福昕翻译

>

科学科技

研究团队展示了世界上最快的光学神经形态处理器
Research team demonstrates world's fastest optical neuromorphic processor研究团队展示了世界上最快的光学神经形态处理器by Swinburne University of Technology斯威本科技大学 Dr Xingyuan (Mike) Xu with the integrated optical microcomb chip, which forms the core part of the optical neuromorphic processor. Credit: Swinburne University of TechnologyXingyuan(Mike)Xu博士具有集成的光学微梳芯片,该芯片构成了光学神经形态处理器的核心部分。图片来源:斯威本科技大学An international team of researchers led by Swinburne University of Technology has demonstrated the world's fas
2021-01-09 17:00:21
开发用于治疗脑部疾病的纳米颗粒药物递送系统
由 布里格姆妇女医院 在过去的几十年中,研究人员已经确定了导致神经退行性疾病的生物途径,并开发了有针对性的分子药物来靶向它们。但是,将这些发现转化为临床认可的治疗方法的速度却要慢得多,部分原因是科学家在将治疗剂穿过血脑屏障(BBB)进入大脑时面临挑战。为了促进治疗剂向大脑的成功递送,百翰姆妇女医院和波士顿儿童医院的生物工程人员,医师和合作者团队创建了一个纳米颗粒平台,该平台可以帮助在身体受到损伤或感染的小鼠中有效地治疗胶囊剂。完整的BBB。在创伤性脑损伤(TBI)的小鼠模型中,他们观察到,这种传递系统在大脑中的蓄积量是传统传递方法的三倍,并且在治疗上也很有效,这可能为治疗多种神经系统疾病开辟了可能性。研究结果发表在科学进展。 TBI后将治疗剂送入大脑的先前开发的方法依赖于BBB被暂时破坏时头部受到身体伤害后的短时间窗口。然而,在BBB修复后的几周内,医生缺乏有效药物递送的工具。 布里格姆麻醉,围手术和疼痛医学系纳米医学中心的副生物工程师,通讯作者尼丁·乔希(Nitin Joshi)博士说:“要通过BBB输送大分子和小分子治疗剂是非常困难的。” “我们的解决方案是将治疗剂封装到生物相容性纳米粒子中,该纳米粒子具有经过精确设计的表面特性,能够独立于BBB的状态将其有效地转运到大脑中。” 该技术可使医生治疗与TBI相关的继发性损伤,这种损伤可导致阿尔茨海默氏病,帕金森氏病和其他神经退行性疾病,一旦BBB治愈,这种疾病将在随后的几个月和几年内发展。 布里格姆麻醉,围手术和疼痛科的共同资深作者杰夫·卡普博士说:“在没有炎症的情况下,能够在整个血脑屏障上输送药物一直是一个圣杯。”药物。“我们从根本上简单的方法适用于需要将治疗剂输送到大脑的许多神经系统疾病。” 波士顿儿童医院急诊医学科的Rebekah Mannix博士,该研究的共同资深作者,该研究的共同资深作者进一步强调,BBB抑制了多种治疗药物向中枢神经系统(CNS)的传递。急慢性疾病。她说:“为该出版物开发的技术可能允许递送多种多样的药物,包括抗生素,抗肿瘤药和神经肽。” “这可能是改变中枢神经系统疾病的游戏规则。” 这项研究中使用的治疗药物是设计用于抑制tau蛋白表达的小分子干扰RNA(siRNA)分子,据信它在神经退行性病变中起关键作用。聚乳酸-乙醇酸共聚物(PLGA)是一种可生物降解的生物相容性聚合物,用于美国食品和药物管理局批准的几种现有产品中,被用作纳米颗粒的基础材料。研究人员系统地设计和研究了纳米粒子的表面特性,以最大程度地使它们穿透健康小鼠中完整无损的BBB。这导致鉴定出独特的纳米颗粒设计,该设计可使囊封的siRNA跨完整BBB的转运最大化,并显着改善脑细胞的摄取。 在通过新型递送系统接受抗tau siRNA的TBI小鼠中,观察到tau表达降低了50%,而与将制剂注入破坏的BBB的临时窗口内或外无关。相反,tau在通过常规递送系统接受siRNA的小鼠中未受影响。 “除了展示这种新型平台将药物输送到大脑中的实用性之外,该报告还首次确定可以利用表面化学和涂层密度的系统调节来调节纳米颗粒穿过具有紧密连接的生物屏障的渗透,麻醉,围手术和止痛科的第一作者文莉博士说。 除了靶向tau之外,研究人员还在进行研究,以使用新型投放平台攻击替代目标。 Karp说:“对于临床翻译,我们希望超越tau来验证我们的系统是否适合其他目标。” “我们使用TBI模型来探索和开发这项技术,但是基本上任何研究神经系统疾病的人都可能会从这项工作中受益。我们的工作当然已经完成,但是我认为这为我们朝着多个治疗目标的发展提供了巨大动力。并有能力进行人工测试。” 点击查看更多医学文章 点击免费使用文档翻译 免责声明:福昕翻译只充当翻译功能,此文内容及相关信息仅为传递更多信息之目的,仅代表作者个人观点,与本网站无关,版权归原始网站所有。仅供读者参考,并请自行核实相关内容。若需要浏览原文、下载参考文献等,请自行搜索文中提到的原文网站进行阅读。 来来源于:medicalXpress
2021-01-04 18:40:48
科学家发现我们的大脑如何追踪我们和其他人的去向
NIH BRAIN Initiative资助的研究人员使用一个特殊的背包无线监控癫痫患者在空旷的方形房间中寻找隐藏点时的脑电波。由UCLA Suthana实验室提供。 科学家们首次记录了我们的大脑如何导航物理空间并跟踪他人的位置。研究人员使用一个特殊的背包无线监视癫痫病患者的脑电波,每个人都在一个空荡荡的房间里走来走去寻找一个隐藏的两英尺长的斑点。在《自然》杂志上发表的一篇文章中,科学家报告说,海浪以一种独特的方式流动,这暗示着每个人的大脑已经绘制出了墙壁和其他边界。有趣的是,每个参与者坐在房间一角并看着其他人走动时,它们的脑电波以类似的方式流动,这表明这些波也被用来追踪其他人的运动。该研究是通过推进创新神经技术®(BRAIN)计划进行的NIH脑研究的一部分。 戴维·格芬医学院的神经外科和精神病学助理教授Nanthia Suthana博士说:“我们首次能够直接研究人的大脑如何导航与他人共享的实际物理空间。”在加利福尼亚大学洛杉矶分校(UCLA)任高级作者。“我们的结果表明,我们的大脑可能会使用通用代码来了解我们和其他人在社交环境中的位置。” Suthana博士的实验室研究大脑如何控制学习和记忆。在这项研究中,她的团队与一组抗药性癫痫患者(31-52岁)合作,他们的大脑已通过外科手术植入电极以控制癫痫发作。 电极位于大脑的称为中颞叶的记忆中心,也被认为至少在啮齿动物中控制着导航。在过去的半个世纪中,科学家(包括三位诺贝尔奖获得者)在一个又一个的实验中发现,该叶中的神经元被称为网格细胞和位置细胞,其作用像一个全球定位系统。此外,科学家发现,这些细胞发出的低频神经活动波(称为theta节律)有助于啮齿动物在迷宫中奔跑或在浅水池中游泳时知道它们和其他人的位置。 科学家首次使用特殊的背包研究人的大脑如何在太空中导航并跟踪他人的位置。这项研究是由美国国立卫生研究院的脑计划发起的。加州大学洛杉矶分校Suthana实验室 几项间接证据支持了颞叶在我们导航中的作用。但是,要进一步检验这些想法在技术上是困难的。”加州大学洛杉矶分校的博士后学者,本文的主要作者马蒂亚斯·斯坦格尔(Matthias Stangl)博士说。 这项研究提供了迄今为止最直接的证据来支持人类中的这些想法,而Suthana博士的团队作为NIH BRAIN Initiative项目的一部分发明了一个特殊的背包,使之成为可能。 “大脑研究中许多最重要的突破都是技术进步所引发的。这就是NIH BRAIN Initiative的宗旨。它挑战研究人员创建新工具,然后使用这些工具来彻底改变我们对大脑和脑部疾病的理解。” NIH的BRAIN Initiative主任John Ngai博士说。 背包的核心部分包含一个计算机系统,该系统可以无线连接到外科植入患者头部的电极上。最近,研究人员表明,该计算机可以同时连接到其他几种设备,包括虚拟现实的护目镜,眼动仪以及心脏,皮肤和呼吸监测器。 “直到现在,直接研究人类大脑活动的唯一方法要求对象静止不动,要么躺在大型大脑扫描仪中,要么连接到电子记录设备上。2015年,Suthana博士向我提出了解决这个问题的想法,因此我们趁机制造了一个背包,”加州大学洛杉矶分校(UCLA)研究生,该研究的作者Uros Topalovic女士说。“背包释放了病人的生命,使我们能够研究自然运动过程中大脑的工作方式。” 为了检查内侧颞叶在导航中的作用,研究人员要求研究参与者将其放在背包上并进入一个空的330平方英尺的房间。 每堵墙都衬有一排排五色标志,编号从1到5,每堵墙一种颜色。通过安装在天花板上的扬声器,电脑声音让患者走到其中一个路标。当他们到达指示牌时,声音便要求他们寻找隐藏在房间某处的直径2英尺的斑点。同时,背包记录了患者的脑电波,穿过房间的路径以及眼睛的运动。 最初,每个人需要几分钟才能找到该地点。在随后的试验中,时间缩短了,因为他们对现场位置的记忆得到了改善。 由NIH BRAIN计划资助的研究人员发现,当我们在太空中导航或跟踪其他人的运动时,我们的大脑可能以类似的方式流动。加州大学洛杉矶分校Suthana实验室 电记录揭示了大脑活动的独特模式。当参与者接近墙壁时,与在房间中间徘徊时相比,theta节奏流动得更强-更高的峰值和更低的山谷。这完全是在他们寻找地点时发生的。相反,当参与者按照指示步行到墙上的彩色标牌时,研究人员发现theta节奏强度与位置之间没有相关性。 这些结果支持这样的想法,即在某些精神状态下,θ节律可以帮助大脑知道边界位于何处。在这种情况下,我们就要集中精力寻找一些东西。” Stangl博士说。 进一步的分析支持该结论,并有助于排除结果可能由其他因素引起的可能性,例如与不同的眼睛,身体或头部运动相关的活动。 奇怪的是,当参与者看着其他人搜索某个地点时,他们看到了类似的结果。在这些实验中,参与者将坐在房间角落的椅子上,背着背包,手放在键盘附近。患者知道隐藏点的位置,每当其他人到达时,他们就按下键盘上的一个按钮。 同样,当另一人靠近墙壁或斑点时,参与者的脑波流动最强,并且这种模式仅在该人正在狩猎时出现,而没有遵循特定的方向。 Suthana博士说:“我们的研究结果支持我们的大脑可以利用这些波动模式将自己置于其他人的鞋子中的想法。” “结果为帮助我们了解大脑如何控制导航以及可能的其他社交互动打开了一扇门。” Suthana博士的团队计划更深入地探索这些想法。此外,研究小组已将背包提供给其他想进一步了解大脑和脑部疾病的研究人员。 今年,超过175个研究小组已从NIH获得了资助,以支持各种项目,包括绘制控制章鱼所见的神经电路图,以及通过升级驱动神经的计算机程序来帮助脊髓损伤瘫痪的人恢复运动。刺激装置。 点击:查看更多分类文章 免责声明:福昕翻译只充当翻译功能,此文内容及相关信息仅为传递更多信息之目的,仅代表作者个人观点,与本网站无关,版权归原始网站所有。仅供读者参考,并请自行核实相关内容。若需要浏览原文、下载参考文献等,请自行搜索文中提到的原文网站进行阅读。 来源于:NIH
2020-12-28 18:25:03
哈克可能暴露了美国的深奥机密;伤害尚未可知
弗兰克·巴亚克(Frank Bajak) 在2019年10月8日星期二的档案照片中,一名妇女在纽约的键盘上打字。在全球性网络间谍活动的披露渗透到多个美国政府机构和私人组织之后,全世界的政府和主要公司都在争先恐后地查看它们是否也是受害者。(美联社照片/珍妮·凯恩,档案)美国最秘密的一些机密可能是在经过严格训练的长达数月的行动中被盗,归咎于俄罗斯精锐的政府黑客。可能被窃取的可能性令人难以置信。黑客能获得核秘密吗?COVID-19疫苗数据?下一代武器系统的蓝图?通过美国政府和私营行业网络梳理数字侦探要花费数周甚至某些年的时间,才能获得答案。专家说,这些黑客在掩盖自己的足迹方面是极好的专家。某些盗窃可能永远不会被检测到。显而易见的是,这项运动(网络安全专家称其展示了俄罗斯SVR外国情报机构的战术和技术)将跻身网络间谍史上最多产的国家之列。包括财政部和商务部在内的美国政府机构是数十个高价值的公共和私营部门目标之一,众所周知,该目标早在3月就已通过分发给全球数千家公司和政府机构的商业软件更新渗透到了这些目标中。五角大楼星期一的声明表明它使用了该软件。它说它已经“发布了指导和指令来保护”其网络。出于“操作安全性原因”,它不会说其任何系统是否遭到黑客入侵。周二,代理国防部长克里斯·米勒(Chris Miller)告诉哥伦比亚广播公司新闻,到目前为止,尚无妥协的迹象。自更新发布以来的几个月中,黑客仔细地窃取了数据,并经常对其进行加密,因此不清楚所采取的是什么,并熟练地掩盖了他们的踪迹。约翰·霍普金斯大学网络冲突专家托马斯·里德说,这场运动的效果可能与俄罗斯1990年代三年对美国政府目标(包括美国宇航局和五角大楼)的“月光迷宫”攻击进行比较。美国的一项调查确定,被盗文件的高度(如果打印出来并堆积起来)将是华盛顿纪念碑的高度的三倍。里德说,在这种情况下,“华盛顿纪念碑从不同政府机构那里收集的几堆文件可能是一个现实的估计。” “他们将如何使用它?他们自己很可能还不知道。”特朗普政府没有透露黑客入侵了哪些机构。到目前为止,还没有私营部门的受害者挺身而出。里德说,传统上,国防承包商和电信公司一直是受国家支持的网络间谍的目标。情报人员通常会寻求有关武器技术和导弹防御系统的最新信息,而这对国家安全至关重要。他们还向竞争对手的政府雇员开发档案,可能会招募间谍。白宫在一份声明中说,唐纳德·特朗普总统的国家安全顾问罗伯特·奥布赖恩(Robert O'Brien)缩短了一次海外访问以举行有关黑客攻击的会议,并将于本周晚些时候召开一次顶级机构间会议。一位熟悉其行程的官员说,奥布莱恩原定于周六返回,必须取消计划访问意大利,德国,瑞士和英国的官员。 从2019年9月18日星期三在华盛顿的华盛顿纪念碑看的美国财政部大楼。黑客进入了美国财政部和其他联邦机构的计算机,引发了涉及国家安全委员会的政府回应。安全理事会发言人约翰·尤利奥特(John Ullyot)于2020年12月13日星期日说,政府知道有关黑客攻击的报道。(美联社照片/帕特里克·塞曼斯基,档案) 白宫早些时候表示,已经成立了一个应对小组,包括联邦调查局,国土安全部和国家情报局局长办公室。在周一为国会工作人员举行的情况通报会上,国土安全部没有透露被黑客入侵的机构数量,这反映了特朗普政府在此案上与国会分享的内容很少。长期以来,批评人士一直抱怨特朗普政府未能解决滚滚滚滚的网络安全威胁,包括勒索软件攻击造成的州和地方政府,医院甚至文法学校的瘫痪。海军陆战队大学的学者和网络日光浴室委员会的顾问布兰登·瓦莱里亚诺说:“过去四年来,这真是令人沮丧的时刻。网络安全方面没有发生任何严重的事情。”国家的网络防御。“很难找到我们前进的任何东西。”特朗普取消了政府的两个关键职位:白宫网络安全协调员和国务院网络安全政策负责人。瓦莱里亚诺表示,为数不多的亮点之一是网络安全和基础设施安全局局长克里斯·克雷布斯(Chris Krebs)的工作,面对特朗普关于广泛欺诈行为的虚假说法,特朗普为捍卫选举的完整性而解雇了他。黑客从3月开始,通过从德克萨斯州的SolarWinds公司的商业网络管理软件上piggy带恶意代码,渗透到了政府机构。该活动是由网络安全公司FireEye发现的,当时它发现该活动已被黑客入侵(12月8日披露了该漏洞),并向FBI和其他联邦机构发出了警报。FireEye高管查尔斯·卡玛卡(Charles Carmakal)说,它知道黑客入侵了“数十个令人难以置信的高价值目标”,并正在帮助“许多组织应对入侵。” 他没有透露任何名字,并说他希望在未来的日子里能学到更多的东西,他们也将受到损害。Carmakal说,黑客只会在肯定拥有宝贵数据的目标上激活远程访问后门。它是手动的,艰巨的工作,并且会围绕风险检测移动网络。SolarWinds活动强调了联邦计算机网络上使用的商业软件缺乏强制性的最低安全规则。缩放视频会议软件是另一个示例。去年,它被批准在联邦计算机网络上使用,但是安全专家发现,由大流行病遣送回国的联邦工作人员开始使用该漏洞之后,黑客可以利用这些漏洞。罗德岛州民主党和网络空间日光浴室委员会委员众议员吉姆·兰格文(Jim Langevin)说,这次违规事件使他想起了美国人事管理办公室2015年的中国骇客事件,其中2200万联邦雇员和政府工作申请人的记录被盗。他说,这凸显了在白宫任命一名国家网络总监的必要性,这一职位需要得到参议院的确认。国会在最近通过的国防法案中批准了这一立场。兰格文说:“在所有不同的部门和机构中,网络安全永远不会成为他们的主要任务。”特朗普威胁要对不相关条款的反对意见否决该法案。点击:查看更多相关内容 使用文档翻译功能免责声明:福昕翻译只充当翻译功能,此文内容及相关信息仅为传递更多信息之目的,仅代表作者个人观点,与本网无关,版权归原始网站所有。仅供读者参考,并请自行核实相关内容。若需要浏览原文、下载参考文献等,请自行搜索文中提到的原文网站进行阅读。来源于:TechXplore
2020-12-16 19:47:29
开发用于帮助程序员原型化图形用户界面的软件
来源:TechXplore通过 科学技术的蔚山研究所图1.面板(A1-A3)是在线GUI原型开发工具(基本工具)的界面。GUIComp(附加)中的三个反馈三个反馈面板-评估(B),建议(C)和关注面板(D)。图片来源:UNIST高成恩教授已经开发了一种新的人工智能(AI)系统,以帮助未经培训的普通人设计和创建智能手机和个人计算机的应用程序和软件。借助该系统,非设计人员可以快速轻松地创建用户友好的移动应用程序。由UNIST电气与计算机工程学院的Sungahn Ko教授领导的研究团队开发了基于深度学习的人工智能(AI)系统,该系统可以通过评估图形用户界面(GUI )提供有关最佳布局的设计建议。 )的移动应用程序。的图形用户界面(GUI)是用户接口的一种形式,它允许用户与交互的电子设备使用的图形图标和其它视觉指示器。因此,创建直观,方便且有吸引力的用户界面和用户体验非常重要。的确,GUI在吸引潜在客户方面起着举足轻重的作用,但是普通的未经培训的人在设计用户友好的GUI时可能会面临挑战。这是通过人工智能(AI)解决的。随着智能手机在我们日常生活中的普及和普及,可以使用移动应用程序随时随地完成许多事情,例如购物,旅行查询和SNS活动。结果,越来越多的人梦想着创办自己的企业或使用移动应用程序振兴企业。但是,对于没有相关经验和指导的用户来说,开发直观且用户友好的应用程序是一个艰苦的过程。这尤其是因为由于移动环境的性质(例如小屏幕尺寸),图标和文本的视觉排列变得更加重要。Ko教授通过使用基于深度学习的人工智能(AI)和迭代设计过程解决了这一问题。新的AI系统能够研究现有GUI设计模式的优缺点,评估为移动应用程序创建的GUI,并提出替代方案。为此,研究团队进行了半结构化访谈,在此基础上,他们通过集成三种不同类型的反馈机制(推荐,评估和关注)构建了GUI原型辅助工具GUIComp。根据研究团队的说法,该工具可以作为扩展连接到GUI设计软件,并且可以提供有关用户当前设计的实时,多方面的反馈。此外,研究团队进行了两项用户研究,他们要求参与者创建带有或不带有GUIComp的移动GUI,并要求在线工作者评估创建的GUI。该实验结果表明,GUIComp促进反复的设计,并与GUIComp参与者有更好的用户体验,并产生了比那些谁没有更容易接受的设计。研究的第一作者Chunggi Lee(UNIST电气和计算机工程学院)说:“我们在设计推荐过程和眼动仪校准中应用了深度学习技术。” “特别是,我们使用K近邻算法和堆叠式自动编码器(SAE)来提供有关用户当前设计的实时,多方面的反馈。”Ko教授说:“我们在可视化方面投入了很多精力,以帮助解决在用户友好的GUI设计过程中没有经验的用户所面临的问题。” “通过确保质量数据,这有望应用于教育领域,例如网络开发和绘画。”这项研究的结果已发表在ACM计算系统人为因素会议上。点击:查看物理学文章 查看其他分类文章 免责声明:福昕翻译只充当翻译功能,此文内容及相关信息仅为传递更多信息之目的,仅代表作者个人观点,与本网站无关,版权归原始网站所有。仅供读者参考,并请自行核实相关内容。若需要浏览原文、下载参考文献等,请自行搜索文中提到的原文网站进行阅读。
2020-11-24 16:56:31
卷积神经网络可能会被与人类相同的视觉幻觉所欺骗
来源:TechXplore蓬佩乌·法布拉大学(Universitat Pompeu Fabra)-巴塞罗那在这三种情况下,圣家族教堂的颜色都是相同的,但由于周围的颜色而看起来有所不同。这是视觉幻觉。图片来源:Universitat Pompeu Fabra-巴塞罗那在这三种情况下,圣家族教堂的颜色都是相同的,但由于周围的颜色而看起来有所不同。这是视觉幻觉。图片来源:Universitat Pompeu Fabra-巴塞罗那卷积神经网络是一种人工神经网络,其中的神经元以与生物大脑视觉皮层中的神经元非常相似的方式组织成感受野。如今,在各种自治系统(例如面部检测和识别,自动驾驶汽车等)中都发现了卷积神经网络(CNN)。这种类型的网络在许多人工视觉任务(例如图像分割和分类)以及许多其他应用程序中非常有效。卷积网络的灵感来自于人类视觉系统的行为,尤其是其基本结构,这种基本结构是由包含线性运算和非线性运算的复合模块串联而成的。一项发表在《视觉研究》高级在线版上的研究对卷积网络中的视觉错觉现象及其对人类视觉的影响进行了研究。信息和通信技术系(DTIC)的成员AlexanderGómezVila,AdrianMartín,JavierVázquez-Corral和MarceloBertalmío进行了一项研究,瓦伦西亚大学的研究员JesúsMalo参加了这项研究。“由于CNN与我们的视觉系统之间的这种联系,在本文中,我们希望了解卷积网络是否遭受与我们的视觉系统类似的问题。因此,我们专注于视觉幻觉。视觉幻觉是大脑对图像的感知与对图像的感知有所不同的图像确实如此。”该研究的第一作者GómezVila解释说。在他们的研究中,作者训练了CNN来完成人类视觉还执行的简单任务,例如去噪和去模糊。他们观察到的是,在这些实验条件下训练的这些CNN也会被亮度和彩色视觉幻觉“欺骗”,就像视觉幻觉欺骗人类一样。戈麦斯·维拉(GómezVilla)说:“在我们的工作中,我们还分析了这种错觉何时导致网络中的响应不像实际预期的那样,但它们也不符合人类的感知,”也就是说,CNN获得不同的错觉而不是人类会感觉到的错觉。这项研究的结果与长期以来的假设一致,该假设将低级视觉错觉视为优化自然环境(人类在日常生活中所见)的副产品。同时,这些结果突出了人类视觉系统与CNN人工神经网络之间的局限性和差异。 点击:查看更多科学科技文章 查看更多物理学文章免责声明:福昕翻译只充当翻译功能,此文内容及相关信息仅为传递更多信息之目的,仅代表作者个人观点,与本网站无关,版权归原始网站所有。仅供读者参考,并请自行核实相关内容。若需要浏览原文、下载参考文献等,请自行搜索文中提到的原文网站进行阅读。
2020-11-24 16:30:04
创建了世界上最小的原子存储单元
来源:TechXplore由 得克萨斯大学奥斯汀分校 图片提供:德克萨斯大学奥斯汀分校的考克雷尔工程学院 得克萨斯大学奥斯汀分校的工程师创造了迄今为止最小的存储设备之后,从消费电子产品到大数据再到以大脑为灵感的计算等各种领域的更快,更小,更智能,更节能的芯片可能很快就会问世。在此过程中,他们找出了可以为这些微型设备解锁密集存储器存储功能的物理机制。最近发表的研究自然纳米技术建立在两年前,当研究人员创建了当时最薄发现内存存储设备。在这项新工作中,研究人员进一步减小了尺寸,将横截面面积缩小到仅一个平方纳米。掌握将密集存储器存储功能集成到这些设备中的物理方法,可以使它们变得更小。材料中的缺陷或孔洞是解锁高密度内存存储功能的关键。电气和计算机工程学系教授Deji Akinwande说:“当一个附加的金属原子进入那个纳米级的孔并填充它时,它将某些导电性赋予材料,这会导致变化或记忆效应。” 。尽管他们在研究中使用二硫化钼(也称为MoS2)作为主要的纳米材料,但研究人员认为该发现可能适用于数百种相关的原子薄材料。制造更小的芯片和组件的竞赛主要是关于功能和便利性。使用较小的处理器,您可以制造更紧凑的计算机和电话。但是缩小芯片尺寸还可以降低其能量需求并提高容量,这意味着需要更快,更智能的设备,而所需的功耗却更少。“这项工作获得的结果为开发国防部感兴趣的下一代应用铺平了道路,例如超高密度存储,神经形态计算系统,射频通信系统等,”该计划的Pani Varanasi说。资助这项研究的美国陆军研究办公室经理。最初的设备(被研究团队称为“ atomristor”)当时是有记录以来最薄的存储设备,具有单个原子层的厚度。但是,缩小存储设备不仅是要使其更薄,而且还要以较小的横截面面积构建它。阿金万德说:“科学上的标尺正在下降到一个原子控制记忆功能的水平,而这正是我们在新研究中所完成的。”Akinwande的设备属于忆阻器,这是存储器研究的一个热门领域,它以电气组件为中心,能够修改其两个端子之间的电阻,而无需在中间的称为栅极的第三个端子。这意味着它们可以比当今的存储设备更小,并拥有更多的存储容量。此版本的忆阻器是使用Oak Ridge国家实验室的先进设备开发的,承诺的容量约为每平方厘米25兆比特。与商用闪存设备相比,每层存储密度高100倍。 点击:查看更多科学科技类文章 查看物理学文章免责声明:福昕翻译只充当翻译功能,此文内容及相关信息仅为传递更多信息之目的,仅代表作者个人观点,与本网站无关,版权归原始网站所有。仅供读者参考,并请自行核实相关内容。若需要浏览原文、下载参考文献等,请自行搜索文中提到的原文网站进行阅读。
2020-11-24 16:15:59
科学家研发出将乙醇转化为高价值化学品和燃料的催化剂
西北太平洋国家实验室的 Christina Nunez西北太平洋国家实验室的科学家开发了一种新型催化剂,该催化剂可将乙醇转化为C5 +酮,可作为从溶剂到航空燃料的所有物质的基础。在一篇新论文中,他们描述了这种突破性化学反应及其背后的机理。图片提供:Andrea Starr | 太平洋西北国家实验室 尽管我们通常将乙醇用作储气罐的燃料,但也可以将其转化为有价值的化学物质,这些化学物质可以帮助替代汽油以外的各种石油产品。然而,不断发展的乙醇用于更广泛的行业需要比当今可用的化学过程更高效的化学过程。西北太平洋国家实验室(PNNL)的科学家开发了一种新型催化剂,该催化剂可将乙醇转化为C5 +酮,可作为从溶剂到喷气燃料的所有物质的基础。在一篇新论文中,他们描述了这种突破性化学反应及其背后的机理。一锅法将乙醇升级为C5 +酮催化剂对于加速将乙醇转化为其他化合物的化学转化是必不可少的。为了在商业上可行,催化剂必须具有很高的活性,同时仍然必须选择性地产生所需的化学产品-换句话说,它必须可靠地生产出所需的确切材料。科学家们寻求乙醇的催化剂,该催化剂可以有效地分离出合适的化合物并反复进行。在需要大量反应步骤,朝着最终产品进行化学反应的化学过程中,这可能是一个很高的要求。PNNL开发的催化剂将多个反应浓缩为一个步骤。乙醇在高温(370°C或698°F)和压力(300磅/平方英寸)下与催化剂接触。然后,它可以迅速转化为含有超过70%的C5 +酮的产品。该催化剂也表现出坚固性,在使用2000小时后仍保持稳定。最终目标是拥有可以持续2至5年的催化剂。对于他们的研究,科学家将氧化锌和二氧化锆结合在一起用作催化剂。这种混合氧化物催化剂通常无法达到如此高的选择性,反而会分解出太多不需要的副产物。但是研究人员在混合物中添加了另一个关键成分:钯。在此过程中,钯和锌形成的合金的行为与其组成部分有很大不同,仅催化导致C5 +酮形成的必要反应步骤。PNNL的研究合著者兼高级研究工程师Karthi Ramasamy说:“新颖的是通过在反应过程中在钯和锌之间形成合金来生产这些酮。” “在这种催化剂上发生了许多中间步骤,每个步骤都需要催化剂的不同成分来活化它。”一触即发,操作灵活该催化剂可用于制备2-戊酮和/或2-庚酮,它们用于电子工业的溶剂中,通常衍生自石油。C5 +酮也可以用作生产燃料调合原料,润滑剂,喷气燃料和柴油的中间体。由可再生乙醇而不是化石资源生产此类产品可帮助减少温室气体排放并提高能源安全性。拉马萨米说:“这种催化剂非常灵活。” “我们可以调整操作条件,例如温度和压力,以达到所需的产品组成。”该方法在《Angewandte Chemie国际版》上发表的论文“乙醇直接催化转化为C5 +酮:Pd-Zn合金对催化活性和稳定性的作用”中进一步详细介绍了该过程。 点击:查看更多科学科技文章 查看更多其他分类文章 免费试用文档翻译功能免责声明:福昕翻译只充当翻译功能,此文内容及相关信息仅为传递更多信息之目的,仅代表作者个人观点,与本网站无关,版权归原始网站所有。仅供读者参考,并请自行核实相关内容。若需要浏览原文、下载参考文献等,请自行搜索文中提到的原文网站进行阅读。来源:PHYS
2020-11-17 18:45:45
具有折纸风格的机器人指尖,具有变形功能
技术Xplore的Ingrid Fadelli使用一对设计的变形指尖进行示例掌握。图片来源:Kan等。 为了执行涉及移动或处理对象的任务,机器人应根据这些对象的属性和它们周围的环境迅速调整其抓握和操纵策略。到目前为止,大多数已开发的机械手都具有固定的限制结构。因此,它们只能执行有限的运动,并且只能抓住特定类型的对象。香港科技大学的研究人员最近开发了一种机械指尖,该指尖可以改变其形状并可以在三种不同的配置之间切换,从而可以抓握更多种类的物体。在今年的IEEE自动化科学与工程国际会议(CASE)上发表的一篇论文中概述了这种指尖的独特设计,其灵感来自日本著名的折纸艺术折纸。两位从事这项研究的研究人员Kanzicheng和Zhang Yazhan Zhang通过电子邮件告诉TechXplore:“我们的研究受到当前研究和工业应用中两个常见观察的启发。” “第一个涉及在过去的研究中开发的平行夹具,这可能有助于实现工业自动化。这些夹具需要精心选择的抓取点,否则可能无法实现静态平衡。”几十年来,研究人员一直在尝试开发技术来控制机械手的抓握姿势。但是,大多数现有方法都有明显的局限性,使它们无法很好地在不同对象之间进行概括。Kan,Zhang及其同事进行的这项研究的首要目标是开发一种指尖,该指尖可以轻松控制并且可以执行各种姿势。由香港科学技术大学的Kan,Zhang及其同事开发的基于折纸的新形状变形指尖具有两个主要组成部分:柔软的折纸骨架(用作指尖的变形表面)和运动驱动的四连杆机构作为驱动和传输机制。指尖的接触图元以三种变形模式显示。图片来源:Kan等。 研究人员在指尖的中央放置了一个球形接头,以实现三维自由旋转并支撑顶表面。此外,他们使用伺服电机(即一类旋转致动器)来独立控制放置在软折纸骨架上的四个叶片小面。坎和张解释说:“通过在每个叶片小面上使用不同姿势的组合,可以针对不同的抓握模式实现多种配置,例如凸形,凹形和倾斜平面模式。” “这些模式可以通过我们的运动学模型进行模拟和预测。”研究人员评估了他们的指尖在有效抓握机器人必不可少的动作上可以实现的三种变形模式。例如,他们测试了凸出模式在进行枢转和捏紧抓握,凹入模式用于进行力量抓握以及倾斜平面模式在手操作和重新定向方面的有效性。总体而言,他们发现,他们开发的指尖具有许多有利的特征,包括能够根据手头的任务在不同的变形图元和抓握模式之间以及在稳定和灵巧的抓握模式之间快速移动的能力。指尖的配置可通过其使用的运动学模型进行有效地仿真和指导。 配置空间内的轨迹跟踪。图片来源:Kan等。点击:查看更多科学科技文章 查看更多其他分类文章 使用图片翻译功能 免责声明:福昕翻译只充当翻译功能,此文内容及相关信息仅为传递更多信息之目的,仅代表作者个人观点,与本网站无关,版权归原始网站所有。仅供读者参考,并请自行核实相关内容。若需要浏览原文、下载参考文献等,请自行搜索文中提到的原文网站进行阅读。 来源:TechXplore
2020-11-17 17:58:45
HAMLET:简化AI研究与开发的平台
来源:TechXplore技术Xplore的Ingrid Fadelli 表示为超图的机器学习系统的示例。图片来源:Esmaeili等。 事实证明,机器学习(ML)算法是解决各种现实问题(包括图像,音频和文本分类任务)的极有价值的计算工具。全世界的计算机科学家每天都在开发更多这些算法。因此,跟踪它们并快速找到或访问过去引入的内容变得越来越具有挑战性。考虑到这一点,普渡大学和辛辛那提大学的研究人员最近创建了HAMLET,该平台可以帮助计算机科学家和开发人员浏览现有的机器学习模型并训练或评估自己的算法,从而帮助他们进行研发工作。该平台在arXiv上预先发表的一篇论文中提出,可以最终使世界各地开发的机器学习模型民主化,从而使研究团队可以彼此共享他们的模型。进行这项研究的研究人员之一艾哈迈德·埃斯马埃利(Ahmad Esmaeili)对TechXplore表示:“组织和跟踪机器学习算法和数据集一直是我们以及该领域其他许多研究人员面临的重大挑战。” “当ML解决方案和组件的数量随着时间的推移以及从一个项目到另一个项目的持续增长而变得尤为重要。在开发HAMLET时,我们致力于通过不仅管理可用的ML贡献来创建满足上述需求的平台。和资产以分散的方式进行,而且还可以促进诸如有效访问,比较和评估这些资源的操作。” 上图中的超图概述了机器学习系统的层次表示。图片来源:Esmaeili等。 HAMLET代表基于分层代理的机器学习平台,由一组AI代理组成,这些AI代理经过训练可以“管理”大量ML算法,相关资源(例如,数据集)和ML模型要完成的任务。研究人员定义了“管理”平台的人工代理的技能,这些人工代理基于它们所代表的算法,数据或任务而排列在层次结构的不同级别上。Esmaeili解释说:“ HAMLET平台从一个空的结构开始,随着新的ML资源/查询的引入,将继续自主增长。” “基于多代理系统,HAMLET可以分布在计算机和设备的网络上;因此,对其可以托管的算法/数据的大小和类型没有限制。”HAMLET平台具有用户友好的界面和灵活的查询结构。研究人员可以使用它来执行各种任务,例如单独或分批地训练和测试其算法。 机器学习示例的进一步分层表示。图片来源:Esmaeili等 为了测试其有效性,Esmaeili和他的同事使用它在用SPADE(智能Python代理开发环境)开发的模拟环境中完成了120个培训和四个批处理测试任务。他们使用9个著名的AI训练数据集反复测试和训练了24种ML算法。他们的实验结果表明,HAMLET是用于训练和测试ML算法的非常有前途和有用的工具。“毫无疑问,机器学习方法正在变得越来越普遍,” Esmaeili说。“ HAMLET促进了ML解决方案的民主化,并帮助ML研究社区,无论其地理位置如何,都可以轻松地共享和跟踪其方法和资源。”将来,Esmaeili及其同事创建的平台将被全世界的研究人员用来在多个数据集上训练新的ML算法,为特定目的识别现有模型或评估新算法并将其性能与其他现有算法进行比较。在HAMLET上,所有这些任务都可以通过一个查询轻松完成。Esmaeili说:“该项目尚处于起步阶段,可以在许多方面进行改进,以确保它更好地满足当前的研究和工业需求。” “在接下来的研究中,我们计划继续致力于支持更复杂的算法,平台针对故障的生存能力,合并多个平台以及访问数据/算法的私密性。”点击:查看更多科学科技文章 查看更多生物学文章 使用合同翻译功能免责声明:福昕翻译只充当翻译功能,此文内容及相关信息仅为传递更多信息之目的,仅代表作者个人观点,与本网站无关,版权归原始网站所有。仅供读者参考,并请自行核实相关内容。若需要浏览原文、下载参考文献等,请自行搜索文中提到的原文网站进行阅读。
2020-11-17 17:48:44