科学家创造出世界上最小、最轻、最快的全功能微型水黾机器人

科学家创造出世界上最小、最轻、最快的全功能微型水黾机器人 华盛顿州立大学的研究人员开发出了体积最小、速度最快的微型机器人，有望改变从人工授粉到外科手术的各个领域。这些机器人利用形状记忆合金进行运动，比以前的型号明显更轻、更快，通过模仿自然界昆虫的行为，有望实现更高的自主性和效率。图片来源：西悉尼大学图片社速度和微型化方面的突破机械与材料工程学院的博士生、这项研究的第一作者康纳-特里格斯塔德（Conor Trygstad）说："与这种规模的其他微型机器人相比，这是非常快的速度，尽管它仍然落后于它们的生物亲戚。一只蚂蚁通常重达五毫克，移动速度可达每秒近一米。"微型机器人的关键在于使机器人移动的微型致动器。特里格斯塔德利用一种新的制造技术，将致动器微型化到不足一毫克，这是目前已知最小的致动器。一个西悉尼大学创造的机器人被放在一个25美分硬币旁边，以显示其大小。资料来源：西悉尼大学领导该项目的西悉尼大学机械与材料工程学院工程学副教授 Néstor O. Pérez-Arancibia 说："这些致动器是迄今为止为微型机器人开发的最小、最快的致动器。"先进的致动器技术致动器使用一种称为形状记忆合金的材料，这种材料在加热时能够改变形状。之所以称之为"形状记忆"，是因为它能记住并恢复到原来的形状。与移动机器人的典型电机不同，这些合金没有任何活动部件或旋转组件。Trygstad 说："它们的机械性能非常好，轻型致动器的开发开辟了微型机器人技术的新领域。"形状记忆合金一般不用于大规模机器人运动，因为它们的速度太慢。但在西悉尼大学的机器人中，执行器是由两根直径为 1/1000 英寸的微小形状记忆合金线制成的。只需少量电流，这些金属丝就能轻松加热和冷却，使机器人能够以每秒 40 次的速度扇动鳍或移动脚。在初步测试中，致动器还能举起超过自身重量 150 倍的物体。与其他用于使机器人移动的技术相比，SMA 技术也只需要极少量的电力或热量就能使机器人移动。未来方向与改进Trygstad 说："SMA 系统对供电系统的要求要低得多。"他是一名狂热的钓鱼爱好者，长期以来一直在观察水黾，并希望进一步研究它们的动作。虽然西悉尼大学的水黾机器人是用扁平的拍打动作来移动自己，但自然界的昆虫会用腿做更有效率的划船动作，这也是真正的昆虫能移动得更快的原因之一。研究人员希望模仿另一种昆虫，开发出一种既能在水面上也能在水面下移动的水黾型机器人。他们还在努力利用微型电池或催化燃烧技术，使机器人完全自主，不受电源束缚。编译来源：ScitechDaily ... PC版： 手机版：

科学家研制出世界上首个3D打印 "大脑模型"

科学家研制出世界上首个3D打印 "大脑模型" 在维也纳医科大学和维也纳工业大学的一个联合项目中，开发出了世界上第一个三维打印的"大脑模型"，该模型以脑部纤维结构为模型，可以使用一种特殊的磁共振成像（dMRI）进行成像。由维也纳医科大学和维也纳工业大学领导的科研团队在一项研究中表明，这些大脑模型可用于推进神经退行性疾病（如阿尔茨海默氏症、帕金森氏症和多发性硬化症）的研究。这项研究成果发表在《先进材料技术》（Advanced Materials Technologies）杂志上。磁共振成像（MRI）是一种广泛使用的诊断成像技术，主要用于检查大脑。核磁共振成像可在不使用电离辐射的情况下检查大脑的结构和功能。在磁共振成像的一种特殊变体扩散加权磁共振成像（dMRI）中，还可以确定大脑中神经纤维的方向。然而，在神经纤维束的交叉点很难正确确定神经纤维的方向，因为不同方向的神经纤维会在那里重叠。为了进一步改进流程以及测试分析和评估方法，一个国际团队与维也纳医科大学和维也纳工业大学合作开发了一个所谓的"大脑模型"，该模型是利用高分辨率三维打印工艺制作的。带有微通道的小立方体维也纳医科大学的研究人员作为核磁共振成像专家，维也纳工业大学的研究人员作为三维打印专家，与苏黎世大学和汉堡大学医疗中心的同事密切合作。早在2017年，维也纳工业大学就开发出了一种双光子聚合打印机，可以实现升级打印。在此过程中，还与维也纳医科大学和苏黎世大学共同开展了脑模型的使用案例研究。由此产生的专利构成了脑模型的基础，该模型现已开发完成，并由维也纳工业大学的研究与转让支持团队负责监督。从外观上看，这个幻影与真正的大脑并无太大区别。它要小得多，形状像一个立方体。它的内部是非常细小的、充满水的微通道，大小与单个颅神经相当。这些通道的直径比人的头发丝还要细五倍。为了模仿大脑中精细的神经细胞网络，第一作者迈克尔-沃莱茨（Michael Woletz）（维也纳医科大学医学物理和生物医学工程中心）和弗兰兹斯卡-查鲁帕-甘特纳（Franziska Chalupa-Gantner）（维也纳工业大学3D打印和生物制造研究小组）领导的研究小组使用了一种相当不寻常的3D打印方法：双光子聚合。这种高分辨率方法主要用于打印纳米和微米级的微结构，而不是打印立方毫米级的三维结构。为了为 dMRI 制作合适尺寸的模型，维也纳科技大学的研究人员一直在努力扩大三维打印工艺的规模，以便能够打印出具有高分辨率细节的更大物体。高比例三维打印为研究人员提供了非常好的模型，在 dMRI 下观察时，可以确定各种神经结构。Michael Woletz 将这种提高 dMRI 诊断能力的方法与手机相机的工作方式进行了比较："我们看到，手机相机在摄影方面取得的最大进步并不一定是新的、更好的镜头，而是改进所拍摄图像的软件。dMRI 的情况也类似：利用新开发的大脑模型，我们可以更精确地调整分析软件，从而提高测量数据的质量，更准确地重建大脑神经结构。"改进 dMRI分析软件因此，真实再现大脑中的特征神经结构对于"训练"dMRI 分析软件非常重要。使用三维打印技术可以创建可修改和定制的各种复杂设计。因此，大脑模型描绘的是大脑中产生特别复杂信号并因此难以分析的区域，如交叉的神经通路。因此，为了校准分析软件，需要使用 dMRI 对大脑模型进行检查，并像分析真实大脑一样分析测量数据。由于采用了三维打印技术，模型的设计是精确可知的，分析结果也可以检查。作为联合研究工作的一部分，维也纳医科大学和维也纳理工大学已经证明了这一点。所开发的模型可用于改进 dMRI，从而有利于手术规划和神经退行性疾病（如阿尔茨海默氏症、帕金森氏症和多发性硬化症）的研究。尽管概念得到了验证，但团队仍然面临着挑战。目前最大的挑战是扩大这种方法的规模："双光子聚合的高分辨率使得打印微米和纳米范围的细节成为可能，因此非常适合颅神经成像。但与此同时，使用这种技术打印一个几立方厘米大小的立方体也需要相应的时间，"Chalupa-Gantner 解释说。"因此，我们不仅要开发更复杂的设计，还要进一步优化打印过程本身"。编译自:ScitechDaily ... PC版： 手机版：

波士顿动力机器人最新视频：自主“搭桥”为高处工人递工具 能跑能跳还能空翻

波士顿动力机器人最新视频：自主“搭桥”为高处工人递工具 能跑能跳还能空翻 波士顿动力公司发表新视频，展示该公司人形机器人的最新能力。视频中的“阿特拉斯”型机器人自主借助木板搭建桥梁以登上脚手架，为工人递上工具，随后以空翻动作返回地面。波士顿动力公司技术团队同时发布一幕后解析视频，讲解机器人研发进程。项目团队成员称，该公司已不满足于只让机器人完成跳舞或跑酷等任务，而是让该型机器人进入工作环境，探索其应用在真实世界中的可能。 欢迎关注 #菲行者 国际安危事件新闻频道 投稿联系 @NBAAAAAA

开发者利用 AI 创造出能自我修复的程序

开发者利用 AI 创造出能自我修复的程序 调试程序找出 bug 的过程是令人沮丧的，为什么不让 AI 来帮助你完成这个工作？一位用户名为 BioBootloade 的开发者创造出能帮助 Python 程序自我修复的程序 。代码发布在上。 “用它运行你的脚本，当它们崩溃时，GPT-4 会编辑它们并解释出了什么问题，”在一条带有演示视频的中写道。“即使你有很多错误，它也会反复重新运行，直到一切都修复。 使用 Wolverine下需要用户拥有 OpenAI 的 GPT-3.5 或 GPT-4 的 API key。GPT 3.5 API 目前开放给所有用户使用，但 GPT-4 的访问是受限的。来源 ， 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

EPFL研究人员创造出超低温下将热能转化为电能的新型装置

EPFL研究人员创造出超低温下将热能转化为电能的新型装置 要进行量子计算，量子比特（量子位）必须冷却到毫开尔文范围（接近-273摄氏度）的温度，以减缓原子运动并将噪声降至最低。然而，用于管理这些量子电路的电子器件会产生热量，在如此低的温度下很难去除。因此，大多数当前的技术都必须将量子电路与其电子组件分离，这会导致噪音和低效率，阻碍实验室以外更大量子系统的实现。由Andras Kis领导的EPFL纳米电子与结构实验室（LANES）的研究人员现在已经制造出一种设备，该设备不仅在极低的温度下工作，而且在室温下的效率与当前的技术相当。该成果已发表在《自然·纳米技术》杂志上。LANES博士生Gabriele Pasquale说：“我们是第一个创造出一种与当前技术的转换效率相匹配的设备，但它能在量子系统所需的低磁场和超低温下工作。这项工作确实向前迈出了一步。”该创新器件将石墨烯的优异导电性与硒化铟的半导体特性相结合。它只有几个原子厚，表现得像一个二维物体，这种材料和结构的新颖组合产生了前所未有的性能。该设备利用了能斯特效应：一种复杂的热电现象，当磁场垂直于温度变化的物体时，会产生电压。实验室设备的2D特性允许以电气方式控制该机构的效率。2D结构是在EPFL微纳技术中心和LANES实验室制造的。实验包括使用激光作为热源，使用专门的稀释冰箱达到100毫开尔文，这一温度甚至比外太空还要低。在如此低的温度下将热量转换为电压通常极具挑战性，但新型器件及其对能斯特效应的利用使这成为可能，填补了量子技术的一个关键空白。“如果你把笔记本电脑放在寒冷的办公室里，笔记本电脑在工作时仍然会发热，导致房间的温度也会升高。在量子计算系统中，目前没有任何机制可以防止这种热量干扰量子位。我们的设备可以提供这种必要的冷却，”Pasquale说。Pasquale是一名受过训练的物理学家，他强调这项研究意义重大，因为它揭示了低温下的热电能转换这是一种迄今为止尚未探索的现象。考虑到高转换效率和潜在可制造电子元件的使用，LANES团队还认为他们的设备已经可以集成到现有的低温量子电路中。Pasquale说：“这些发现代表了纳米技术的重大进步，有望开发出对毫开尔文温度下的量子计算至关重要的先进冷却技术。”。“我们相信，这一成就将彻底改变未来技术的冷却系统。” ... PC版： 手机版：

科学家用铜和碳原子锻造出世界上最细的金属丝

科学家用铜和碳原子锻造出世界上最细的金属丝 洛桑联邦理工学院（EPFL）的研究人员利用计算方法研究了78万多种晶体的结构特性，确定了潜在的单维纳米材料，包括可能是最细的金属丝。他们的发现聚焦了14种在电子学和量子研究中具有潜在用途的材料。资料来源：NCCR MARVEL研究人员利用计算工具寻找可以从已知三维晶体中剥离出来的新型一维材料。在一份包含 78 万多种晶体的初始清单中，他们得出了一份包含 800 种一维材料的清单，并从中选出了 14 种最佳候选材料这些化合物尚未合成为真正的金属丝，但模拟结果表明是可行的。其中包括金属丝CuC2，它是由两个碳原子和一个铜原子组成的直线链，是迄今发现的在 0 K 温度下稳定的最细金属纳米线。洛桑联邦理工学院材料理论与模拟实验室的研究人员利用计算方法确定了可能是最细的金属丝，以及其他几种单维材料，这些材料的特性可能会被证明对许多应用领域很有意义。单维（或一维）材料是纳米技术最引人入胜的产品之一，由原子排列成线或管状组成。它们的电学、磁学和光学特性使其成为从微电子学到生物传感器再到催化等各种应用的绝佳候选材料。虽然碳纳米管是迄今为止最受关注的材料，但事实证明它们非常难以制造和控制，因此科学家们迫切希望找到其他化合物，用于制造具有同样有趣特性但更容易处理的纳米线和纳米管。因此，Chiara Cignarella、Davide Campi和Nicola Marzari想到利用计算机模拟来解析已知的三维晶体，根据它们的结构和电子特性，寻找那些看起来很容易"剥离"的晶体，从本质上剥离出稳定的一维结构。同样的方法过去曾成功用于研究二维材料，但这是首次应用于一维材料。研究人员从文献中的各种数据库中收集了超过 78 万个晶体，这些晶体通过范德华力（原子距离足够近，电子重叠时产生的一种微弱相互作用）结合在一起。然后，他们采用一种算法，考虑原子的空间组织，寻找具有线状结构的原子，并计算出需要多少能量才能将这种一维结构从晶体的其他部分分离出来。论文第一作者 Cignarella 说："我们一直在寻找金属丝，但这种金属丝应该很难找到，因为一维金属原则上应该不够稳定，无法进行剥离"。最终，他们得出了一份包含 800 种一维材料的清单，并从中选出了 14 种最佳候选材料这些化合物尚未合成为真正的导线，但模拟结果表明是可行的。然后，他们开始更详细地计算这些材料的特性，以验证它们的稳定性如何，以及人们对它们的电子行为有何期待。四种材料两种金属和两种半金属成为最有趣的材料。其中金属丝CuC2 是由两个碳原子和一个铜原子组成的直线链是迄今发现的在 0 K 温度下稳定的最细金属纳米线。Cignarella说："这真的很有趣，因为你不会想到由单线原子组成的实际金属丝会在金属相中保持稳定。科学家们发现，它可以从三种不同的母晶体中剥离出来，这些晶体都是实验中已知的（NaCuC2、KCuC2和 RbCuC2）。从它们中提取这种物质所需的能量很少，而且其链可以弯曲，同时保持其金属特性，这将使它对柔性电子产品产生兴趣。"这项发表在《ACS Nano》上的研究还发现了其他有趣的材料，其中包括半金属Sb2Te2，由于其特性，可以研究一种 50 年前就被预测但从未被观测到的奇异物质状态，即激子绝缘体，这是量子现象在宏观尺度上变得可见的罕见情况之一。此外，还有另一种半金属Ag2Se2 和TaSe3，后者是一种著名的化合物，也是唯一一种已经在实验中剥离成纳米线的化合物，科学家将其作为基准。至于未来，Cignarella 解释说，研究小组希望与实验人员合作，实际合成这些材料，同时继续进行计算研究，了解它们如何传输电荷以及在不同温度下的表现。这两点对于了解它们在实际应用中的性能至关重要。编译来源：ScitechDaily ... PC版： 手机版：