透镜，实现光电设备和便携成像系

MIT和NASA联合开发由大量相同微小部件组装的新型机翼，可变形控制飞行，大幅提升生产维护效率。在NASA风洞测试，单个部件注塑成型仅需17秒，易于自动化装配。晶格密度仅5.6 kg/m³，橡胶密度1500 kg/m³，同等刚度下轻近1000倍。 颠覆传统机翼设计 传统机翼需独立可动面控制滚转俯仰，新设计混合柔性与刚性模块，实现整翼或局部变形。各飞行阶段（机动、巡航、起飞、着陆）需不同翼参数，传统固定翼无法全优化，动态变形翼可按需提供最佳构型。自动响应气动载荷变化，属被动自调节重构系统。 广泛应用潜力 模块化结构不限形状，可任意成型。近期最有前景应用：风机翼型叶片（解决长叶片运输难题）、空

亚利桑那州立大学和多伦多大学生物物理学家开发艾萨克爵士算法，基于机器学习精准预测秀丽隐杆线虫（C. elegans）对激光刺激的逃逸行为。算法搜索复杂生物系统底层定律，类比牛顿运动定律对力学系统的描述。 线虫激光刺激实验 秀丽隐杆线虫长1毫米、透明、仅302个神经元、动作有限，是标准实验模型。研究者用激光击打线虫头部中断前进，记录前几秒运动数据输入算法。线虫反应各异：有的短暂停顿、有的快速反向，但对高温（强激光）均快速反应。90%以上激光刺激后的运动变异性可被生物学解释。 长期目标：加速科学假设验证循环 艾萨克算法在考虑复杂感觉处理、神经活动、肌肉激活后，给出简洁数学描述。预测线虫受刺激运