可看到隱秘角落的機 又是一年將盡，到了盤點的時候，且看《科學美國人》評選出的2015年十大科技成就。 眼控機器：運動受損人士的 今年早些時候，當艾瑞克·索拓用思維直接指揮機器手臂將一杯啤酒送入口中，媒體瘋狂了。這是一個令人印象深刻的壯舉，但背后的技術，是在他大腦中植入的一種電極芯片，這種芯片既昂貴又具有侵入性，而且還需要幾個月時間來訓練使用。更糟糕的是，隻有極少數癱瘓人士能夠適應這些心理和生理上的技術要求。 一種較好的辦法隨后誕生——創建大腦電波活動和機器之間的直接連接。英國倫敦帝國理工學院神經技術科學副教授阿爾多·法賽爾想要用眼球移動來控制輪椅、計算機和視頻游戲。利用現成的視頻游戲攝像機，法賽爾和他的同事建造了一種護目鏡，能夠記錄用戶的眼球移動過程，並傳輸數據給計算機，軟件將數據翻譯成機器指令。幾乎所有運動受損人士都能應用這項技術，包括截肢者、四肢麻痺症患者、帕金森病患者、多發性硬化症和肌營養不良症患者。 這套系統的成本隻需要50美元。在一個科技展覽會上，志願者不需要更多的指導，在15秒后就很好地掌握了玩游戲的技巧。 長期以來，科學家就知道眼睛可以透露人們的目的——他們要去哪裡，想要做什麼，以及想和誰交流。自從上世紀70年代開始研究眼球運動的神經科學，法賽爾和同事們就撰寫了能夠將“驚鴻一瞥”轉化為指揮輪椅行動、敲擊鼠標或者開展瞳孔游戲的算法。為了預測受試者的真實意圖，算法的設計基於志願者用操縱杆操縱輪椅或者機器手臂時眼球運動的真實數據。漸漸地，軟件學會了區別不同的眼神，比如當人們看向一個杯子時，軟件能夠猜測出他們是在猜測裡面的飲料為何物，還是想要端起來一飲而盡。 法賽爾在將這個技術商業化成醫療器械之前，必須為臨床試驗籌得資金。從歐盟獲得的400萬歐元將繼續支持他開發機器人的外骨骼，以便能夠更好地讓殘障人士使用眼球追蹤系統。 “我想看到我們的努力可以幫助人們再次行動自如，這就是我的目的。”法賽爾說。 微波火箭：低成本訪問太空的范式 人類乘火箭遨游太空已50余年，在這麼長的時間裡，到達軌道的成本一直都是個天文數字——根據火箭種類不同，每公斤載重要花費5000美元到50000美元不等。 問題是，沒有哪個火箭常有效率的，火箭90%的重量都是燃料和推進劑，隻為裝載物資留下很小的空間。如果能甩掉一些重量，火箭不僅可以將更多的貨物送往太空，亦能降低成本。 1924年，俄羅斯科學家康斯坦丁·特斯洛克夫斯基提出一種方案，建議由地基微波發射器提供火箭上升的動力。他建議，利用反射鏡將“一束平行電磁短波射線激光束”瞄准火箭的腹部，加熱推進劑產生推力，從而替代大量燃料的裝載。 這一方法或許是獲得速度的最有吸引力的方法。但直到最近，這個想法才被重新提起。微波激光雖然在上世紀50年代就發明了出來，但始終沒有達到可以發射所要求的兆瓦級功率水平。電池和能源存儲系統的最新進展讓能源可以足夠強大，以至於不需要固定電網來約束電能。 今天，來自世界各地的研究人員正在實踐這個概念，包括在2012年美國技術研究所的凱文·帕金領導的一項工程研究。基於他們的工作，一家名為“逃脫動力學”的私人公司正在測試這種微波動力衛星發射系統，美國國家航空航天局（NASA）正在密切關注此事，今年7月，NASA已經將微波動力火箭加入了未來技術發展的線圖中。 病毒捕獲平台：精確識別病毒的新方法 當醫生想要識別感染背后搗亂的病毒，通常需要求助於聚合?鏈式反應（PCR），這種方法隻有將DNA片段“放大”到足夠大才能進行。使用PCR方法的時候，醫生還必須對要尋找的病毒做到心中有數，這就難免帶有了猜測的成分。 今年9月，哥倫比亞大學的研究團隊描述了一種能夠消除猜測帶來的盲目性的新方法，該技術被命名為“脊髓動物病毒捕獲測序平台（VirCapSeqVERT）”，能在給定的唾液、組織或脊髓液樣本中幾乎完美地找到每種病毒。這種方法可以在48小時內同時分析21個樣本，且每個樣本的分析成本隻有200美元。它還能檢測新型病毒或突變病毒。 哥倫比亞大學流行病學公共衛生系教授W·伊恩·李普金說：“當一個人被送進急診室，單是檢測費就要成千上萬了。這種方法非常便宜，而且能讓醫生對症下藥。” 為了開發這種技術，李普金和他的同事創建了一個超過1000種脊椎動物病毒的數據庫。然后他們用基因探針對每一株病毒進行匹配，當探頭遇到匹配的病毒時，就會自動與之綁定。為了檢測這些病毒，實驗室工作人員增加了磁珠來測量直徑僅1至3微米的混合物，化學連接器將基因探測器與磁珠以及捕獲的病毒相連。然后，研究人員插入包含了混合磁鐵支架的細管，將探針拉向管壁。他們隔離並清洗探針—磁珠—病毒組合后，對病毒進行基因測序，以消除誤報風險。 李普金和他的同事現正在尋找商業支持，希望將這項技術應用到全世界的醫院和診所﹔他們還計劃增加專門探測感染性細菌和真菌的探針。 導電聚合物網絡：軟性的大腦電子探針 為了破解大腦之謎，科學家需要精確地檢測活動狀態下的神經元。大腦探針的“蠻力介入”已經被詬病很久了。哈佛大學化學家查爾斯·尼爾博率領的團隊希望植入絲般柔滑的聚合物網絡，從而改變這個窘境。 到目前為止，尼爾博團隊測試了活鼠體內植入的這種聚合物，它擁有嵌入式電子感應器。一旦証明安全可靠，它可能被用於人體，進而研究意識如何從單獨神經元的活動中產生，以及治療帕金森症等疾病。 微型核聚變反應堆：壓力下改變戰術的選擇 你可以指責核聚變擁護者太過於樂觀。核聚變隻會發生在兩種元素結合或相融合進而形成第三種元素的時候，將物質轉化成能量。太陽就是典型的核聚變過程。 總部設在法國的國際核聚變反應堆（ITER）集合了七個國家的力量，正在緊鑼密鼓籌建中。這個210億美元的托克馬克反應堆將利用超導磁體產生足夠熱、密度足夠大的等離子體來發生核聚變。一旦完成，ITER的總重量將達到23000噸，是埃菲爾鐵塔的3倍。美國國家點火裝置（NIF）是其主要的競爭對手，也同樣復雜，需要同時將192束激光打在一個燃料球上直到其溫度達到5000萬攝氏度，壓力達到1500億大氣壓。 理想很豐滿，但現實很骨感。基於ITER和NIF的核聚變工作已經進行了數十年，一批新的研究人員正在尋求不同的策略——讓核聚變反應器變小。 今年，美國國防部高級研究計劃局在9個小型項目上投資了3000萬美元，旨在通過名為“低成本等離子體加熱和集成”（ALPHA）的項目，建設可負擔得起的核反應設備。一個比較典型的項目是加利福尼亞州次慣性核聚變技術公司的塔斯廷執行的，該項目設計線是用電流“捏合”等離子體，直到壓縮至產生核聚變。 這一方法不是沒有先例，1958年洛斯阿拉莫斯國家實驗室曾用這種“捏合”技術實現了第一次可持續的核聚變反應。 隸屬ALPHA項目的其他公司也正在尋找可替代的核聚變方案。不列顛哥倫比亞省的通用核聚變公司已經建成了一個設備，能夠用激波穿透液態金屬進而引發聚變反應。“3阿爾法能源公司”正在建設一種帶電粒子束核反應堆，能夠一個接一個點燃帶電粒子。 美國國防工業巨頭洛克希德·馬丁公司則宣稱，其正致力於建造一種磁約束核反應堆，用一輛卡車就可以運走，希望在10年內實現商用。 追求核聚變的坎坷歷史表明，這些小項目都應該受到質疑。但是，不論哪一個方式，隻要能夠成功輸送清潔無限量的核聚變能源，都將解決從能源匱乏到氣候變化的系列問題。 殺死轉基因開關：阻斷DNA逃逸的閘門 轉基因埃希氏大腸杆菌無處不在，醫用胰島素、塑料高聚合物以及食品添加劑等都有它的蹤影，它還可以成為工業廢料或者改變化肥的用途。這些安排目前幾乎沒什麼風險，因為在轉基因模式下該菌群對於環境的適應能力較弱，不能在實驗室外長期。但是，經過編輯漏洞缺陷的菌群可能會對本來平衡的生態系統造成影響，例如抗生素產生耐藥性等。 2009年，美國大學生物工程學家布裡安·凱利安多開始致力於研究一種確保基因修改生物的編輯DNA在逃逸或者被盜之前被摧毀的技術。近年來，他正在借助基因編輯工具CRISPR，剪除並摧毀入侵病毒中的DNA。他還意識到，可以用該技術內置一個殺死轉基因細菌的開關。 現工作於麻省理工學院技術研究院的凱利安多發明了DNAi，這是一種基於CRISPR的系統，能夠細菌剪除自行修改過的DNA。利用CRISPR，凱利安多成功將經過編輯形成了殺死開關的?插入到轉基因大腸杆菌中。相關研究發表在《自然·通訊》上。 輻射冷卻材料：未來地球建筑的防熱外衣 空調耗能佔到了美國建筑物能源消耗的15%左右﹔創紀錄的高溫日數還會在未來幾十年繼續上升。這兩個事實指向一個難題：在逐漸變暖的世界，我們如何在減少能源消耗的同時還能冷卻工作和生活環境？ 美國斯坦福大學的研究人員認為，部分解決方案是讓吸熱建筑材料能吸收陽光並將熱能發散到外層空間。這一輻射冷卻概念起源於上世紀80年代，工程師發現擁有金屬涂層的材料可以從建筑物上吸熱，並暢通無阻地將熱量輻射至地球大氣層外。 但輻射冷卻從來沒有真正應用過，沒有人能制造出這樣一種材料。為了解決這個問題，斯坦福大學研究團隊創建了一種非常有效的“鏡面”。這種材料由二氧化鉿和二氧化硅以及一層銀、鈦和硅構成的基層組成，能夠反射97%的太陽光。二氧化硅原子表現得像個小天線，在帆板一側吸收空氣中的熱，另一側則釋放出熱量。這種材料的輻射波長在8納米到13納米之間。對這些波長來說，地球大氣層簡直就是透明的，所以熱量可以耗散到太空中，而非加熱建筑物周圍的空氣。即使陽光直射，直徑20厘米的硅片冷卻器也能將溫度降低到比周圍空氣低5攝氏度。 范珊輝（音譯）是斯坦福大學的電氣工程師，他想用這種材料覆蓋建筑物的屋頂，這樣可以讓建筑空調系統稍作休整，同時又減少了能源消耗。 范珊輝認為：“利用太陽這個巨大熱源，並將地球看做中巨大散熱器的想法非常有趣，而這只是探索可再生能源的開始。” 機器自學：高級智能快速發展的助力 谷歌、臉書等公司正在推進能讓機器自學的技術，這很大程度上依賴於一種名為深度學習技術的進步。 源於幾十年之久的舊觀念——計算機如果能像人腦那樣操作包含了多層電腦程序單元人工神經網絡的深度學習網絡的話，它將更加聰明。傳統的神經網絡和深度學習神經網絡之間的區別在於，后者有更多的層次。網絡越深，層次越多，學習和操作的事物就越抽象。 深度學習技術研究領域在本世紀初有3個代表人物——多倫多大學的杰弗裡·辛頓、蒙特利爾大學的祐碩·本杰奧以及紐約大學的閆樂存（音譯）。而直到最近，這一技術才開始商業化之。 最典型的代表是今年5月才面世的谷歌照片APP。這款軟件能夠從你的iPhone上下載所有的圖片，正確識別你的妻子、兒子和孫子等不同家人，然后分別放入不同的電子文件夾中並做好標記。 它之所以如此“聰明”，是因為它已經從數百萬張照片中學會了如何識別臉孔。當通過每個網絡層次掃描一張圖片的時候，軟件會以更抽象的水平識別圖片中的元素，直到最終能夠指認圖片中的整張臉孔。一旦經過足夠的訓練，看過足夠多的臉孔，它就能成功定位從未見過的人的鼻子和嘴巴。 深度學習能夠做的當然不僅是識別圖片的工作。實際上，通向人工智能之的標志性一步，就是展示其區別於人類掌控者的智能行為。今年2月，倫敦一家被谷歌以6.17億美元收購的公司DeepMind的人工智能專家宣稱，已經利用深度學習生產了一個能夠自學玩很多視頻游戲的計算機。實踐証明，這款軟件能夠在游戲進行到一半的時候，就擊敗多數專業玩家。 紅外光譜+計算機模擬：捕捉化學反應慢動作的攝像機 在細胞液內，氫鍵能維系DNA基本配對形式。很多藥物就是在溶劑中合成的。然而，化學家一般隻能在氣態階段研究化學反應的綁定機制，因為在這種狀態下的相對稀疏，容易追蹤。 在液體中，數量更多，碰撞也更頻繁，所以化學反應發生得也更快且更復雜。如果想看清這個過程，需要幾百億分之一秒的快照才能實現。 英國布裡斯托爾大學的化學家安德魯·尤文利用激光來研究化學反應。他知道，可以用紅外光譜觀察到液體催化熱反應中的振動。在2012年到2014年進行的實驗中，他將超快紫外激光束打在乙?溶劑中的氘氟化上，激光束如同手術刀一樣，雕刻出了高活性的氟原子，反過來從溶劑中“偷”走了氘原子，形成了氟化氘。 觀察使用的是一種標准的被稱作紅外光譜的技術，了原子之間如何綁定以及反應達到平衡有多快。這個實驗觀察到了液體中反應的皮秒級細節。大多數化學家希望使用計算機模擬替代昂貴的激光和探測器來觀測化學反應。尤文等編寫了模擬軟件，能夠非常精確地預測光譜實驗的結果。 “我們能用這些模擬來深入探討究竟發生了什麼。”尤文說，“因為模擬會提供比實驗更精確的信息。” 實驗和模擬信息結合，能提供迄今為止最佳的液體中真實化學反應的信息。研究人員已經開始將這種方法納入到計算機模擬產業應用中，讓疾病研究、藥物開發和生態研究人員大受裨益。 彈跳光子記錄儀：可看到隱秘角落的機 如果機能看到角落另一邊，就能司機在危險處停下、幫助消防員搜尋燃燒的建筑物，以及讓外科醫生看到身體內部難以直視的區域。 幾年前，麻省理工學院媒體實驗室的研究人員就在探討，如何創造這樣一個機。它的原型非常昂貴。這個設備利用激光束來發射光線，光線從牆壁或者地板彈跳到另一個房間的物體上。一個價值50萬美元的機能記錄彈射回來的光線，軟件記錄了單獨光子到達時間、計算距離並重新構建看不見的物體。 此后，該團隊一直在盡力改進這個技術。現在，他們已經能夠記錄移動物體的反射光線，而在價格上，便宜的LED燈和價值僅100美元的微軟傳感器就可以達到同樣的效果。 推荐： |