人工智能

美国麻省理工学院使用物理模拟器件，可以更加有效地模拟大脑过程。研究人员包括麻省理工学院教授Bilge Yildiz、Ju Li和Jesúsdel Alamo及麻省理工学院和布鲁克海文国家实验室的其他9位研究人员，研究成果发表在《自然通讯》。

俄罗斯联合发动机制造集团(UEC)和Zyfra集团(芬兰-俄罗斯联合公司)正在测试基于ZIIoT平台(Zyfra公司的工业物联网平台)，以用于雅克-130飞机发动机生产。

人工智能AI的下一个突破需要我们在学科交叉方面进行努力，这就要求我们要利用神经科学、物理学、数学、电子工程学、生物学、语言学和心理学等来实现AI的重大理论、技术和应用创新，以及解决复杂的社会问题和重塑国家工业体系等。

匹兹堡超级计算中心（PSC –卡内基·梅隆大学和匹兹堡大学的联合研究组织）将从美国国家科学基金会获得500万美元的资金，用于建造AI超级计算机，旨在加速AI研究以追求科学，发现和社会福祉。

东京大学工业科学研究所的研究人员设计新型集成3D电路体系结构，并建造专门计算机硬件，该硬件由以3D螺旋形式排列的用于人工智能（AI）应用的存储模块堆栈组成。科学家开发的这种新颖3D螺旋电路设计，通过循环推理极大提高AI运算效率。该设计将电阻式随机存取存储模块与氧化物半导体（IGZO）存取晶体管以3D螺旋方式堆叠在一起。将片上非易失性存储器放置在靠近处理器的位置，可以使机器学习训练过程更快，更节能。这项研究可能会为下一代AI节能设备开辟道路。

神经形态计算或许会是超大规模机器和人工智能应用（例如自动驾驶）未来的基石。神经形态的目标是将神经科学作为算法的灵感来从中抽象出关键思想来指导神经形态计算架构的未来发展方向。

近日，俄罗斯罗巴切夫斯基州立大学与多国科学家合作，提出了一种“忆阻性神经混合芯片”（Memristive neurohybrid chip）的概念，芯片可用于紧凑型生物传感器和神经假体。该概念是基于神经细胞和微流体技术组合的现有和前瞻性解决方案，这些解决方案使“空间有序活动神经网络”的植入成为可能。

世界各地的科学家都在致力于忆阻器的研究，这些元件能够在极低的功率下运行，其行为类似于大脑中的神经元。该研究团队描述了如何有选择地控制忆阻元件的开关和神经形态行为。根据他们的发现，关键因素是开关氧化物层的纯度。到目前为止，专家们忽略了这一影响。

俄罗斯斯科尔科沃科技学院研究人员提供了一个解决方案，即在所有可能的化学元素组合中寻找具有所需特性的材料。该研究开发的计算方法解决了理论材料科学的这一重大问题。研究人员用MendS代码（代表Mendelevian Search）展示了他们的方法，并在超硬材料和磁性材料上进行了测试。用AI预测和设计材料特性，新算法已显示巨大潜力。

目前研究人员利用人工智能加速寻找一种新催化剂的关键材料，该催化剂可将二氧化碳（CO2）转化为乙烯—一种化学前体，可用于从塑料到洗涤剂等多种产品。

普渡大学一个工程师团队已经开发出一种AI硬件，可在硬件和软件之间共享智能功能，将抵消将人工智能用于更先进应用所需能量，如自动驾驶汽车或发现药物等。软件正在承担人工智能的大部分挑战。如果你能将智能融入到电路元件中，除了软件上的事情之外，你可以做一些今天根本无法做到的事情。

利用人工智能技术发现药物似乎正在取得一些回报，人工智能系统新发现：杀死“超级细菌”的新型抗生素。美国麻省理工学院的科学家透露称，最新人工智能技术发现一种抗生素化合物——halicin，它不仅能杀死多种形式的耐药性细菌，而且还能以一种新颖的方式杀死它们。

据外媒报道，巴特尔研究中心和俄亥俄州立大学微克斯纳医学中心的一组研究人员可以使用脑机交互（BCI）系统，来恢复脊髓严重损伤的研究参与者的手部知觉。该技术利用几乎无法察觉的微小神经信号，通过人工知觉反馈增强后，再传递回参与者，从而极大地丰富运动功能。这是脑机接口重大突破，瘫痪者重拾触觉准确率达到90%。

英国一项环境学研究，英国人工智能团队报告了一种能检测海洋环境中大塑料（大于5毫米）漂浮垃圾带的新方法。研究人员训练机器学习算法将海洋塑料垃圾从其他材料中区分出来，平均准确率达86%，局部区域最高达到了100%。

近日，泰尔终端实验室发布了“AI伪造人脸鉴别平台”，基于单帧和多帧的方法，利用人脸生物特征、抖动精度等特性，结合多轮训练模型、测试集技术，能够识别图像、视频文件的异常，进而辨别真伪。

匹兹堡大学和卡内基梅隆大学的研究人员正在研究如何在脑机接口技术的帮助下了解大脑在学习任务时的工作原理。该团队正在推进脑-电脑接口技术的研究，旨在帮助使用神经假肢的截肢患者改善生活。

10年前科学家们希望能开辟出一个神经形态计算的新领域，而在那时，科学家们还只能梦想着用一种名为memristors的微型工具制造出一种能像真正的大脑突触一样功能/操作的设备。现在科学家揭开了模仿人脑高效学习的电子产品面纱。

近日，Technicity报道了一种新型的人工智能框架，可以将大脑活动转化为文字。这种可能在对语音重建有应用。

谷歌团队表示正在使用AI来设计AI芯片。谷歌强调AI并不是全工序完全接管，AI所负责的是对芯片中逻辑、存储等模块的布局优化任务。以达到最大限度利用可用空间，提高性能和电效率的目的。

1 Magi 是什么? Magi 是由 Peak Labs 研发的基于机器学习的信息抽取和检索系统，它能将任何…