科学家多年致力于赋予机器触觉。智能类人机器人和假肢配备电子皮肤，使其能自然协作操纵环境结构。电子皮肤含大规模传感器阵列提供快速躯体感知，但串行传输触觉数据导致读出延迟瓶颈。新加坡大学研究者开发异步编码电子皮肤（ACES），超高响应性和鲁棒性。受神经系统启发，ACES感知压力、温度、湿度，可与几乎所有传感器皮肤层配对有效工作。 工作原理 人体含近72公里神经连接大脑、皮肤、肌肉。研究者以人类神经系统为灵感开发机器人电子皮肤。ACES由覆盖249个传感器的硅层组成。能同时传输热触觉数据，即使传感器数量大（达10,000）仍保持极低读出延迟。演示最多240个人工机械感受器原型阵列，所有异步传输数据延

AI在国际象棋和围棋已证明成功，但魔方等更难组合谜题未通过机器智能求解。虽曾用机器学习技术解魔方，但未能高效可靠求解，且依赖特定领域知识。加州大学欧文分校研究者构建深度强化学习方法DeepCubeA，无任何特定领域知识，几秒内解魔方，无人类游戏内指导。维度增加时组合谜题复杂度剧增。15数码问题常规计算机分数秒找到最优解，24数码问题同机器可能需数天。研究旨在开发无需领域特定人类知识、能学会解各类谜题的机器学习模型。结合三大最先进方法开发DeepCubeA：深度学习、经典强化学习（近似值迭代）、寻路方法（加权A*搜索）。包含使用策略和价值函数结合蒙特卡洛树搜索解魔方的深度强化学习算法。用Tens

自然语言处理领域近十年见证越来越大、越来越聪明的语言模型增长。哈佛大学和IBM研究院开发统计方法检测计算机生成文本。他们构建交互式工具（公开可用）区分自然人类语言和机器生成文本。目标是给人们更多信息，以便判断真伪。AI模型通常在海量网络文本训练，预测最常跟随的词模仿人类语言。如You统计最可能后接were、have、are。研究者据此构建工具，检测“过于可预测”的文本（而非标记错误），让AI和人类协作识别机器生成语言。 工作原理 新技术——巨型语言模型测试室（GLTR）——基于约4500万网络文本训练模型，访问最大公开模型GPT-2之一。因此能观察GPT-2在任何文本输入各位置的预测，对GPT

人脑是科学已知最迷人计算设备。靠单一组件——神经元群执行复杂操作。大脑时钟频率仅几赫兹，远低于现代CPU的吉赫兹，却并行每秒执行万亿次计算，使人类轻松完成传统计算机尚未达成的复杂任务：交谈、行走、驾驶等。且大脑能耗极低。研究者试图用高效神经网络模仿大脑计算性能。传统微处理器虽可编程模拟神经网络，但消耗过多计算资源和能量。MIT计算机科学家提出新思路：创造人工神经元并以类脑网络连接。他们用超导纳米线设计人工神经元，理论上此类神经元电路能效可匹敌人脑。 人工神经元主要特征 生物神经元产生电脉冲编码信息，沿神经传递，经突触（两神经细胞连接处）传给另一神经元。其他神经元可传递或阻断信息，表现得像逻辑门

现代光学显微方法（如样本透明化、扩展显微镜）提供器官详细洞见，但产生海量难处理数据。先进光片显微镜虽能快速处理大样本，但产生TB级数据，科学家难以筛选整理。国际研究团队开发软件BigStitcher，让生物分析过程简单。它以类似Google地图3D模式方式重建复杂数据。 功能特性 BigStitcher让科学家获宏观全貌：可放大特定位置按需分辨率分析个别结构。具体支持交互式可视化、快速精准配准、实时融合、去卷积、多瓦多视角数据集空间分辨质量估计。可在补偿光学效应、提高精度前提下将样本尺寸加倍。重建大数据集需补偿采集过程引入的各类图像和强度变换，团队构建交互式分步过程，补偿所有相关变换并提供空间

2016年法国政府投资520万美元建设全球首条光伏公路，长1公里，铺设3万平方英尺太阳能电池板。由Colas Group建设，其自研Wattway技术研发超5年。环境部称路面发电可供当地图鲁夫镇路灯，计划5年内铺设1000公里光伏高速公路。试验未满3年即告终：路面多处开裂，90米因磨损于2018年拆除。 规划不善与设计仓促 诺曼底地区阳光不足（年强光日照不足50天），建设光伏公路本就不合理。《世界报》报道：光伏板不耐重型车辆碾压、雷暴天气损坏、噪音过大致限速70公里/小时。工程师未考虑落叶腐烂遮挡发电。建设方称光伏板受7毫米多晶硅层保护可适应极端环境，但开通以来面板松动破碎。初衷年发电15万k

21世纪两件事必然发生：地球变暖、太阳能电池板部署增加。考虑这两因素，全球变暖将如何影响未来几十年太阳能发电？光伏电池对温度敏感，性能主要取决于气溶胶浓度、大气水汽含量等局地气象条件。最流行硅光伏技术随温湿度升高性能下降。虽有研究探讨温升对电池性能影响，但太阳辐照变化预测仍不确定。MIT研究者提出硅光伏电池全球性能气候变化影响的简单预测。用代表性浓度路径（RCP）4.5情景分析光伏装机影响，预测温室气体排放2040年达峰，2100年全球平均温升1.8开尔文。 太阳能电池随温升输出下降 太阳能电池板由多个光伏电池组成。光子撞击原子释放电子形成电流，同时产生正电“空穴”反向流动。电池效率取决于电子

前大灯远光灯显著增加夜间能见距离，但会致盲其他驾驶员。现有车辆虽装远光灯，仍需手动控制，人为易误用或不足用。Nvidia研究人员开发AI模型，让车辆夜间看清路况同时确保不对向驾驶员致盲。即AI用感知降低对向车眩光。 AutoHighBeamNet 为在不妥协安全前提下提升黑暗驾驶能见度，研究者在车辆前置摄像头捕获图像上训练深度神经网络（DNN）。基于摄像头的DNN名为AutoHighBeamNet，从广泛场景学习实现稳健全自动大灯控制。DNN响应当前摄像头帧中活跃车辆（尾灯或大灯亮起）。路边停放车等非活跃车辆被忽略。 系统集成架构 DNN构成AutoDrivingBeam视觉感知模块，从单目前

为满足云存储和云计算增长需求，公司投入数百万美元扩充WAN骨干容量。主要挑战是平衡网络可用性和利用率：高利用率链路难应对突发流量，导致节点/链路故障。MIT、微软、希伯来大学研究团队开发新数学模型TeaVar（流量工程应用风险价值），借鉴金融风险理论（股市投资者在波动中最大化收益最小化损失），评估全球数据中心间链路故障概率，类似预测股票波动率。模型再最优分配流量（通过不同链路）最大化整体网络使用率，同时最小化损失。这与传统保持链路闲置应对突发流量、浪费能源资源的方法截然不同。研究者称模型能帮云服务商更好利用数据中心资源，节省数百万美元。 TeaVar工作原理 云服务商用流量工程（TE）工具最优

全息概念1948年发现，1960年激光发明后才能制造全息图。光学全息术成宏观材料3D成像和安全应用流行方法，但空间分辨率受光波长（1微米）限制，无法成像纳米物体。瑞士联邦理工学院研究人员利用自由传播电子这一奇特摄影介质，观测光在纳米尺度超越波长限制的行为。 电子与光相互作用 光和自由电子方向是关键参数，因对光相位敏感，区别于传统摄影。与光相互作用后，电子处于不同能量的叠加态。若再与另一激光脉冲相互作用，其态随两脉冲最小延迟快速变化，呈现截然不同能量分布。研究者构建能量分布图精确确定光在给定时刻位置，实时拍摄光波在纳米结构中传播的影片，时空分辨率极致。 参考文献：Science Advances

为减缓本世纪气候变化，必须电气化一切包括航空。虽听起来遥不可及，但许多研究中心和私营机构致力于2030年实现电动飞行。现有电动飞机用电机驱动推力螺旋桨，电能成本远低于航空燃料，排放噪音远低于燃烧发动机。NASA近期介入该技术，2019年5月宣布拨款600万美元，为期3年支持大学领导计划项目——低温高效电力航空技术中心（CHEETA），旨在开发以液氢储能的全电动飞机，推进系统零二氧化碳零有害排放。 燃料电池堆将氢能转化为电能驱动升力旋翼。低温氢系统提供无损/超导能量传输和高功率电机系统机会。近期非低温设备进展让梦想更近一步，但大型飞机可行低温系统建设仍具挑战，项目未来几年将攻克技术难关。 三团队

降雪地区难以获取风能、太阳能等绿色可再生能源。极端天气（日照短、云层厚、零度以下、积雪厚）影响发电。现有气象传感器和气象站在极端环境下工作能力、复杂设计、成本和可持续电源等方面有诸多限制。UCLA研究人员开发新装置，从落雪发电，廉价、首创、柔性如塑料薄片。 雪基摩擦纳米发电机 装置可测量降雪量、风向、风速。纳米发电机通过静电产生电荷，经电子交换产生能量。材料相互作用时一方捕获电子、另一方释放电子，分离电荷产生静电。雪带正电荷易释放电子，团队用合成橡胶状材料（硅胶，含氧、硅、氢、碳等）带负电荷，接触雪产生电荷被装置捕获发电。 参考文献：Science Direct | DOI:10.1016/j

美国建筑耗电近70%，年能源账单超4300亿美元，制冷供暖占48%。热力学第二定律表明制冷比加热更难。科学家尝试各种被动降温方案降低制冷成本。马里兰大学和科罗拉多大学研究者发现单一木材解决方案：反射阳光并辐射多余热量。 新型木材制备 多数材料吸热并以近红外光子辐射，被空气分子吸收升温。近年科学家开发涂料和塑料薄膜捕获热量并以中红外波长辐射，光子将热量散逸至深空，空气不吸收这些波长，周围保持凉爽。团队尝试在木材中模仿此行为。木材主要成分：纤维素（长管状结构）和木质素（胶水般粘合纤维素）。木质素强发射红外光子，研究者用过氧化氢溶液浸泡木材去除木质素，再压缩化学处理木材形成致密氢键网格。所得材料强度

神经网络架构和生成对抗网络进步推动图像/视频合成发展。现有研究多聚焦无条件视频生成和视频预测，均基于有限过去帧生成/预测合理新视频。Google研究团队聚焦仅有首尾两帧时创建多样合理视频序列的问题，称为“补间”，通常用循环神经网络（GRU或LSTM）训练/运行。本研究展示3D卷积神经网络也能解决此问题，优势在于简单：无循环元素，梯度路径更短，可实现更深网络和更稳定训练。 全卷积模型 卷积网络易于用输入的首尾帧强制时间一致性。模型三关键组件：1) 2D卷积图像编码器将关键帧映射到潜在空间；2) 3D卷积潜在表征生成器融合输入帧数据并逐步增加时间分辨率；3) 视频生成器将潜在表征解码为视频帧。直接

鲁棒通用的语言表征对各类NLP任务取得良好结果至关重要。集成学习是增强模型泛化的高效方法，已在机器阅读理解、问答等自然语言理解（NLU）任务中取得最先进结果。但集成模型包含数百个深度神经网络（DNN），部署昂贵。预训练模型如GPT（48层Transformer，15亿参数）和BERT（24层Transformer，3.44亿参数）部署成本也高。2019年微软推出自研NLP算法Multi-Task DNN，现更新算法取得显著成果。 扩展知识蒸馏 研究团队用知识蒸馏将多个集成模型压缩为单一Multi-Task DNN。离线用集成模型为训练集每个任务生成软目标，比硬目标提供更多有用训练信息。例句“我

AI近期进展开启大规模网络海量数据训练新纪元，在基础NLP任务上大幅提升准确率。最耗资源的模型得分最高，但训练需巨大计算资源和能源。马萨诸塞大学阿默斯特分校研究人员发表论文，通过大型神经网络训练全生命周期评估，量化AI模型碳排放。 十年前NLP模型可在普通服务器或笔记本开发训练，现在高精度模型需多实例TPU/GPU。架构和超参数实验进一步推高硬件成本。为硬件供电数周对环境影响巨大。虽部分能源来自可再生能源，但受限于现有发电储能技术，大多数地区缺乏碳中和能源设施。 NLP模型训练碳排放 研究表征训练大型神经网络的碳排放和成本。估算开发调优主流NLP模型所需千瓦能耗，换算为电力成本和碳排放。结果显

制作用于货币防伪和产品认证的3D全息图通常需要复杂昂贵的打印机，难以仿制。MIT研究团队开发新技术，可在印刷材料上复制全息视觉效果，无需特殊显示屏或摄像头。两名MIT博士创立初创公司Lumii，让证件、标签、包装等呈现3D效果，已研发多年。 3D视觉背后的技术 研究人员开发复杂算法，在透明薄膜两面精准放置数千万个墨点，形成光场，提供与特殊透镜和薄膜相同的视觉效果。设计赋予印刷品动感、深度和色散效果。可视为信号处理或机器学习问题，但研究者将其表述为优化问题：每个墨点须放在特定位置，从单一视角完美呈现3D图像。视角随材料旋转或观察角度改变而变，所有墨点需重新调整，这增加了算法复杂度——仅用两层墨水

美国每年投入超180亿美元支持NASA，许多人质疑为何在太空项目花费巨资。事实上，NASA不仅研究外太空，许多日常用品源自其研发。以下列举30项我们习以为常的NASA发明： 30. 耳温枪 用于测量恒星温度的红外技术，应用于医院常用耳温枪，通过检测鼓膜辐射能量测量体温。 29. 鞋垫 1950年代末NASA发明3D聚氨酯泡沫织物用于靴子缓冲透气，现广泛用于运动鞋气垫鞋垫。 28. 强化婴儿食品 NASA实验藻类作为长途太空食物，发现藻类化合物含两种脂肪酸似母乳，催生配方奶粉Formulaid。 27. 改进矿山安全 NASA开发超声螺栓伸长监测仪测试高压负载，数字化改良版用于地下水分析、铁路枕

超20亿人在社交媒体分享日常生活，透露个性、情感、人口统计特征。宾夕法尼亚医学院和石溪大学研究者将患者电子病历（EMR）与社交媒体数据关联，识别疾病标记。研究纳入999名同意共享数据的患者，分析约94.9万条Facebook状态更新（超2000万词），每人至少500词。用自然语言处理将每人语言编码为700维患者语言向量，将诊断按流行度和Elixhauser共病指数分21类，分析语言模式与诊断关联。 使用三模型考察预测力：仅分析Facebook语言、仅用性别年龄等人口统计学、融合两者。结果显示，Facebook内容在21类疾病中18类显著提升预测准确度，对糖尿病、妊娠、抑郁、焦虑、精神病等心理健

天体物理学家通常用N体模拟预测宇宙结构形成，但计算成本高昂。美国研究团队开发深度学习替代模型——深度密度位移模型（D3M），用深度学习技术在极短时间内输出更精准的3D宇宙模拟。 深度密度位移模型（D3M） D3M在单一宇宙学参数集上训练，不仅快速准确，还能精确模拟改变特定参数（如暗物质含量）后的宇宙面貌，尽管从未在该参数变化数据上训练。D3M模拟引力（最重要力）对宇宙的影响，计算引力如何在整个宇宙演化过程中移动数十亿个粒子。 参考文献：PNAS | DOI:10.1073/pnas.1821458116 | Simons Foundation 研究者用约8000个最精确模型的模拟训练D3M。训