麻省理工学院研究人员利用压电纤维开发出主动降噪织物

麻省理工学院研究人员利用压电纤维开发出主动降噪织物 这项发表在《先进材料》（Advanced Materials）杂志上的研究，是在早先研究的基础上，创造出一种可以充当麦克风并放大声音的丝绸织物。在研究过程中，研究小组意识到他们的材料还可以用来过滤声音。他们将后一个想法付诸实践。这种由压电纤维制成的特制织物几乎不比头发丝粗。当施加电压时，这种材料就会振动，如果调整得当，就能像降噪耳机一样抵消传入的声音。这种方法在狭小的空间内很有用，但在室内却不奏效。为了应对这一挑战，他们需要一种不同的方法。研究人员发现，通过使用电压使织物完全静止，可以使其变成一种声屏障，像镜子一样将声音反射回声源。在测试中，直接抑制模式（类似于降噪耳机）能够将音量降低 65 分贝。在"静止"模式下，声音传播降低了 75%。虽然前景广阔，但在考虑商业推广之前，仍有许多工作要做。该团队需要进行更多的测试，以了解纤维数量、缝合方向和电源电压等变量的变化对性能的影响。第一作者格蕾丝-杨（Grace Yang）说，这仅仅是个开始，要让这项技术真正有效，"我们还有很多旋钮可以转动"。他们还需要找出将其推向市场的最佳方法。这项研究的共同作者、麻省理工学院教授尤尔-芬克（Yoel Fink）告表示，这种材料现在还太新，他甚至不知道它的市场在哪里。 ... PC版： 手机版：

麻省理工学院揭幕"质子之舞"： 开拓能源新时代

麻省理工学院揭幕"质子之舞"： 开拓能源新时代 麻省理工学院的化学家们首次详细描绘了这些质子耦合电子转移是如何在电极表面发生的。他们的研究成果可以帮助研究人员设计出更高效的燃料电池、电池或其他能源技术。麻省理工学院化学和化学工程教授、该研究的资深作者 Yogesh Surendranath 说："我们在这篇论文中取得的进展是研究和理解了这些电子和质子如何在表面部位耦合的性质，这与催化反应有关，而催化反应在能量转换装置或催化反应中非常重要。"在他们的研究成果中，研究人员能够准确追踪电极周围电解质溶液 pH 值的变化如何影响电极内质子运动和电子流动的速度。麻省理工学院研究生诺亚-刘易斯（Noah Lewis）是这篇论文的第一作者，论文最近发表在《自然-化学》上。麻省理工学院前博士后 Ryan Bisbey、麻省理工学院研究生 Karl Westendorff 和耶鲁大学研究科学家 Alexander Soudackov 也是这篇论文的作者。质子传递质子耦合电子转移是指一种分子（通常是水或酸）将质子转移到另一种分子或电极表面，从而刺激质子接受者也接受一个电子。这种反应已被广泛应用于能源领域。"这些质子耦合电子转移反应无处不在。它们通常是催化机制中的关键步骤，对于制氢或燃料电池催化等能量转换过程尤为重要，"Surendranath 说。在制氢电解槽中，这种方法用于从水中去除质子，并在质子上添加电子以形成氢气。在燃料电池中，当质子和电子从氢气中移出并加入氧气形成水时，就会产生电能。施加电势会导致质子从氢离子（右图）转移到电极表面。利用具有分子定义质子结合位点的电极，麻省理工学院的研究人员为这些界面质子耦合电子转移反应建立了一个通用模型。图片来源：研究人员提供质子耦合电子转移在许多其他类型的化学反应中都很常见，例如二氧化碳还原（通过添加电子和质子将二氧化碳转化为化学燃料）。当质子接受体是分子时，科学家们可以精确控制每个分子的结构，并观察电子和质子如何在分子间传递，因此他们已经对这些反应的发生过程有了很多了解。然而，当质子耦合电子转移发生在电极表面时，这一过程就更难研究了，因为电极表面通常非常异质，质子有可能与许多不同的位点结合。为了克服这一障碍，麻省理工学院的研究小组开发出一种设计电极表面的方法，使他们能够更精确地控制电极表面的组成。他们的电极由石墨烯薄片组成，表面附着有机含环化合物。每个有机分子的末端都有一个带负电荷的氧离子，它可以接受周围溶液中的质子，从而使电子从电路流入石墨表面。Surendranath 说："我们可以创造出一种电极，它不是由各种各样的位点组成，而是由单一类型的非常明确的位点组成的统一阵列，每个位点都能以相同的亲和力结合质子。由于我们拥有这些非常明确的位点，这让我们能够真正揭示这些过程的动力学"。利用这个系统，研究人员能够测量流向电极的电流，从而计算出平衡状态下质子向表面氧离子转移的速率质子向表面捐赠的速率和质子从表面转移回溶液的速率相等的状态。他们发现，周围溶液的 pH 值对这一速率有显著影响： 最高速率出现在 pH 值的两端酸性最强的 pH 值为 0，碱性最强的 pH 值为 14。为了解释这些结果，研究人员根据电极可能发生的两种反应建立了一个模型。在第一种反应中，强酸性溶液中高浓度的氢离子（H3O+）将质子传递给表面的氧离子，生成水。在第二种情况下，水将质子传递给表面氧离子，生成氢氧根离子（OH-），氢氧根离子在强碱性溶液中浓度较高。不过，pH 值为 0 时的速度比 pH 值为 14 时的速度快四倍，部分原因是氢离子释放质子的速度比水快。需要重新考虑的反应研究人员还惊奇地发现，这两个反应的速率并不是在中性 pH 值为 7（氢铵和氢氧根的浓度相等）时相等，而是在 pH 值为 10（氢氧根离子的浓度是氢铵的 100 万倍）时相等。该模型表明，这是因为涉及氢𬭩或水提供质子的前向反应比涉及水或氢氧化物去除质子的后向反应对总速率的贡献更大。研究人员说，关于这些反应如何在电极表面发生的现有模型假定，前向反应和后向反应对总速率的贡献相同，因此新发现表明，可能需要重新考虑这些模型。Surendranath说："这是默认的假设，即正向和逆向反应对反应速率的贡献相同。我们的发现确实令人大开眼界，因为这意味着人们用来分析从燃料电池催化到氢进化等一切问题的假设可能是我们需要重新审视的。"研究人员目前正在利用他们的实验装置研究向电极周围的电解质溶液中添加不同类型的离子会如何加快或减慢质子耦合电子流的速度。刘易斯说："通过我们的系统，我们知道我们的位点是恒定的，不会相互影响，因此我们可以读出溶液的变化对表面反应的影响。"编译自//scitechdaily ... PC版： 手机版：

麻省理工学院的AI突破：对抗MRSA的新型抗生素先锋

麻省理工学院的AI突破：对抗MRSA的新型抗生素先锋 利用一种被称为深度学习的人工智能，麻省理工学院的研究人员发现了一类化合物，这种化合物可以杀死一种耐药细菌，这种细菌每年导致美国一万多人死亡。在最近发表于《自然》（Nature）的一项研究中，研究人员发现这些化合物可以杀死在实验室培养皿中生长的耐甲氧西林金黄色葡萄球菌（MRSA），以及在两种 MRSA 感染小鼠模型中生长的耐甲氧西林金黄色葡萄球菌。这些化合物对人体细胞的毒性也很低，因此特别适合作为候选药物。这项新研究的一个关键创新点是，研究人员还弄清了深度学习模型在预测抗生素效力时使用了哪些信息。这些知识可以帮助研究人员设计出更多的药物，它们可能比模型识别出的药物效果更好。"我们的洞察力在于，我们可以看到模型学习到了什么，从而预测出某些分子会成为很好的抗生素。"麻省理工学院医学工程与科学研究所（IMES）和生物工程系的特米尔医学工程与科学教授詹姆斯-柯林斯（James Collins）说："我们的工作提供了一个框架，从化学结构的角度来看，它既省时、省资源，又具有机理上的洞察力。"这项研究是麻省理工学院"抗生素-人工智能项目"（Antibiotics-AI Project）的一部分，该项目由柯林斯领导。该项目是麻省理工学院抗生素-人工智能项目的一部分。该项目由柯林斯领导，其任务是在七年内发现针对七种致命细菌的新型抗生素。用人工智能应对 MRSA在美国，每年有超过 8 万人感染 MRSA，它通常会引起皮肤感染或肺炎。严重病例可导致败血症，这是一种可能致命的血液感染。在过去几年里，柯林斯和他在麻省理工学院阿卜杜勒-拉蒂夫-贾米尔健康机器学习诊所（Jameel Clinic）的同事们开始利用深度学习尝试寻找新的抗生素。他们的工作已经产生了针对鲍曼不动杆菌（一种常见于医院的细菌）和许多其他耐药细菌的潜在药物。这些化合物是利用深度学习模型确定的，该模型可以学习识别与抗菌活性相关的化学结构。然后，这些模型会筛选数百万种其他化合物，预测哪些化合物可能具有较强的抗菌活性。事实证明，这类搜索富有成效，但这种方法的一个局限是，模型是"黑盒子"，也就是说，无法知道模型是根据什么特征进行预测的。如果科学家们知道模型是如何做出预测的，他们就能更容易地找出或设计出更多的抗生素。黄说："我们在这项研究中要做的就是打开黑盒子。这些模型由大量模拟神经连接的计算组成，没有人真正知道这底下发生了什么"。提高人工智能的预测准确性首先，研究人员使用大幅扩展的数据集训练了一个深度学习模型。他们通过测试约 3.9 万种化合物对 MRSA 的抗生素活性生成了这些训练数据，然后将这些数据以及化合物的化学结构信息输入模型。Wong说："基本上可以将任何分子表示为化学结构，还可以告诉模型该化学结构是否具有抗菌性。这个模型是在许多这样的例子中训练出来的。如果你给它任何新的分子、新的原子和化学键排列，它就能告诉你该化合物被预测为抗菌的概率。"为了弄清该模型是如何做出预测的，研究人员采用了一种被称为蒙特卡洛树搜索的算法，这种算法已被用来帮助使其他深度学习模型（如AlphaGo）更易于解释。这种搜索算法不仅能让模型对每种分子的抗菌活性做出估计，还能预测该分子的哪些亚结构可能会产生这种活性。人工智能驱动的药物发现过程为了进一步缩小候选药物的范围，研究人员又训练了三个深度学习模型，以预测化合物是否对三种不同类型的人体细胞有毒。通过将这些信息与抗菌活性预测相结合，研究人员发现了既能杀死微生物，又能对人体产生最小不良影响的化合物。利用这组模型，研究人员筛选了大约 1200 万种化合物，所有这些化合物都可以在市场上买到。根据分子中的化学子结构，模型从这些化合物中识别出了五种不同类别的化合物，这些化合物预计对 MRSA 具有活性。有希望的成果和未来方向研究人员购买了大约 280 种化合物，并对它们进行了针对在实验室培养皿中生长的 MRSA 的测试，从而确定了同一类中的两种似乎非常有希望成为候选抗生素的化合物。在两种小鼠模型（一种是 MRSA 皮肤感染模型，另一种是 MRSA 全身感染模型）的测试中，每种化合物都能将 MRSA 的数量减少 10 倍。实验发现，这些化合物似乎通过破坏细菌在细胞膜上维持电化学梯度的能力来杀死细菌。许多关键的细胞功能都需要这种梯度，包括产生 ATP（细胞用来储存能量的分子）的能力。柯林斯实验室在 2020 年发现的一种候选抗生素Halicin似乎也是通过类似的机制发挥作用的，但它对革兰氏阴性细菌（细胞壁较薄的细菌）具有特异性。MRSA 是一种革兰氏阳性细菌，细胞壁较厚。Wong说："我们有相当有力的证据表明，这种新的结构类药物通过选择性地消散细菌中的质子动力，对革兰氏阳性病原体具有活性。这些分子选择性地攻击细菌细胞膜，而不会对人类细胞膜造成实质性损害。我们大幅增强的深度学习方法使我们能够预测这一类新结构的抗生素，并发现它对人类细胞没有毒性。"研究人员与Phare Bio 分享了他们的研究成果，Phare Bio 是柯林斯等人创办的非营利组织，也是抗生素人工智能项目的一部分。该非营利组织目前计划对这些化合物的化学特性和潜在临床用途进行更详细的分析。与此同时，柯林斯的实验室正在根据新研究的结果设计更多的候选药物，并利用这些模型寻找能杀死其他类型细菌的化合物。Wong说："我们已经在利用基于化学子结构的类似方法来重新设计化合物，当然，我们也可以随时采用这种方法来发现针对不同病原体的新型抗生素。"编译自:ScitechDaily ... PC版： 手机版：

麻省理工学院天文学家发现18个吞噬附近恒星的黑洞

麻省理工学院天文学家发现18个吞噬附近恒星的黑洞 天文学家通过寻找光学和 X 射线波段的特征爆发，探测到了以前发生过的潮汐破坏事件。迄今为止，这些搜索已经揭示了附近宇宙中大约十几个恒星粉碎事件。麻省理工学院研究小组新发现的潮汐扰动事件比宇宙中已知的潮汐扰动事件多了一倍多。研究人员通过一个非常规波段：红外线发现了这些以前"隐藏"的事件。除了发出光学和X射线暴之外，TDEs还能产生红外辐射，尤其是在"多尘"星系中，在这些星系中，中心黑洞被星系碎片所笼罩。这些星系中的尘埃通常会吸收和遮蔽光学和X射线光，以及这些波段中的任何TDEs迹象。在此过程中，尘埃也会升温，产生可探测到的红外辐射。研究小组发现，红外线辐射可以作为潮汐扰动事件的标志。通过红外波段的观察，麻省理工学院的研究小组在以前隐藏着此类事件的星系中发现了更多的TDEs。这 18 个新事件发生在不同类型的星系中，分散在整个天空中。麻省理工学院的科学家们发现了18个新的潮汐扰动事件（TDEs）即附近恒星被潮汐卷入黑洞并被撕成碎片的极端情况。这些发现是附近宇宙中已知 TDEs 数量的两倍多。图片来源：研究人员提供，经《麻省理工新闻》编辑第一作者、麻省理工学院卡弗里天体物理学和空间研究所研究生梅根-马斯特森说："这些来源中的大多数并没有在光学波段中显示出来。如果想从整体上了解TDEs，并用它们来探测超大质量黑洞的人口结构，就需要在红外波段进行观察"。"麻省理工学院的其他作者包括 Kishalay De、Christos Panagiotou、Anna-Christina Eilers、Danielle Frostig 和 Robert Simcoe，以及麻省理工学院物理学助理教授 Erin Kara，还有来自德国马克斯-普朗克地外物理研究所等多个机构的合作者。热量峰值研究小组最近通过红外观测发现了距离最近的 TDE。这一发现为天文学家寻找主动觅食的黑洞开辟了一条基于红外线的新途径。这一首次发现促使研究小组开始寻找更多的 TDE。在新的研究中，研究人员搜索了NEOWISENASA宽视场红外巡天探测器的更新版所拍摄的档案观测数据。这颗卫星望远镜于 2009 年发射升空，在短暂的停顿之后，它继续扫描整个天空，寻找红外线"瞬变"或短暂爆发。研究小组利用合著者 Kishalay De 开发的算法查看了任务的存档观测数据。该算法能从红外辐射中找出可能是红外辐射瞬时爆发迹象的模式。然后，研究小组将标记的瞬态辐射与 200 兆帕/秒（或 6 亿光年）范围内所有已知附近星系的星表进行交叉对比。他们发现，红外线瞬变可以追溯到大约 1000 个星系。然后，他们放大了每个星系的红外线爆发信号，以确定该信号是否来自TDE以外的其他来源，如活动星系核或超新星。在排除了这些可能性之后，研究小组又对剩余的信号进行了分析，寻找一种具有TDE特征的红外线模式即一个急剧的尖峰之后是一个逐渐下降的过程，这反映了黑洞在撕裂恒星的过程中突然将周围的尘埃加热到大约1000开尔文，然后逐渐冷却下来的过程。这项分析发现了 18 个"干净"的潮汐扰动事件信号。研究人员对发现每个潮汐破坏事件的星系进行了调查，发现它们发生在整个天空的一系列星系中，包括尘埃星系。马斯顿说："如果你仰望天空，看到一堆星系，那么TDE就会有代表性地出现在所有星系中。这并不是说，它们只出现在一种类型的星系中，而人们只是根据光学和X射线的搜索结果这么认为的"。"哈佛大学天文学教授埃多-伯杰（Edo Berger）说："现在我们有可能透过尘埃，完成对附近TDE的普查。这项工作特别令人兴奋的一点是，大型红外巡天观测的后续研究潜力巨大，我很期待看到它们会有什么发现"。"扩大对潮汐扰动事件的了解研究小组的发现有助于解决潮汐扰动事件研究中的一些重大问题。例如，在这项工作之前，天文学家主要是在一种星系中看到潮汐破坏现象一种"后星爆"星系，这种星系以前是恒星形成工厂，但后来沉寂了下来。这种星系类型非常罕见，天文学家们感到困惑的是，为什么TDEs似乎只在这些罕见的星系中出现。碰巧的是，这些星系也相对缺乏尘埃，因此TDE的光学或X射线辐射自然更容易被探测到。现在，通过红外波段的观察，天文学家能够在更多的星系中看到TDEs。研究小组的新成果表明，黑洞可以吞噬一系列星系中的恒星，而不仅仅是后星爆星系。这些发现还解决了一个"能量缺失"的问题。物理学家从理论上预测，TDE 辐射的能量应该比实际观测到的更多。但麻省理工学院的研究小组现在说，尘埃可能可以解释这种差异。他们发现，如果TDE发生在多尘星系中，尘埃本身不仅会吸收光学和X射线辐射，还会吸收极紫外线辐射，其吸收量相当于推测的"缺失能量"。这18次新的探测还有助于天文学家估算特定星系中发生潮汐破坏事件的频率。当他们把新的 TDE 与之前的探测结果相比较时，他们估计一个星系每 5 万年就会发生一次潮汐破坏事件。这个频率更接近物理学家的理论预测。通过更多的红外观测，研究小组希望能够解析潮汐破坏事件的发生率，以及引发潮汐破坏事件的黑洞的特性。卡拉说："人们对这些谜题提出了非常奇特的解决方案，而现在我们已经到了可以解决所有谜题的地步。这给了我们信心，我们不需要所有这些奇异的物理学来解释我们所看到的一切。我们对恒星如何被黑洞撕裂和吞噬背后的力学原理有了更好的了解。我们正在更好地理解这些系统。"编译来源：ScitechDaily ... PC版： 手机版：

俄罗斯方块启发麻省理工学院在核安全技术方面取得突破

俄罗斯方块启发麻省理工学院在核安全技术方面取得突破 基于"俄罗斯方块"游戏的新型探测器系统可以为监测核基地提供廉价、精确的辐射探测器。图片来源：Ella Maru Studio受"俄罗斯方块"启发的创新传感器设计现在，麻省理工学院和劳伦斯伯克利国家实验室（LBNL）的研究人员已经找到了一种计算方法，可以设计出非常简单、精简的传感器装置，从而精确定位分布式辐射源的方向。该装置以简单的四面体为基础，可以确定辐射源的方向和距离，但探测器像素较少。他们还证明，通过移动传感器获得多个读数，就能精确定位辐射源的物理位置。他们巧妙创新的灵感来自一个令人惊讶的来源：流行的电脑游戏"俄罗斯方块"。麻省理工学院教授李明达、Benoit Forget、高级研究科学家胡令文、首席研究科学家 Gordon Kohse、研究生 Ryotaro Okabe 和 Shangjie Xue、LBNL 的研究科学家 Jayson Vavrek SM '16、PhD '19，以及麻省理工学院和劳伦斯伯克利大学的其他一些人在《自然-通讯》上发表的一篇论文中描述了该团队的研究成果，这些研究成果很可能被推广到其他类型辐射的探测器中。辐射传感的技术进步检测辐射通常使用半导体材料，如碲化镉锌，这种材料在受到伽马射线等高能辐射照射时会产生电反应。但由于辐射很容易穿透物质，因此很难通过简单的计数来确定信号的来源。例如，盖革计数器在接收到辐射时只会发出"咔嗒"声，而无法确定辐射的能量或类型，因此要找到辐射源就需要四处走动，试图找到最大的声音，这与手持式金属探测器的工作原理类似。这个过程需要用户靠近辐射源，这可能会增加风险。为了在不太靠近的情况下提供来自静止设备的方向信息，研究人员使用了一个探测器网格阵列和另一个称为掩膜的网格，掩膜会在阵列上印上根据信号源方向不同而不同的图案。每一个单独的探测器或像素接收到的信号的时间和强度不同，需要通过算法来解释。这通常会导致探测器的复杂设计。用"俄罗斯方块"形状简化检测程序用于感应辐射源方向的典型探测器阵列既庞大又昂贵，在一个 10×10 的阵列中至少包括 100 个像素。然而，该研究小组发现，只要使用四个像素，按照"俄罗斯方块"游戏中的四叶草形状排列，就能接近大型昂贵系统的精确度。关键在于根据每个传感器检测到信号的时间以及每个传感器检测到信号的相对强度，对射线的到达角度进行适当的计算机重建。研究人员尝试了四种不同的像素配置（正方形、S 形、J 形或 T 形），通过反复实验，他们发现 S 形阵列的结果最为精确。这种阵列提供的方向读数精确度在 1 度以内，但所有三种不规则形状的阵列都比正方形阵列表现更好。李说，"这种方法的灵感来自于'俄罗斯方块'"。使系统正常工作的关键是在像素之间放置一种绝缘材料，如铅板，以增加从不同方向进入探测器的辐射读数之间的对比度。这些简化阵列中像素之间的铅片与大型阵列系统中使用的更复杂的阴影遮罩具有相同的功能。研究小组发现，不那么对称的排列能从小型阵列中提供更有用的信息，该研究的主要作者 Okabe 解释说。简化辐射探测器的优势"使用小型探测器的优点在于工程成本方面。不仅单个检测器元件（通常由碲锌镉或 CZT 制成）价格昂贵，而且从这些像素获取信息的所有互连也变得复杂得多。"李补充说："就应用而言，探测器越小越简单越好。"虽然也有其他版本的简化阵列用于辐射探测，但许多阵列只有在辐射来自单一局部来源时才有效。这项工作的共同第一作者Xue补充说，它们可能会被多个辐射源或分散在空间的辐射源所混淆，而基于"俄罗斯方块"的版本则能很好地处理这些情况。实地测试和实际意义麻省理工学院的研究人员在不知道地面真实辐射源位置的情况下，在伯克利实验室用一个真实的铯辐射源进行了单盲现场测试，测试装置在找到辐射源的方向和距离方面具有很高的准确性。合著者、麻省理工学院核工程教授兼核科学与工程系主任 Forget 说："辐射绘图对核工业至关重要，因为它有助于快速定位辐射源，保证每个人的安全。"另一位共同第一作者瓦夫雷克说，虽然他们的研究重点是伽马射线源，但他认为他们开发的从有限像素中提取方向信息的计算工具"要通用得多"。它并不局限于某些波长，还可以用于中子，甚至其他形式的光，如紫外线。麻省理工学院核反应堆实验室的资深科学家胡补充说，使用这种基于机器学习的算法和空中辐射探测，"可以对辐射事故进行实时监测和综合应急规划"。爱达荷国家实验室防御系统分部的科学家尼克-曼恩说："这项工作对美国应对界和日益严重的放射性事件或事故威胁至关重要。"编译来源：ScitechDaily ... PC版： 手机版：

【联邦银行和麻省理工学院DCI加入CBDC隐私研究】

【联邦银行和麻省理工学院DCI加入CBDC隐私研究】 德国联邦银行（Bundesbank）与麻省理工学院数字货币倡议（DCI）合作研究中央银行数字货币（CBDC）的隐私问题。双方致力于解决数字支付客户数据的安全问题，确保用户隐私权得到保护。德意志联邦银行行长约阿希姆·纳格尔强调，在CBDC发展过程中，保护隐私至关重要。该研究旨在制定一种减少用户侵犯隐私机会的方法。合作有助于实现欧元区内部直接转账的高效性。麻省理工学院DCI拥有与多家中央银行合作的丰富经验，包括美联储和英格兰银行，使其成为推进CBDC研究的重要合作伙伴。 快讯/广告 联系 @xingkong888885