我们研究动物行为已有数百年。涉及大量细致观察和辛苦关注。但有高效技术可自动化识别和分类过程。 最近，哥伦比亚大学科学家演示垃圾邮件过滤算法如何分析动物行为。他们构建自动行为分析管道，从视频中学习挑选水螅完整行为库。 水螅是淡水生物，具再生能力——不因衰老死亡。无大脑，但数百神经元沿透明体协调多种行为。 它们行为可预测，通过将行为与神经元放电比较，科学家可理解复杂动物神经系统功能。 AI曾部分用于研究蠕虫爬行、苍蝇飞行，但这是研究者首次用机器学习描述动物行为。 机器学习算法 算法能实时分析行为——帮助研究者观察水螅能否学习，若能，其神经元如何响应。 2017年，研究者发现4类神经回路控制4种不同

蜂窝数据和WiFi流量以巨大速率增长。2020年全球将有超500亿WiFi连接设备。但速度受无线网络容量限制，这些设备产生的流量可能导致不可容忍的瓶颈。 即将到来的第5代无线系统是临时方案，2018年起部署。其毫米波频段可处理高达20Gbit/s数据。但这似非长期解决方案。 因此，科学家聚焦电磁波谱亚毫米波段，即太赫兹频率。太赫兹波段波长1毫米至0.1毫米；此频段数据传输速度比现有无线网络快百倍以上。 量子级联激光中的红外频率梳 2017年，哈佛大学研究人员开发通过量子级联激光中的红外频率梳产生太赫兹频率的技术。现在他们开发出量子级联激光频率梳新机制，使设备能作为集成接收器或发射器，有

现有自动驾驶汽车需要3D地图导航。这就是自动驾驶汽车无法真正在所有地方自行驾驶的原因。事实上，美国三分之一以上道路未铺装，65%无可靠车道标记。 这些车辆使用预设计地图知晓位置、路线及遇障碍物应对。因大多数乡村道路连接差，对自动驾驶极具挑战。 为应对，MIT工程师（与丰田研究院合作）开发先进系统——无图驾驶框架——可在不使用3D地图下导航。允许自动驾驶车辆行驶少有人走的路。 工作原理 框架融合两关键组件——局部感知系统和开放街道地图，用于导航单个路段。它们以合理预加载信息量（开放街道地图）实现大区域全局导航。 GPS数据精度足以实现拓扑定位，因此可结合局部感知解决全自动导航系统问题，因开放街道

1665年，罗伯特·胡克用显微镜观察薄软木片，发现小方块，称之为“细胞”。以来，无数创新者致力于提供这些生命构建块的更好视野。 现在，哈佛医学院和霍华德·休斯医学研究所研究人员开发出先进显微镜，能捕捉包括活细胞3D图片和视频在内的非凡细节。 显微镜分辨率可成像多细胞生物中的亚细胞动态，如运输分子货物的囊泡（微观气泡）在细胞内的动态。 挑战 三个多世纪以来，研究人员用显微镜观察细胞。迄今最佳可视化来自玻璃载玻片上分离的细胞。实时观察多细胞生物中的细胞，然而仍是更复杂的任务。 大多数时候，目标细胞被分子结构或组织包围，干扰光线进出显微镜物镜，模糊关键细节。使用强光束非完美方案，因可能部分损伤/扭曲

许多生物因素如基因表达、DNA和血液循环水平与年龄密切相关。然而，基因组概况或大规模生化检测对科学研究外的应用而言相当困难且昂贵。 为简化问题，生物技术公司GERO和俄罗斯莫斯科物理技术学院开发者构建了一个AI系统，通过分析智能手机和可穿戴设备收集的数据，精确估算生物年龄和主要健康风险因素。 AI已在模式识别、语音识别、视觉物体识别等领域展现卓越性能。神经网络正用于医疗领域提供个性化治疗和制药。受这些工具启发，研究人员开发新系统，基于身体活动提供准确健康信息。 现代手持和可穿戴设备操作系统支持在不干扰用户日常生活的前提下，大规模收集和云存储个人活动记录——规模达数十亿人。AI利用这些记录持续监

在音乐方面，人类一直擅长复刻歌曲并通过鼓掌、口哨或不同乐器演奏将其转化为各种形式。 尽管音乐是最早被数字化和计算机算法处理的领域之一，但当今AI在模仿音频方面仍远逊于人类。 现在，Facebook AI研究团队开发了一个通用音乐翻译网络，能将音乐从一种形式转换为另一种。它复刻听到的音乐，并以不同风格、流派和乐器回放。 如何实现？ 该AI系统基于两项最新技术： 自回归模型合成高质量音频 无监督方式下的域间转换 自回归模型作为解码器训练，能生成高质量逼真音频。第二项技术使事情更实用，因为在监督环境管理学习问题需要大量乐器数据集。 研究人员为每个输入开发并应用通用编码器。这消除了训练整个网络的负

纳米尺度操作极其困难。涉及大量复杂材料、组装技术和机器人设计，以开发微型折纸结构。 现在，法国Femto-ST研究所科学家开发出在如此微小尺度工作的新方法。他们使用双束扫描电子显微镜（SEM）/聚焦离子束（FIB）配合6自由度机器人，制造出世界最小微型房屋。 他们首次实现精度小于2纳米的图案化和组装，这对未来机器人和光学应用有益。 如何建造？ 他们在真空室内组合纳米组装组件，并安排电子显微镜观察整个过程。这很像用纸折大骰子，但需要复杂工具和技术。 研究人员用FIB（如剪刀）切割和塑造房屋的二氧化硅薄膜（纸）。将墙壁折叠到位后，用FIB气体注入系统（低功率配置）固定结构边缘。 为展示系统灵活性和

德克萨斯大学、以色列理工学院和希伯来大学的安全研究人员发现，智能手机电池可在您毫不知情的情况下窃取敏感信息。 现代移动设备配备“智能电池”，旨在提供响应速度和延长续航。然而，这些电池可能让您所有数据（手机上输入的一切）面临风险。 研究人员演示了恶意电池如何监控用户活动并通过隐蔽信道将收集的私人数据发送给远程攻击者。他们展示设备来自电池的功耗日志（1kHz采样率）包含足够数据提取广泛个人信息。 电池黑客：如何工作？ 为测量智能手机进出功率，研究人员在电池内集成微控制器。然后借助离线AI系统，将功率流与特定按键匹配。 借助微控制器和电池状态API，攻击者可追踪您的密码、监控访问网站、通话时间、打开

大型车企间正展开激烈竞赛，增加大功率快充站数量。2017年，戴姆勒、大众、福特和宝马组建合资企业，计划2020年底前在欧洲建设400座“超快充”站。同时，本田计划2022年推出具备15分钟快充能力的电动车。 2018年5月，美国能源部宣布投入1900万美元支持先进电池和电气化研究，将充电功率进一步提升至400kW。 现有电动车无法在极寒条件下快充，因这会增加析锂风险——充电时金属锂在负极周围沉积，导致电池随时间失效。 传统锂电池无法在10°C以下快充。冰点以下充电会导致永久容量损失和内阻增加。 现在，宾夕法尼亚州立大学研究人员开发出一种能自我加热的电池，实现无论外界温度如何，均无析锂快充。 这

现代有机化学最艰巨挑战之一是教会计算机规划化学合成。尽管多年研究，我们仍未能实现计算机构建的完整路径并成功在实验室实施。 目前，计算机软/硬件不足以高效处理庞大的化学转化知识库，导航庞大的合成可能性“树”，及高阶逻辑。 DARPA正基于专家编码和机器学习技术开发软件工具，预测针对时间、成本、安全和废物最小化优化的合成路径。 该项目名为Make-It，旨在解放研究人员，使其专注于化学创新，而非测试众多化合物合成路线。团队试图构建自动化设备（基于一装置多分子概念），利用自身知识库和试错过程生成所需化合物。 它能加速多种军事产品和应用的化学发现过程。好消息是，他们最近在构建此类自动化设备方面取得显著

成千上万的优化问题（从所有可行解中寻找最优解）如分配资金到股票以最小化回报风险、分配员工到办公室以最大化工作流和员工统计，严重依赖顺序算法。 这些算法的基本工作模式自1970年代初建立以来未曾改变（增强）。它们按“n”个步骤顺序求解特定问题。 步骤数取决于问题规模（为算法提供特定输入值）。这种方法通常导致计算瓶颈。随着算法推进，每次迭代的相对收益越来越小。 如果算法能跳跃几步，而不是走数千小步求解问题，会怎样？如果我们能让当今广泛使用的算法呈指数级加速？我们谈论的是帮助我们发现新药、避免拥堵的算法。 为实现这一目标，哈佛大学研究人员提出一种新型算法，称为“突破”，它通过大幅减少求解问题所需的迭

测量精度存在一定极限。以X射线成像为例，图像模糊，需专业医生解读。尽管提高辐射强度和延长曝光时间能改善组织间对比度，但如此大剂量辐射对人体不安全。 您可能知道标准量子极限：测量精度与给定资源的平方根成反比。投入资源越多——辐射功率、时间、图像数量——测量越精确。因此高精度意味着使用大量资源。 现在，来自MIPT、阿尔托大学、兰道研究所和苏黎世联邦理工学院物理系的国际物理学家团队，利用量子系统和机器学习技术，开发出一种测量磁场的更好方法。 他们演示了一种超越标准量子极限精度的磁力计。让我们了解他们如何开发它。 利用量子比特高灵敏度测量磁场 研究人员利用量子比特（超导人造原子）的相干性，提高了磁场

在数字化虚拟人类时，在机器上渲染逼真头发可能是最艰巨的任务。与眼睛、鼻子、耳朵等其他物体相比，头发涉及广泛的形状变化，且因每根发丝的可变形性及其体积结构而极其复杂。 并非现有系统无法生成高质量3D头发模型，但它们通常需要特定的硬件和软件设置，难以部署。一些现代技术虽利用数据驱动方法，但不适用于实时应用和内存受限系统。 现在，微软、Pinscreen和南加州大学的研究人员构建了一个深度学习模型，能从2D图像实时生成完整3D头发几何体。 它不以点云或体素网格形式合成结构，而是直接创建发丝。此方法更适合非流形结构，能提供更高细节和精度。 HairNet 该神经网络被称为HairNet，能持续生成和表

教会机器在视频中跟踪物体是计算机视觉中最困难的任务之一，主要因为它需要海量的标记训练数据集。当然，记录并标记地球上发生的一切是不切实际的。 因此，有必要构建一个无需人工监督即可学习跟踪的系统，而不是利用大量原始未标记片段。这为什么如此重要？因为视频中的物体跟踪可用于众多应用，如物体交互、活动识别、视频风格化等。 现在，Google研究人员开发了一种卷积网络，它学习从单个参考帧复制颜色到后续帧。该模型不直接从灰度帧估计颜色，而是被约束使用视频第一帧的颜色。 为了复制正确的颜色，网络需要学习如何在内部指向正确区域。这个新模型无需在大型标记数据集上训练，即可跟踪不同物体并穿越遮挡。 视频重着色 为开

人工智能（AI）近来备受关注。开发者们正将AI融入几乎所有领域：无论是人群中的语音识别、全自动驾驶汽车、视频画质增强，还是开发更高效的电池或炸药，AI已在所有领域展现出非凡能力。 如今，AI也能“闻味”了。爱丁堡大学、西部综合医院和拉夫堡大学的研究人员构建了一个基于深度学习的系统，能够分析人类呼气中的化合物，并以超越人类的准确度检测包括多种癌症在内的疾病。 典型的人类呼吸携带超过1000种不同的挥发性有机化合物，这些是全身血气交换引起的代谢过程的产物。一份呼气样本包含多重信息，反映病理和生理状况，从而指示患者的健康状态。 现有呼气分析方法 过去几十年，科学家们一直使用先进仪器检测空气中微量的元

研究者提出多畴显示改善视角和色彩还原。 适用液晶聚合物、聚(二正烷基硅氧烷)(PDAS)。 可简化制造流程，为印刷和有机电子学开新门。 液晶显示(LCD)市场充分受益液晶物质态：结合流动性和有序性，实现高效率、低功耗、器件紧凑。 但LCD技术主要局限是视角：侧视角色彩不准。因液晶共取向导致。 为解决此数十年难题，德国、俄罗斯、法国国际研究团队提出液晶取向新技术。看看他们如何攻克。 液晶 大多数晶体是固态：原子/分子形成有序3D结构。液晶无此构型，能流动。液晶态分子具晶体和液体中间性质，赋予流动能力。 液晶材料分子须各向异性：盘状或棒状。性质依赖方向，如液晶中偏振光不同方向传播速度不同。改变

独特窗户涂层技术提升普通家庭能源效率。 半透光伏膜轻薄多彩，让窗户变身隔热器与发电机。 环保建筑趋势(绿色建筑)推高先进窗户涂层热度，通过阻挡多余阳光辐射降低制冷采暖成本。 绿色建筑实践补充传统建筑设计对实用性、耐久性、经济性、舒适性关注。激励工程师研究者开发薄透光太阳能电池，将窗户变小型发电机。 若将这两特性结合成一窗户兼容材料岂不妙哉？中国材料工程师团队现已实现。构建独特涂层技术提升普通家庭能源效率。 半透明有机光伏 商用隔热窗膜用硅光伏，贴玻璃内外减少阳光可见光、紫外、红外。但因笨重外观暗淡性能不佳。 科学家未只用透明太阳能电池涂层，而是造半透光伏：轻薄多彩膜，让窗户兼具隔热和发电。

智能绷带可监测慢性伤口状况并递送适配药物。 在羊皮纸上制造pH、温度、氧气传感器。 所有组件选型以保持低成本。 慢性难愈合伤口（压疮、糖尿病足）每年影响超650万美国人。研究显示年治疗成本超$250亿，随老龄化人口糖尿病肥胖率上升逐年增加。 现有治疗通用、劳动密集、昂贵。多依赖常规清洁、氧疗、清创(去除坏死组织)或全身抗生素给药。医院诊所敷料——水胶体、泡沫、水凝胶、藻酸盐等——效果有限。 因此塔夫茨大学研究者构建智能绷带，定期监测慢性伤口状况、递送适宜药物提高愈合几率。原型旨在将传统被动包扎转变为应对棘手医疗挑战的高效范式。 智能绷带组件 为辅助自然愈合，团队开发含加热元件和热响应药物载

神经网络从未见过无噪照片也能自动增强图片。 适用低光摄影、磁共振成像、基于物理的图像合成。 能否将低光、像素化或颗粒感照片在不使用Photoshop情况下去伪影去噪？新机器学习模型仅观察损坏图像样本即可做到。 从损坏测量重建信号是统计数据分析关键部分。近年因机器学习进展，避免传统信号损坏统计建模兴趣激增。 MIT、NVIDIA和阿尔托大学研究者用基本统计推理配合神经网络做信号重建。它从未见过干净图像也能学会恢复信号。 这不同于其他最先进方法或近期图像增强AI。其他机器学习技术训练神经网络用成对噪声和干净图片恢复照片，此法仅需一对带噪声/颗粒的输入图像。 该AI系统从未经无噪照片训练也能自动

新机器学习模型基于预告片预测哪些观众最可能看电影。 用协同过滤提取预告片特征：人脸、物体、风景等。 结合观影记录和人口统计数据预测观众上座率。 预告片是新电影营销活动最重要部分。呈现角色、传达剧情、透露剧情线索、提升影迷认知度。 对电影制作方，是了解观众视角机会：喜欢什么、什么不吸引人。通常这些细节助规划下阶段营销策略。 为挑选最佳预告片段，20世纪福克斯电影制片厂工程师构建名为Merlin Video的机器学习方法，基于预告片预测观众观影意愿。 工作原理 Merlin Video生成预告片稠密表征分析预测观众行为。据研究团队，这是电影制片厂首次用预告片低层表征衡量观众兴趣。 基于最先进协