人工智能应用于更多领域 计算机研究深入光电结合******

　　英国科学家在人工智能（AI）领域取得多项突破，包括用AI首次控制核聚变、用AI预测蛋白质结构等。“深度思维”与瑞士洛桑联邦理工学院合作，训练了一种深度强化学习算法来控制核聚变反应堆内过热的等离子体并宣告成功，有助加速无限清洁能源的到来。“深度思维”凭借“阿尔法折叠”算法，预测了迄今被编目的几乎所有2亿多个蛋白质的结构，破解了生物学领域最重大的难题之一，有助于应对抗生素耐药性，加速药物开发并彻底改变基础科学。该公司研发的“DeepNash”（深度纳什）学会了在“西洋陆军棋”游戏中，使用虚张声势等欺骗手段来击败人类对手。该公司AI创建的高效数学算法能解决矩阵乘法问题。该公司AI通过模拟数十年足球比赛的情况，学会了熟练地控制数字代理足球运动员，其建模的“AI代理”可与其他人工代理沟通合作，在玩游戏时共同制定计划。

　　牛津大学研究显示，AI能模拟条件反射进行联想学习，比传统机器学习算法快千倍。利兹大学科学家借助AI扫描视网膜以探知心脏病风险。

　　在计算机相关领域，牛津大学研究人员开发了一种使用光偏振来实现最大化信息存储密度的设备，其计算密度比传统电子芯片提高了几个数量级。南安普顿大学工程师则与美国科学家携手，设计了一种与光子芯片集成的电子芯片并创造出一种设备，能以超高速传输信息同时产生最少的热量。

　　在机器人领域，利兹大学团队开发了一种“磁性触手机器人”，直径只有2毫米，可由患者体外的磁铁引导进入肺部狭窄的管道采样。帝国理工学院科学家展示了一组受动物启发的飞行机器人，可在飞行中建造3D打印结构，未来有望用于在偏远地区建造房屋或重要基础设施。格拉斯哥大学科学家将由砷化镓制成的微型半导体打印到柔性塑料表面，所得设备的性能可与目前市场上最好的传统光电探测器媲美，且能承受数百次弯曲，可用作未来机器人的智能电子皮肤。苏格兰科学家开发出了一种先进的压力传感器技术，有助于改进机器人系统，如用于机器人假肢和机械臂。（科技日报记者 刘霞）

2100年，2/3冰川可能消失******

图片来源：pixabay

　　美国科学家进行的一项研究对本世纪不同排放场景下的冰川质量损失进行了新的预测。相关研究1月5日发表于《科学》。

　　研究表明，根据当今减缓气候变化的努力，本世纪全球可能损失多达41%，或者至少26%的冰川。

　　这些预测将被汇总到全球温度变化场景中，补充有关气候变化的讨论内容，例如在《联合国气候变化框架公约》第27次缔约方大会（COP27）上进行的讨论。

　　卡内基·梅隆大学土木与环境工程助理教授David Rounce团队发现，如果继续投资化石燃料，在未来场景中，按质量计算超过40%的冰川将在本世纪内消失，而按照数量计算，超过80%的冰川可能会消失。在最好的低碳排放场景下，全球平均温度的上升相对于工业化前水平被限制在1.5℃以内，但按质量计算仍有超过25%的冰川质量将消失，按照数量计算则有近50%的冰川将消失。

　　按照冰川的标准，这些消失的冰川大多数都很小（不到1平方公里），但它们的消失会对当地的水文、旅游、防灾和文化价值产生负面影响。

　　该研究为区域冰川建模提供了更好的背景，Rounce希望这有助于促使气候政策制定者将温度变化目标降低到2.7℃以内——这是《联合国气候变化框架公约》第26次缔约方大会（COP26）承诺的目标。

　　如果温度上升超过2℃，则欧洲中部、加拿大西部和美国等地的较小冰川将受到不成比例的影响。如果温度上升3℃，这些地区的冰川几乎将完全消失。

　　Rounce指出，冰川对气候变化的反应需要很长时间。他将冰川描述为流动极其缓慢的河流。今天的减排努力并不能消除以前排放的温室气体，也不能阻止温室气体对气候变化的影响。这意味着即使完全停止碳排放，其正面效应也需要30年至100年才能反映在冰川质量损失率上。

　　许多因素决定了冰川质量的流失，Rounce的研究推动了用模型解析不同类型的冰川的研究，包括潮汐冰川和碎片覆盖的冰川。前者指漂于海洋的冰川，这导致它们在这个边界失去了很多质量。后者则指被沙子、岩石和巨石覆盖的冰川。

　　Rounce此前的研究表明，碎屑覆盖层厚度和分布可能对整个区域的冰川融化速率产生积极或消极影响，这取决于碎屑的厚度。在这项最新研究中，他发现，解释这些过程对全球冰川预测的影响相对较小，但在分析单个冰川时却发现了质量损失的巨大差异。

　　该模型还使用前所未有的大量数据进行了校准，包括对每个冰川的单独质量变化进行观测，从而提供了冰川质量变化的更完整、更详细的图像。可以说，超级计算机对于支持最先进校准方法的应用和不同排放场景的大规模集成必不可少。（王方）