起源：DeepTech深科技（起源：MIT News）2024 年，MIT 的研讨团队在迷信与技巧范畴再次获得出色结果。为留念这一年的光辉成绩，MIT News 特殊精选了往年最受存眷的 10 年夜热门研讨名目，上面停止扼要先容。 ]article_adlist-->液态金属 3D 打印跟着产业跟建造范畴对定制化跟年夜型金属构造的需要一直增加，传统制作方法的效力跟本钱成绩日益凸起。现有的金属增材制作方式，如电弧增材制作，固然可能出产年夜型部件，但速率慢且轻易发生构造缺点，限度了其普遍利用。为了满意疾速制作与年夜范围出产的需要，研讨职员正在摸索新型技巧，以处理传统方式中的效力与精度抵触。MIT 的研讨团队开辟了一种名为液态金属打印（LMP）的新型增材制作技巧，可能在多少分钟内打印出年夜型金属部件，如桌腿跟椅框等。LMP 技巧经由过程将熔融铝沿预设门路堆积到由玻璃珠构成的基床中，疾速冷却构成构造，明显进步了制作速率。研讨标明，该技巧的打印速率比传统方式快 10 倍，同时动力耗费更低。只管 LMP 技巧就义了必定的辨别率，但其在建造、施工跟产业计划等范畴展示了宏大潜力。这些范畴的年夜型构造平日对高辨别率请求较低，因而更合适采取这种高效的制作方法。别的，LMP 技巧还可能应用接纳金属停止出产，年夜幅下降本钱并进步情况友爱性。试验中，研讨团队打印了椅子跟桌子的铝框架，这些部件牢固耐用，合适后续的机器加工。他们还展现了怎样将 LMP 制作的低辨别率部件与其余资料联合，制造出功效性家具。经由过程在打印床中添补 100 微米巨细的玻璃珠，研讨职员处理了熔融金属冷却进程中的稳固性成绩，同时应用数值模子猜测堆积进程，晋升了打印的精度跟牢靠性。只管如斯，这项技巧仍需进一步完美，比方进步喷嘴的加热平均性跟熔融金属流量的把持才能。研讨团队打算优化装备计划，推进 LMP 成为一种牢靠的东西，用于融化接纳铝并制作庞杂部件。有专家指出，LMP 技巧在疾速出产跟多少何构造庞杂性之间找到了均衡，无望推进金属制作范畴的反动性变更。防改动标签跟着寰球供给链的庞杂化，混充伪劣产物成绩日益重大，怎样确保物品的实在性成为了一项主要挑衅。传统的身份验证技巧，如射频标签，固然供给了方便，但在保险性方面仍存在显明破绽。比方，造假者能够轻松将标签从正品上剥离并贴到赝品上，而验证体系难以觉察这一改动行动。为懂得决这一成绩，研讨职员正在摸索新的处理计划。MIT 的研讨团队开辟了一种基于太赫兹波的防改动 ID 标签，不只玲珑且便宜，还可能无效检测改动行动。这种标签在胶水中混入微型金属颗粒，经由过程太赫兹波检测这些颗粒构成的奇特随机图案，从而验证物品的实在性。研讨职员指出，这些图案相似于指纹，若标签被剥离或从新粘贴，图案将被损坏，无奈经由过程验证。试验中，研讨职员计划了一种仅约 4 平方毫米的微型标签，并应用呆板进修模子对太赫兹波扫描的数据停止剖析，正确率超越 99%。这一技巧尤其合适年夜范围供给链利用，不只由于其本钱昂贵，还因其体积玲珑，能够粘贴在传统 RFID 难以笼罩的物品上，如某些医疗装备。与传统方式比拟，这种标签经由过程验证胶水界面的奇特性，而非标签自身，明显晋升了保险性。研讨的灵感局部起源于生涯场景，如洗车店应用易碎标签验证会员身份的方法。只管易碎标签在被剥离时会破坏，但仍存在被消融或移除的可能性。MIT 的研讨团队提出，经由过程太赫兹波直接检测标签与物品之间的胶水界面，改动者即便将标签完全移除，也无奈复制其随机图案。别的，这一技巧应用太赫兹波的小波长上风，不须要外部天线，进一步晋升了标签的易用性。只管如斯，这项技巧仍面对一些范围性，比方太赫兹波的高消耗使传感器与标签的间隔需把持在 4 厘米以内。别的，扫描角度的变更也会影响旌旗灯号强度。研讨团队打算经由过程改良硬件计划跟旌旗灯号处置方式来处理这些成绩，并盼望将来能将太赫兹波的潜力利用于更多范畴，比方宽带通讯跟高精度身份验证。研讨担任人指出，这项技巧为供给链保险供给了新的可能性，并展现了太赫兹波在保险验证中的普遍远景。与将来的本人对话在人类社会中，对将来的思考跟计划始终是一个主要话题。无论是职业开展、团体目的，仍是应答生涯中的不断定性，假想将来的自我都有助于激起举动。但是，传统的自我瞻望方式，比方写信给将来的本人或应用虚构事实装备，平日缺少互动性，无奈充足辅助人们树立与将来自我的深层衔接。为了补充这一缺乏，麻省理工学院 MIT 及其余机构的研讨职员开辟了一种名为“将来的你”的天生式 AI 体系，容许用户与基于 AI 模子天生的将来自我停止互动。这一体系旨在加强“将来自我持续性”的感知，即辅助用户更严密地衔接以后的本人与将来的幻想版本。研讨标明，树立这种衔接有助于改良临时决议，比方增添储备或愈加专一于学业。该体系应用年夜型言语模子，依据用户供给的生涯信息创立他们 60 岁时的虚构自我，并经由过程天然言语对话模仿将来的生涯场景跟决议。用户能够与将来自我探究职业目的、团体挑衅以及生涯抉择对将来的潜伏影响。研讨职员还引入了老化照片天生功效跟活泼的言语表白，如“我在你这个年事时”，以加强模仿的实在感跟互动性。开端研讨表现，用户与体系互动后，不只焦急感有所缓解，还对将来自我的认同感明显加强。但是，研讨职员也认识到，这种实在感可能会带来负面影响，尤其是在模仿内容变得过于悲观时。为此，体系明白提醒用户，这仅是将来的一种可能性，而非预言。用户还能够经由过程修正输入信息天生完整差别的将来版本，以坚持踊跃的互动休会。研讨团队进一步夸大，这一东西的目的是辅助用户摸索差别的视角，而非为他们的将来下定论。为了评价体系的后果，研讨团队对 344 名参加者停止了测试。与“将来的你”互动的用户讲演称，他们与幻想中的将来自我树立了更严密的接洽，而且对话内容真挚可托，反应了用户的代价不雅跟信心。一些专家指出，这项研讨联合了心思学与尖端 AI 技巧，为虚构自我建模开拓了新偏向。斯坦福年夜学教学 Jeremy Bailenson 评估道，“这项任务展现了天生式 AI 在增进自我开展的潜力。”瞻望将来，研讨团队打算将“将来的你”体系利用于更多详细场景，比方辅助用户摸索职业抉择，或展现一样平常决议对气象变更的临时影响。他们还在计划维护办法，以避免体系被滥用于贸易目标，比方经由过程模仿将来场景表示用户购置某种产物。研讨职员盼望，“将来的你”能成为一种深入而有意思的休会，辅助人们从差别的视角对待生涯，并鼓励他们作出更踊跃的抉择。将二氧化碳转化为有效产物寰球正努力于增加温室气体排放，但捕捉跟转化二氧化碳的经济可行性仍然是一个宏大的挑衅。只管已有很多技巧能够将捕捉的二氧化碳转化为交通燃料、化学质料等有代价的产物，但高本钱跟低效力限度了这些技巧的普遍利用。为实现经济适用的二氧化碳转化，研讨职员正在追求翻新处理计划。MIT 的工程师开辟了一种新型电极，无望明显进步二氧化碳电化学转化为低价值商品的效力。详细而言，他们的计划应用一种分层导电电极，处理了传统气体分散电极在导电性跟疏水性之间的抵触，胜利进步了转化效力，同时下降了本钱。团队的研讨重点是二氧化碳转化为乙烯的进程。乙烯是一种普遍用于制作塑料跟燃料的化学品，现在重要由石油制成。经由过程电化学方式以二氧化碳为质料出产乙烯，不只能增加碳排放，还能下降对石化资本的依附。但是，现有技巧难以统筹导电性跟疏水性，招致效力受限。为此，研讨职员在存在疏水性的特氟龙薄膜中嵌入高导电性的铜线，发明出一种既能避免水浸透又能增加电流消耗的新型电极。试验标明，这种计划在小范围样本中表示杰出，但研讨团队进一步验证了其可扩大性。他们制造了一块面积为惯例试验电极十倍的年夜型电极，并经由过程优化铜线间距跟分区计划，使其在更年夜范围下仍然坚持高效。试验还标明，这种电极能够持续运转 75 小时而机能多少乎无损，成为首个超越 5 厘米范围且在效力上无显明丧失的 PTFE 基电极。这种翻新计划还存在高度的机动性。研讨职员表现，该方式与催化剂品种有关，能够利用于种种气体分散电极，乃至实用于甲烷、甲醇等其余化学产物的出产。别的，分层导电电极的制作工艺可轻松集成到现有的产业流程中，包含年夜范围卷对卷出产，展示了普遍的产业利用远景。天生式 AI 数据库东西在古代数据驱动的天下中，数据库已成为贸易跟研讨的主要东西。但是，传统的数据库操纵言语在处置庞杂剖析义务时显得范围，尤其是须要联合概率模子跟不断定性盘算的场景。为了简化这一进程并进步剖析才能，研讨职员正在摸索更智能的处理计划。MIT 的研讨团队开辟了一种名为 GenSQL 的天生式 AI 体系，用户无需控制庞杂的技巧配景，仅经由过程简略的指令即可对表格数据停止深度剖析。该体系不只支撑猜测、异样检测、缺掉值揣测等功效，还能天生与实在数据类似的分解数据。这一技巧为数据剖析范畴供给了一种全新的可能性。GenSQL 的中心上风在于其可能将数据库与天生式概率模子整合。经由过程这种方式，用户能够在剖析数据时捕获数据中的庞杂关联，而不范围于简略的列间相干性。比方，在医疗数据剖析中，该体系能够辨认患者异样的血压读数，即使这些读数在平日情形下被视为畸形值。别的，GenSQL 的概率模子存在可说明性，容许用户检察模子的决议根据，确保成果通明可托。试验标明，GenSQL 的运转速率是惯例神经收集方式的 1.7 至 6.8 倍，年夜少数查问可在多少毫秒内实现，同时成果更正确。研讨职员还应用 GenSQL 胜利利用于现实案例，包含辨认临床实验数据中的过错标志，以及天生基因组研讨所需的庞杂分解数据。这些利用展现了 GenSQL 在处置敏感数据或稀缺数据场景中的强盛潜力。研讨团队瞻望了 GenSQL 的将来利用远景。他们打算扩大体系的范围跟功效，支撑更年夜范畴的生齿建模跟安康、薪资等社会成绩的剖析，同时确保模子在不断定性器量上的牢靠性。终极目的是打造一个相似 ChatGPT 的交互式 AI 东西，应用户可能经由过程天然言语与数据库对话，疾速取得正确谜底。逆转本身免疫性脱发斑秃是一种本身免疫性疾病，人体本身的 T 细胞攻打毛囊并招致头发零落，斑秃会影响各个年纪层的人群，包含儿童。但对年夜少数患有这品种型脱发的人来说，现在尚无无效医治方式。缭绕这种疾病，麻省理工学院、布莱根妇女病院跟哈佛医学院的研讨职员试图研发一种新型疗法逆转由本身免疫性疾病招致的脱提问题。他们开辟的是一种微针贴片，可轻松利用于头皮上，开释药物辅助均衡部分免疫反映，从而结束本身免疫攻打。在小鼠试验中，研讨职员发明这种医治方式能够使毛发再生，并明显增加医治部位的炎症，同时防止对满身免疫体系形成不良影响。别的，研讨职员还指出，这种方式也可用于医治其余本身免疫性皮肤疾病，比方白癜风、特应性皮炎跟银屑病等。这他们的研讨标明微针贴片是一种很有前程的医治方式，有助于缓解由本身免疫性疾病惹起的脱提问题，但是，现在还须要停止更多研讨，以断定其保险性跟无效性，并断定最佳的药物组合跟剂量。该研讨的重要作者、麻省理工学院医学工程与迷信研讨所首席研讨迷信家 Natalie Artzi 以为，这种翻新方式标记着一种范式的改变。“咱们不再仅仅克制免疫体系，而是专一于准确调理抗原打仗点的免疫反映，以发生免疫耐受。”她表现。现阶段，研讨职员当初正努力于进一步开展这项技巧，以更好地医治斑秃跟其余本身免疫性皮肤疾病。他们打算建立一家公司，以减速推进这项技巧的开展。摸索年夜型言语模子外部机制现在，年夜型言语模子曾经用于很多范畴，如客户效劳、代码天生跟言语翻译等，但迷信家们仍不完整懂得它们的任务道理。为了更好地舆解这些模子怎样任务，他们研讨了当这些宏大的呆板进修模子检索存储的常识时所应用的机制。研讨职员发明，年夜型言语模子常常应用十分简略的线性函数来规复跟解码存储，而且模子应用雷同的解码函数来处置类似范例。线性函数是只包括两个变量而不含指数方程式的简略关联，能够捕获到两个变量之间的直线关联。他们经由过程辨认差别的线性函数，能够探测模子对新主题的懂得水平以及在模子中存储的地位。他们开辟了一种技巧来估量这些简略的函数，并发明在模子答复提醒过错的情形下，它平日依然存储准确的信息。将来迷信家或者能够应用这种方式来查找并改正模子中的过错信息，从而增加模子给犯错误或荒诞谜底的偏向。别的，他们还发明了视觉化模子常识的方式。他们应用这些函数断定模子对特定关联所持有的信心。比方，在一次试验中，他们应用“打篮球”跟“就读年夜学”的解码函数来断定模子能否晓得比尔·布拉德利是一位曾在普林斯顿年夜学就读过的篮球活动员。成果表现，即便模子抉择存眷差别的信息来发生文本，但它确切编码了全部这些信息。这项研讨标明年夜型言语模子在检索存储常识时应用了简略的线性函数，而且这些函数可用于探测模子对新主题的懂得水平以及在模子中存储的地位。别的，这种技巧还能够辅助迷信家们查找并改正模子中的过错信息，从而进步模子的品质。降噪丝绸都会化的开展招致了日益重大的乐音传染成绩，包含交通噪声、街坊喧华、办公室乐音等成绩曾经成为人类一样平常生涯中的常态。麻省理工学院等的研讨职员经由过程应用特别资料跟技巧来克制乐音，他们胜利地研收回一种可能克制乐音的丝绸面料，这可能会成为将来增加乐音传染的无效手腕。这种丝绸面料十分薄，厚度与人类头发丝相称，而且含有特别的纤维，在施加电压时会振动。研讨职员应用这些振动克制声响的方法有多种。起首，他们应用丝绸面料的振动天生声波，从而烦扰失落不须要的声响，相似于降噪耳机的任务道理，这种方法实用于小空间，如耳机等应用场景；其次，他们还发明，当丝绸面料坚持运动时，能够避免振动传布，从而增加乐音的传输，这种方法实用于年夜空间，如房间或汽车外部等场景。研讨职员表现，他们应用一般的资料，如丝绸、帆布跟棉布等制作出了这种降噪面料，这些资料在事实天下的利用十分普遍，因而这种技巧存在很高的适用代价。比方，能够用这种面料制造分开板，用于开放式的办公空间以禁止声响穿透。别的，研讨职员还指出，他们能够经由过程把持丝绸面料上特别纤维的数目、偏向以及电压等要素来进一步进步降噪后果。固然这项技巧还须要进一步完美，但它无望在将来辅助发明愈加宁静的空间并改良生涯品质，存在潜伏的贸易利用代价。锤炼对神经体系的影响无须置疑，锤炼对身材有利。法则的活动不只能强化肌肉，还能加强骨骼、血管跟免疫体系的功效。现在，MIT 的工程师发明，锤炼还能够在单个神经元的层面上施展感化。研讨职员察看到，当肌肉在活动中压缩时，会开释一种被称为肌因（myokines）的生化旌旗灯号“混杂物”。在这些由肌肉发生的旌旗灯号感化下，神经元的成长速率是未打仗肌因的神经元的四倍，这些细胞程度的试验证实了活动在增进神经成长方面存在明显的生化效应。研讨中，他们将肌因溶液转移到一个装有活动神经元的自力培育皿中，这些神经元来自把持被迫活动的脊髓神经，由小鼠干细胞培育而成，在打仗到肌因混杂物后神经元疾速成长。为深刻懂得神经元怎样对活动引诱的肌因作出反映，研讨团队停止了基因剖析，从神经元中提取 RNA 以检测肌因能否惹起了某些神经元基因表白的变更。别的，研讨职员还发明，神经元不只对活动的生化旌旗灯号有反映，还会遭到其物理感化的影响。他们察看到，当神经元重复遭到拉伸跟紧缩，相似于肌肉在活动中压缩跟伸展的进程，这些神经元的成长水平与裸露于肌因时的成长水平相称。只管此前的研讨已标明，肌肉运动与神经成长之间可能存在生化接洽，而这是首个展现物理效应同样主要的研讨。这项研讨为锤炼进程中肌肉跟神经之间的关联供给了新的看法，并可能为修复受损或退化的神经供给相干的活动疗法倡议。现在，他们正在研讨怎样应用针对性的肌肉安慰来增进受损神经的成长跟修复，从而辅助患有 ALS 等神经退行性疾病的人规复举动才能。天生式 AI 的天下模子缺点只管年夜型言语模子能够实现令人印象深入的义务，比方写诗或天生可行的盘算机顺序，这些模子的练习目的却只是猜测文本中下一步可能呈现的单词，这种令人惊奇的才能让人感到这些模子可能模糊学到了一些对于天下的通用真谛。但一项新的研讨标明，现实并非如斯。MIT 研讨职员经由过程一系列试验提醒了年夜型言语模子在天生式 AI 范畴的范围性，尤其是它们对事实天下观点的懂得才能。该研讨重点存眷 Transformer 架构的天生式 AI 模子，经由过程对该模子在纽约市街道导航跟奥赛罗棋般游戏等简略决议性无限主动机成绩上的表示停止剖析，研讨职员发明，只管这些模子在特定义务上展示出惊人的才能，比方多少乎完善地猜测导航线线或棋局步调，但它们并未真正懂得所波及的规矩或树立一个连接的天下模子。详细来说，研讨团队开辟了两个新指标——“序列辨别度”跟“序列紧缩度”，用于测试模子能否能准确辨识差别状况之间的差别以及反复状况下的下一步可能性序列。成果表现，即便是从未见过现实途径规划的随机抉择的模子也能比战略天生数据练习的模子更好地模仿实在导航线径，表现出在缺少规矩常识的情形下，模子依然能够经由过程统计进修迫近准确的行动形式。但是，当研讨职员经由过程修正都会舆图或引入异样情形时，这些模子的表示敏捷降落，表现出它们无奈顺应情况的变更或处置未见过的情形。别的，研讨也提醒了一个风趣的不测发明，即随机抉择的模子反而可能天生更为分歧跟连接的天下模子，由于它们在练习进程中打仗到更多的可能性。这夸大了以后评价框架的一个主要限度，即它未能充足辨别模子能否真正懂得规矩或仅仅是基于概率做出了猜测。这项研讨的成果对懂得天生式 AI 的任务道理及其在事实天下利用中的潜力存在主要意思，提醒了现在的模子在懂得庞杂天下观点方面的缺乏，并指出了将来研讨的偏向，即开展愈加片面跟深刻的评价指标，以及摸索怎样使模子可能真正懂得并顺应多变的事实天下。原文链接：1.https://news.mit.edu/2024/researchers-demonstrate-rapid-3d-printing-liquid-metal-01252.https://news.mit.edu/2024/tiny-tamper-proof-id-tag-can-authenticate-almost-anything-02183.https://news.mit.edu/2024/ai-simulation-gives-people-glimpse-potential-future-self-10014.https://news.mit.edu/2024/mit-engineers-make-converting-co2-into-products-more-practical-11135.https://news.mit.edu/2024/mit-researchers-introduce-generative-ai-databases-07086.https://news.mit.edu/2024/new-treatment-could-reverse-hair-loss-caused-autoimmune-skin-disease-05097.https://news.mit.edu/2024/large-language-models-use-surprisingly-simple-mechanism-retrieve-stored-knowledge-03258.https://news.mit.edu/2024/sound-suppressing-silk-can-create-quiet-spaces-05079.https://news.mit.edu/2024/when-muscles-work-out-they-help-neurons-grow-111210.https://news.mit.edu/2024/generative-ai-lacks-coherent-world-understanding-110511.https://news.mit.edu/2024/mits-top-research-stories-1224 　　申明：新浪网独家稿件，未经受权制止转载。 -->