专栏名称: 中金研究院
中金研究院作为中金公司一级部门,定位于新时代、新形势下的新型高端智库,支持中国公共政策研究与决策,参与国际政策讨论和交流,并为中国金融市场尤其是资本市场发展建言献策
目录
相关文章推荐
手游那点事  ·  2025春节档最大赢家:超8000万日活之后 ... ·  昨天  
手游那点事  ·  又是腾讯?一款收入超10亿美金的二游出现了 ·  昨天  
Excel之家ExcelHome  ·  6个Excel序号技巧,新手必会 ·  2 天前  
手游那点事  ·  35岁熬进大厂但Leader比我小10岁,要 ... ·  3 天前  
手游那点事  ·  热议 | ... ·  5 天前  
51好读  ›  专栏  ›  中金研究院

CGI科技周报(2024第21周)| 高保真抗疲劳肌肉控制、机器人避障、AI助力宫颈癌筛查

中金研究院  · 公众号  ·  · 2024-05-24 19:37

正文

Tech Innovation

国际观察 | 科技周报

本周内容

科技动态

-人工智能

-现代能源

-材料科技

-量子信息

-生物医药

-航空航天

-半导体

数字网络前沿

科技投融资

政策追踪

-美国

-韩国

-欧洲

News

科技 动态

#01

人工智能

高保真抗疲劳肌肉控制 [1]

美国麻省理工学院的研究团队提出了一个闭环控制框架,利用功能性光遗传刺激(FOS)下的生理力调节来实现体内长时间(>60分钟)的高保真肌肉控制。研究人员发现,与功能性电刺激(FES)相比,FOS可以实现更多的生理募集和更高的调节范围(>320%)。他们利用神经肌肉模型准确描述FOS刺激肌肉的高度非线性动力学,并展示了FOS对肌肉力量的实时控制,其性能和抗疲劳性相较FES都有所提高。该研究为抗疲劳神经假体和具有高保真力调节的FOS生物混合机器人奠定了基础。(Science Robotics,5.22)

肌肉表征和控制的实验框架 @麻省理工学院

触发特征驱动的功能神经电路实现机器人避障 [2]

中国复旦大学的研究团队受蟋蟀回避神经回路的启发,构建了一种用于机器人避障的感觉运动控制神经回路(SCNC)模型。该模型包含3种具有前馈发散连接结构的神经元:以混合突发和尖峰特征激发的上升神经元、突发检测神经元(BDN)和尖峰检测神经元(SDN),能够实现爆发和尖峰特征之间的输入强度控制转换。SCNC系统与机器人集成以进行回避控制,延迟相较传统平台下降了一个数量级以上。(Nature Communications,5.21)

用于机器人避障的SCNC模型 @复旦大学

轻质且无漂移的磁驱动微型机器人 [3]

中国广东工业大学的研究团队开发了一种非常规的激光诱导石墨烯(LIG)工艺,以高通量制造具有高速运动和几乎无漂移的定向能力的磁驱毫米机器人。低密度和高表面疏水性的支架让机器人在完全悬浮的情况下自行推进,速度可达每秒2.64个身体长度(3,109μm),并表现出优秀的轨迹跟踪和精确的药物输送能力。机器人的制造速度为每秒77个支架,且可通过调整身长和螺旋结构灵活地实现各种功能。(Nature Communications,5.21)

多孔螺旋LIG片材的设计和生产 @广东工业大学

用于锂电退化建模和预测的物理信息神经网络 [4]

中国西安交通大学的研究团队提出了一种物理信息神经网络(PINN),用于准确稳定地估计不同类型电池充电/放电的健康状态(SOH)。他们还生成了一个由55种锂镍钴锰氧化物(NCM)电池组成的综合数据集,并结合不同制造商的其他3个数据集,基于总共310,705个样本进行验证,发现PINN的平均绝对百分比误差(MAPE)为0.87%,在常规、小样本和迁移实验中都表现出更为卓越的性能。(Nature Communications,5.21)

PINN流程图 @西安交通大学

#02

生物医药

人工智能助力筛查宫颈癌 [5]

中国中山大学的研究团队创建并验证了用于对宫颈细胞学进行分级的人工智能宫颈癌筛查(AICCS)系统。 AICCS 系统包括用于检测细胞斑块级别和用于分类全玻片图像(WSI)的两种AI模型,训练和验证数据集共涉及16,056名参与者。AICCS在预测细胞学等级时表现出较高的准确性(89.2%);其辅助细胞病理学家进行判断实现的AUC、特异性和准确性均显著高于细胞病理学家独立判断的结果,敏感性更是明显提高了13.3%。AICCS有望成为准确高效的宫颈癌筛查工具。(Nature Communications,5.22)

AICCS系统算法 @中山大学

使用适形超声贴片进行经颅容积成像 [6]

美国加州大学圣地亚哥分校的研究团队发明了一种用于免提体积成像和连续监测脑血流的经颅多普勒(TCD)适形超声贴片:其利用2MHz超声波降低颅骨引起的衰减和相位像差,铜网屏蔽层可与皮肤适形接触,从而将信噪比提高5dB;与传统TCD探头相比具有较高的准确性和测量成功率(70.6%)。此外,研究人员展示了不同干预期间的连续血流频谱,并在记录后4小时内识别出困倦期间的颅内B波级联。(Nature,5.22)

TCD适形超声贴片概述 @加州大学圣地亚哥分校

#03

现代能源

哌嗪盐分子改性提高WBG PSC效率和稳定性 [7]

中国四川大学的研究团队提出了一种通过2-甲基哌嗪溴化物(2-MePBr)界面工程来实现高效宽带隙(WBG)钙钛矿太阳能电池(PSC)的方法。2-MePBr中的官能团可以与钙钛矿表面的欠配位铅缺陷相互作用,减轻界面非辐射复合,增强电荷传输,从而将PSC的PCE提高至19.30%,开路电压为1.29V,填充因子为83.08%。基于这种WBG PSC的全钙钛矿TSC进一步实现了27.47%的PCE。(Advanced Energy Materials,5.22)

钙钛矿沉积和处理过程示意图 @四川大学

基于双功能钠预掺杂实现高倍率可逆钠存储 [8]

中国洛阳师范学院的研究团队通过一种简便、可扩展的硫化路线,构建了具有阳离子空位和弱化Fe-S键的Na掺杂Fe 7 S 8 微米棒。优化样品表现出优异的钠存储性能,包括高且稳定的可逆容量(在0.5A/g下循环200次后为674mAh/g,在10A/g下循环1,500次后为503mAh/g)、卓越的倍率性能和更高的初始库仑效率。与商用Na 3 V 2 (PO 4 ) 3 配对的全电池也显示出优秀的循环稳定性,在0.5A/g条件下循环100次后,容量保持率为95.9%。(Advanced Energy Materials,5.22)

Na掺杂Fe 7 S 8 的构建过程 @洛阳师范学院

#04

航空航天

跨海王星群体中广泛分布的CO 2 和CO冰 [9]

美国中佛罗里达大学的研究团队观测了59个跨海王星天体(TNO)和半人马星,在95%的样本中广泛检测到CO 2 冰,在47%的样本中检测到CO冰。这些冰的丰度和特征表明,至少有两种类型的TNO表面普遍存在;其成分差异归因于原行星盘的不同形成区域吸积或维持CO 2 冰的能力,这对TNO表面的后续演化起到了重要作用。CO主要存在于CO 2 丰度较高的样本中,表明可能存在一种涉及含碳冰辐射的潜在生产机制。(Nature Astronomy,5.22)

TNO光谱中的CO 2 和CO特征 @中佛罗里达大学

火星上的氢逃逸主要由湿顶上方的水蒸气光解引起 [10]

美国加州理工学院的研究团队使用基于三个火星轨道飞行器协同数据集的光化学模型,表明云形成主要区域(湿顶)上方的水光解是可逃逸的氢的主要来源,明显超过通过离子化学产生的氢。季节性循环传输是氢逃逸的主要来源,而不是脉冲传输,这表明沙尘暴在大气水分流失中只发挥很小的作用。研究模拟的氢逃逸率与现有测量结果吻合良好,这对改进火星长期失水的定量估算非常重要。(Nature Astronomy,5.21)

火星大气中水蒸气和模拟氢的混合比 @加州理工学院

#05

材料科技

金属在极端应变率下随着温度升高而强化 [11]

美国麻省理工学院的研究团队通过应变率大于10 6 /s且未发生冲击合并的微弹冲击测试,表明温度升高157℃时,铜的强度增加了约30%,并在纯钛和黄金中也观察到这种看似违反直觉的效应。他们认为,几种纯金属的反常热强化是控制变形机制从热激活强化转为位错弹道传输变化的结果,位错通过声子相互作用受到阻力。该研究帮助在各种极端应变率条件下更好地建模和预测材料特性。(Nature,5.22)

铜的动态强度和硬度 @麻省理工学院

#06

半导体

通过范德华层压实现单片三维逐层集成 [12]

中国湖南大学的研究团队报告了一种低温单片三维(M3D)集成方法,即整个预制电路层通过范德华(vdW)层压制作,其中加工温度控制在120℃。通过逐层重复vdW层压工艺,实现了垂直方向上具有10个电路层的M3D集成系统,克服了以前的热预算限制。通过vdW层间通孔垂直连接不同层内的设备,实现了各种逻辑和异构结构,并具有所需的系统功能。(Nature,5.15)

逐层M3D集成流程 @湖南大学

#07

量子信息

可扩展CMOS自旋量子比特可变性的界限 [13]

澳大利亚新南威尔士大学的研究团队基于12个器件的测量,绘制了由Si/SiO 2 界面的原子级粗糙度而导致的CMOS自旋量子比特变异图,并开发了理论分析工具。他们将粗糙度的影响与量子比特位置、变形、谷分裂、谷相、自旋轨道耦合和交换耦合的变异性相关联,发现这些变异是有界的,采用稳健的控制方法可将其保持在量子计算可扩展架构的容差范围内。(Nature Communications,5.20)

CMOS自旋量子比特建模 @新南威尔士大学

利用扩散模型进行量子电路合成 [14]

奥地利因斯布鲁克大学的研究团队使用生成机器学习模型,特别是去噪扩散模型(DM),以促进将量子运算转化为可行的物理实现。研究人员在纠缠生成和单元编译两项任务中展示了该模型的能力。该模型擅长生成新电路,并支持掩蔽和编辑等典型的DM扩展,从而使电路生成与目标量子器件的约束保持一致。鉴于其灵活性和泛化能力,DM或是量子电路合成中的关键,可以增强实际应用并为理论量子计算提供见解。(Nature Machine Intelligence,5.20)







请到「今天看啥」查看全文