：为研究声学通讯的研究人员设计的神经网络框架 | #框架

：为研究声学通讯的研究人员设计的神经网络框架 | #框架 主要目标： 1.让研究声学通信的研究人员更轻松地将神经网络算法应用于他们的数据 2.提供一个通用框架，有助于在与声学通信相关的任务上对神经网络算法进行基准测试 目前，主要用途是发声和其他动物声音的自动注释。

神经网络成“病毒软件”新宿主，国科大最新研究：嵌入恶意后，性能下降不足 1%

神经网络成“病毒软件”新宿主，国科大最新研究：嵌入恶意软件后，性能下降不足 1% 论文中写道，经过实验表明，在 1% 的准确率损失范围内，一个 178MB 的 AlexNet 模型可以嵌入 36.9MB 的恶意软件，并且 VirusTotal 中的反病毒引擎没有给出任何可疑提示。作者表示，随着人工智能的广泛应用，神经网络将成为恶意软件传播的载体。 ========= 强尼银手狂喜？

可调谐忆阻器的研发进展有助于人工神经网络更高效处理随时间变化的数据

可调谐忆阻器的研发进展有助于人工神经网络更高效处理随时间变化的数据 人工神经网络也许很快就能更高效地处理随时间变化的信息，如音频和视频数据。密歇根大学领导的一项研究在今天的《自然-电子学》（Nature Electronics）杂志上报告了首个具有可调节"弛豫时间"的忆阻器。忆阻器是一种将信息存储在电阻中的电子元件，与当今的图形处理单元相比，它可以将人工智能的能源需求降低约 90 倍。预计到 2027 年，人工智能的耗电量将占全球总耗电量的一半左右，而且随着越来越多的公司销售和使用人工智能工具，这一比例还有可能进一步上升。"现在，人们对人工智能很感兴趣，但要处理更大、更有趣的数据，方法就是扩大网络规模。这效率并不高，"麻省理工大学詹姆斯-R-梅勒工程学教授 Wei Lu 说，他与麻省理工大学材料科学与工程学副教授 John Heron 是这项研究的共同通讯作者。图形处理器的问题问题在于，GPU 的运行方式与运行人工智能算法的人工神经网络截然不同整个网络及其所有互动都必须从外部存储器中顺序加载，这既耗时又耗能。相比之下，忆阻器可以节省能源，因为它们模仿了人工神经网络和生物神经网络在没有外部存储器的情况下运行的主要方式。在某种程度上，忆阻器网络可以体现人工神经网络。麻省理工学院材料科学与工程系应届博士毕业生 Sieun Chae 与麻省理工学院电气与计算机工程系应届博士毕业生 Sangmin Yoo 是这项研究的共同第一作者。在生物神经网络中，计时是通过放松来实现的。每个神经元都会接收电信号并将其发送出去，但这并不能保证信号会向前推进。在神经元发送自己的信号之前，必须先达到接收信号的某个阈值，而且必须在一定时间内达到该阈值。如果时间过长，神经元就会随着电能的渗出而松弛。神经网络中具有不同松弛时间的神经元有助于我们理解事件的顺序。忆阻器如何工作忆阻器的工作原理略有不同。改变的不是信号的存在与否，而是有多少电信号可以通过。接触到一个信号，忆阻器的电阻就会降低，从而允许更多的下一个信号通过。在忆阻器中，弛豫意味着随着时间的推移，电阻会再次上升。Lu 的研究小组过去曾探索过在忆阻器中加入弛豫时间，但这并不是可以系统控制的。但现在，Lu 和 Heron 的团队已经证明，基础材料的变化可以提供不同的弛豫时间，从而使忆阻器网络能够模仿这种计时机制。材料成分和测试研究小组在超导体 YBCO（由钇、钡、碳和氧制成）的基础上构建了这些材料。YBCO在零下292华氏度的温度下没有电阻，但他们想要它的晶体结构。它引导着镁氧化物、钴氧化物、镍氧化物、铜氧化物和锌氧化物在忆阻器材料中的组织。赫伦称这种熵稳定氧化物为"原子世界的厨房水槽"添加的元素越多，它就越稳定。通过改变这些氧化物的比例，研究小组获得了 159 到 278 纳秒（即万亿分之一秒）的时间常数。他们构建的简单忆阻器网络学会了识别 0 到 9 数字的发音。一旦经过训练，它就能在音频输入完成之前识别出每个数字。未来展望这些忆阻器是通过能源密集型工艺制造的，因为研究小组需要完美的晶体来精确测量它们的特性，但他们预计，更简单的工艺也适用于大规模制造。赫伦说："到目前为止，这只是一个愿景，但我认为有一些途径可以使这些材料具有可扩展性，而且价格合理。这些材料是地球上丰富的资源，无毒、廉价，你几乎可以把它们喷洒在上面。"编译来源：ScitechDailyDOI: 10.1038/s41928-024-01169-1 ... PC版： 手机版：

NASA新任务UVEX将接棒"探索者计划" 揭开宇宙的紫外线之谜

NASA新任务UVEX将接棒"探索者计划" 揭开宇宙的紫外线之谜 这幅图像显示的是美国宇航局哈勃太空望远镜观测到的棒旋星系 NGC 1097 的中心。 图片来源：ESA/哈勃和 NASA, D. Sand, K. ShethNASA正在探索空中和太空中的未知世界，一项勘测整个天空紫外线的新任务将为该机构提供更多关于星系和恒星如何演变的洞察力。这架名为 UVEX（UltraViolet EXplorer）的太空望远镜计划于 2030 年发射，是 NASA 的下一个天体物理学中型探测器任务。除了进行高灵敏度的全天空巡天外，UVEX 还能迅速指向宇宙中的紫外线光源。这将使它能够捕捉到中子星合并引起的引力波爆发后的爆炸。该望远镜还将携带一台紫外线摄谱仪，用于研究恒星爆炸和大质量恒星。位于华盛顿的美国宇航局总部科学任务局副局长尼古拉-福克斯（Nicola Fox）说："美国宇航局的UVEX将帮助我们更好地了解附近和遥远星系的性质，并跟踪不断变化的宇宙中的动态事件。这项任务将为我们的太空望远镜舰队带来近紫外光和远紫外光的关键能力，提供丰富的巡天数据，为探索宇宙的秘密开辟新的途径。"该望远镜的紫外线测量能力将补充其他在这十年中进行广泛测量的任务所提供的数据，其中包括由欧空局（ESA）领导、美国国家航空航天局（NASA）参与的欧几里德任务，以及美国国家航空航天局（NASA）将于 2027 年 5 月发射的南希-格雷斯-罗曼太空望远镜。这些任务将共同帮助绘制一幅现代的、多波长的宇宙地图。美国国家航空航天局总部天体物理学部主任马克-克兰平（Mark Clampin）说："随着创新的新UVEX任务加入我们的任务组合，我们将获得对科学界具有持久价值的重要遗留数据档案。这台新望远镜将有助于我们通过多种波长了解宇宙，并解决当今天体物理学的主要优先事项之一：研究宇宙中转瞬即逝的变化。"美国航天局在由科学家和工程师组成的小组对两个中型探测器和两个机会任务概念提案进行详细审查，并根据美国航天局目前的天体物理学组合和可用资源进行评估后，选定继续开发UVEX中型探测器概念。UVEX 任务被选中执行为期两年的任务，费用约为 3 亿美元，不包括发射费用。这项任务的首席研究员是位于加利福尼亚州帕萨迪纳的加州理工学院的菲奥娜-哈里森。参与这项任务的其他机构包括加州大学伯克利分校、诺斯罗普-格鲁曼公司和空间动力学实验室。探索者计划是美国国家航空航天局历史最悠久的连续性计划。该计划旨在通过由主要研究人员领导的、与该机构天体物理学和太阳物理学计划相关的空间科学调查，提供频繁、低成本的太空访问机会。自 1958 年发射发现地球辐射带的"探索者 1 号"以来，"探索者计划"已经发射了 90 多项任务，其中包括"乌胡鲁"和"宇宙背景探索者"任务，这两项任务的研究人员因此获得了诺贝尔奖。该计划由美国宇航局戈达德太空飞行中心的科学任务局管理，该局负责开展有关地球研究、空间天气、太阳系和宇宙的各种研究和科学探索计划。 ... PC版： 手机版：

抹黑运动的新武器 在一项实验中，研究人员使用神经网络创建了一个虚构的社交媒体用户的7张照片，将其命名为“约翰”。

抹黑运动的新武器 在一项实验中，研究人员使用神经网络创建了一个虚构的社交媒体用户的7张照片，将其命名为“约翰”。 在过去12年中，“约翰”发布了一些关于自己工作、休闲和度过周末的照片。 只需要抓取7张照片，一个神经网络就可以在“约翰”身上生成真正的抹黑。在它创造的照片中，“约翰”: -半裸着坐在教室里。 -与一个裸体色情女演员合影。 -穿上了小丑的服装。 -是一个极端主义准军事组织的成员。 -因贩毒而在监狱服刑。 “约翰” 是一个不存在的人，但任何用户都可以使用社交媒体上的多张真实人物的照片（5张或更多）、甚至视频中的静态图像，来复制这个实验。 #deepfake

反思大脑设计：人类神经元的独特布线挑战了旧有假设

反思大脑设计：人类神经元的独特布线挑战了旧有假设 新研究发现，与小鼠的循环互动不同，人类新皮质神经元单向交流效率更高。这一发现可能会通过模仿人类大脑的连通性来促进人工神经网络的发展。记录多达十个神经元活动的多补丁实验装置。图片来源：Charité | 彭扬帆新皮质是人类智力的关键结构，厚度不足五毫米。在大脑的最外层，200 亿个神经元处理着无数的感官知觉，规划着行动，并构成了我们意识的基础。这些神经元是如何处理所有这些复杂信息的呢？这在很大程度上取决于它们之间的"连接"方式。夏里特神经生理学研究所所长约尔格-盖格（Jörg Geiger）教授解释说："我们以前对新皮层神经结构的理解主要基于小鼠等动物模型的研究结果。在这些模型中，相邻的神经元经常像对话一样相互交流。一个神经元向另一个神经元发出信号，然后另一个神经元再向它发出信号。这意味着信息经常以循环往复的方式流动"。带有机器人机械手的多通道装置，可在两轮实验之间自动冲洗玻璃移液管。图片来源：Charité | 彭扬帆人类的新皮质比小鼠的新皮质更厚、更复杂。尽管如此，研究人员之前一直假设部分原因是缺乏数据它遵循相同的基本连接原则。盖革领导的夏里特研究小组现在利用极其罕见的组织样本和最先进的技术证明了事实并非如此。在这项研究中，研究人员检查了23名在夏里特接受神经外科手术治疗耐药性癫痫患者的脑组织。在手术过程中，医学上有必要切除脑组织，以便观察其下的病变结构。患者同意将这些组织用于研究目的。神经元的旋转重建。图片来源：Charité | Sabine Grosser为了能够观察人类新皮层最外层相邻神经元之间的信号流，研究小组开发出了一种改进版的"multipatch"技术。这样，研究人员就能同时监听多达十个神经元之间的通信。因此，他们能够在细胞停止体外活动前的短时间内进行必要数量的测量，以绘制网络图。他们分析了近 1170 个神经元之间的通信渠道，以及约 7200 个可能的连接。他们发现，只有一小部分神经元之间进行了相互对话。"人类的信息往往是单向流动的。它很少直接或通过循环返回起点，"该论文的第一作者彭扬帆博士解释说。他曾在神经生理学研究所从事这项研究，目前在夏里特神经学系和神经科学研究中心工作。研究小组根据人类网络结构的基本原理设计了一种计算机模拟，以证明这种前向信号流在处理数据方面的优势。来自多配接装置的微量移液管接近单个神经元。图片来源：Charité | Franz Mittermaier研究人员给人工神经网络布置了一项典型的机器学习任务：从口语数字录音中识别出正确的数字。在这项语音识别任务中，模仿人类结构的网络模型比以小鼠为模型的网络模型获得了更多的正确响应。它的效率也更高，同样的成绩在小鼠模型中需要相当于 380 个神经元，而在人类模型中只需要 150 个神经元。"我们在人类身上看到的定向网络结构更强大，也更节省资源，因为更多独立的神经元可以同时处理不同的任务，"彭解释道。"这意味着局部网络可以存储更多信息。目前还不清楚我们在颞叶皮层最外层的发现是否会扩展到其他皮层区域，也不清楚这些发现能在多大程度上解释人类独特的认知能力。"过去，人工智能开发人员在设计人工神经网络时会从生物模型中寻找灵感，但也会独立于生物模型来优化算法。盖格说："许多人工神经网络已经使用了某种形式的前向连接，因为它能为某些任务带来更好的结果。人脑也显示出类似的网络原理，这令人着迷。这些对人类新皮质中具有成本效益的信息处理的洞察，可以为完善人工智能网络提供更多灵感"。编译来源：ScitechDaily ... PC版： 手机版：