研究人员利用人类细胞培养出人造鼠肺

研究人员利用人类细胞培养出人造鼠肺日本东北大学和加拿大多伦多大学研究人员在新一期英国《科学报告》杂志上发布成果说，他们将人类细胞注入小鼠肺部组织后培育出“混合人造肺”。将其移植到其他小鼠体内后，血液能流到肺的各个角落。公报说，随着多功能干细胞（包括诱导多功能干细胞和胚胎干细胞）进入临床应用，利用患者自身细胞培养不会发生排异反应的人造移植器官逐渐成为可能。研究人员表示，下一步准备将人体细胞注入猪肺，培养人造肺。猪肺和人肺尺寸相近，如果实验能够成功，那么离人造器官临床应用就更近了一步。

躲避火山灾难：研究人员监测"泡沫状"岩浆气体的喷发信号

躲避火山灾难：研究人员监测"泡沫状"岩浆气体的喷发信号具体来说，氩-40和氦-3的比例变化可以表明岩浆的泡沫程度，这预示着不同类型的喷发风险。了解哪些气体的比例表明某种类型的岩浆活动是一个很大的进步。接下来，研究人员希望通过开发能够提供现场实时测量的便携式设备，构建一个全天候的火山活动监测和预警系统。由于其地热活跃的位置，群马县草津镇（在这张图片的背景中）是日本最受欢迎的温泉（温泉）目的地之一。然而，酸性和充满活力的绿松石火山口湖绝对不适合游泳。一想到要站在火山上，你是兴奋得发抖，还是害怕？对于许多人来说，生活在火山的阴影下是日常生活的一部分。日本有111座活火山，每年平均有15次火山"事件"，包括火山喷发。然而，这些事件对于当地人而言并不是什么令人兴奋的事情，它可能是致命的，也是众所周知的难以预测。御岳山是日本第二高的火山，也是一个著名的旅游景点，在2014年意外地爆发，不幸地造成58人死亡，5人失踪。虽然地震活动通常是一个早期预警信号，但一些爆发（包括御岳山的爆发）可能在没有明确地震信号的情况下发生。因此，减灾人员如日本气象局希望受益于其他可靠的方式，以预示居民下一次潜在的灾难。火山口是地球表面（地壳）的洞和裂缝，它释放气体和蒸汽，经常出现在火山周围。喷出的气体是由混合的化学物质组成的。它的成分可以让我们了解在地壳下面的地幔中发生了什么，岩浆（熔岩）在那里形成并向上推进，最终以熔岩的形式爆发出来。研究人员已经知道，某些气体的同位素（来自某种元素的原子，具有相同的化学性质，但质量不同）的比例可以表明隐藏的岩浆活动。"我们知道，当岩浆活动增加时，氦的同位素比率偶尔会从一个低值（类似于在地壳中发现的氦）变为一个高值，就像在地幔中发现的氦。这是基于对加那利群岛（位于非洲西北海岸的大西洋中）埃尔埃罗岛冷泉气体的氦同位素比率的观察，那里在2011年发生了一次喷发，"来自先进科学和技术研究中心的住野宏一教授解释说。"但是我们不知道为什么在岩浆动荡期间有更多的地幔衍生的氦气。"HirochikaSumino（深绿色外套）、TomoyaObase（蓝色外套）和HiroshiShinohara（橙色外套）在日本富山县的TateyamaJigokudani（"地狱谷"）地热区收集气体样本。由于有毒气体和热蒸汽，从烟孔收集气体样本是很危险的，因此需要戴防毒面具、护目镜、头盔和手套。但是Sumino说，这项研究的结果表明，从样本中获得的洞察力是非常值得挑战的。为了获得进一步的了解，Sumino和研究小组决定监测活跃的Kusatsu-Shirane火山周围的六个熔岩的气体，该火山位于群马县东京西北部约150公里（90英里）处。该团队在2014年至2021年的7年间，每隔几个月收集一次样本。采集后，他们将样本带回实验室，使用称为惰性气体质谱仪的最先进设备进行分析。这使他们能够精确地测量同位素组成，包括超微量（微小但重要）同位素的组成，如氦-3，与地壳或空气相比，氦-3在地幔中通常更丰富。"我们成功地检测到岩浆衍生的氩-40/氦-3比例的变化，与岩浆动荡有关。使用计算机模型，我们发现该比率反映了地下岩浆发泡的程度，使火山气体的气泡从液态岩浆中分离出来，"Sumino解释说。"岩浆发泡的程度控制着有多少岩浆气体被提供给火山下的热液系统，以及岩浆的浮力如何。前者与岩浆喷发的风险有关，在这种情况下，热液系统中水压的增加会导致喷发的发生。后者将增加岩浆上升的速度，导致岩浆喷发。"草津白根火山地图这张地图显示了研究小组所采样的烟孔的位置。同时还显示了最近在2018年1月发生的、意料之外的、致命的喷发的位置，这次喷发造成1人死亡，11人受伤。"当你把火山与人体相比较时，以观察地震和地壳变形为代表的传统地球物理方法类似于听胸腔和测量体型。在这种情况下，如果没有详细的医疗检查，很难知道是什么健康问题导致胸部的一些噪音或体重的突然增加。另一方面，分析火成气体中元素的化学和同位素组成，就像呼吸或血液测试。这意味着我们正在研究直接来自岩浆的实际材料，以准确了解岩浆的情况。"就目前而言，气体样本必须在野外收集，并带回实验室进行分析，这是一个具有挑战性和耗时的过程。然而，Sumino在改进惰性气体质谱仪方面有经验，并希望开发一种新的工具，使他们能够进行同样的分析，但要实时和在野外进行。"我们希望能够尽快发现岩浆活动的变化，"Sumino说。"现在我们正在开发一种便携式质谱仪，用于现场实时监测来自熔岩气体的惰性气体同位素比率。我们的下一步是用这个新仪器建立一个惰性气体分析协议，使所有的活火山--至少是那些有可能给当地居民带来灾难的活火山--每周七天、每天24小时都受到监测成为现实。"...PC版：https://www.cnbeta.com.tw/articles/soft/1333437.htm手机版：https://m.cnbeta.com.tw/view/1333437.htm

MIT研究人员利用人工智能将仓库改造成高效枢纽

MIT研究人员利用人工智能将仓库改造成高效枢纽在一个巨大的机器人仓库里，数百个机器人在地面上来回穿梭，抓取物品并交付给人类工人进行包装和运输。这种仓库正日益成为从电子商务到汽车生产等许多行业供应链的一部分。然而，要让800个机器人高效地往返于目的地，同时又要防止它们相互碰撞，并非易事。这个问题非常复杂，即使是最好的路径搜索算法，也很难跟上电子商务或制造业的飞速发展。人工智能驱动的高效解决方案从某种意义上说，这些机器人就像试图在拥挤的市中心穿梭的汽车。因此，一群利用人工智能缓解交通拥堵的麻省理工学院研究人员运用了这一领域的理念来解决这一问题。他们建立了一个深度学习模型，对仓库的重要信息（包括机器人、计划路径、任务和障碍物）进行编码，并利用这些信息预测仓库的最佳疏导区域，以提高整体效率。他们的技术将仓库中的机器人分成若干组，因此这些较小的机器人组可以用协调机器人的传统算法更快地消除拥堵。最终，与强随机搜索法相比，他们的方法疏导机器人的速度快了近四倍。除了简化仓库作业，这种深度学习方法还可用于其他复杂的规划任务，如计算机芯片设计或大型建筑的管道布线。尖端的神经网络架构"我们设计了一种新的神经网络架构，它实际上适用于这些仓库这种规模和复杂程度的实时操作。它可以对数百个机器人的轨迹、出发地、目的地以及与其他机器人的关系进行编码，而且能以一种高效的方式在各组机器人之间重复使用计算，"土木与环境工程（CEE）专业吉尔伯特-W-温斯洛职业发展助理教授、信息与决策系统实验室（LIDS）和数据、系统与社会研究所（IDSS）成员凯茜-吴（CathyWu）说。该技术论文的资深作者Wu和第一作者、电子工程和计算机科学专业研究生ZhongxiaYan共同完成了这项研究。这项研究成果将在学习表征国际会议（InternationalConferenceonLearningRepresentations）上发表。机器人俄罗斯方块从鸟瞰图上看，机器人电子商务仓库的地面有点像快节奏的"俄罗斯方块"游戏。当客户下订单时，机器人会前往仓库的某一区域，抓起放置所需物品的货架，然后将其交给人类操作员，由其拣选和包装物品。数百个机器人同时进行这项工作，如果两个机器人在穿过巨大的仓库时发生路径冲突，就可能会撞车。传统的搜索算法可以避免潜在的碰撞，方法是保持一个机器人的运行轨迹，并为另一个机器人重新规划轨迹。但由于机器人数量众多，可能发生碰撞，问题很快就会呈指数级增长。"由于仓库是在线运行的，机器人大约每100毫秒重新扫描一次。也就是说，每秒钟，机器人要重新扫描10次。因此，这些操作必须非常快速，"Wu说。由于在重新规划过程中时间非常关键，麻省理工学院的研究人员利用机器学习将重新规划的重点放在最有可能减少机器人总行驶时间的拥堵区域。Wu和Yan建立的神经网络架构可同时考虑较小的机器人群组。例如，在一个拥有800个机器人的仓库中，网络可能会将仓库地面切割成更小的组，每组包含40个机器人。然后，如果使用基于搜索的求解器来协调该组机器人的轨迹，它就会预测出哪一组最有可能改进整体解决方案。整个算法是一个迭代过程，先用神经网络选出最有希望的机器人组，再用基于搜索的求解器解散机器人组，然后用神经网络选出下一个最有希望的机器人组，依此类推。简化复杂系统神经网络能有效地推理机器人群，因为它能捕捉到单个机器人之间存在的复杂关系。例如，即使一个机器人一开始离另一个机器人很远，它们在行进过程中的路径仍有可能交叉。该技术还能简化计算，只需对约束条件进行一次编码，而无需对每个子问题重复编码。例如，在一个拥有800个机器人的仓库中，要消除一组40个机器人的拥堵，需要将其他760个机器人作为约束条件。其他方法则需要在每次迭代中对每组所有800个机器人推理一次。相反，研究人员的方法只需要在每次迭代中对所有小组的800个机器人进行一次推理。她补充说："仓库是一个大的环境，因此这些机器人群组中的很多都会在更大的问题上有一些共同点。我们设计的架构就是为了利用这些共同的信息。"研究人员在几个模拟环境中测试了他们的技术，包括一些像仓库一样的环境，一些带有随机障碍物的环境，甚至还有模拟建筑物内部的迷宫设置。通过识别出更有效的疏导群组，他们基于学习的方法疏导仓库的速度比强大的、非基于学习的方法快四倍。即使考虑到运行神经网络的额外计算开销，他们的方法解决问题的速度仍然快3.5倍。未来方向与同行认可未来，研究人员希望从他们的神经模型中获得简单、基于规则的见解，因为神经网络的决策可能不透明，难以解读。更简单、基于规则的方法也更容易在实际机器人仓库环境中实施和维护。"这种方法基于一种新颖的架构，在这种架构中，卷积和注意力机制能够有效地相互作用。令人印象深刻的是，它能够考虑到所构建路径的时空成分，而无需针对具体问题进行特征工程。结果非常出色。"康奈尔理工学院安德鲁-H.和安-R.-蒂施教授AndreaLodi说："我们不仅能在求解质量和速度方面改进最先进的大型邻域搜索方法，而且该模型还能很好地推广到未见过的案例中。"编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1422220.htm手机版：https://m.cnbeta.com.tw/view/1422220.htm

科学家们错了吗？研究人员提出拉切尔锯火山喷发的新日期

科学家们错了吗？研究人员提出拉切尔锯火山喷发的新日期研究小组成员包括来自杜伦大学、牛津大学、伦敦皇家霍洛威大学、SYSTEMIQ有限公司和提赛德大学的科学家，他们认为新的喷发日期可能受到了火山碳的影响。莱尼格等人的新日期是根据火山爆发产生的火成碎屑流中的树木上的放射性碳得出的，这些树木距离火山非常近。不幸的是，火山从地下岩浆室排出的二氧化碳会穿过土壤，被包括树木在内的任何植被吸收。这种岩浆二氧化碳中没有放射性碳，因为它是在地下存在了数百万年的古碳。因此，将这些已死亡的碳加入到树木中会产生一个过于古老的日期。此外，研究人员还指出，在格陵兰冰盖内刚刚发现了一个新报道的硫磺峰（硫磺在火山爆发后从空气中沉降到冰盖表面，并被随后的积雪掩埋）。硫磺峰大约发生在距今12870年前，与拉切尔火山喷发的距今12880年的时间基本相同，这再次表明莱尼格等人的日期是不正确的。研究人员强调，新日期并不与大硫磺峰值相吻合。研究结果的主要作者、杜伦大学的詹姆斯-巴尔迪尼教授说："我们的新研究指出，最近的火山爆发日期没有考虑到死碳，而死碳是由火山排放并被树木吸收的。"因此，Reinig等人的研究中使用的树木受到了火山碳的污染，产生的年龄约为130年。在格陵兰冰盖上发现了一个非常大的硫磺峰，它具有拉切尔火山喷发的所有特征，其年代比莱尼格等人的新年代晚130年，这也支持了这一观点。因此，这次火山爆发仍然是年轻干期事件的一个可行的触发因素"。莱尼格等人在2021年公布的德国火山喷发日期比之前公认的年代要早130年左右。研究人员指出，之前的研究表明，岩浆中的二氧化碳会产生过早几十年到200年的放射性碳年代，这与之前公认的年代和Reinig等人最近公布的年代之间相差130年是一致的。拉谢尔见火山喷发的火山灰遍布整个欧洲，并将硫磺扩散到全球各地。火山爆发产生的火山灰在整个欧洲的沉积序列中被广泛用作时间标记，因此火山爆发的时间会影响从这些欧洲湖芯重建的环境变化时间。...PC版：https://www.cnbeta.com.tw/articles/soft/1377887.htm手机版：https://m.cnbeta.com.tw/view/1377887.htm

研究人员利用人工智能在几秒钟内设计出行走机器人

研究人员利用人工智能在几秒钟内设计出行走机器人人工智能找出了这个机器人的缺陷，并进行了修改。到第10次迭代时，人工智能创造出了一个似乎真的可以在平面上移动的机器人。此时，团队不得不将其变为现实。他们制作了一个机器人身体周围负空间的3D打印模型，并填充了液态硅橡胶。固化几个小时后，这个软绵绵的机器人就可以进行测试了。通过反复充气然后放气，这个机器人就可以运动了。任务完成。"我们发现了一种非常快速的人工智能驱动设计算法，它可以绕过进化过程中的交通堵塞，而不会受制于人类设计师的偏见，"西北大学的萨姆-克里格曼（SamKriegman）说，他是该项目的首席研究员。"我们告诉人工智能，我们想要一个能在陆地上行走的机器人。然后，我们只需按下一个按钮，就可以了！它在眨眼之间就生成了一个机器人的蓝图，这个机器人看起来与地球上曾经行走过的任何动物都毫无二致。我把这个过程称为'瞬间进化'。"并不是每个人都会像克里格曼和他的公司一样对这一创造印象深刻，他们很清楚这一点。克里格曼说："当人们看到这个机器人时，他们可能会认为这是一个毫无用处的小玩意儿。而我看到的是一个全新有机体的诞生"。也许最令人印象深刻的是，人工智能是在一台普通的笔记本电脑上运行的，整个设计过程从开始到结束只用了大约26秒。更重要的是，研究小组没有向人工智能提供任何设计线索。它自己发现，腿是穿越陆地的好方法，尽管它选择了三条腿的设计来完成工作。如果有更多的时间和指导，看看人工智能能创造出什么样的产品，那将是一件非常有趣的事情。克里格曼相信，人工智能设计的机器人有一天会以各种方式帮助人类。他说，现在唯一的障碍是我们不知道如何设计它们。该团队的研究成果已发表在《美国国家科学院院刊》（ProceedingsoftheNationalAcademyofSciences）上。...PC版：https://www.cnbeta.com.tw/articles/soft/1388067.htm手机版：https://m.cnbeta.com.tw/view/1388067.htm