IT之家12月11日消息 据央视新闻报道，当地时间 12 月 10 日，瑞典电视台报道，受疫情影响，今年 12 月 10 进行的传统的诺贝尔奖颁奖典礼仪式改为线上举行。在正常情况下，获奖者分别获得 196 克重的 18k 金奖章。今年组委会将通过外交邮件的形式将奖章寄到获奖者手中。12 月 10 日颁奖仪式在斯德哥尔摩市政厅进行线上直播，瑞典国王将通过网络进行致辞。组委会表示，所有获奖者将在下一次的颁奖典礼被请来。IT之家获悉，12 月 10 日是瑞典化学家和发明家诺贝尔的逝世纪念日，每年的诺贝尔奖颁奖典礼都安排在这一天举行。转载自：https://www.ithome.com/0/524/126.htm

视觉、听觉、嗅觉、味觉、触觉是人类最基本的五种感觉，其中视觉极为关键，毕竟随着物种进化，眼睛作为人类最为精细、复杂的器官，感知能力无与伦比。曾有神经科学、认知心理学研究表明，80% 以上的外界信息都是通过视觉进入了我们的大脑。技术代代革新之下，仿人眼的尝试不断涌现。2015 年，美国明尼苏达州一位名为 Allen Zderad 的 68 岁男子在失明 10 年之后，凭借一双 “仿生眼”重见光明。2020 年 5 月，香港科技大学范智勇团队联合加州大学伯克利分校、美国劳伦斯伯克利国家实验室的一组研究人员，就视网膜问题提出了最新方案，甚至打造出了多项性能超越人眼的仿生眼。而就在近日，美国公立研究型大学俄勒冈州立大学（Oregon State University）在光学传感器领域有了重大进展，更接近于人眼感知视野变化能力的传感器终于来了。俄勒冈州立大学表示：该传感器是图像识别、机器人和人工智能等领域的重大突破，突破性的仿人眼光学传感器是人工智能发展的关键一步。打造新型视网膜传感器2020 年 12 月 8 日，相关研究成果正式发表于《应用物理快报》，题为 A perovskite retinomorphic sensor（一种钙钛矿型视网膜传感器），论文作者为俄勒冈州立大学工程学院研究员、电气与计算机工程助理教授 John Labram 和研究生 Cinthya Trujillo Herrera。哪怕最先进的超级计算机，复杂程度也无法与人脑相媲美。最早，基于这一事实，神经形态计算领域的研究开始兴起，其设计目的是在执行机器学习任务时优于传统计算机，原理可以简要概括为一句话：将人脑（的一些方面）复制到硬件中。论文介绍，虽然近年来这一领域取得了很大的进展，但几乎所有提供给神经形态处理器的输入信号仍然是为传统的 von Neumann 计算机体系结构设计的。研究团队设计了一个简单的光敏电容器，并描述了它对光刺激的反应。如下图 a 所示，该结构基于双层电介质：底部为二氧化硅：二氧化硅高度绝缘，并且对光基本上没有反应。顶部为钙钛矿：即甲基铵碘化铅（MAPbI3），这是一种具有大光电导响应的化合物，在光照下介电常数有显著变化，是电介质的理想候选材料，在光照下可以改变电容。电极方面：底部电极是高掺杂的硅，用作衬底。顶部电极是 15nm 的、通过热蒸发沉积的金，被设计得足够薄，即便接触电阻很大，在导电时能对光照半透明。John Labram 表示：以前尝试制造仿人眼设备（视网膜视觉传感器）都是依靠软件或较为复杂的硬件。但我们设计的这种新型传感器，其操作包括在基础设计中，涉及了钙钛矿半导体的超薄层。当置于光下时，钙钛矿会从坚固的电绝缘体变为导体，它具有发展太阳能的潜力，近年来对于钙钛矿，学界也有着广泛的研究。基于上述结构，当与外部电阻器串联时，电阻器两端的电压降（又称电位差）将在电容器充电 / 放电时暂时出现尖峰，然后恢复到其平衡值。也就是说，传感器会在照度变化时出现尖峰，在其他时候输出零电压（如上图 d 所示）。研究团队设计的光敏电容器在设计和预期的用途上，都与别的科学团队以前研制的光电电容器不同——光电电容器被设计用来储存来自太阳辐射的能量，而上述传感器被设计用来检测神经形态计算中光学刺激的变化。模仿人眼感知更加逼真那么上述传感器实际的仿人眼效果如何呢？首先，研究人员通过播放视频作为施加给传感器的光学刺激，模拟大型阵列。结果表明：对应视频的静止部分，传感器输出了较暗的视频；对应视频的移动部分，传感器则输出了较亮的视频。在没有光照的情况下缓慢移动时，传感器输出的较亮区域存在 “鬼影”效应。可见，传感器对于动态图像有着很明显的反应。随后，研究人员向传感器施加了以特定角度排列的光刺激，作为另一种检验。这一实验受到了 20 世纪 50、60 年代一项发现的启发——科学家们注意到猫的某些神经元对以特定角度排列的光刺激有强烈的反应。科学家们认为，这是视网膜中一些细胞的特定排列导致了超极化、去极化，它们对光学刺激会产生反应。因此，研究人员选择测量两个值：电容器两端的电压降（C 传感器）和电阻器两端的电压降（R 传感器）。结果如上图所示，这种传感器的确会对某个方向的刺激做出更强烈的反应。上述两项实验表明，这一传感器的人眼感知模仿能力的确较强。不仅如此，研究人员还认为，由于这是一种传感器，它不需要任何复杂的读出算法或后处理，它可直接输出电压，电压取决于传感器所瞄准的物体的方向。John Labram 表示：新型传感器将与神经形态计算机完美匹配，将为下一代人工智能的应用提供动力，如自动驾驶汽车、机器人技术和先进的图像识别。转载自：https://www.ithome.com/0/524/424.htm

IT之家12月13日消息 据微博 @中国新闻网报道，安徽省合肥市的一家生产企业近日投产了可灭活病毒、细菌的口罩。此款口罩外观类似普通的 N95 口罩，唯一不同就是无纺布材料是橙红色的。根据中国新闻网记者采访，此款口罩的无纺布中含有活性金属铜离子，实验证明可以有效杀灭细菌以及病毒。由于纤维中铜离子的有效作用时间很长，因此口罩可以反复使用约 60 次。这项技术通过了香港大学新发传染性疾病国家重点实验室的验证，从出具的报告中看到，此种材料对于不高于 104 PFU/ml 滴度的新冠病毒，接触 10 分钟即达到或接近 100% 灭活效率。对于 105 PFU/ml 滴度的新冠病毒，作用 60 分钟也能达到接近 100% 灭活病毒的效果。据该公司负责人介绍，该公司从今年 4 月份开始研发，将氧化铜无纺布应用到口罩中。在这半年多时间里，这种口罩迅速投产，并取得了国内外上市所需要的多种检验证明和注册证书。目前该公司已经接到国内外订单共 2.5 亿只，订单金额预计为 15 亿元人民币以上。IT之家了解到，铜、银、铅等重金属离子能够破坏细菌、真菌的细胞膜，使其死亡。同时各种病毒遇到铜离子，也会进行氧还原反应而快速死亡。因此黄铜制成的门把手等生活用品，其表面不会有细菌生存。转载自：https://www.ithome.com/0/524/477.htm

IT之家12月4日消息 今日凌晨，中国科学技术大学宣布，中国科学技术大学潘建伟、陆朝阳等组成的研究团队与中科院上海微系统所、国家并行计算机工程技术研究中心合作，构建了 76 个光子 100 个模式的量子计算原型机 “九章”，实现了具有实用前景的 “高斯玻色取样”任务的快速求解。据悉，根据现有理论，该量子计算系统处理高斯玻色取样的速度比目前最快的超级计算机快一百万亿倍（“九章”一分钟完成的任务，超级计算机需要一亿年）。等效地，其速度比去年谷歌发布的 53 个超导比特量子计算原型机“悬铃木”快一百亿倍。IT之家了解到，中国科学技术大学表示，这一成果使得我国成功达到了量子计算研究的第一个里程碑：量子计算优越性（国外也称之为 “量子霸权”）。相关论文于 12 月 4 日在线发表在国际学术期刊《科学》。▲ “九章”量子计算原型机光路系统原理图 | 图源：中国科学技术大学据介绍，近期，潘建伟团队通过自主研制同时具备高效率、高全同性、极高亮度和大规模扩展能力的量子光源，同时满足相位稳定、全连通随机矩阵、波包重合度优于 99.5%、通过率优于 98% 的 100 模式干涉线路，相对光程 10-9 以内的锁相精度，高效率 100 通道超导纳米线单光子探测器，成功构建了 76 个光子 100 个模式的高斯玻色取样量子计算原型机 “九章”。根据目前最优的经典算法，“九章”对于处理高斯玻色取样的速度比目前世界排名第一的超级计算机 “富岳”快一百万亿倍，等效地比谷歌去年发布的 53 比特量子计算原型机 “悬铃木”快一百亿倍。同时，通过高斯玻色取样证明的量子计算优越性不依赖于样本数量，克服了谷歌 53 比特随机线路取样实验中量子优越性依赖于样本数量的漏洞。“九章”输出量子态空间规模达到了 1030（“悬铃木”输出量子态空间规模是 1016，目前全世界的存储容量是 1022）。论文链接：https://science.sciencemag.org/lookup/doi/10.1126/science.abe8770 转载自：https://www.ithome.com/0/522/891.htm

你能想象吗，未来有望实现 “全息存储”了！什么意思呢，就是利用光来记录数据页、玻璃作为介质实现云上存储。全息晶体可以填充密集的数据，若想删除数据，只需用紫外光就能擦除，也太酷了吧！这是微软研究院的一项新研究，文摘菌找到了研究人员的博客，来看看他们是怎么描述的吧~数据存储一直是计算的一个重要原则，随着云计算的大量增长，对云数据存储的需求为重新回顾现有技术和开发新技术开辟了道路。据预测，到 2024 年，每年将产生约 125ZB 的数据，而以经济有效的方式存储这些数据将是一个巨大的挑战。云也改变了微软对计算和存储的看法。在云计算中，服务被虚拟化。例如，在云数据存储中，客户购买的是存储容量和访问率，而不是物理存储设备 (参见图 1)。这种虚拟化为设计和优化仅适用于云的技术提供了新的机会。这在存储领域尤其有趣，因为当前所有的存储介质都是在前云时代创建的。云存储为具有不同功能的新存储设备提供了机会，既可以补充微软目前部署的现有存储技术，又可以解决云给存储带来的一些挑战。微软研究院正在他们的光学云计划中直面这些挑战，研究人员正在研究新的方法来改善存储、计算和网络，通过汇集不同领域的技术专家来确定光学的新应用。借助微软在计算机系统和人工智能方面的专业知识，研究人员看到了将光学物理学家和工程师聚集在一起，产生影响的真正机会。人工智能是这一领域中具有巨大潜力的交叉领域之一，在深度学习等领域它继续快速进展。特别在光存储方面，研究人员对满足云当前和未来存储需求的机会尤其感兴趣。图 1：云存储的现状。对客户来说，存储成本是访问速率和所需存储容量的函数。在云内，使用相关的存储技术对存储服务进行虚拟化和构建，以向客户交付所需的性能。虚拟化存储模型为存储技术提供了新的机会，这些技术为现有存储技术提供了新的和补充的特性。在微软剑桥研究院，研究人员与微软 Azure 合作，一直在研究新的云优先的光存储技术。几年来，在 Silica 项目中，研究人员一直在开发一种使用玻璃存储介质的光存储技术。在这项技术中，他们利用玻璃介质的寿命制作写一次读多次 (WORM)的归档存储。在最近的一篇热存储论文中，研究人员还谈到了现有的存储技术在云时代面临的挑战，以及它给新存储技术带来的机遇——两个特别的挑战是增加存储密度和访问率。在这篇博客文章中，研究人员介绍了 HSD(全息存储设备)项目，这是一个重新设想全息存储如何在云时代被利用的新项目。他们发现，现在重新使用这项技术是特别有利的——在这个时代，云的影响力正在扩大，与光学相关的商品组件已经取得了很大的进步，新的机器学习技术可以集成到这个过程中。到目前为止，在他们的工作中，已经实现了比现有体积全息存储技术高 1.8 倍的密度，并且研究人员正在进一步努力提高密度和访问速率。“用全新的视角审视全息存储这一古老的理念，并在云计算领域对其进行重新设想，在云计算领域，我们可以自由地在整个存储堆栈上进行创新，并从其他领域引入创意，使之成为一项可行的技术，这非常令人兴奋。”——Benn Thomsen，高级首席研究员。全息存储如何工作？全息存储利用光来记录数据页，每页以晶体内的微小全息图的形式保存数百 k 字节的数据。全息图在晶体中占据一个小体积，研究人员把它看作一个区域，在同一个物理体积或区域中可以记录多个页面。通过对记录的全息图进行衍射并在相机上捕捉光脉冲，将数据页读出。这将重新构造原始数据页。记录的全息图可以用紫外光擦除，然后再使用介质来存储更多的全息图——使其成为可重写的存储介质。相比之下，在 Silica 项目中用作存储介质的玻璃由于其寿命和一次性写入的特性，适合长期存档存储。全息存储是热、读 / 写云存储的一个很好的候选，因为它是可重写的，并且具有快速访问率的潜力。图 2：剑桥实验室的全息存储实验台。全息数据存储的想法可以追溯到 20 世纪 60 年代。到 21 世纪初，学术界和工业界的几个研究小组在展示全息存储介质所能达到的令人印象深刻的存储密度方面取得了重大进展。为何重新利用全息存储作为云存储的一种解决方案？在当今的存储解决方案中，访问速率是一个痛点。Flash 存储提供了很高的访问率，但相对昂贵，而且许多云应用程序将数据保存在硬盘驱动器 (hdd)上。由于硬盘的机械特性，访问这些数据的速度本来就比较慢。光学固有的并行性——并行读写多位的能力——一直是全息存储最吸引人的特征之一。这种并行性具有提供高数据吞吐量的潜力。此外，查找或寻址不同的页面只需要光束的控制，而不需要大型机械系统的移动。通过使用电子设备，可以以比现有存储设备 (如 hdd)更高的访问速度实现这一点。在这种情况下，全息存储有可能具有更低的查找延迟，因此，以成本效益的能力提供更高的访问率。对于许多在访问存储时需要高访问速率和低尾延迟的云应用程序来说，这个特性特别有吸引力。从头开始为云设计存储硬件也让研究人员摆脱了用户设备的限制，例如需要适应 2.5 英寸或 3.5 英寸硬盘的形状因素。云存储中最小的部署单元是存储机架，它允许以 “机架规模”设计新硬件，允许组件在整个机架上高效共享。通过商用硬件和深度学习将全息存储带入当今“与一个真正的多学科团队的人一起工作，包括光学物理学家 , 电子工程师 , 机器学习专家 , 以及我的专业领域 , 存储系统 , 这真是鼓舞人心的工作。看看我们是否能最终破除来自构建云全息存储的挑战以及释放访问速率的红利。而这些是这项技术长期的承诺。”——Dushyanth Narayanan，高级首席研究员研究团队专注于同时实现密度和快速访问率。他们已经部署了最近开发的高功率光纤激光系统，将读写时间减少一个数量级，以支持高访问率。他们还利用最近的高分辨率 LCOS 空间光调制器和相机的发展以增加密度，两者分别来自显示器产业和智能手机产业的发展的推动，特别是，高分辨率相机技术是关键，因为它允许我们将复杂的光学硬件转移到软件上。图 3：过去 20 年，智能手机行业将普通相机的分辨率提高了 100 倍。在 HSD 项目中，研究人员利用这种分辨率来简化光学硬件，并将复杂性转化为软件。在之前的技术水平，有必要使用复杂的光学来实现从显示设备到相机的一对一像素匹配，以最大限度地提高密度。如今，研究人员可以利用普通的高分辨率相机 (如图 3 所示)和现代深度学习技术，将复杂性转移到数字领域。这让研究人员不用像素匹配就可以使用更简单、更便宜的光学设备，并用普通的硬件和软件来补偿由此产生的光学畸变。这种方法也降低了制造公差，因为系统可以在运行时在软件中进行补偿和校准。利用这种高分辨率商品组件和深度学习的结合，已经能够将存储密度提高 1.8 倍。“看到团队如何在高分辨率图像上利用机器学习去完成以前需要使用昂贵的光学设备才能完成或者根本无法达成的工作，推进全息存储性能超越当前技术水平，令人无比兴奋。”——Sebastian Nowozin，合作研究员展望：规模化面向云的光存储方案尽管已经看到在单个区域中可以获得令人信服的写入 / 读取时间和存储密度方面的性能，但使全息存储适用于云的挑战在于开发可通过增加区域数来扩展存储容量的方法，同时保持多区域具有相同的访问速率。该领域中的先前方法只是机械地移动了介质，但这太慢了。为了解决这个问题，研究人员目前正在演示一种不需要机械移动就能保持访问速率的多区域方法。在 HSD 项目中，全息存储的未来目标是创造一种专为云量身定制的技术，具有快速的访问速率和大大超过其前辈的存储密度。想要了解更多关于 HSD 项目和用于云研究的光学，可查看 Azure CTO Mark Russinovich 在微软 Ignite 2020 上的发言和项目页面了解更多细节。转载自：https://www.ithome.com/0/515/924.htm