科学家开发出具有突破性的手持式芬太尼检测装置 准确率达98%

科学家开发出具有突破性的手持式芬太尼检测装置 准确率达98% 埃里克-琼森工程与计算机科学学院生物工程系教授兼系主任沙利尼-普拉萨德博士说，该原型可用于通过尿液分析检测芬太尼，是检测唾液中药物的先驱。该技术还可用于检测物质中是否含有芬太尼，方法是将样品与水混合，然后将液体滴在传感器上。UT达拉斯分校生物工程研究人员 Ivneet Banga PhD'23 和 Anirban Paul 博士展示了他们团队开发的传感器如何检测芬太尼。研究人员将液体直接滴在传感器平台上，该平台与笔记本电脑相连，可在几秒钟内提供检测结果。图片来源：德克萨斯大学达拉斯分校该研究的通讯作者、系统生物学科学系塞西尔-H.和艾达-格林教授普拉萨德说："现在迫切需要一种易于使用、便携式的微型设备，这种设备可以高特异性地检测芬太尼，并立即将结果共享到联网设备上。我们的研究证明了在几秒钟内检测芬太尼的高精度传感器的可行性。"日益严重的芬太尼危机据美国疾病控制和预防中心介绍，芬太尼是一种合成阿片类药物，其药效比海洛因强 50 倍，比吗啡强 100 倍。非法制造的芬太尼通常与其他药物混合，只要2毫克（相当于10到15粒食盐）就能致命。美国每天有 150 多人死于芬太尼等合成阿片类药物过量。研究发现，芬太尼可在尿液中检测长达 72 小时。UT达拉斯分校的研究人员正在努力推进从毛发中检测芬太尼的技术。他们的最终目标是开发出一种检测唾液中芬太尼的检验方法。普拉萨德说，唾液检测可以帮助急救人员为吸毒过量者做出治疗决定。创新的传感器设计和测试该装置包含一个电化学传感器，可根据化学反应产生电信号。然而，开发检测芬太尼的传感器是一项挑战，因为这种合成阿片类药物是一种非挥发性化合物，这意味着它不会产生电化学信号。左起Sriram Muthukumar 博士、Anirban Paul 博士、Shalini Prasad 博士和 Ivneet Banga PhD'23 开发出这种传感器为了用电化学传感器捕获芬太尼，研究人员使用了一种类似捕鼠器的分子网状结构。捕鼠器由包括金纳米粒子在内的多种物质组成，对于这个装置上的"奶酪"，研究人员不得不发挥创意。合作与未来应用该论文的第一作者、生物工程研究员阿尼尔班-保罗（Anirban Paul）博士利用逆向工程找到了解决方案。保罗从印度来到这里与普拉萨德一起工作，他决定尝试使用纳洛酮，这是一种可以逆转阿片类药物过量的救命药物。研究人员进行了计算测试，以了解这些化合物如何相互作用，从而确定如何使用纳洛酮像磁铁一样吸引芬太尼。"纳洛酮用于降低芬太尼的效力，"保罗说。"我的想法是用纳洛酮来捕捉芬太尼，就像奶酪诱捕老鼠一样"。研究人员对实验室中添加了低、中、高浓度芬太尼的尿液进行了检测。尿液滴在试纸上。如果尿液中含有芬太尼，纳洛酮就会与之发生作用并产生信号。该装置在加标尿样中检测到的芬太尼含量高达百万分之 100。研究报告的作者Ivneet Banga博士是生物工程专业的研究项目经理，帮助规划实验和合成材料。去年，作为一名博士生，Banga凭借一款能在几秒钟内检测出包括COVID-19在内的呼吸道疾病的手持式呼气分析仪，获得了二级百特青年研究员奖，她希望芬太尼传感器能帮助预防过量用药导致的死亡。普拉萨德和她的团队开发了多种电化学传感器，包括检测汗液中感染生物标志物（如 COVID-19）以及炎症性肠病发作生物标志物的技术。去年，他们开发了一种测试方法，可以测量唾液中大麻的主要活性成分四氢大麻酚，准确率高达 94%。编译来源：ScitechDaily ... PC版： 手机版：

清华大学研究人员利用仿生学技术开发出FlexRAM液态金属内存

清华大学研究人员利用仿生学技术开发出FlexRAM液态金属内存 即使关闭电源，数据也能在惰性液体中保存 43200 秒（或 12 小时）。目前的 FlexRAM 原型由 8 个独立的 1 位存储单元组成，总共存储 1 个字节。它的写入循环次数已超过 3500 次，但还需要进一步提高耐用性才能投入实际使用。商用 RAM 的额定读写周期可达数百万次。毫米级金属液滴最终可达到纳米级尺寸，从而显著提高内存密度。FlexRAM 代表着可自由弯曲和挠曲的电路和电子元件领域的一个突破。研究人员设想的应用领域包括软机器人、医疗植入物和柔性可穿戴设备。与可拉伸基板的兼容性为新兴技术释放了巨大潜力。虽然 FlexRAM 仍处于早期概念阶段，但它证明了曾经被认为不可能或不切实际的计算和内存创新，可以通过不懈的科学创造力变为现实。它加入了柔性电子研究的先锋浪潮，实现了比刚性硅更高的灵活性。在 FlexRAM 和液态电子技术改变计算领域之前，仍有许多挑战需要解决。但是，通过证明液态存储器件是可能的，这项技术将为电子和计算带来截然不同的未来。下图是作为 FlexRAM 突破性技术的液态金属液滴。 ... PC版： 手机版：

Meta-Speaker：一种仅在空气中的一个点发出声音的扬声器。清华大学和上海交通联合开发出一种新型音响系统。

Meta-Speaker：一种仅在空气中的一个点发出声音的扬声器。清华大学和上海交通大学联合开发出一种新型音响系统。 它使用超音波在空气中的一个特定点产生声音。允许用户非常精细地控制声音出现的位置和范围。换句话说，你可以准确地指定声音应该在哪个位置被听到，而其他地方则不会听到这个声音。 工作原理： Meta-Speaker系统的工作原理基于声学非线性效应和超声波的交互。具体来说，系统使用两个或更多的高频声波（即超声波）从不同的方向发射。当这些超声波在空气中交叉或相遇时，由于声学非线性效应，它们会以特定的方式相互作用或“扭曲”。 例如，如果你将两块石头扔进池塘里，就会产生两个涟漪。在这些波纹相交的地方，波浪的形状会发生变化，使它们变大或变小。 这种相互作用产生了一个新的声波，其频率是原始超声波频率的差值。这个新产生的声波是在可听范围内的，因此人们可以听到它。更重要的是，这个可听声波是在超声波交叉的精确位置产生的，这意味着系统可以非常精确地控制声音在哪里产生。 例如，如果你想在一个房间的特定位置听到某个声音或信息，系统可以通过精确地调整超声波的方向和频率，确保可听声音仅在那个特定位置产生。 这种技术的一个关键优点是它能够在没有物理介质（如扬声器或其他声源）的情况下，在空气中的特定位置产生声音。这为各种应用，如室内导航、个性化信息传播等，提供了新的可能性。 这样的系统需要精确的计算和校准，以确保超声波能够在预定的位置交叉，并且产生的可听声音具有所需的属性（如音量、音调等）。因此，它可能需要高度复杂的算法和硬件支持。 技术步骤： 1、数据预处理：首先，对收集到的音频数据进行预处理，以便后续的特征提取和模型训练。 2、模型架构：Meta-Speaker使用了一种特定的神经网络架构，这种架构是为了适应边缘计算环境而特别设计的。 3、元学习训练：通过元学习的方法，模型能够快速适应新的说话人，即使只有少量的数据也能进行有效的识别。 4、边缘计算集成：由于模型是为边缘计算环境设计的，因此它是高效且轻量级的，适合在资源有限的设备上运行。