定量预测物理

量子力学理论的标准解释认为，量子场内的变化不可预测且是瞬时的。在难以观测的微观世界里，阐明量子跃迁的性质，一直是困扰物理学家的重要难题。1986年，研究人员通过实验首次证实量子跃迁是一种能被观测和研究的实验现象。从那时起，科学家借助不断发展的技术，对这种神秘现象进行了更深入的观察。2019年的一项研究显示，量子跃迁的过程可以被预测，且开始后可以被阻断。近期，一项新的理论研究更深入挖掘了量子跃迁过程，以及它何时会发生。研究显示，这个看上去简单和基础的现象，实际上十分复杂。预测量子跃迁美国耶鲁大学研究人员通过一种干扰度最小的装置来监测量子跃迁进程。每一次跃迁都发生在一个超导量子比特的两个能态之间，这个小循环可用于模拟原子中离散量子能态的超导微环路。研究人员测量了低能态系统中量子比特的“附加活动”——可被观测设备捕捉但不会影响量子系统的运行。研究中的“附加活动”是一种监测设备所捕捉的、由系统散发的光子信号，这表明光子未被系统吸收、跃迁尚未发生。这种方式首次实现了对量子跃迁的间接监测，揭示了一个重要的性质：在“附加活动”中，量子向高能态跃迁之前会有一个停顿。而科学家可以通过这种停顿预测甚至阻止量子跃迁。跃迁过程由系统低能态开始也称为基态；当跃迁至系统高能态时，也称为激发态，随后跃迁路径转向，再次回到基态。文章作者Kyrylo Snizhko是德国卡尔斯鲁厄理工学院的一名博士后学者，他表示，模拟实验显示，在这个可间接预测或干扰量子跃迁中，一定存在一个不可捕捉的组分。具体来说，量子跃迁从激发态向基态的回落过程，并不总是平滑和可预测的，这就是作者所描述的“不可捕捉”的组分。研究指出，观测设备与受测系统的“连接度”，对系统跃迁有直接影响。在这一过程中，量子跃迁由观测的时间尺度而非跃迁过程定义。观测设备和量子系统的连接可能很弱，在这种情况下，通过信号的暂停能预测量子跃迁。量子系统的转变通过基态和激发态的混合实现，这称为量子系统的叠加态。然而，在观测设备和系统的联系超过一定阈值时，这种系统叠加态就会趋向某一个能值，并保持相对稳定，直至再次突然回到基态。论文的共同作者Parveen Kumar解释道，这意味着，即使我们一开始成功预测了量子跃迁发生，但无法避免会再次“跟丢”系统。而即使在跃迁可预测的期间，也会存在一些差异。Snizhko表示，这些过程中还包含着一种不可预测的组分。可捕捉的量子跃迁通常具有一个处在基态和激发态的叠加态上的跃迁“轨迹”，但整体的跃迁轨迹并没有明确的方向或终点。量子物理正在坍缩Zlatko Minev是微软托马斯沃森研究中心的研究员，也是这项耶鲁大学研究的第一作者。他表示这项新的理论研究“在以量子比特作为参数的实验条件下，描绘阐述了一个简单清晰的量子跃迁模式”。他认为，这项研究与先前的耶鲁实验互相参照，显示“相比于我们之前的认识，量子跃迁轨迹的离散性、随机性和可预测性还有待更广阔而充分的研究。”具体而言，耶鲁大学进行的研究首次揭示了量子跃迁的微妙行为——系统从基态到激发态的跃迁能被预测，表明量子世界中部分是可以预测的。这在此前曾被认为是不可能的。当Minev首次与组内的其他研究者讨论预测量子跃迁的可行性时，受到了一位同事激烈的回击：“跃迁轨迹如果能预测，量子物理界就要坍缩了！”“我们的实验最终成功了，并且推断出量子跃迁整体路径是随机和离散的。然而，在更精密的时间尺度上，每一步跃迁都是连续而逐步开展的。这二者尽管看似矛盾，却是量子跃迁中同时存在。” Minev解释道。而这一跃迁过程能应用到整个物质世界吗，如预测实验室外的原子？Kumar还不确定，而很大部分原因在于研究条件上的过多限制。Kumar说：“推广这项研究当然很令人兴奋。”如果未来不同的观测设备都得到了类似结果，那么这种量子行为将能解释量子世界的更多基本性质：在量子世界中，事件在某种意义上同时具有随机性和可预测性、离散性和连续性。量子跃迁是自然界中最基本、最原始的物理问题，但一直很难被真正观测到。直到最新的科技进展扭转了这一局势。美国华盛顿大学的助理教授Kater Murch表示：“耶鲁大学的实验启发了这项理论研究，为解决这个数十年的物理难题打开了全新的局面。在我心目中，实验与理论的相辅相成，最终转变我们这些理论物理学家对世界的认知，为日后的新发现奠定了基础。”

【大会简介】2017年6月23日至26日，由北京大学定量生物学中心主办的“定量生物学2017：计算与单分子生物物理国际会议”在北京大学隆重召开，会议组织者为宋晨研究员和齐志研究员。本次会议分为两大主题，计算模拟和单分子生物物理。计算领域的学术报告涉及染色质、蛋白质、细胞膜等多方面的动力学模拟，单分子领域的学术报告涵盖了单分子荧光共振能量转移（smFRET）、光镊、DNA帘幕等技术的前沿应用。主题报告内容丰富有趣，开拓了参会师生的眼界，促进了相关学术领域之间的交流与合作。【现场图片】【仪器简介】：产品简介： 荧光光镊--C-Trap，是世界上首款将光镊、共聚焦或STED 超分辨显微镜和微流控系统结合的单分子操控仪器。C-Trap通过高度聚焦激光束产生的力来操作纳米/微米颗粒，实现了对生物分子的单分子操纵，并且结合力学检测系统和共聚焦或 STED 超分辨显微镜，可以定位反应的结合位点，并实时监测生物分子的单分子动力学特性。LUMICKS 超分辨单分子动力分析仪技术特征：多重连续激光光阱捕获 超稳定负压驱动微流体 多重共聚焦扫描荧光显微镜 无与伦比的刚性范围 自动控制的微流控芯片 单光子灵敏度较低的力学噪声 高度相关的力学-荧光数据采集 可升级到STED超分辨率绝对的3D捕获定位应用领域：应用包括：利用 CTFM（CorrelativeTweezers – Fluorescence Microscopy）揭示大量分子相互作用机制的详细信息，主要包括： DNA的修复 中间纤维 核糖体的翻译 细胞的运动机制DNA的复制和转录 生物分子马达和酶 细胞膜的相互作用 DNA-DNA的相互作用DNA发夹结构动力学 DNA/RNA的结构动力学 蛋白质的折叠（去折叠） DNA的组织化和染色质化 DNA-蛋白互作可视化 蛋白折叠/去折叠微管微丝的力学特性的研究 膜蛋白、膜融合的研究小分子、酶活性的研究 细胞骨架、分子马达动力学的研究锘海生命科学整体解决方案：

p 　　利用气相组分的变化分析反应过程特征广泛应用于众多领域，如能源、材料、医药、化工等等，目前普遍采用的气相组分检测参数是“浓度”，然而其作为相对值，无法真实地反映出反应过程质量的动态变化 而物质质量的变化率(产率)虽能够客观代表反应动态特征，但实现多组分气体产率的同步实时精确检测一直是国际性技术难题。 /p p 　　研究所创新提出了质谱定量分析的多输入多输出非线性系统理论模型，发展为多组分气体产率的质谱定量测试分析方法-等效特征图谱法(ECSA)。该方法遵循质谱检测工作原理与气体流动过程特点，基于气体动力学、热力学、信号处理等多学科、领域的基础理论，通过建立气体流动、采样、电离、质量分析等多环节相耦合无量纲参数，自适应消除检测过程的温度依赖特性、压力变动造成的信号漂移，实现复杂多组分气体产率的同步原位检测。在国际上首次破解了质谱检测信号从理论上未能与气体参数建立定量物理关系的核心科学问题。 /p p 　　在研究活性焦的吸附与再生性能的典型应用实例中，通过吸附前、后活性焦的燃烧特性研究，利用吸附气体污染物组分的释放产率，可以准确定量获得活性焦自身吸附气相污染物的能力、确定再生工艺条件，检测结果实现了物料、组分、元素的质量三平衡，具有高度的重复性与再现性，充分体现了等效特征图谱法对气相组分产率实时分析的可靠性。 /p p 　　目前等效特征图谱法(ECSA)已经在能源、地质、医药、材料、环境、化工等多领域支持国内外的科学研究与技术发展，支持了中科院过程所的有机物质检测、中国医学科学院药物所的心脑血管药物及辅料分析、北京有色金属研究院的金属氢化物特性分析、北京化工大学的石墨烯催化特性研究等，相关成果已发表在Nature Chemistry、Carbon、Fuel、Fuel Processing Technology等国际期刊 并针对上百种气体已完成标定并形成标准的三维指纹信息图谱库，与国际知名设备企业如日本理学公司、德国耐驰公司等形成了良好的合作关系。 /p p style=" text-align: center " img width=" 500" height=" 276" title=" 质谱定量分析理论-等效特征图谱法ECSA模型.png" style=" width: 500px height: 276px max-height: 100% max-width: 100% " alt=" 质谱定量分析理论-等效特征图谱法ECSA模型.png" src=" https://img1.17img.cn/17img/images/202004/uepic/4cb3a8b9-6756-4c4b-8ba7-3636b9132754.jpg" border=" 0" vspace=" 0" / /p p style=" text-align: center " 图1. 质谱定量分析理论-等效特征图谱法ECSA模型 /p p style=" text-align: center " img width=" 500" height=" 335" title=" 气相组分产率实时分析在活性焦的吸附特性与再生工艺条件研究中的应用.png" style=" width: 500px height: 335px max-height: 100% max-width: 100% " alt=" 气相组分产率实时分析在活性焦的吸附特性与再生工艺条件研究中的应用.png" src=" https://img1.17img.cn/17img/images/202004/uepic/513873ab-bb56-47f8-ada1-68bafbd277a5.jpg" border=" 0" vspace=" 0" / /p p style=" text-align: center " 图2. 气相组分产率实时分析在活性焦的吸附特性与再生工艺条件研究中的应用 /p p 　　 strong 背景资料： /strong /p p 　　热重质谱联用TG-MS： /p p 　　热重分析法(TG)是应用热天平在程序控制温度下，测量物质质量与温度关系的一种热分析技术，具有仪器操作简便、准确度高、灵敏快速以及试样微量化等优点，因此广泛应用于无机、有机、化工、冶金、医药、食品、能源及生物等领域。但热重分析法无法对体系在受热过程中逸出的挥发性组分加以检测，这给研究反应进程，解释反应机理带来了一定的困难。质谱具有灵敏度高，相应时间短等突出优点，在确定分子式方面具有独特的优势。通过TG-MS联用，可以扩大分析内容，是现代热分析仪器的发展趋势。 /p p 　　具体仪器信息请点击查看: a href=" https://www.instrument.com.cn/zc/68.html" target=" _self" 热分析联用仪专场 /a /p p 　　TG-MS系统的等效特征谱分析方法(ECSA)： /p p 　　在ECSA中，对所有被测气体的特征光谱和相对灵敏度进行了标定。该方法有效地分离了质谱，消除了特征峰重叠时的质量分辨和温度依赖效应。在碳酸钙和碳酸钙分解的基础上，动态测定了实际气体流量和单个组分浓度，分析的逸出气体质量流量与ECSA和TG分析的实验数据吻合较好。 /p p 　　日本理学： /p p 　　理学公司的前身是理学电机制作所，创立于1923年，是世界上研制和生产X射线科学分析仪器的开拓者之一。1951年正式创立理学电机株式会社，十年后1962年又创立理学电机工业株式会社，此后又相继创立了理学计测株式会社、日本仪器株式会社、理学服务株式会社和株式会社理学等机构。半个多世纪以来，理学公司一直致力于研制和开发X射线科学分析仪器，并为世界科学分析仪器的发展做出了重要的贡献。 /p p 　　德国耐驰： /p p 　　德国耐驰仪器制造有限公司(NETZSCH Scientific Instruments Trading (Shanghai) Ltd.)是世界著名的分析仪器制造厂商之一，其产品主要包括热分析仪器、导热分析仪与树脂固化监测仪三大类。 在热分析仪器领域，耐驰公司拥有60余年的软、硬件研制及应用经验，其产品覆盖了热分析的各个分支领域。 /p p 　　相关文献： /p p 　　Equivalent characteristic spectrum analysis in TG–MS system, Thermochimica Acta 602 (2015) 15–21. /p p 　　Quantitative Study on Adsorption and Regeneration Characteristics of Activated Coke using Equivalent Characteristic Spectrum Analysis [J]. Ind. Eng. Chem. Res. 2019 58 5080-5086. /p p br/ /p

p 　　2018年8月31日，教育部公布了《关于2018年度高等学校科学研究优秀成果奖(科学技术)通用项目/候选人形式审查结果的公示》。推荐工作截止后，累计收到高校、专家推荐或提名的项目与候选人共计1266项，经审查合格的有1069项，《激光诱导击穿光谱(LIBS)定量化技术及应用》位列技术发明奖候选名单。 /p p style=" text-align: center " strong 激光诱导击穿光谱(LIBS)定量化技术及应用 /strong /p p 主要完成单位： strong span style=" color: rgb(255, 0, 0) " 清华大学 /span /strong /p p 　　激光诱导击穿光谱(LIBS)具有实现在线或原位分析的优势，被称为化学分析的“未来超级巨星”，是光谱分析领域的重点研究方向。但长期受测量不确定性较高和测量误差较大这两大关键瓶颈的制约，一直未能实现精确定量化，也未实现大规模商业化应用。本项目通过研究LIBS测量过程中不确定性及测量误差的产生机理及抑制机制，发明了一系列提高LIBS定量化性能的方法，在不增加系统复杂性和成本条件下，实现了精确定量化，并在应用中得到了证实，为LIBS大规模商业化奠定了技术基础。 /p p 　　项目的主要发明点包括：1、揭示了光谱信号不确定性产生的机理，明确提出降低测量不确定性的主要机制是降低收光系统观测到的待测元素总粒子数密度波动的影响，并发明了等离子体调制技术和光谱标准化方法，分别通过调节等离体子的演化过程以产生稳定核心测量区域和把光谱强度折合到标准状态以减少等离子体特性参数波动对测量的影响，从而提高测量可重复性。在煤炭或金属样品的应用中，等离子体调制技术可以把原始谱线强度的相对标准差(RSD)降低近20%，而经过光谱标准化方法后的RSD则比目前常用的光谱面积归一化方法降低了近4倍。2、发明了基于主导因素偏最小二乘(PLS)定标方法：利用基于物理模型的主导因素对测量过程中能够利用物理规律描述的部分进行建模，然后利用基于统计学方法的偏最小二乘方法(PLS)对尚不能用物理规律描述的过程及不确定过程进行残差修正，克服了传统物理模型和统计学模型各自的缺陷，提高了测量准确度。在金属样品的测试中，其预测均方根误差比常规PLS模型相对下降近2.5倍，并扩大了模型的适用范围。3、提出定量化新思路，发明了基于自适应数据库的光谱辨识技术：建立包含光谱强度和不确定性的数据库，并判断待测样品光谱是否来自于库中样品 对确定是库内的样品直接读取浓度信息，而对新样品则预测浓度并更新数据库，使新样品变成老样品，从而解决测量重复性问题。在煤炭样品测试中，辨识正确率达100%，所有样品测量结果100%可重复。 /p p 　　本成果专利以许可或转让方式通过美国TSI、国电科学技术研究院等国内外多个公司获得成果转化，在LIBS领域首次实现中国专利技术向发达国家领头企业逆向输出。成果已在煤质分析、金属分析、水泥生料在线控制方面得到了应用，测量重复性和准确性显著优于国内外同类技术，并为社会创造经济价值1.2亿元，推动了LIBS技术以及相关应用领域的进步。2017年，经中国仪器仪表学会组织，由包括金国藩、张玉奎、尤政、顾大钊等四位院士的鉴定委员会鉴定：“在国际上率先突破了LIBS测量不确定度高和准确性差这两大瓶颈的制约，形成了一套LIBS精确定量化技术 创新程度高，在LIBS定量化技术上取得了突破性进展，整体处于国际领先水平”。本项目成果累计发表SCI论文39篇，WOS核心集他引640次。授权发明专利22项(1国际专利)，总专利转让金额近1500万元(含200万美元外汇)。获2017中国仪器仪表学会科学技术奖一等奖、第九届国际发明展览会金奖。 /p

目前已开发多种工具可以进行PCR引物的设计，但大多数工具只考虑避免发夹结构形成、3' 末端核苷酸的选择、引物解链温度等问题，并没有考虑内在扩增子的特征以及没有预测给定扩增子和引物对的PCR扩增效率。Izaskun Mallona等人[1]使用了一种基于90个引物对组合的统计方法，扩增来自细菌、酵母、植物和人类的模板，扩增子大小在74到907bp 之间，以确定影响PCR效率的参数。最终开发了一个拟合数据的广义加法模型，并构建了PCR Efficiency在线分析工具（http://130.60.24.89/efficiency.html），允许从给定序列开始获得针对PCR 优化的寡核苷酸，并可以预测出扩增效率。有个这款小工具，还怕做不好PCR实验吗？现在快快试用我们的数字PCR系统和实时荧光定量PCR系统，你们就知道预测工具好不好用了。naica® 微滴芯片数字PCR系统naica® 微滴芯片数字PCR系统，以Sapphire芯片（全自动）或Opal（高通量）芯片为耗材，形成由25,000-30,000个微滴组成的单层二维阵列，该单层微滴阵列形成后直接进行PCR扩增实验。反应完成后对微滴进行三通道成像，从而对起始核酸浓度进行绝对定量。仅需2.5小时即可获取结果。Azure Cielo™ 实时荧光定量PCR系统Azure Cielo™ 实时荧光定量PCR系统来自于美国Azure Biosystems公司，配备高品质温度模块，采用光纤和CMOS的检测系统，高能LED的激发，提供高灵敏和可靠的数据。参考文献：[1] Izaskun M , Julia W , Egea-Cortines M . pcrEfficiency: a Web tool for PCR amplification efficiency prediction[J]. BMC Bioinformatics, 2011, 12(1):404.

美国密歇根大学研究人员近日通过在新型细胞基质上培养成体干细胞的实验，发现了一种可以预测干细胞是如何进行分化并形成何种组织的方法。研究成果刊登在8月1日的《自然—方法学》(Nature Method)上。　　　 　　相关仪器及方法：NSR2005i9步进式投影曝光装置 Prometrix P-10表面轮廓仪 6320FV扫描电镜 Samdri-PVT-3D临界点干燥仪 XL20扫描电镜 ABI 7300实时PCR系统 Axiovert 200M倒置显微镜 新型干细胞基质(支架) 　　完成人：克里斯托弗陈课题组 　　实验室：美国宾夕法尼亚大学生物工程系 密歇根大学生物工程系与机械工程系 台湾成功大学医学院骨关节研究中心 　　这是细胞培养实验开始第二天的人体间叶细胞的干细胞免疫荧光图。图中，红色部分为“微柱”，绿色部分为细胞，蓝色部分为细胞核。这个细胞在后期分化为了骨细胞。(图片提供：Michael T. Yang (University of Pennsylvania)) 　　这是人体间叶细胞的干细胞扫描电镜图。该细胞被放置在长度为13微米的长“微柱”上生长。在细胞培养实验第二天，细胞产生向心力，这可以从“微柱”的弯曲程度看出。这个细胞在后期分化为了脂肪细胞。(图片提供：Jianping Fu (University of Michigan)) 　　这是人体间叶细胞的干细胞被放置在短“微柱”上培养的扫描电镜图。细胞培养实验第二天，这些细胞开始伸展，其伸展程度和施加在“微柱”上的力均大于在长“微柱”培养的细胞。这些细胞在后期分化为了骨细胞。(图片提供：Jianping Fu (University of Michigan)) 　　干细胞转变为其他种类细胞的过程称为细胞分化。而要想发展以干细胞为基础的再生治疗技术，关键在于充分了解细胞分化。 　　“我们首次证明了，在细胞分化起始阶段，我们就能预测细胞下一步的分化过程。”Jianping Fu说。Fu是密歇根大学机械工程与生物医学工程的助理教授，同时也是文章的第一作者。“通常情况下，要了解掌握干细胞分化的趋势，需要数周甚至更长的时间。我们的研究成果则可以加速这一过程，这在药物筛查和再生医学方面有很大的应用前景。采用我们的方法，可以较早预测干细胞的分化，以及其在新药治疗中将转变成何种细胞类型。” 　　在这项研究中，Fu和他的同事发现，干细胞对它们附着的基质会施加一定的力。这种力很有可能与细胞分化有关，但对其的研究还不及对化学触发的研究那么广泛。研究人员在文章中说，培养干细胞所用基质的刚性确实有助于测定干细胞会转变成何种类型。 　　“经过研究，我们可以肯定地说，和化学因素一样，力学因素在控制细胞分化方面起着同样重要的作用”，Fu说，“而在这以前，干细胞生物学家在很大程度上忽略了这种力学因素”。 　　研究人员构建了一种新型的干细胞基质(支架)，其刚性可调节，而无需改变其化学成分，传统的干细胞生长基质则无法做到这点。这种新型的基质支架看起来像是一种微型地毯，上面布满了类似于头发的突起物——“微柱”，由聚二甲基硅氧烷这种弹性聚合物制成，而聚二甲基硅氧烷是橡皮黏土的重要成分，Fu说。研究人员可以通过调节微柱的高度来调节这种基质的硬度。 　　工程师在实验中对骨髓和其他连接组织(比如脂肪)进行提取，得到人体间叶细胞组成的干细胞。干细胞在坚硬的基质中生长，最后分化转变成了骨细胞，而在较软的基质中生长，则分化转变成了脂肪。当研究人员通过这种基质的力学性能观察到了细胞分化之后，他们决定在整个细胞培养过程对细胞的这种附着力进行跟踪测定，看是否能预测到这些细胞的分化。 　　研究人员使用荧光显微镜测量微柱的弯曲程度，从而对细胞这种附着力进行定量分析。“我们的研究表明，如果干细胞要进行分化，那么它们的附着力会比那些没有分化的干细胞要大许多，而干细胞分化成不同类型的细胞，其附着力也会有很大差异。”Fu表示，“我们证明了，可以通过观察这种附着力的变化来提早预测干细胞分化。” 　　制成这种新基质的成型工艺成本很低，研究人员也表示，任何对此有兴趣的科研人员都可以获得这种成型工艺。“我们觉得，这种工艺为整个科研领域提供了一种新的、切实可行的方法。”Fu表示。

全球领先的智能信息服务提供商汤森路透旗下的知识产权与科技事业部今天发布了其2014年度&ldquo 诺贝尔奖级别&rdquo 的&ldquo 引文桂冠奖&rdquo 获奖名单，名单中首次同时出现了四位华裔科学家。汤森路透年度引文桂冠奖开始于2002年，该奖项基于对化学、物理学、医学和经济学领域的学术论文及其引文进行深入分析来遴选全球最有影响力的研究人员，迄今已成功预测了35位诺贝尔奖得主。 　　在今年的提名名单中，值得关注的科学家有：来自生理学和医学领域的大卫&bull 朱利叶斯(David Julius)，他的研究阐释了人类神经处理痛感的分子运行机制，在疼痛管理领域开创了新的发展道路 同样来自生理及医学领域的还有李业广(Charles Lee)、史蒂芬W&bull 谢(Stephen W. Scherer)和米歇尔 H&bull 威革勒(Michael H. Wigler)，他们的研究解释了特定基因变异与疾病的关联。在物理学领域，杨培东(Peidong Yang)研究的光生成纳米线可用于数据存储和光计算。在化学领域，邓青云(Ching W. Tang)和史提芬&bull 范斯莱克(Steven Van Slyke因发明有机发光二极管而著称，这一技术现已广泛应用于智能手机、平板电脑和高清电视技术中。在经济学领域，威廉 J&bull 鲍莫尔(William J. Baumol)和伊斯雷尔M&bull 科茨纳(Israel M.Kirzner)因对企业家精神的突破性研究而受到关注。 　　值得一提的是，今年预测的名单中同时出现了四位华裔面孔，这是引文桂冠奖13年来罕见的。除了出生于香港的美籍科学家邓青云和美国霍华德休斯医学研究所主席钱泽南(Robert Tjian)外，还有出生于上海的美籍华裔物理学家张首晟(Shoucheng Zhang)，以及出生于江苏的美籍华裔科学家杨培东(Peidong Yang)。张首晟因其对量子自旋霍尔效应与拓扑绝缘体的理论与实验研究被预测，而杨培东因其对纳米线光子学的贡献，包括其创建了第一个纳米线纳米激光而入选。 　　2014 诺贝尔预测名单包含了来自9个不同国家、27 个不同学术和研究组织的27 位研究人员。 　　&ldquo 科研文献的引用是对科研人员智力投资最好的回报。&rdquo 汤森路透知识产权与科技业务全球总裁Basil Moftah先生表示：&ldquo 对科研文献总被引频次的总结和分析，我们可以看到科学家们独特的见解和其科研工作的影响力和贡献度，从而预测出那些最有可能获得诺贝尔奖的候选者。&rdquo 　　汤森路透每年一度的全球&ldquo 引文桂冠奖&rdquo 的分析数据来自全球最重要的囊括自然科学、社会科学和人文艺术领域的研究发现平台Web of ScienceTM，该奖项分为化学、物理、生理学或医学和经济学4个门类。基于对科研论文的被引用情况的全面考察和多种量化分析方法，汤森路透遴选出最具影响力的研究人员并授予汤森路透引文桂冠奖，同时预测他们可能在当年或者将来获得诺贝尔奖。 　　了解汤森路透引文桂冠奖的研究方法、以及历届全球&ldquo 引文桂冠奖&rdquo 得主及其研究领域的详细介绍，请浏览科学指标与研究绩效分析的开放资源网站&ldquo 科学瞭望&rdquo (http://sciencewatch.com/nobel)。

拉伸性能与疲劳性能是金属材料工程应用的关键指标，建立二者之间定量关系，实现金属材料不同力学性能之间关系的定量预测是金属结构材料领域重要研究目标之一。由于目前相关理论不够完善，基于微观变形与损伤机制的拉伸性能与疲劳性能定量预测模型并未建立起来。因此，虽有大量实验数据表明金属材料拉伸强度与塑性之间存在明确的倒置关系，拉伸强度与疲劳强度之间存在特定的关系，但至今仍缺乏定量模型来描述上述定量关系。因此，建立金属材料拉伸性能与疲劳性能定量预测具有重要科学意义。金属研究所张哲峰团队长期坚持材料疲劳与断裂基础理论研究，团队成员张振军项目研究员前期在缺陷与金属材料加工硬化关系方面进行了系统性研究，包括四类典型缺陷：1）零维缺陷：发现过饱和空位可提升合金的加工硬化能力；2）一维缺陷：在位错主导塑性形变的合金中实现了加工硬化能力回升；3）二维缺陷：在FeMnCAl系TWIP钢中实现随孪晶密度增加应变速率敏感性由负到正的转变；4）三维缺陷：在TWIP钢等强加工硬化材料中建立了微孔致颈缩判据。近来，在加工硬化微观机制研究基础上，张振军项目研究员提出了新的位错湮灭模型，并通过考虑初始组织状态与合金成分对加工硬化的影响，建立了单相金属材料普适性硬化模型-指数硬化（ESH：Exponential Strain-Hardening）模型，并据此首次推导出单相金属材料拉伸应力(σ)-应变(ε)定量关系：其中硬化指数n为位错湮灭距离(ye)的表达式反映合金成分的影响。η为初始缺陷对屈服强度(σy)非位错性贡献的比例，反映微观组织的影响；ΘⅡ为第二阶段硬化率，对同一金属合金体系为常数。该ESH模型得到了6种合金成分、100余种不同微观组织状态单相铜铝合金的实验验证，如图1所示。该ESH模型阐明了单相金属材料形变过程中一些重要规律：1）用一个参数(n)统一了五阶段加工硬化规律；2）揭示了极限强度、临界强度、真抗拉强度与成分及变形机制之间关系；3）首次推导出"屈服强度-抗拉强度-均匀延伸率"之间定量关系（公式(2-4)，图2a-2c）；4）定量揭示了拉伸强度-塑性同步提升的两个基本原则，即成分优化（提升位错滑移平面性）与组织优化（降低初始高能缺陷），在铜合金、镍基合金、TWIP钢、高氮钢、316L不锈钢等单相合金中均得到了系统性实验验证；5）实现了单相铜铝合金拉伸强度、塑性及拉伸应力-应变曲线的定量预测，如图2d-2f所示：　上述研究成果最近以2篇论文连载方式发表在Acta Mater 231 (2022) 117866和231 (2022) 117877上。基于该ESH模型，博士生曲展在张振军项目研究员的指导下，进一步揭示了三类变形铝合金（2xxx、6xxx、7xxx）拉伸强度和塑性随时效时间变化的共性转变规律与机制，建立了三类铝合金加工硬化指数与时效过程中析出相性质及几何特征之间的定量关系，提出了变形铝合金时效过程对加工硬化能力提升的析出相控制原理（J Mater Sci Technol 122 (2022) 54-67）。为了建立金属结构材料拉伸性能与疲劳性能之间定量关系，该团队成员刘睿博士在对铜铝单相合金拉伸性能与高周疲劳强度系统性研究的基础上，从疲劳损伤过程弹性变形与应变局部化两方面入手，通过引入合金成分、微观组织与宏观缺陷参数，建立了金属结构材料高周疲劳强度预测模型：其中参数C代表合金成分（或弹性模量）对疲劳强度的影响，强度σy和σb为微观组织对疲劳强度的影响，参数ω反映了宏观缺陷对疲劳强度的影响，如图3(a)所示；该高周疲劳强度预测模型得到了钢铁材料、铝合金、铜合金、钛合金、镁合金等20余种典型工程结构材料系统性疲劳实验验证，如图3(b)所示。该研究成果也以2篇论文连载方式发表在J Mater Sci Technol 70 (2021) 233-249和70 (2021) 250-267上。在疲劳裂纹扩展预测模型方面，最近李鹤飞博士在团队成员张鹏研究员的指导下，针对高强钢强度-韧性匹配关系，通过断裂力学理论分析，建立了以静态力学性能预测其疲劳裂纹扩展速率模型：其中σb为拉伸强度，KIC为断裂韧性，E为弹性模量，R为应力比，α为扩展速率常数。同时，为了指导关键构件材料强度-韧性优化提高疲劳裂纹扩展阻力，建立了高强度金属材料等效疲劳裂纹扩展速率模型（如图4(a)所示）。通过选择高强度金属材料强度-韧性之间匹配关系，可快速预测和降低其疲劳裂纹扩展寿命（如图4(b)所示），进而可以指导关键构件材料抗疲劳损伤容限设计。上述关于疲劳裂纹扩展速率预测模型在多种高强铝合金、钛合金及高强钢材料中得到了验证。该研究成果发表在J Mater Sci Technol 100 (2022) 46-50上。将上述金属材料拉伸性能和疲劳性能定量预测模型联合起来，可以实现通过测试金属结构材料少数组织状态的拉伸性能快速预测和优化其疲劳性能的功能，为金属结构材料疲劳性能预测与优化软件研发奠定理论基础，也为金属结构材料及工程构件抗疲劳设计与制造提供理论支撑。上述研究工作得到了国家自然科学基金重大项目（51790482）、重点项目（51331007、52130002）、面上项目（51771208、51871223）项目、中国科学院王宽诚率先人才计划"卢嘉锡国际合作团队"（GJTD-2020-09）、"青年促进会"项目（2018182、2021192）及辽宁省"兴辽计划"创新团队项目（XLYC1808027）的资助。相关成果列表及链接：1. Zhang ZJ*, Qu Z, Xu L, Liu R, Zhang P, Zhang ZF*, Langdon TG. A general physics-based hardening law for single phase metals. Acta Mater 231 (2022) 117877https://www.sciencedirect.com/science/article/pii/S1359645422002531#sec00202. Zhang ZJ*, Qu Z, Xu L, Liu R, Zhang P, Zhang ZF*, Langdon TG. Relationship between strength and uniform elongation of metals based on an exponential hardening law. Acta Mater 231 (2022) 117866.https://www.sciencedirect.com/science/article/pii/S135964542200252X3. Qu Z, Zhang ZJ*, Yan JX, Gong BS, Lu SL, Zhang ZF*, Langdon TG. Examining the effect of the aging state on strength and plasticity of wrought aluminum alloys. J Mater Sci Technol 122 (2022) 54-67.https://www.sciencedirect.com/science/article/pii/S1005030222001967?via%3Dihub4. Liu R, Zhang P*, Zhang ZJ, Wang B, Zhang ZF*. A practical model for efficient anti-fatigue design and selection of metallic materials: I. Model building and fatigue strength prediction. J Mater Sci Technol 70 (2021) 233-249.https://www.sciencedirect.com/science/article/pii/S1005030220307441?via%3Dihub5. Liu R, Zhang P*, Zhang ZJ, Wang B, Zhang ZF*. A practical model for efficient anti-fatigue design and selection of metallic materials: II. Parameter analysis and fatigue strength improvement. J Mater Sci Technol 70 (2021) 250-267.https://www.sciencedirect.com/science/article/pii/S100503022030743X?via%3Dihub6. Li HF, Zhang P*, Wang B, Zhang ZF*. Predictive fatigue crack growth law of high-strength steels. J Mater Sci Technol 100 (2022) 46-50.https://www.sciencedirect.com/science/article/abs/pii/S1005030221005053?via%3Dihub7. 张振军、张哲峰、张鹏、王强；一种金属材料拉伸性能的预测方法, 2021-7-6, ZL201711234799.0，发明。已授权8. 张哲峰、刘睿、张鹏、张振军、田艳中、王斌、庞建超；一种金属材料疲劳强度的预测方法，2021-8-10，ZL201711235841.0，发明。已授权9. 张鹏、李鹤飞、段启强、张哲峰；一种预测高强钢疲劳裂纹扩展性能的方法，2021-3-26，ZL201910030260.6，发明。已授权图1 ESH模型的建立与实验验证：(a-b) 模型推导过程；(c-d) 强度与塑性验证图2 ESH模型的应用：(a)建立"屈服强度-抗拉强度-均匀延伸率"之间定量关系；(b)实现拉伸性能及拉伸应力-应变曲线定量预测图3 高周疲劳强度预测模型的建立与验证：(a) 模型建立过程；(b,c) 系统性实验验证图4 (a)等疲劳裂纹扩展速率模型图 (b)工程材料强度-韧性与疲劳裂纹扩展速率关系

p 　　 strong 仪器信息网讯 /strong & nbsp 2018年10月17日，“第十九届国际冶金及材料分析测试学术报告会”(ICASI’2018 & amp CCATM& #39 2018)——物理、力学检测报告会在北京国家会议中心召开。大会同期，举办2018(第五届)国际材料与试验发展高端论坛和第六届中国能力验证论坛(6th PT)。本次会议由中国工程院主办，中国工程院化工冶金与材料工程学部、中国钢研科技集团有限公司(CISRI)、中关村材料试验技术联盟、能力验证联盟、北京材料基因工程高精尖创新中心协办，并得到了中国合格评定国家认可委员会(CNAS)和国内外众多学会等单位的大力支持，仪器信息网作为战略合作媒体对盛会进行全程报道。众多院士、近千名国内外相关领域著名专家、学者、技术人员齐聚一堂。物理、力学检测报告会作为ICASI’2018 & amp CCATM& #39 2018的重要分会场之一，得到与会者的高度关注。“物理、力学检测”作为ICASI’2018 & amp CCATM& #39 2018的传统主题之一，安排了来自冶金及材料分析测试领域的多位知名专家、企业代表及多家仪器厂商做25场精彩的报告。 /p p style=" text-align: center " img title=" huichang.jpg" alt=" huichang.jpg" src=" https://img1.17img.cn/17img/images/201810/uepic/15eeca07-3062-4d10-851e-120d498e0253.jpg" / /p p style=" text-align: center " 　　物理、力学检测报告会会场 /p p 　　中国航发北京航空材料研究院刘昌奎首先带来了《模拟服役条件下粉末高温合金的组织演化与表征》报告。报告中以粉末高温合金组织演化及对寿命的影响研究为例，分享了组织演化规律与机理和组织对疲劳行为的影响两个方面的研究思路和方法，详细介绍了组织演化定量表征。报告中展望未来相关工作方向：建立粉末高温合金在服役条件下组织演化与性能演化之间的映射关系建立寿命预测模型 采用高通量检测与表征技术开展相关的研究 探索研究工程中采用无损的技术手段检测性能衰减并予以评价。 /p p style=" text-align: center " img width=" 350" height=" 233" title=" liuchkui.jpg" style=" width: 350px height: 233px " alt=" liuchkui.jpg" src=" https://img1.17img.cn/17img/images/201810/uepic/3a877848-cf8f-4847-bc8a-a6004b5fc687.jpg" border=" 0" vspace=" 0" / /p p style=" text-align: center " 中国航发北京航空材料研究院刘昌奎 /p p 　　随后，来自中国、意大利的20多位专家一一登场，分别带来了塑性、磁性、疲劳、腐蚀、蠕变等各个物理、力学性能相关测试技术报告。如，帕多瓦大学I.Calliari作《不锈钢的点知塑性效应研究》报告，钢研纳克检测技术股份有限公司钟振前作《巴氏合金轴瓦的失效行为及温度场模拟分析》报告，中国航发商用发动机有限责任公司徐芳作《不同温度和磁场下的NdFeB磁体磁力显微分析》，天津大学材料学院李效华作《影响SOHIC实验结果的因素分析》报告，国家市场监管总局缺陷产品管理中心郑杰昌作《冷凝式热水器中金属材料腐蚀原因分析》报告，马鞍山钢铁股份公司技术中心王德宝作《残余奥氏体对TRIP钢疲劳性能的影响》报告 span style=" display: inline !important float: none background-color: transparent color: rgb(0, 0, 0) font-family: sans-serif font-size: 16px font-style: normal font-variant: normal font-weight: 400 letter-spacing: normal orphans: 2 text-align: left text-decoration: none text-indent: 0px text-transform: none -webkit-text-stroke-width: 0px white-space: normal word-spacing: 0px " 等 /span ，作为仪器企业代表欧波同有限公司的赵颉带来了《数字显微技术在材料显微分析上的应用》。 /p p style=" text-align: center " img title=" baogaor.jpg" alt=" baogaor.jpg" src=" https://img1.17img.cn/17img/images/201810/uepic/33af9eb0-5e03-44c4-aec4-7894199467af.jpg" / /p p style=" text-align: center " 　　物理、力学检测报告会报告人集锦 /p p br/ /p

GEOS-5气候模型所形成的模拟图片，模型精确地预测了主体云层系统的位置与形状　　 　　地球同步轨道环境卫星所拍摄的卫星图片 　　北京时间6月16日消息，据美国宇航局官网报道，美国宇航局地球系统科学家近期研制了迄今精度最高的地球气候模型GEOS-5气候模型，并通过该模型绘制了全球气候模拟图片。模拟图片与卫星图片对比显示，GEOS-5气候模型可以精确地预测气候状况。 　　科学是一个过程。科学家首先需要实地观测，然后提出假设用于解释观测数据，最后再通过系统验证和推理，找到支持或辩驳其假设的证据，从而得出一个科学的结论。许多人或许认为，科学家们在进行假设和验证的过程，所有工作都是在实验室中进行的。但是，对于研究地球如何运行的地球系统科学家来说，他们的实验室就是整个星球。面对庞大的星球，科学家们很难将全球各地不同的气温或云雨真正地集中到狭小的实验室中系统地研究。相反，他们只有将实地观测数据结合起来，形成复杂的电脑模型进行模拟研究。通过这类模型，科学家们可以对不同的假设进行测试和验证，并利用真实的观测数据进行检测，从而科学家们可以真正地理解地球大气、陆地和海洋等各个方面是如何协同工作的。 　　本文中的两幅图片分别为地球气候模型模拟图片(上图)和地球同步轨道环境卫星图片，上图显示的是分别通过两种方式所获得的同一时刻地球气候状况。该地球气候模型被称为“戈达德地球观测系统模型-第五版”(GEOS-5)，也是迄今精度最高的地球气候模型。下图则是由美国宇航局和美国国家海洋和大气局的地球同步轨道环境卫星所拍摄的卫星图片。通过图片对比发现，GEOS-5模型精确地预测了2010年2月6日时的云层特点。当天，一股强烈的寒流为华盛顿特区带来了一场数英尺厚的暴雪。 　　2010年2月6日，GEOS-5模型和地球同步轨道环境卫星传感器分别对地球上空的云层进行了红外测量。两幅图片显示，陆地上空覆盖着厚厚的云层，模拟图片与卫星图片所描绘的情况极其吻合。模型精确地预测了主体云层系统的位置与形状，如北大西洋东部上空的卷曲云带以及美国海岸附近的强烈冬季风暴。高精度的GEOS-5气候模型甚至还可以详细预测云层形状的细节。在2月6日的模拟图片中，气候模型预测了一些小型云层的边线、云街现象以及冬季风暴的东部细节。在一幅全球模拟图片中，气候模型还精确地预测了热带地区的大量雷暴现象。 　　GEOS-5气候模型的精度通常为每像素5公里，尽管它的精度最高可达每像素3.5公里，因此它也是目前世界上最精确的全球气候模型。普通气候模型在模拟云层情况时，精度大约为每像素28公里。这就意味着，由普通气候模型所产生的全球平面地图包含了77.7万个网格单元(像素)，而5公里精度的GEOS-5气候模型所产生的地图(上图)则包含了2400万个网格单元。因此，科学家可以根据GEOS-5气候模型获得关于地球的更详细的信息。 　　和所有的气候模型一样，GEOS-5气候模型也是利用数学方程式来计算气候变化情况。地球气候的一些物理属性，如温度和能量等，则需要实地测量。实时数据被输入模型，从而保证模型与真实世界尽可能一致。当然，在建造模型过程中，数百万次的计算则需要数千台计算机处理器。GEOS-5气候模型运行于美国宇航局戈达德太空飞行中心新成立的气候模拟中心的“发现”超级计算机之上。“发现”超级计算机拥有近1.5万个处理器。 　　气候科学家将利用GEOS-5气候模型预测未来数十年的气候变化情况。2010年6月2日，美国宇航局气候模拟中心以新名称开始运作。

p 　　2016年官方SCI影响因子将在下月发布，知社学术圈在此预测各领域顶尖杂志最新影响因子，并与2015年的官方数据进行对比，几家欢喜几家忧。 /p p 　　今年官方影响因子虽然尚未发布，但2016年引用数据已基本齐全，可以做出准确估算。预期官方数据不会有大的出入。当然预测只是数字游戏，仅供读者参考，一切以官方发布为准。 /p p 　　先看去年前25名。第一名依旧是CA-A CANCER JOURNAL FOR CLINICIANS，今年或有大幅增长。该刊每年都受益于两篇文章——前两个年度的Cancer Statistics，即年度癌症统计数据，每篇引用都是数千次，大幅度拉高了杂志的影响因子。其他文章引用则非常一般。这也充分说明为什么不能只看影响因子。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201705/insimg/dde93b7f-87ee-4269-932e-0e0842155a65.jpg" style=" " title=" 1-1.jpg" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201705/insimg/17eb6c65-ed7e-49ec-90f3-773f3ed48ac8.jpg" style=" " title=" 1-2.jpg" / /p p 　　从上表可以看出，2016年影响因子与2015年比，多数都有增长。另外，Science和Nature的差距正在缩小。从下表来看，这些综合类期刊依然保持去年的态势。值得一提的是，National Science Review上升势头不错，迟早会超越PNAS。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201705/insimg/d40483d4-dd7d-425c-8681-a836f1e00608.jpg" title=" 2.jpg" / /p p 　　物理类期刊普遍呈上涨趋势，其中，Nature Physics进步突出 PRX和去年的原地踏步相比，可谓突飞猛进。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201705/insimg/f4578fc8-6483-441e-9b87-d8091ef4e3ef.jpg" title=" 3.jpg" / /p p 　　不少化学期刊较2015年有所增长。Energy & amp Environmental Science今年继续向前迈进，预期将再涨4个点到29，俨然进入顶级行列。此前，知社对该刊的预测也相当准确。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201705/insimg/6480d187-09e0-49de-82b8-8d8598d5daea.jpg" title=" 4.jpg" / /p p 　　材料类期刊，王中林教授主编的Nano Energy继续表现良好 另外，ACS Nano很可能第一次超越Nano Letters。综述期刊Materials Science & amp Engineering R增长显著。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201705/insimg/f840f896-631b-42cf-b5c8-3546666851dc.jpg" title=" 5.jpg" / /p p 　　生命类期刊与物理学科类似，普遍呈现上涨趋势。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201705/insimg/be37a725-67e7-4c6f-a18a-e02d94aa036a.jpg" title=" 6.jpg" / /p p 　　最后看看中国期刊。长春光机所Light Science and Applications，上海生命科学研究院Cell Research，中科院Nanoscale，和清华的Nano Research，都略有下降。 /p p style=" text-align: center " img src=" http://img1.17img.cn/17img/images/201705/insimg/aa1b5fa0-d293-458d-88dc-954ef9b349ea.jpg" title=" 7.jpg" / /p

原文作者：Davide Castelvecchi机器学习算法利用电子密度预测材料性质伦敦人工智能公司DeepMind的科学家领导的一个团队开发了一种机器学习模型，该模型能通过预测分子中电子的分布来预测分子的特性。这种方法发表于12月10日的《科学》杂志上[1]，它可以比现有技术更准确地计算一些分子的性质。人工智能预测单个分子中电子的分布（示意图），并利用它来计算物理性质。来源：DeepMind维也纳大学的材料科学家Anatole von Lilienfeld说，“能做到如此精确是一项壮举。”波兰罗兹理工大学的计算化学家Katarzyna Pernal说，这篇论文是“一项扎实的工作”。但她补充说，在能为计算化学家所用之前，机器学习模型还有很长的路要走。预测性质原则上，材料和分子的结构完全由量子力学决定，特别是由支配电子波函数行为的薛定谔方程（Schrödinger equation）决定。这些数学工具能描述特定电子在特定空间位置出现的概率。但是DeepMind的物理学家James Kirkpatrick说，因为所有的电子之间都存在相互作用，所以根据这样的第一性原理（first principle）计算结构或分子轨道异常棘手，仅能对最简单的分子进行计算，比如苯。为了避开这个问题，那些依赖新分子的发现或开发的研究人员——从药理学家到电池工程师，几十年来一直使用一套被称为密度泛函理论（DFT）的技术来预测分子的物理性质。该理论并不模拟单个电子，而是计算电子负电荷在分子中的总体分布。“DFT着眼于平均电荷密度，所以它不知道单个电子的状态。”Kirkpatrick说。物质的大多数性质可以根据该密度轻易地计算出来。自20世纪60年代DFT建立以来，它已经成为物理科学中应用最广泛的技术之一：2014年，《自然》新闻团队的一项调查发现，在被引次数最多的100篇论文中，有12篇是关于DFT的。材料性质的现代数据库，如Materials Project，很大程度上由DFT计算的数据组成。但是这种方法有局限性，而且现在已经知道它会对某些类型的分子给出错误的结果，甚至包括氯化钠这样简单的分子。尽管DFT已经比基于基本量子理论的计算要高效得多，但它们仍然很耗时，并且通常需要超级计算机。因此，在过去的十年里，理论化学家越来越多地开始用机器学习进行实验，特别是用在材料的化学反应活性或导热能力等性质的研究上。理想问题DeepMind团队可能做出了迄今为止最具野心的尝试，他们利用人工智能来计算电子密度，这是DFT计算的最终结果。“在某种程度上这属于理想的机器学习问题：你知道答案，但不知道想用什么计算公式。”理论化学家Aron Cohen说。他长期从事DFT研究，目前在DeepMind工作。该团队用薛定谔方程导出的1161个精确解数据训练了一个人工神经网络。为了提高其准确性，他们还将一些已知的物理定律硬连接进了神经网络中。von Lilienfeld说，他们随后用一组DFT计算常用的标准分子测试了训练好的系统，结果很出色。“这是研究群体目前能得到的最好结果了，而他们大获全胜。”他说。von Lilienfeld补充说，机器学习有个优点是，尽管训练模型需要海量的计算能力，但这个过程只要做一次，之后就能在普通笔记本电脑进行独立的预测运算。与每次都从头开始计算相比，机器学习模型大大降低了成本和碳足迹。Kirkpatrick和Cohen说，DeepMind正在发布他们训练好的系统供任何人使用。作者表示，目前该模型主要适用于分子，而不适用于材料的晶体结构计算，但之后的版本也可能会适用于材料。参考文献：1. Kirkpatrick, J. et al. Science374, 1385–1389 (2021).原文以DeepMind AI tackles one of chemistry’s most valuable techniques为标题发表在2021年12月10日《自然》的新闻版块上

p style=" text-align: left text-indent: 2em " 记者从中国科学院物理研究所获悉，该所一组科研团队开发出一种快速计算晶体材料的拓扑性质的新方法，并用此方法在近4万种材料中发现了8千余种拓扑材料，十几倍于过去十几年间人们找到的拓扑材料的总和，并据此建立了拓扑电子材料的在线数据库。成果于北京时间28日由国际权威学术期刊《自然》在线发表。 /p p style=" text-align: left text-indent: 0em " 　　这一成果意义重大。它改变了拓扑量子材料这一研究方向的研究范式，将该方向的重点从“寻找新材料”推进到“研究新材料”。 /p p style=" text-align: left text-indent: 0em " 　　拓扑量子材料被认为将在超低功耗电子元件的研究和量子信息等领域起到重要基础作用。因此，如何寻找更多的新拓扑材料也因此成为了国际凝聚态物理领域的重要问题。此前，物理所已进行了一系列探索，并在拓扑绝缘体、量子反常霍尔效应、外尔半金属等方面做出了重要贡献。 /p p style=" text-align: left text-indent: 0em " 　　团队的通讯作者之一、中科院物理所的方辰研究员介绍，在实验中直接测量拓扑性质是困难的，因此首先用计算的方法预测材料的拓扑性质，就成为了寻找拓扑材料的重要的一环。然而，在过去的研究中，由于不变量的表达式十分繁难，这一计算往往需要深耕于该领域的专家耗费大量时间精力才能完成。“手动搜索”的局限性，使得人们难以预测绝大部分材料的拓扑性质。 /p p style=" text-align: left text-indent: 0em " 　　物理所团队开发出了通过计算材料能带的对称性数据从而自动获得其拓扑不变量的一套完整的、快速的、可以全自动运行的计算流程。在经过该流程之后，任何一种非磁性晶体材料都将获得一个“拓扑标签”，写着它是否具有，以及具有哪些拓扑性质。 /p p style=" text-align: left text-indent: 0em " 　　大批拓扑量子材料在理论上的发现，改变了拓扑量子材料这一研究方向的研究范式，并给未来的实验研究提供了很多线索和机会。 /p p style=" text-align: left text-indent: 0em " 　　物理所成果由该所方辰研究员、翁红明研究员、方忠研究员等人与中国科学院计算机网络信息中心联合完成。 /p p style=" text-align: left text-indent: 0em " 　　所谓“英雄所见略同”，另有两个研究小组，也于同一天同一刊物上发表了他们的独立研究成果。其中一个小组是来自美国的普林斯顿大学、西班牙巴斯克大学和德国马克斯-普朗克研究所的科学家，另一小组是来自南京大学和美国哈佛大学的科学家。他们两个小组的工作内容，同样是通过计算能带高对称点的对称性数据从而得到材料的拓扑性质，方法和物理所研究小组采用的方法一致，三个研究组得到的结果也彼此相洽、相互印证。 /p

p 　　太赫兹波通常指频率处于0.1THz到10THz的电磁波。由于波段独特，太赫兹波在多各领域具有应用潜力，但如何产生可调谐的强太赫兹辐射源是一个长期存在的难题。近三十年的研究表明，等离子体可以把强激光转化成强太赫兹辐射源。其中，2000年提出的“双色场方案”，由于转换效率高和技术简单等优点，得到最为广泛的关注。在双色场方案中，一束常规的800nm激光穿过一块倍频晶体产生的400nm激光，后者与剩余的800nm激光混合，在大气中就能产生MV/cm的强太赫兹波。该方案自提出以来，其物理机制一直存在着争议，存在等离子体电流模型和非线性光学的多波混频两种不同的理论模型。同时，在所有的实验中，两束模型的激光波长比始终固定在2:1，是否能够将其推广至其它波长比尚不清晰。 /p p 　　中国科学院物理研究所、北京凝聚态物理国家研究中心光物理重点实验室L05组王伟民、李玉同和上海交通大学盛政明等人针对以上问题进行了理论和实验研究。2013年，他们首次从理论上预测了双色场方案可以推广到4:1、6:1等波长比。2017年，他们后续的理论工作进一步预测双色场方案可以推广到波长比为2n:1、(n+0.5):1系列(n为正整数)。基于上述理论工作，王伟民与首都师范大学张亮亮、张岩实验团队合作，首次在实验上证实了理论预测，演示了双色场方案在波长比为4:1和3:2时，也能够有效地产生太赫兹波。实验上还观察到，太赫兹波的偏振可以通过旋转较长波长激光的偏振进行调节，但是旋转较短波长激光的偏振时，该偏振调节方法失效 取不同的激光波长比时，太赫兹波能量满足相似的定标率。这些现象与多波混频理论模型给出的关于介电张量对称性、不同波长比条件下太赫兹波能量具有不同的定标率等预测相矛盾。相反地，以上两个实验结果与王伟民等人的等离子体电流模型结果一致：太赫兹波椭圆偏振率正比于(λ长/λ短)4 在不同波长比条件下，太赫兹波能量满足相似的定标率，并在激光强度比较低的情况下满足线性定标率。该系列工作进一步证实了其物理机制应主要归结为等离子体电流模型，对基于“双色场方案”的太赫兹辐射产生和调控具有重要指导意义。 /p p 　　相关研究成果发表在Phys. Rev. Lett.和Phys. Rev. A/E上。该研究得到了国家自然科学基金委、国家重点基础研究计划、中科院战略性先导科技专项、教育部激光聚变科学与应用协同创新中心等的资助。 /p p style=" text-align: center " img title=" 001.png" src=" http://img1.17img.cn/17img/images/201712/insimg/769c27db-eb3a-41e2-974f-bd8aa56c267c.jpg" / /p p 　　图1.左图中第一束激光波长为800nm，第二束激光波长在1200nm到1600nm间变化，发现太赫兹波能量峰值出现在1200nm和1600nm附近(波长比为3:2和2:1) 右图中第一束激光波长为400nm，当第二束激光波长为1600nm时，出现太赫兹波能量峰值，对应的波长比为4:1。在两幅图中“x”点为实验结果，实线为KLAPS粒子模拟(PIC)结果 /p p style=" text-align: center " img title=" 002.png" src=" http://img1.17img.cn/17img/images/201712/insimg/c63f7f30-2cd0-46f5-8861-7798530d377e.jpg" / /p p 　　图2.双色场方案中采用400nm和1600nm激光组合，两束激光初始偏振均在水平方向上，然后分别旋转1600nm激光的偏振(左图)和400nm激光的偏振(右图)，让其具有竖直方向的分量。在左图中随着1600nm激光的旋转角从0增加到90度，太赫兹波水平分量逐渐减小，竖直分量先增加再较小 在右图中随着400nm激光的旋转角从0增加到90度，太赫兹波竖直分量始终处于很低的水平。此实验结果与根据等离子体电流模型预测的太赫兹波椭圆偏振率正比于(λ长/λ短)4相符。在两幅图中“o”点为实验结果，实线为KLAPS粒子模拟(PIC)结果 /p p style=" text-align: center " img title=" 003.png" src=" http://img1.17img.cn/17img/images/201712/insimg/cb95bdae-1c43-4290-b1c4-6f88e6171142.jpg" / /p p 　　图3.太赫兹波能量?THz随激光峰值功率的变化，左图中激光波长比为4:1，右图中波长比为3:2。根据多波混频理论的预测，左图中?THz应该正比于(P1600nm)4，右图中?THz应该正比于(P800nm)2，实验结果不符合这些定标率。当激光功率比较低时(曲线的开始阶段)，在不同波长比情形均满足线性定标率，这与根据等离子体电流模型预测一致。在两幅图中“x”点为实验结果，实线为KLAPS粒子模拟(PIC)结果 /p

迈克尔塞德尔（Michael Seidel）• 如果要在一个样品中测定多种分析物，分析微阵列是理想的解决方案。基于流的分析系统的优势在于它们可以在现场以自动化的形式快速、定量地分析样品。• 近年来，基于流式化学发光 (CL) 微阵列的微阵列芯片读取器 (MCR) 分析平台不断优化，其在各种生物分析应用中的实用性得到了证明。• GWK Präzisionstechnik 公司以原型开发的形式进一步优化了最新一代设备。该设备提供了使用泵和阀门控制实现全自动测定性能的可能性，并通过集成的高灵敏度 CCD 相机进行后续测量图像采集，非常适合长达 2 分钟的采集时间。由于要建立各种生物分析试验进行研究，该仪器被命名为 MCR-Research (R)（图 1）。• 在下文中，将简要描述各个微阵列检测类型以及应用程序。图 1：用于 SARS-CoV-2 抗体检测的基于流式 CL 微阵列的 MCR-R 微阵列分析平台示例。 检测血液中针对 SARS-CoV-2 的抗体检测针对 SARS-CoV-2 的抗体的问题是在大流行开始时提出的，由巴伐利亚研究基金会资助。重组抗原（SARS-CoV-2 蛋白，包括刺突蛋白 (S1) 和核衣壳 (N) 蛋白以及受体结合结构域 (RBD)）固定在微阵列芯片上。血液样本中的抗体可以与这些重组抗原结合。然后，带有辣根过氧化物酶 (HRP) 标记的抗人 IgG 抗体通过泵系统通过流通式微阵列芯片，在随后的步骤中通过添加鲁米诺和过氧化氢来观察结合的抗体。基于流动的微阵列免疫测定 (MIA) 原理的一个主要优点是使用间接非竞争性 MIA 非常快速和同时测定针对不同抗原的抗体（图 2）。因此，例如，可以将疫苗衍生抗体与 SARS-CoV-2 感染后的抗体区分开来。 图 2：血清和血液中 SARS-CoV-2 抗体的间接非竞争性 MIA 流程图。此外，可以确定针对不同 SARS-CoV-2 变体的抗体，或者可以通过其他呼吸道病原体扩展抗体组，例如，检测针对流感的抗体。此外，MCR 的多功能性与相关的流通微阵列芯片和程序选项也提供了建立的可能性，例如，通过竞争性 MIA 对中和抗体进行定量分析。在这里，可以确定哪些抗体实际上可以阻止病原体进入细胞，从而在预防感染方面特别有效。CL-MIA 只需不到 15 分钟，可用于现场分析，例如医疗实践。使用 CL-MIA 和 MCR 检测 SARS-CoV-2 抗体的第一个结果已经发表 [1,2]。 基于抗体的蒸发冷却系统嗜肺军团菌检测和亚型分析媒体多次报道军团菌爆发，通常可以追溯到蒸发冷却系统。这些系统可以产生含有军团菌的生物气溶胶，这取决于致病菌株，在吸入可吸入的嗜肺军团菌后，会在人体中引发轻度庞蒂亚克热或严重的肺炎，即军团病。为此，成立了第 42 届 BImSchV，负责规范蒸发冷却系统、冷却塔、湿式分离器的安全技术运行以及冷却水中军团菌的定期控制。如果超过测量值（冷却塔每 100 毫升 50,000 个军团菌，其他需要报告的系统每 100 毫升 10,000 个军团菌），则必须立即采取措施大幅降低病原体浓度。此外，必须进行血清分型。代替使用凝集试验（血清组 1 和血清组 1-15 之间的区别）对嗜肺军团菌进行常规血清分型，甚至使用大量 ELISA 微量滴定板对嗜肺军团菌血清组 1 进行亚型分型，也可以使用 MCR。根据该申请，原型设备被称为 Legiotyper。此外，在军团病爆发的情况下，尽快确定源头很重要。这也可以通过仪器实现。一组单克隆抗体固定在流通式微阵列芯片上。样品手动注入系统，然后是全自动 CL-SMIA（图 3）。单克隆抗体对L. pneumophila血清群 1的不同血清和亚群表现出不同的亲和力和选择性。图 3：CL-SMIA 示意图：(1) 样品注射，(2) L. pneumophila SG1 亚型与特异性捕获抗体的结合，(3) 抗 SG1 检测抗体与已经结合的军团菌的结合，(4 ) CL 反应和图像采集。细菌与流通式微阵列芯片上的相应单克隆抗体特异性结合。夹心是由对血清组 1 特异的生物素标记的多克隆抗体形成的。加入 CL 试剂后，进行 CL吸收。通过将单个菌落悬浮在缓冲液中并在大约 30 分钟内使用该仪器执行 CL-SMIA，在培养后的所有情况下都可以进行血清分型和亚型分型。在由德国联邦经济和技术部资助的 WIPANO 项目 LegioRapid 中，首次建立了用于蒸发冷却系统快速卫生评估的独立培养方法的标准化方法，该方法在测量后定量确定治疗成功率值已超过。除了 qPCR 和与免疫磁分离 (IMS) 相结合的流式细胞术之外，Legiotyper 被用作第三种方法。定量测量结果通过qPCR和IMS流式细胞仪从100 mL中100军团菌的浓度获得，其中100 mL水样通过聚碳酸酯过滤器（孔径=0.22µm）过滤，洗脱液直接用于定量测定。只有在样本中发现最低浓度为106个细胞/100 mL时，才能使用Legiotyper进行血清或亚型。对于培养样本，这个最低浓度不是问题。对于不依赖培养的方法，样品体积必须增加到至少 10 L 才能达到至少 10 4的浓缩系数。正在对合适的过滤方法进行研究 [3]。对于气溶胶中嗜肺军团菌的分析，可以使用相同的 CL-SMIA，但在样品制备方面存在差异。必须首先使用气溶胶收集器对气溶胶进行采样，科里奥利 µ 旋风收集器适用于该收集器。在这里，细菌以液体形式分离，其中可以直接取样和测量。在 AIF 项目 LegioAir 中，首次表明在生物气溶胶中进行血清分型是可能的。 使用 haRPA对军团菌进行分子生物学检测微阵列芯片阅读器不仅可用于基于抗体的检测，还可用于分子生物学。课题组开发了异质不对称重组酶聚合酶扩增（简称haRPA，图4）[4,5]，可用于军团菌属。通过在 39°C 下加热流通式微阵列芯片在系统上进行检测。对于 haRPA，军团 菌属特异性引物在空间上固定在 DNA 微阵列芯片上。图 4：可以在 MCR-R 上执行的 haRPA 原理。(1) 带有固定反向引物的 DNA 微阵列，(2) 添加 DNA 提取物后，重组酶打开双链靶 DNA，(3) 聚合酶延伸反向引物直到 (4) 单链结合蛋白分离, (5) 生物素化的正向引物与固定的双链结合，直到 (6) 第二条 DNA 链被聚合酶延伸。(7) 最后，固定化的扩增子通过链霉亲和素-HRP 进行标记，并使用 CL 进行可视化。 等温核酸扩增可扩增基因组 DNA 的靶序列。通过第二个生物素标记的引物，形成的扩增子被标记并用作链霉亲和素-HRP 的锚点，该链霉亲和素-HRP 通过流通式微阵列芯片。最后，与其他测定一样，通过使用集成 CCD 相机记录 CL 反应生成 CL 图像。信号的强度取决于样品中 DNA 的初始量。扩增允许对非常少量的初始 DNA 进行定量。haRPA 的原理还允许通过将不同的引物固定在微阵列表面上进行多重分析。这样，样品可以在 45 分钟内区分军团 菌。以及对人类最危险的军团菌属嗜肺军团菌，它可以更好地评估潜在的健康风险。 地表水中的藻类毒素的监测MCR-R 也用于环境监测。AIF-ZIM 项目 MARCA 关注为即将到来的藻华开发早期预警系统。它是基于云的监测系统的重要组成部分，可用于预测藻类大量繁殖和地表水中蓝藻毒素的形成等。由于水体富营养化和气候变化，被称为藻华的蓝藻大量繁殖变得越来越频繁。在这种现象期间，水变得非常浑浊，水中的蓝藻毒素含量急剧增加。其后果是水生大型植物的退化和对生物体、人类和动物的危害。为了预测藻华并在早期采取预防措施，正在开发一种预警系统，该系统能够使用 Triton 水传感器系统持续监测可能指示藻华的化学和物理参数。这些是温度、电导率、总溶解固体 (TDS) 和总悬浮固体 (TSS)、浊度、溶解氧、溶解硝酸盐和总硝酸盐。此外，该仪器还监测水中的蓝藻毒素浓度。这可以通过再生间接竞争 CL-MIA（图 5）实现，并且由系统在 7 分钟内完全自动执行。例如，微囊藻毒素-LR 的检测限为 4.8 µg/L，因此低于 WHO 的 10 µg/L（对于微囊藻毒素）的限值，低于该限值可假设对健康产生不利影响的可能性较低。图5：再生间接竞争性MIA的示意图：（1）样品（抗原）与一级抗体的孵育，（2）未结合的一级抗体与固定化毒素的结合，（3）检测抗体结合，（4）CL反应和图像采集，以及（5）下一次测量的再生。细菌亲和过滤用亲和粘结剂的筛选微阵列芯片阅读器可用于定量或定性检测，以及研究新的亲和性结合物及其对细菌的结合行为。例如，这些是抗菌多肽、酶或抗体。生物素化细菌通过流通微阵列芯片自动进入设备，在该芯片上固定待研究的亲和力粘合剂。随后，链霉亲和素HRP与结合的生物素结合并催化CL反应，这被捕获为图像。用适当的缓冲液洗脱细菌后，获得第二个CL图像。因此，细菌的结合和洗脱行为可以得到快速而全面的评估。与无标签生物传感器相比，生物素标签可以更精确地跟踪这种反应。这种筛选策略的另一个优点是可以同时固定多个亲和结合物。这为一次测试许多亲和结合物提供了一种快速的方法，也允许细菌、亲和结合剂和洗脱缓冲液之间的组合具有高度的多样性。总结这里描述的例子令人印象深刻地展示了MCR-R分析平台在仪器生物分析中的广泛应用。因此，各种高度相关的领域都可以受益于生物分析方法的使用，因此必须在未来继续推动其扩展。参考文献[1] Klüpfel, J. Koros, R.C. Dehne, K. Ungerer, M. Würstle, S. Mautner, J. Feuerherd, M. Protzer, U. Hayden, O. Elsner, M. Seidel, M. Automated, flow-based chemiluminescence microarray immunoassay for the rapid multiplex detection of IgG antibodies to SARS-CoV-2 in human serum and plasma (CoVRapid CL-MIA). Analytical and Bioanalytical Chemistry, 2021, 413, 5619–5632. https://doi.org/10.1007/s00216-021-03315-6 .[2] Klüpfel, J Paßreiter, S. Weidlein, N. Knopp, M. Ungerer, M. Protzer, U. Knolle, P. Hayden, O. Elsner, M. Seidel, M. Fully automated chemiluminescence microarray analysis platform for rapid and multiplexed SARS-CoV-2 serodiagnostics. Analytical Chemistry, 2022, 94, 6, 2855-2864. https://doi.org/10.1021/acs.analchem.1c04672 .[3] Wunderlich, A. Torggler, C. Elsaesser, D. Lück, C. Niessner, R. Seidel, M. Rapid quantification method for Legionella pneumophila in surface water. Analytical and Bioanalytical Chemistry, 2016, 408(9), 2203-2213. https://doi.org/10.1007/s00216-016-9362-x .[4] Kunze, A. Dilcher, M. Abd El Wahed, A. Hufert, F. Niessner, R. and Seidel, M. On-chip isothermal nucleic acid amplification on flow-based chemiluminescence microarray analysis platform for the detection of viruses and bacteria. Analytical Chemistry, 2016, 88, 898-905. https://doi.org/10.1021/acs.analchem.5b03540 .[5] Kober, C. Niessner, R. Seidel, M. Quantification of viable and non-viable Legionella spp. by heterogeneous asymmetric recombinase polymerase amplification (haRPA) on a flow-based chemiluminescence microarray. Biosensors and Bioelectronics, 2018, 100, 49-55. https://doi.org/10.1016/j.bios.2017.08.053 . 关于作者Michael Seidel德国加钦慕尼黑工业大学水化学研究所分析化学和水化学系主任Michael Seidel在斯图加特大学学习技术生物学，并在图宾根大学获得物理化学博士学位。在Miltenyi Biotec GmbH担任项目负责人后，他在分析化学主席处成立了一个微阵列研究小组，由Reinhard Niessner教授领导。2014年，他以化学发光微阵列为主题，学习分析化学。直到现在，他还是由Martin Elsner教授领导的分析化学和水化学主席“生物分析和微分析系统”小组的负责人。他的研究兴趣在于建立创新的（生物）分析方法和仪器、生物传感器、分析微阵列、超顺磁性纳米颗粒、浓缩和分离方法，以快速或自动分析药物、毒素、生物标记物、蛋白质、病原菌和病毒，或在水质监测、食品分析或体外诊断领域的抗生素抗性基因。原文：Flow-based analytical microarraysQuantitative and qualitative determinations with selective biological probesWiley Analytical Science，2 September 2022供稿：符 斌

第一届能源电子产业创新大赛新型储能产品分赛道暨第二届全国先进储能技术创新挑战赛新型储能寿命模拟预测比赛决赛将于2023年10月27-28日在溧阳举办，本次比赛旨在寻找技术创新程度高、模型算法创意强、电池寿命预测精度准的寿命预测技术，集结全国21支队伍最高水平队伍同台竞技，一决高下！国内首个针对锂电池储能寿命模拟预测的专业赛事锂离子电池储能具有能量密度高、效率高、寿命长、易选址等特点，是当前应用最为广泛、最具发展潜力的储能解决方案。电池寿命是储能系统发挥其价值的核心指标，准确评估电池寿命对于系统安全、经济可靠等具有重要意义。当前，我国常规的锂离子电池电芯循环寿命可达上万次，因测试周期长，电池寿命评估难以通过实测的方式开展，必须依赖基于算法的寿命预测技术。电池寿命预测集成电化学基础科学、电池技术和数字技术，既是学术界的研究热点，更是行业的一个重大痛点堵点问题，大赛汇聚业界精英和权威专家，共同寻找和发现最佳解决方案。客观赛与主观赛“刚柔并济”赛事采用主客观相结合的评比方式，客观部分为数据实测，重点考核预测精度（预测循环次数与实际测试循环次数的误差），主观部分为答辩，主要考核预测方法的原创性、先进性，客观赛以实测结果印证原理先进，主观赛以原理解密支持实测结果真实有效，主客观赛互证，挤出所有偶然性水分！全球直播权威专家为参赛者“把脉”12位行业权威专家大咖莅临现场，与21支参赛队伍论辩过招，从不同角度审视各队伍的前沿技术，高手间对答必定干货满满、越辩越明、精彩纷呈！全部参赛队伍全程观摩答辩，从对手汲取养分，更向彼此呈现智慧，敞开大门邀请业界同仁现场观摩！客观赛、主观赛均现场直播，比赛现场产生并公布结果！敬请期待！赛事详细信息比赛时间：2023年10月27-28日比赛地点：江苏溧阳长三角物理研究中心湖滨会议中心B102（27日）B103（28日）比赛地址：江苏省溧阳市中关村大道1号长三角物理研究中心赛事直播二维码比赛日程本次活动不收取会议费，食宿交通自理识别下方二维码报名名额有限 先报先得参会联系人张兆华：15210741977（微信同号）雷 青：17769333071（微信同号）顾小燕：18114689920（微信同号）

美国《科学》杂志18日预测说，2009年的科研热点将涉及植物基因组学、海洋研究和全球变暖等领域。 　　《科学》杂志介绍说，在植物基因组学研究领域，美国政府正在进行玉米基因组的测序工作，预计2009年将发布测序结果。除玉米这一重要作物外，明年有望被破译基因组的植物还将有：大豆和粟(即谷子)等农作物 可用作生物燃料的一些植物 沟酸浆属植物，多用于生态学研究 一类较原始的植物——石松属植物。 　　苹果、柑橘、桃和瓜类植物的基因组测序也正在进行当中，松树、番茄等植物的基因组测序工作有望加速。另外，作为研究基因变异的模型植物，拟南芥有数百种不同细类正在测序之中。 　　在海洋研究领域，由大气中二氧化碳水平升高引发的海洋酸化仍在加剧，这对大到珊瑚礁、小到浮游生物等各种海洋生物来说是个坏消息。在全球变暖的严峻形势下，北极熊的生存状况已经成为全世界关注的焦点，相比较而言，海洋酸化对海洋生物的威胁至今还没有获得足够的重视。《科学》杂志说，期待2009年有更多的科学研究能够关注海洋酸化带来的巨大危害，借此引起公众的关注。 　　2009年，全球变暖仍将是热点中的热点。《科学》杂志说，明年年底在丹麦哥本哈根举行的联合国气候变化大会“将是各国制定一个减排协议的最后期限”。然而，通向哥本哈根的道路并非坦途，世界经济步履蹒跚，各国都有各自考量，应对气候变化将是2009年国际社会面临的一道难题。 　　在粒子物理领域，《科学》杂志说，欧洲大型强子对撞机2009年将努力从故障中恢复，真正开始粒子对撞实验。但2009年，粒子物理领域真正的大新闻应该来自美国的费米国家加速器实验室，那里的Tevatron对撞机到明年就将获得足够的实验数据证明，希格斯玻色子这种基本粒子是否存在，并且质量是否真如预期那么低。 　　此外，《科学》杂志预计，物种形成基因、宇宙暗物质、神经科学等研究领域也将是2009年科学界的热点。

p 　　Alphabet(谷歌)旗下公司 DeepMind 的人工智能 AlphaGo 曾在国际象棋、围棋等项目中取得了超越人类的表现，其研究不仅震惊世界，也两次登上 Nature。如今，该公司已将人工智能技术应用到最具挑战性的科学研究问题中，其刚刚推出的 AlphaFold 可以仅根据基因“代码”预测生成蛋白质的 3D 形状。 /p p 　　DeepMind 表示，AlphaFold 是“该公司首个证明人工智能研究可以驱动和加速科学新发现的重要里程碑”。看来，人类医学研究要前进一步了。 /p p 　　 img src=" https://img1.17img.cn/17img/images/201812/uepic/fc4cf612-a444-4567-b697-76cdcdfc9dea.jpg" title=" 1.jpg" alt=" 1.jpg" style=" text-align: center " / /p p style=" text-align: center " 　　 span style=" color: rgb(127, 127, 127) " 2017 年 5 月，谷歌 DeepMind 人工智能项目 AlphaGo(执棋者：黄士杰博士)对战当时世界第一的围棋选手柯洁。 /span /p p style=" text-indent: 2em " 周日，在墨西哥坎昆举办的一场国际会议中，DeepMind 的最新 AI——AlphaFold 在一项极其困难的任务中击败了所有对手，成功地根据基因序列预测出蛋白质的 3D 形状。 /p p 　　“蛋白质折叠”是一种令人难以置信的分子折叠形式，科学界以外很少有人讨论，但却是一个非常重要的问题。生物由蛋白质构成，生物体功能由蛋白质形状决定。理解蛋白质的折叠方式可以帮助研究人员走进科学和医学研究的新纪元。 /p p 　　“对于我们来说，这真的是一个关键时刻，”DeepMind 联合创始人兼 CEO Demis Hassabis表示，“这个项目就像灯塔，这是我们关于人和资源的首次重大投资，用于解决一个根本性的、现实世界的重要问题。” /p p 　　在 2016 年 AlphaGo 击败李世乭后，DeepMind 就开始将目光转向蛋白质折叠。尽管实践证明，游戏是 DeepMind AI 项目的优秀试验场，但在游戏中取得高分并非他们的终极目标。“我们的目标从来就不是赢得围棋或雅达利比赛的胜利，而是开发能够解决蛋白质折叠这类问题的算法，”Hassabis 表示。 /p p 　　 strong 为什么要预测蛋白质结构 /strong /p p 　　人体能够产生数万甚至数百万的蛋白质。每个蛋白质都是一个氨基酸链，而后者的类型就有 20 种。蛋白质可以在氨基酸之间扭曲、折叠，因此一种含有数百个氨基酸的蛋白质有可能呈现出数量惊人(10 的 300 次方)的结构类型。 /p p 　　蛋白质的 3D 形状取决于其中包含的氨基酸数量和类型，而这一形状也决定了其在人体中的功能。例如，心脏细胞蛋白质的折叠方式可以使血流中的任何肾上腺素都粘在它们上面，以加速心率。免疫系统中的抗体是折叠成特定形状的蛋白质，以锁定入侵者。几乎身体的每一种功能——从收缩肌肉和感受光线到将食物转化为能量——都和蛋白质的形状及运动相关。 /p p 　　通常情况下，蛋白质会呈现出能量效率最高的任何形状，但它们可能会纠缠在一起或者折叠错误，导致糖尿病、帕金森和阿茨海默症等疾病。如果科学家可以根据蛋白质的化学构成来预测其形状，他们就能知道它是做什么的，会如何出错并造成伤害，并设计新的蛋白质来对抗疾病或履行其它职责，比如分解环境中的塑料污染。 /p p 　　 strong AI 如何改变研究方法? /strong /p p 　　正因为蛋白质的结构如此重要，在过去的五十年中，科学家已经能使用低温电子显微镜和核磁共振等实验技术确定蛋白质的形状，但是每一种方法都依赖大量的试验与误差反馈，每种结构可能需要花费数万美元、历时数年进行研究。因此生物学家转攻 AI 方法，以完成这一困难且单调的过程。 /p p 　　幸运的是，由于基因测序成本快速降低，基因组领域的数据非常丰富。因此在过去几年中，依赖于基因组数据的预测问题正越来越多地借助深度学习方法。DeepMind 非常关注这一问题，并提出了 AlphaFold，这一项工作目前已经提交到了Critical Assessment of Structure Prediction (CASP)。 /p p 　　DeepMind 用 AlphaFold 参加了 CASP，这是一年两次的蛋白质折叠奥运会，吸引了来自世界各地的研究小组。比赛的目的是根据氨基酸列表来预测蛋白质的结构，这些氨基酸列表会在几个月内每隔几天发送给参赛团队。这些蛋白质的结构最近已经通过费力又费钱的传统方法破解，但还没有公开。提交最准确预测的团队将获胜。 /p p 　　尽管是首次参加比赛，AlphaFold 就在 98 名参赛者中名列榜首，准确地从 43 种蛋白质中预测出了 25 种蛋白质的结构。而同组比赛中获得第二名的参赛者仅准确预测出了 3 种。值得一提的是，AlphaFold 关注从头开始建模目标形状，且并不使用先前已经解析的蛋白质作为模板。AlphaFold 在预测蛋白质结构的物理性质上达到了高度的准确性，然后基于这些预测可以使用两种不同的方法预测构建完整的蛋白质结构。 /p p 　　 strong 使用神经网络预测物理属性 /strong /p p 　　AlphaFold 构建的模型都依赖深度神经网络，这些经过训练的神经网络可以从基因序列中预测蛋白质的属性。DeepMind 的研究人员表示，神经网络预测的蛋白质属性主要有：(a)氨基酸对之间的距离 (b)连接这些氨基酸的化学键及它们之间的角度。这些方法的首要进步就是对常用技术的提升，它们可以估计氨基酸对是否彼此接近。 /p p style=" text-align: center" img src=" https://img1.17img.cn/17img/images/201812/noimg/d256b4f4-6189-437b-8ead-d45a99ae81de.gif" title=" 2.gif" alt=" 2.gif" width=" 375" height=" 375" style=" width: 375px height: 375px " / /p p style=" text-indent: 2em " 为了构建 AlphaFold，DeepMind 在数千已知的蛋白质上训练了一个神经网络，直到它可以仅凭氨基酸预测蛋白质的 3D 结构。给定一种新的蛋白质，AlphaFold 利用神经网络来预测氨基酸对之间的距离，以及连接它们的化学键之间的角度。接着，AlphaFold 调整初步结构以找到能效最高的排列。该项目花了两周时间来预测其第一个蛋白质结构，但现在几小时内就可以完成了。 /p p 　　根据神经网络预测的两种物理属性，DeepMind 还训练了一个神经网络以预测蛋白质成对残基(residues)之间距离的独立分布，这些概率能组合成估计蛋白质结构准确率的评分。此外，DeepMind 还训练了另一个独立的神经网络，该网络使用集群中的所有距离来估计预测的结构与实际结构之间的差距。 /p p style=" text-align: center" img src=" https://img1.17img.cn/17img/images/201812/uepic/b1b25d1b-42ba-454c-ae29-93402575df61.jpg" title=" 3.jpg" alt=" 3.jpg" / /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201812/noimg/3bbdee91-2067-417d-8e22-92b8a5543cc6.gif" title=" 4.gif" alt=" 4.gif" style=" text-align: center width: 533px height: 178px " width=" 533" height=" 178" / /p p 　　 strong 预测蛋白质结构的新方法 /strong /p p 　　这些评分函数可以用来探索蛋白质内部，以找到与预测匹配的结构。DeepMind 的第一种方法建立在结构生物学的常用技术上，用新的蛋白质片段反复替换蛋白质整体结构的某个部分。他们训练了一个生成神经网络来创造新的片段，这些片段被用来不断提高蛋白质结构的评分。 /p p style=" text-align: center" img src=" https://img1.17img.cn/17img/images/201812/uepic/e657a13d-1262-4040-8074-dda8e8ac5791.jpg" title=" 5.jpg" alt=" 5.jpg" width=" 492" height=" 315" style=" width: 492px height: 315px " / /p p 　　先通过神经网络预测氨基酸之间的距离和化学键角度，然后再根据两种物理属性对结构进行评分，最后通过梯度下降优化评分。 /p p 　　第二种方法是通过梯度下降来优化评分，得到的结构高度精确。梯度优化被用在整个蛋白质链，而不是组装前必须单独折叠的片段，这种做法降低了预测过程的复杂性。 /p p 　　 strong 未来可期 /strong /p p 　　首次涉足蛋白质折叠领域的成功表明，机器学习系统可以整合各种信息来源，帮助科学家快速找到各种复杂问题的创造性解决方案。人工智能已经通过 AlphaGo 和 AlphaZero 等系统掌握了复杂的游戏，与此类似，利用人工智能攻克基本科学问题的未来同样可期。 /p p 　　雷丁大学的研究人员 Liam McGuffin 在比赛中带领得分最高的英国学术团体。他表示，“DeepMind 今年似乎取得了更大的进展，我想进一步了解他们的方法。我们的资源并不充足，但我们仍然有很强的竞争力。” /p p 　　“预测蛋白质折叠形状非常重要，对解决很多世纪难题有重大影响。这种能力可以影响健康、生态、环境，基本上可以解决任何涉及生命系统的问题。” /p p 　　“包括我们在内的很多团队几年来一直都在使用基于机器学习的方法，而深度学习和人工智能的进步似乎也产生了越来越重要的影响。我对这个领域很乐观，我觉得我们会在 21 世纪 20 年代真正解决这个问题。”McGuffin 表示。 /p p 　　Hassabis 也表示还有很多工作要做。“我们还没有解决蛋白质折叠问题，目前只是迈出了第一步。这是一个极具有挑战性的问题，但我们有一个良好的体系，还有很多想法尚未付诸实践。” /p p 　　蛋白质折叠的早期进展令人兴奋，它证明了人工智能对科学发现的效用。尽管在能够对疾病治疗、环境管理等方面产生量化影响之前，我们还有很多工作要做，但我们知道人工智能的潜力是巨大的。在一个专注于研究机器学习如何推进科学发展的专业团队的努力下，我们期待看到技术能够有所作为。 /p

富勒烯C60的发现起源于人们对星际碳物质的探索，获得1996年诺贝尔化学奖的Kroto教授曾于1980年代末期提出猜想：星际空间中，富勒烯可与其他星际分子/离子通过离子-分子或分子-分子反应形成富勒烯衍生物从而存在于星际空间。事实上，研究人员已经通过化学或物理方法合成了数百上千种富勒烯衍生物。那么，如何确认富勒烯衍生物以及哪些富勒烯衍生物存在于星际空间，仍然是一个极具挑战的难题。基于此，西安交通大学侯高垒教授联合多个研究团队，利用自主发展的质谱-光谱联用实验技术，首次测量得到了气相富勒烯-金属复合物在6-25微米范围的高分辨红外谱，并通过与Spitzer空间望远镜得到的天文观测谱比对分析，发现富勒烯-金属复合物可潜在贡献于星际未证认红外发射谱带和弥散星际谱带。 七种富勒烯物种的振动频率汇编为VibFullerene数据集。（课题组供图）最近，在上述工作基础上，侯高垒教授团队将目前所有已报道的实验测量的C60、C60+、C60H+、C60O+、C60OH+、C70和C70H+等七种富勒烯物种的振动频率汇编为VibFullerene数据集。研究人员利用密度泛函理论对VibFullerene数据集中的90余个频率数据进行统计分析，在综合考虑计算成本与计算可靠性的基础上，拟合得到了各种常用理论计算水平下适合于富勒烯物种红外谱可靠预测的频率校正因子。研究人员将通过所得校正因子校正的富勒烯-金属复合物的理论红外谱与实验测量谱进行对比，发现理论与实验吻合很好，表明了研究所构建VibFullerene数据集的合理性与所得频率校正因子的可靠性。上述研究成果近期发表在国际著名天文期刊《皇家天文学会月报》。西安交通大学物理学院侯高垒教授设计领导了该研究，为论文的通讯作者，博士生徐健智为论文第一作者。该研究得到了国际知名天体物理学家美国密苏里大学Aigen Li教授与中科院新疆天文台李小虎研究员的合作与支持。西安交通大学物理学院和物质非平衡合成与功能调控教育部重点实验室为论文的通讯作者单位，研究工作得到了国家自然科学基金和西安交通大学“青年拔尖人才支持计划”等的支持。

中国科学院云南天文台正在秘密研究“天文地动仪”,这种仪器有望破解千年地震难题——提前预测地震的到来…… 　　多功能经纬仪原理 　　(1)本项目研制的多功能天文经纬仪,是一种用于观测恒星位置的望远镜,恒星离地球非常遥远,它们在天空中的位置固定不变。 　　 处于地面某一位置的望远镜,在正常情况下,地球引力g是垂直向下的,望远镜中有个水银盘,水银面的垂直方向与引力平行指向天顶,望远镜在固定时刻观测到某一恒星在天顶位置A出现。 　　 当地下地震孕育区M受到周围应力作用,导致物质密度反常,引力方向偏移到f方向,使望远镜中的水银面指向天顶的方向发生偏移,望远镜在固定时刻观测到某一恒星在天顶的位置偏移到B,我们就可以获得偏转角θ。 　　 　　在一定区域内设置多个望远镜,在地下某一区域M的物质密度发生改变时,它会导致多个望远镜的水银面方向产生偏移,通过观测某一恒星在固定时刻的位置,可以测量引力的偏转角α和β,从而可算出密度异常区的位置。地震孕育区通常存在物质密度异常,引起地面的重力异常,该仪器能够探测产生一定程度重力异常的区域,为地震专家和政府决策提供重要信息。 　　(2)该仪器还能测定瞬时天文大气折射,建立多方位大气折射实测模型。由于以记录电磁波传播时间为基本数据的空间大地测量技术,包括卫星激光测距、全球定位系统GPS和甚长基线射电干涉测量VLBI,都受到大气折射延迟的影响,目前仅能用理论模型或经验模型作修正,导致测量距离的误差比较大。利用多功能天文经纬仪,建立天文大气折射实测模型,转换建立起大气折射延迟实测模型,它将能使距离的测量精度接近于理论精度水平。另外,研制的仪器在航天发射和国防上也有应用价值,用该仪器和相应的测量方法可以为卫星发射和导弹基地建立本地大气折射实测模型,提高卫星发射和导弹制导系统的时间、方向和定位精度。 　　去年以来,王建成就一直带着一个科研小组加班加点、夜以继日地投入到一项秘密研究课题中。 　　王建成是中国科学院云南天文台副台长。与此前的一些研究目的不同,这次虽然同样是“看天”,但最终却是为了“探地”。 　　当发现甘肃舟曲1000多人死于泥石流灾害的主要原因之一是汶川“512”地震震松了舟曲山体时,王建成心中又增添了些许沉重:“我们现在希望少受外界干扰,静心和高效地研制仪器,使仪器尽快应用和推广。”王建成所说的仪器,正是他们一年多来潜心研究、能通过寻找和监测地下物质密度的异常变化,为预测地震提供有效信息的“多功能经纬仪”。张衡发明的“地动仪”在1700年前神秘失踪,今天,云南天文专家正尝试利用一种叫做“多功能经纬仪”的仪器,用天文观测的方法对地震进行精确预报。 　　可以想见,这种“天文地动仪”一旦研制成功,将会是人类对抗自然灾害的历史上最大的一次“地震”! 　　现实 　　上天容易入地难 　　众所周知,地震预测是全世界公认的难题,预测地震的仪器都具有“不可入性”,由于地震专家不能直接观测地球内部,以致对地震的孕育过程和影响这一过程的种种因素缺乏观测数据。 　　市防震减灾局副局长靳树才介绍,一般而言,地震的震源都在地下十多公里以下,有的深达几百公里,依托现有的技术水平,要打钻下去,直接观测,基本不可能。现阶段,地震预测主要依靠电磁波、磁辐射、地下水化学分析、放射性元素、大地倾斜、重力变化等,通过综合分析各种数据来作预报。但这些数据与地震的关系都是间接的,同时受干扰因素较多。如对地下水的观察,不仅要了解地下水变化的原因,还要了解地下水所处的构造部位、水的补给源、正常动态、可能引起水位变化的降雨及工业用水、农田灌水、气候变化、季节变化、补给源变化等干扰因素,以至引起地震发生的变化量非常小,不具有独特性,很容易淹没在其它干扰因素中,要将它们有效甄别提取出来,难度很大。 　　有人说汶川地震前青蛙曾有异常行为。靳树才说,动物的异常行为和地震有关联,但没有直接的、必然的联系。青蛙行为异常完全有可能是由其他原因引起的。更何况,青蛙不会告诉你将会在哪里、什么时间、发生几级地震。 　　“我们需的是准确、科学的预报。”靳树才说。 　　启发 　　东汉“地动仪”带来灵感 　　1800多年前,在张衡所处的东汉时代,地震比较频繁。经过长年研究,张衡发明了一个测报地震的仪器,叫做“地动仪”。 　　据史书记载,地动仪是用青铜制造的,形状有点像一个酒坛,四围刻铸着八条龙,龙头向八个方向伸着。每条龙的嘴里含了一颗小铜球:龙头下面,蹲了一个铜制的蛤蟆,对准龙嘴张着嘴。哪个方向发生了地震,朝着那个方向的龙嘴就会自动张开来,把铜球吐出。铜球掉在蛤蟆的嘴里,发出响亮的声音,就给人发出地震的警报。 　　汉顺帝阳嘉三年十一月壬寅(公元134年12月13日),地动仪的一个龙机突然发动,吐出了铜球,掉进了那个蟾蜍的嘴里。当时在京师(洛阳)的人们却丝毫没有感觉到地震的迹象,于是有人开始议论纷纷,责怪地动仪不灵验。没过几天,陇西(今甘肃省天水地区)有人飞马来报,证实那里前几天确实发生了地震,于是人们开始对张衡的高超技术极为信服。陇西距洛阳有一千多里,地动仪标示无误,说明它的测震灵敏度是比较高的。 　　遗憾的是,凝聚中华民族智慧的地动仪没有保存下来,1700多年前,地动仪神秘消失。 　　“应该可以用天文观测的技术和仪器来提高地震预测的准确度。”祖先的智慧、先进的科技启发和驱动着云南天文学家投入到了看似不可能的“天文地动仪”研制中。 　　原理 　　精准把脉重力变化 　　据了解,虽然地震孕律具有很大的复杂性,但通过研究,世界各国专家普遍认为地震孕育区受多种应力的作用,积累大量能量,引起周围重力变化。监测到重力变化,就能发现地下能量的异常聚集,地震部门现在已经能用重力仪测出重力变化大小,但却测不出重力方向。 　　王建成介绍,“多功能经纬仪”这一项目是通过云南天文台独创的低纬子午环的观测原理和仪器误差测量方法,研制出一架达到高精度要求的小型、轻便、全自动的“多功能天文经纬仪”样机。这种“多功能经纬仪”本来是天文上用于精确观测恒星位置变化的望远镜,而恒星位置变化是重力变化的一面“镜子”,如果同时启动多台“多功能经纬仪”监测,就能测量出重力方向,由此寻找和监测到引起重力变化的源头,为地震专家预测地震提供可靠信息。 　　2009年1月24日和2010年2月4日,省委常委、市委书记仇和等领导在连续两次专程登门拜访中国科学院、中国工程院在昆的院士时,都对我国恒星物理研究专家、云南天文台黄润乾院士以及云南天文台副台长、项目组长王建成介绍的多功能经纬仪项目研究情况给予了高度评价和极大地支持。 　　王建成表示,项目已开始总体方案设计和研讨,今年10月底完成总体设计和论证,项目研究组正排除一切干扰,不舍昼夜、严谨高效地加紧研制,计划2011年底验收,力争早日投入应用和推广。他透露,明年底样机研制成功后,即可建立多台测量仪组成的监测网,布置到我省地震断裂带周围,寻找和监测地下物质密度的异常变化区域,通过监测地下物质密度的异常变化,为预测地震提供新的有效信息。 　　希望 　　能像预测台风一样预测地震 　　靳树才表示,感谢其他行业专家对地震预测的关注,为地震预报献计献策,身体力行地做研制工作。 　　他认为“多功能经纬仪”项目是符合科学规律的,但同时,他对引起地下重力变化的力量是否就足够使地表发生形变表示不确定。因为使地表发生形变的因素也很多,比如说重型货车经过时,在路边就能感到颠簸,这就是一种形变,重型货车对路面产生的压力都远远大于重力变化的力量。所以,这对地震观测条件提出了高要求,要尽量避开环境和人为干扰,而选择环境比较安静、工农业生产干扰小、无环境污染的地区。仪器具体安装位置要选择地质条件较好的岩石,而不是松软的土层,尽量减少干扰因素。 　　对未来能够准确预报地震,靳树才充满了信心,他说, 地震预测具有时代性。虽然很难,但随着人类科技进步,终有一天能解决。“退回200年前,台风的预测也只能凭经验,而现在什么时候登陆,在哪里登陆,都已在人类的严密监控下,因为我们有了卫星。”他说。 　　至于“多功能经纬仪”,靳树才也充满期待:“仪器究竟能发挥多大作用?现在尚不能确定。待仪器研制成功后,我们将成立专门研究小组,总结规律性东西,认真观测,积累经验,在实践中提出改进建议。”

最新一期《科学》杂志预测，植物基因组学、海洋研究、全球暖化和粒子物理等领域，将会成为2009年科技界的焦点。其中，多种农作物的基因排序有望于2009年破译，而广受关注的气候暖化问题也将继续成为焦点。 　　该杂志说，在植物基因组学研究领域，美国政府正在进行玉米基因组的测序工作，预计明年将发布测序结果。除玉米这一重要作物外，明年有望被破译基因组的植物还包括：大豆和谷子等农作物、可用作生物燃料的一些植物、用于生态学研究的一些植物、一类较原始的植物——石松属植物。苹果、柑橘、桃和瓜类植物的基因组测序工作也正在进行中，松树、番茄等植物的基因组测序工作有望在2009年加速。 　　全球暖化仍将是2009年热点中的热点。2009年年底在丹麦哥本哈根举行的联合国气候变化大会，将是各国制定减排协议的最后期限。《科学》杂志预计，物种形成基因、宇宙暗物质、神经科学等研究领域也将成为2009年科学界的热点。

1月25日，百度研究院发布2022年十大科技趋势预测，涵盖AI核心技术、交叉学科与跨领域研究、AI的产业及社会价值三个层面十大领域。在平稳前行的时代，我们用科技探寻世界的“未知性”；在充满不确定性的时代，我们用科技锚定世界的“确定性”。当下，我们肩负的使命更倾向于后者。面对已经到来的2022年，新冠疫情持续带来影响、全球经济迎来诸多挑战，科技成为引领创新和发展的重要力量。综合技术发展态势与产业价值创造，核心技术快速演进、跨领域联结力增强、产业底座愈发坚实的人工智能，正是这样的科技力量。首先，AI核心技术持续突破演进，融合创新愈加显著。以预训练大模型为例，知识增强、跨模态、跨语言等技术路径激活了大模型的想象空间，甚至燃起了通用人工智能的希望。其次，在交叉学科与跨领域研究中，AI构成了科学研究与技术发展的通用变量。在量子、生物、化学等领域，“+AI”成为最令人激动的研究方向之一。第三，在价值创造方面，AI正在推动自动驾驶、机器人、航空航天、生命健康等领域的发展，并在达成“双碳”、科技普惠等目标方面发挥重要作用。百度研究院与大家分享2022年科技趋势预测，希望在不确定的时代中，以AI为灯，照亮创新之路；以AI为桨，划起发展之舟。——百度CTO、百度研究院院长 王海峰1、超大规模预训练模型呈现知识增强、跨模态统一建模、多学习方式共同演进的趋势，并逐渐实用化大模型基于海量数据进行自监督学习，使用统一的模型和范式解决各类AI任务，打破了传统技术对于大规模标注数据的依赖，显著提升了AI模型的效果、通用性及泛化性。预计2022年，大模型研发方向将从持续增大参数规模向实用化转变，基于知识增强、跨模态统一建模、提示学习、持续学习，结合模型蒸馏、稀疏化等技术，大模型的效果、通用性、泛化性、可解释性和运行效率将持续提升，应用门槛不断降低，从而实现在互联网、智能办公、智慧金融等场景的广泛落地。例如AIGC（AI generated content，人工智能创造内容），借助大模型的跨模态综合技术能力，可以激发创意，提升内容多样性，降低制作成本，将会实现大规模应用。2、AI for Science新兴研究领域出现，有望带来科研范式的改变机器学习帮助数学家发现两大猜想，以及采用机器学习、多尺度建模和高性能计算相结合的方式解决超大规模量子随机电路实时模拟问题，让人们看到了人工智能应用于科学研究，在处理数据、设计新型实验以及创建更高效的计算模型方面的巨大潜力。正在兴起的AI for Science有望促进数据驱动和理论推演两大科研范式的深度融合。预计未来几年，AI将进一步与数学、物理、化学、材料、工程学等不同领域深度结合，在基础科学的进步中发挥更大作用。3、基于AI的生物计算仍将高速发展，基础研究和应用场景协同创新实现新突破在人类社会仍处于抗击新冠病毒的背景下，生命健康产业对技术革新的诉求更加迫切。AI让基因编辑更精准快速地找到靶点，AI助力在蛋白质结构预测上取得显著突破。新冠mRNA疫苗技术的成功，则带来了基于RNA、蛋白质等大分子药物设计、疫苗研发的爆发，国际主流药厂加速mRNA技术落地。未来，基于AI的生物计算还将在更多基础研究和应用场景上取得突破，如基于蛋白质的药物设计、合成、筛选，基于mRNA技术的抗癌药物、单克隆抗体、免疫疗法等。两者的深度融合将显著缩短药品研发周期、降低研发成本，促进精准医学和个性化诊疗。4、隐私计算技术备受关注，将成为数据价值释放的突破口和构建信任的基础设施随着全球个人信息和数据安全法规的日趋健全，安全合规是促进数据价值有效释放的前提已成为业界共识。以可信机密计算、联邦计算等为代表的隐私计算技术因从技术角度兼顾了数据安全保护和数据共享流通而备受关注。伴随着隐私计算技术性能提升、技术与合规标准互促共进、多方协同提升技术公信力，相关典型应用将在生物计算、金融分析和数据交易等场景出现。长远来看，隐私计算技术或将推动基于密态形式的数据流通和计算成为默认选项，逐渐成为构建信任的基础设施。5、量子软硬一体化方案成为主流趋势，现实需求加速量子计算与各行业融合创新AI的福祉还应惠及社会各群体，随着政策引导和可持续发展的ESG理念推动，企业关注点将转向价值创造，AI服务商将加强对老人、儿童等弱势群体需求的关注，开发相应的普惠AI服务和产品，让每个人都能享受到数字技术的便利。

天凉好个秋!又到关心炸药奖的时候了~~~　　虽然汤森路透今年7月宣布将旗下的知识产权和科技业务出售给Onex公司和霸菱亚洲投资基金，但一切业务照常，一年一度的诺贝尔奖预测也如期出炉。　　今年的预测中，有张锋，就是研究CRISPR-cas9 基因编辑技术的那位华人科学家 还有卢煜明，就是刚刚摘得未来科学大奖的那位。最近几年获得此奖的华人科学家还有：王中林(2015)、杨培东(2014)、张首晟(2014)、邓青云(2014)、钱泽南(2014)。首位获此殊荣的华裔科学家钱永健(2008)在当年即获得了诺贝尔化学奖。当然也有之后若干年才得奖的，比如2014年诺贝尔物理学奖得主Shuji Nakamura是2002年的引文桂冠奖得主，滞后了12年!　　美国宾夕法尼亚州费城当地时间 2016 年 9 月 21 日上午 12:01(东部时间)– 全球领先的专业信息服务提供商汤森路透旗下的知识产权与科技事业部今天发布了其 2016 年引文桂冠奖(Citation Laureates)名单，预测在今年或不久的将来可能获得诺贝尔奖的科研精英。　　自 2002 年以来，每年发布的引文桂冠奖已成功预测了 39 位诺贝尔奖得主。该奖项通过对 Web of Science? 数据库平台(全球最重要的学术研究与发现平台，涵盖自然科学、社会科学和人文艺术三大领域)中科研论文及其引文进行深入分析，遴选出今年或未来几年在化学、物理学、生理学或医学、以及经济学领域可能摘取诺贝尔奖的全球最具影响力的研究人员。　　在今年的获奖名单中，各领域值得关注的科学家有：物理学家 Ronald W.P.Drever、Kip S.Thorne 及Rainer Weiss，他们设立了激光干涉引力波天文台 (LIGO)，使检测黑洞所产生之引力波成为可能。在生理学或医学领域，James P.Allison、Jeffrey A.Bluestone 及 Craig B.Thompson 解释了 CD28 和 CTLA-4 如何成为 T 细胞活性的调节因子，而 Gordon J.Freeman、Tasuku Honjo 及 Arlene H.Sharpe 阐明了程序性死亡受体-1的功能，这两个科研小组的发现促进了癌症免疫治疗的发展。在经济学领域，Olivier J.Blanchard 被公认为对宏观经济学作出了极具价值的贡献，其中包括经济波动与雇佣的决定因素。　　继2014年和2015年之后，今年的引文桂冠奖名单中连续第三年出现华人科学家——来自麻省理工学院的华裔科学家张锋教授、以及来自香港中文大学的卢煜明教授均入选今年引文桂冠奖化学领域的获奖名单。张锋因其在老鼠和人类细胞中应用 CRISPR-cas9 基因编辑技术获此殊荣 卢煜明则因其在孕妇血浆血中检测到胎儿游离 DNA，从而取得了无创产前检测的革命性成果而入榜。截至目前，共有8位华裔科学家曾摘得汤森路透引文桂冠奖。　　“高被引论文是世界一流研究的最可靠指标之一，使我们能够了解哪些研究最有可能获得诺贝尔奖。” 汤森路透知识产权与科技事业部负责政府及学术部全球业务的 Jessica Turner女士表示，“我们为 2016 年引文桂冠奖的获奖者及其开创性的研究成果喝彩，并祝愿他们在本届以及未来诺贝尔奖评选中取得佳绩。”　　汤森路透连续第二年邀请全球的科学爱好者参加“People’s Choice”诺贝尔奖调查活动，在引文桂冠奖获奖者中，为自己预测的诺贝尔奖得主投票。对此活动感兴趣的人士可访问 StateOfInnovation.com 进行投票。　　2016 年汤森路透引文桂冠奖：　　生理学或医学　　James P.Allison　　医学博士，德克萨斯大学安德森癌症中心免疫学系教授兼主任　　美国，德克萨斯州，休斯顿　　Jeffrey A.Bluestone　　美国加利福尼亚大学旧金山分校 (UCSF) 医学院内分泌新陈代谢学 A.W.and Mary Margaret Clausen 特聘教授　　美国，加利福尼亚州，旧金山　　Craig B.Thompson　　纪念斯隆-凯特琳癌症中心总裁兼首席执行官　　美国，纽约州，纽约　　入选理由：解释 CD28 和 CTLA-4 如何成为 T 细胞活性的调节因子，调节免疫反应　　Gordon J.Freeman　　丹娜法伯癌症研究院肿瘤内科学系教授，哈佛医学院医学教授　　美国，马萨诸塞州，波斯顿　　Tasuku Honjo　　京都大学医学研究生院免疫与基因组医学学系教授　　日本，京都　　Arlene H.Sharpe　　哈佛医学院微生物学与免疫生物学系比较病理学 George Fabyan 教授，布莱根妇女医院病理科成员　　美国，马萨诸塞州，波斯顿　　入选理由：阐明程序性死亡受体-1 (PD-1) 及其路径，促进了癌症免疫治疗的发展　　Michael N.Hall　　巴塞尔大学教授　　瑞士，巴塞尔大学　　David M.Sabatini　　麻省理工学院生物学教授 霍华德?休斯医学研究所研究员 白头研究所 (Whitehead Institut) 成员 布洛德研究所 (Broad Institute) 资深成员 科赫综合癌症研究所 (Koch Institute for Integrative Cancer Research) 成员　　美国，马萨诸塞州，坎布里奇　　Stuart L.Schreiber　　哈佛大学化学与化学生物系 Morris Loeb 教授 霍华德?休斯医学研究所研究员 布洛德研究所 (Broad Institute) 化学生物科主任　　美国，马萨诸塞州，坎布里奇　　入选理由：发现雷帕霉素靶蛋白 (TOR) 及雷帕霉素机能靶蛋白 (mTOR) 的生长调节因子　　物理学　　Marvin L.Cohen　　加州大学伯克利分校物理学系校聘教授　　美国，加利福尼亚州，伯克利　　入选理由：固体材料的理论研究及其属性预测，尤其是经验赝势方法　　Ronald W.P.Drever　　加州理工学院物理学名誉教授　　美国，加利福尼亚州，帕萨迪纳　　Kip S.Thorne　　加州理工学院理论物理学 Feynman 教授　　美国，加利福尼亚州，帕萨迪纳　　Rainer Weiss　　麻省理工学院理论物理学名誉教授　　美国，马萨诸塞州，坎布里奇　　入选理由：设立激光干涉引力波天文台 (LIGO) 并使检测黑洞所产生之引力波成为可能　　Celso Grebogi　　亚伯丁大学自然科学与计算科学院非线性及复杂系统“六世纪”(Sixth Century) 讲座教授　　苏格兰，亚伯丁　　Edward Ott　　马里兰大学电子与应用物理研究所以及系统研究所电气工程与物理学杰出校聘教授　　美国，马里兰，帕克分校　　James A.Yorke　　马里兰大学物理科技所数学与物理学杰出校聘教授　　美国，马里兰，帕克分校　　入选理由：描述了混沌系统的一种控制理论(OGY 方法)　　化学　　George M.Church　　哈佛医学院遗传学 Robert Winthrop 教授　　美国，马萨诸塞州，波斯顿　　张锋　　W.M.麻省理工学院生物医学工程学 Keck Career Development 教授，博德研究所 (Broad Institute) 核心成员　　美国，马萨诸塞州，坎布里奇　　入选理由：在老鼠和人类细胞中应用 CRISPR-cas9 基因编辑技术　　卢煜明　　香港中文大学李嘉诚健康科学研究所医学及化学病理学教授，李嘉诚健康科学研究所所长　　中国，香港　　入选理由：在孕妇血浆血中检测到胎儿游离 DNA，是无创产前检测的革命性成果　　Hiroshi Maeda　　崇城大学药物输送科学研究所教授，熊本大学医学院荣誉教授　　日本，熊本　　Yasuhiro Matsumura　　日本国家癌症中心 (National Cancer Center Japan) 探索性肿瘤学研究和临床试验中心 发展疗法部主任　　日本，东京　　入选理由：发现大分子药物的高通透性和滞留效应，是癌症治疗学的重要发现　　经济学　　Olivier J.Blanchard　　美国华盛顿彼得森国际经济研究所 C.Fred Bergstrom 高级研究员，麻省理工学院经济系经济学 Robert M.Solow 教授　　美国，马萨诸塞州，坎布里奇　　入选理由：对宏观经济学作出贡献，其中包括经济波动与雇佣的决定因素　　Edward P.Lazear　　胡佛研究所 Morris Arnold 及 Nona Jean Cox 高级研究员，斯坦福商学院管理与经济系人力资源 Jack Steele Parker 教授　　美国，加利福尼亚州，斯坦福　　入选理由：对人事管理经济学独特领域的发展　　Marc J.Melitz　　哈佛大学经济系政治经济学 David A.Wells 教授　　美国，马萨诸塞州，坎布里奇　　入选理由：对于企业异质性及国际贸易的开创性的描述 汤森路透简介　　汤森路透是全球领先的专业信息服务提供商。我们将专业知识与创新科技相结合，为金融市场及风险管理、法律、税收与会计、知识产权与科技和媒体领域的专业人员和决策者提供重要的信息。我们的产业还包括世界上最受信赖的新闻机构。汤森路透股票在多伦多和纽约证券交易所上市交易(代码：TRI)。　　汤森路透知识产权与科技事业部　　汤森路透旗下的知识产权与科技事业部长期致力于为全球学术界与企业界的研发和创新提供强大的科技与知识产权信息解决方案。我们的智能研究平台和服务将权威、准确与及时的信息和强大的分析工具相结合：帮助科研人员迅速发现相关的学术文献，跟踪最新的科学成果，加强科研管理和决策 加速医药企业发现新的药物并更快地推向市场 助力企业迅速获取研发所需的关键信息，跟踪行业与竞争对手的动态，发展和优化企业的知识资产。

仪器化压入技术作为传统硬度试验在定量化发展道路上，结合模型创新、技术迭代所取得的质的飞跃，可以在不破坏材料的前提下，快速预测出材料的拉伸性能与断裂韧性，是传统破坏性力学试验方法的重要补充。采用仪器化压入技术，可以在钢铁材料研发过程中实现力学性能评价的减量化、无取样与短流程，也可以应用在产品服役全过程的性能跟踪与寿命预测，具有丰富的应用场景与广阔的发展前景。8月16日，中国宝武钢铁集团有限公司中央研究院力学首席工程师/教授级高工方健将于第二届试验机与试验技术网络研讨会期间分享报告，讲述仪器化压入技术及其在钢铁产品性能预测中的三位一体。关于第二届试验机与试验技术网络研讨会为帮助业内人士了解试验技术发展现状、掌握前沿动态、学习相关应用知识，仪器信息网携手中国仪器仪表行业协会试验仪器分会于2023年8月16日组织召开第二届“试验机与试验技术”网络研讨会，搭建产、学、研、用沟通平台，邀请领域内科研与应用专家围绕试验机行业发展、试验技术研究、试验技术应用等分享报告，欢迎大家参会交流。会议详情链接:https://www.instrument.com.cn/webinar/meetings/testingmachine2023

p 　　世界性科学难题究竟能否“破” /p p 　　纵观近十年，全球地震频发，6级以上强震相继出现在土耳其、海地、智利、尼泊尔，以及我国汶川、玉树、雅安等地。有网民说，地球犹如手机被调成“振动模式”。北京大学地球与空间科学学院副教授雷军曾表示：我们必须承认最近几年地震确实比较活跃。 /p p 　　震短期、临震预报是当今公认的一个世界性科学难题。因此，通过研究地质结构、地壳形变、板块运动、地下流体等发现地震成因与机理，进而建立地震监测与预报体系的传统攻关模式，如雄关漫道难以逾越。 /p p 　　“我认为地震是可以预测的。在研究中，我们绕开了对地震成因的研究，直接聚焦地震前兆信号。”2月7日，北京大学深圳地震监测预测技术研究中心主任王新安教授在接受科技日报记者采访时明确地说。 /p p 　　王新安说：“地震的孕育和发生是地下巨大的能量活动过程，其中应会伴随发生各种物理和化学变化。如电磁异常，通常是地下岩石受力变形至突然破裂释放的大量电磁扰动信号。在震中区及其附近更大区域，这类前兆信号都可能非常明显。” /p p 　　捕捉“地声”+“电磁扰动”信息 /p p 　　历时5年，王新安团队研制出一种新型AETA多分量地震监测系统，布设在地下或山洞内，捕捉“地声”和“电磁扰动”等地震前兆信息，恰似“地球听诊器”，记录地震活动前中后全过程，发现规律，进而预测地震。 /p p 　　与传统体积庞大的监测仪器，如水位仪、地震仪、电磁波测量仪等相比，AETA由一组小巧轻便、设计精密的半导体传感器组成，其中电磁传感探头呈长筒状，长约1米、直径10厘米 地声传感探头形似飞碟圆盘般大小。 /p p 　　中国地震局有关领导曾高度评价：AETA填补了宽频带电磁扰动和地声监测量的空白，以及易于安装和对环境要求不高的前兆观测仪器的空白。 /p p 　　“未来至少在1—15天之前可预测地震” /p p 　　起初，四川省广元市朝天区防震减灾局检测员林强并不看好AETA，而它分别在去年9月、10月青川的多次临震监测的表现，让人眼前一亮。他说，“在地震发生之前的十多天内，AETA对电磁扰动的捕捉很灵敏。我们正在将其与观测地壳形变的倾斜仪结合使用，测试映震效果。” /p p 　　过去的三年，在中国地震局、各省区市地震局与防震减灾局支持下，全国各地台站布设AETA近200台，主要集中覆盖川滇和首都圈，包括北京、河北、四川、云南、广东、台湾、西藏、甘肃、宁夏和陕西等。 /p p 　　就在去年九寨沟发生7.0级地震第三天，王新安带着AETA火速赶到现场收集分析余震情况，大大提升监测系统的性能。台湾花莲发生地震时，虽然布设在深圳监测点相距有些远，但也感应到一定的信号。 /p p 　　“如果今后各地布设监测点足够到位，像台湾花莲这样级别以上的地震，不久的将来我们可以做到至少在1—15天之前预测。”王新安充满信心地说。 /p

近日，中国科学院深圳先进技术研究院研究员刘陈立与中国科学院院士、中国科学院分子植物科学卓越创新中心赵国屏在《自然综述：生物工程》（Nature Reviews Bioengineering）上发表评述文章，提出了开拓“定量合成生物学”这一新范式，将解决合成生物学“理性设计”的瓶颈问题。该文章通过总结三种合成生物学的设计范式，强调建立可定量预测生物系统的数理或AI模型，以推动合成生物学从“反复试错”迈向精准预测，提高生物系统理性设计能力，加速生物制造与生物经济发展。“反复试错”的旧范式亟待新突破合成生物学正成为推动下一代生物制造和生物经济发展的强大引擎。二十多年来，随着DNA合成、基因编辑等技术的不断革新，人们对于合成生物系统的构建能力迅速提升，但设计能力仍然十分有限。由于生物系统的复杂性，即使科学家们已经了解各个生物元件的功能，但将其组合在一起所产生的生物系统，却不一定会表现出预期的功能。据了解，目前大部分合成生物系统的构建主要依靠人工反复试错，这种方法速度慢、效率低，极大地限制了合成生物学的发展。因此，合成生物学目前面临的最大挑战之一，就是如何提高理性设计的能力。要理性设计具备特定功能的合成系统，关键在于深刻理解生物系统功能产生的原理，而这正是当前合成生物学研究极少触及的深层次问题。为此，文章作者呼吁，合成生物学必须向新的高度上升，开启理性设计的新篇章。“定量+合成”，解决“理性设计”难题作者提出，所谓理性设计，就是基于“预测”的设计。当把生物分子、基因、线路组合为合成生物系统时，如果能对其行为进行精确预测，就能预知如何构建系统以获得预期的功能，从而避免反复试错。对此，作者总结出定量合成生物学三种理性设计的范式：一是基于原理的设计。将生物系统抽象为数理模型，揭示生命功能产生的原理，然后根据原理设计合成生物系统。对于较为简单的生物功能，科学家们已经建立了成熟的理论模型，因此合成生物学早期的很多经典工作便是采用这一范式。二是“自下而上”的设计。对于更复杂的生命功能，往往难以建立理论模型。很多研究采用了“自下而上”的方式，通过“碰运气”的方式，尝试将元件用不同方式组装，以期获得生物学功能。在过去的合成生物学研究中，一旦得到有趣或者有用的功能，研究就算成功了。然而，进入定量合成生物学范式，研究才刚刚开始，当得到了具有特定功能的系统，研究者就能利用它来理解背后的原理，从而用来指导设计新的系统。三是人工智能辅助的设计。人工智能算法不需要理解生物系统内部的工作原理，而是基于大数据，寻找元件与功能之间的隐藏规律，从而预测应该如何设计元件以产生特定功能。这一范式依赖于海量的高质量、标准化数据，因此，未来的合成生物学迫切需要自动化、高通量的设备平台和标准化的实验方法。这三种设计范式都强调与定量分析方法的紧密结合，利用数理逻辑与定量关系对生物系统作出定量预测，为合成生物系统的理性设计提供依据。基于此，作者提出“定量合成生物学”作为合成生物学未来的发展方向。定量合成生物学吸纳了定量生物学与系统生物学的思维与方法，通过建立可定量预测生物系统的数理或AI模型，能够有效指导合成生物系统的设计与构建，从而解决“理性设计”这一合成生物学的瓶颈问题。 三种理性设计范式“定量”热潮掀起 推动领域发展当前，生物制造正成为全球新一轮科技革命和产业变革的战略制高点之一，而合成生物学的发展为生物制造提供了最底层的技术支撑。《“十四五”生物经济发展规划》中，明确将生物制造作为生物经济战略性新兴产业发展方向。预计到2035年，合成生物学赋能应用将占全球制造业产出的1/3以上，价值近30万亿美元。尽管我国合成生物产业起步相对较晚，但发展速度惊人，相关合成生物学市场估值已超百亿。“合成生物学产业虽然展现出巨大发展潜力，吸引了资本的关注，但整体发展还处在一个早期阶段。提升理性设计能力是当务之急，也是国际共识。”论文第一作者、深圳先进院罗楠副研究员表示。2017年，深圳先进院设立了定量合成生物学研究中心，在国际上首次提出定量合成生物学这一交叉学科概念，该中心于2020年获批中国科学院定量工程生物学创新交叉团队和重点实验室。2021年，我国召开定量合成生物学香山科学会议。2023年6月，深圳先进院获批建设定量合成生物学重点实验室（中国科学院）。在这个过程中，定量合成生物学这一新方向已逐步获得国际同行的认可和关注。ACS Synthetic Biology、Quantitative Biology、《科学通报》《合成生物学》等国内外学术期刊相继出版“定量合成生物学”专辑；在2024年最新召开的合成生物学国际会议——合成、工程、进化和设计（SEED）会议上，特别设立了“建模和定量合成生物学”专题研讨会；美国杜克大学和意大利TIGEM研究所等国际科研机构也开始布局“定量合成生物学”方向。此次评述文章的发表表明，由我国科学家提出的“定量合成生物学”学科方向已经逐渐成为国际共识，展现出了蓬勃的生命力与广阔的发展前景。刘陈立表示，发展定量合成生物学，将推动合成生物学从定性、描述性、局部性的研究，向定量、理论化和系统化的变革，从而使合成生物学不再仅仅作为一门工程技术性的学科，而是成为推动基础生物科学的重要力量。该研究中，刘陈立研究员和赵国屏院士为共同通讯作者，深圳先进院刘陈立课题组副研究员罗楠为论文第一作者。深圳先进院为该研究的第一单位。

聚焦离子束 (FIB) 铣削是一种纳米级的直接写入制造技术，其中从目标表面去除材料是用聚焦离子束实现的。它是一种流行且通用的方法，用于创建大约 10-100nm 的结构，尤其多用在半导体行业中。任何 FIB 铣削工艺的工作产品都是束流、光斑尺寸、扫描图案、目标材料特性和设计几何形状（尤其是图案的纵横比）的复杂函数的结果。鉴于这种巨大的复杂性，研究人员和工业用户面临的问题是开发一个描述铣削过程中发生的物理过程的综合分析模型。缺乏这样的模型总是需要耗时的试错测试来建立最佳工艺参数，以实现给定目标上给定铣削操作的预期结果。在Nano Letters上发表的“Deep-Learning-Assisted Focused Ion Beam Nanofabrication”中，研究人员表明，深度学习可用于在扫描电子显微镜图像的2D投影中模拟 FIB 铣削制造的结构的制造后外观，作为过程精度和质量的一个很好的指标。FIB铣削的深度学习模拟。(a) 神经网络在一组二元设计模式、FIB 铣削制造的样品的相应 SEM 图像以及其生产中使用的离子束参数的细节上进行训练。(b) 经过训练的网络能够准确预测 FIB 铣削过程的结果——SEM 成像中样品的预期制造后外观（对于以前看不见的设计）。通过在毫秒时间尺度上生成每个预测，该方法可以用于 FIB 制造过程中的可重复性和精度。在他们的原理验证研究中，研究人员训练了一个神经网络，以在特定目标介质上模拟特定类型的 FIB 铣削任务，同时仅改变离子电流和剂量（即，保持所有其他系统参数不变）。他们指出，在实践中，人们会在相关的各种目标上训练网络完成手头的任务（即，根据应用环境，例如基于半导体晶片的器件表征或用于等离子体研究的纳米制造）材料，并具有全方位的基板和系统元数据（例如，薄膜沉积方法、速率和厚度、晶体取向等；离子电流、剂量、光栅扫描模式、重复次数、离子源、孔径年龄等）。通过这种方式，训练网络将积累对影响过程结果的众多样本和系统参数之间的复杂关系的“理解”。EPSRC 标志的神经网络预测（左栏）和实际 FIB 研磨样品 SEM 图像（右栏）之间的比较：（a）二元设计和离子束电流（孔径）设置为（b）9.8 ， (c) 28，(d) 48 和 (e) 93 pA的图像作者得出结论，通过应用机器学习方法，FIB/SEM 系统作为集成的微/纳米制造和样品表征（即制造和原位诊断）平台，其功能增强似乎有相当大的空间。例如，由于成分和原子/分子结构的相似性，材料家族具有相似的物理特性，而神经网络在复杂的多维数据集中发现此类模式非常有效；因此，他们可以类似地“学习”材料类型之间存在关系。原文作者：Michael Berger

自1985年穆勒发明聚合酶链式反应(PCR)以来，生物科学家的研究方式逐渐被改变。这项能在短时间内获得大量DNA片段的技术，在法医学、DNA克隆、基因组分析、遗传病和传染病诊断中发挥着巨大作用。 　　在近三十年的历程中，全球PCR产业经历了长期的上升发展趋势，即使是在全球经济衰退的背景下仍在加速发展，这在一定程度上证明了该技术乐观的发展前景。近几年基因扩增技术的革新也表明PCR的主导地位，分子诊断和人类基因组计划极大地推动了PCR市场的成长。 　　IQ4I Research&Consult ancyanalysis预测全球PCR市场会以个位数复合年增长率增长，到2020年将会达到134亿美元。目前，快速增长的医疗技术市场对疾病早期诊断的需求加大，伴随诊断投资不断上涨，数字PCR时代到来，关键PCR技术专利即将期满，PCR在基因检测方面的需求增加，这些因素都推动了PCR产业市场的发展。然而，政府对该项技术管控严格，人们缺乏足够认识，熟练技术人员稀少，新一代测序技术发展，PCR商业化技术成本高昂，这些因素也阻碍了PCR市场的发展。此外，当前对于便携式PCR仪和热循环仪的需求使得人们更加倾向于实时检测，而不是把样品送去公司。 　　全球PCR市场按技术种类可分为标准PCR、实时定量PCR、反转录PCR、数字PCR、组装PCR、多重PCR、热启动PCR和其他。其中实时定量PCR占据2013年最大的市场份额，2020年前必然能达到56.5亿。此外，数字PCR有望在未来以12.2%的复合年增长率增长。PCR产品中，试剂和耗材占据2013年最大的市场份额，而PCR相关服务也以最高的增长率稳步增长。 　　IQ4I的PCR全球市场报告包括了PCR的临床诊断应用(传染性疾病及非传染性疾病)和工业化应用，其中包括农业生物技术应用、科学研究应用等等。工业化应用占据了最大的市场份额，2020年之前会以个位数复合年增长率增长。未来一段时间内，PCR的临床应用将会以最高10.2%的两位数复合年增长率增长。PCR的最终用户群中，医药和生物技术公司、合约化研究机构占大头，然而医院和实验室等也会在未来一段时期内以两位数的复合年增长率增长。 　　2013年，北美等发达地区控制着最大的市场份额，并有望在2020年达到57亿美元。公司对医疗基础设施的大力投资和充足的政府财政支持将会给这一市场注入新的发展活力。然而，随着健康意识提升、经济快速增长、可支配收入增加，亚太地区PCR市场份额有望在未来以12.3%的复合年增长率快速增长。今后，大规模的并购、协作、合资、新产品上市将会成为市场发展的主要形式。 　　PCR市场的大腕们包括雅培(美国)、Becton、DickinsonandCo.(美国)、伯乐(Bio-RadLaboratories，美国)、Qiagen(荷兰)、Promega(美国.)、Sigma-Aldrich(美国)、罗氏(瑞士)、SiemensHealthcare(德国)、赛默飞(美国)等等。赛默飞占据24.4%的市场份额，是PCR产业市场的绝对主力，紧随其后的是Bio-Rad Laboratories(伯乐)、Qiagen、Roche Diagnostics(罗氏)、Sigma-Aldrich和Promega。 　　推荐原文 　　PCR Technologies Global Market: Forecast to2020

最新一期的美国《科学》杂志对2010年的科研热点进行了预测，包括癌细胞代谢、细胞染色体外显子测序与疾病、多功能干细胞研究、阿尔法磁谱仪，以及人类太空飞行的未来等领域。 　　多功能干细胞。位于2008年《科学》杂志十大科学进展之首的细胞重编程能把成人皮肤细胞重新编程为诱导多能干(iPS)细胞，而iPS细胞可以被诱导发育为各种成熟细胞类型。研究人员利用这些方法在个体患者身上造出新的细胞，进而检查这些细胞是否有生理和遗传异常，或用它们来试验可能的治疗方法。科学家已经从I型糖尿病、帕金森氏症和另外至少十几种疾病的患者身上造出了iPS细胞。随着越来越多的研究人员加入这个领域并且取得新发现，2010年还会有更多种疾病的iPS细胞制造出来。 　　阿尔法磁谱仪。作为一个创新性的太空粒子物理试验设备，阿尔法磁谱仪(AMS)将在2010年7月交付国际空间站使用。AMS的研制开发工作由诺贝尔奖得主物理学家丁肇中领导的国际小组负责，它将通过探测宇宙射线来寻找反物质、暗物质和奇异微子存在的证据。AMS最初计划在2003年发射升空，因“哥伦比亚”号航天飞机坠毁而停止。但在2008年，美国国会通过了一项法案，授令美国宇航局(NASA)发射这个价值20亿美元的设备。 　　外显子组研究。2010年，科学家将对数千个人类基因组中编码蛋白质的脱氧核糖核酸(DNA)进行测序，希望找到与人类疾病有关的新基因。这些被称为“外显子组(exome)测序”的研究已经揭示了神秘的遗传性疾病的遗传原因，并有望填补所谓的全基因组关联研究的空白。全基因组关联研究用DNA芯片技术扫描基因组以期发现可能引起疾病的风险标记。虽然这些研究在近几年很流行，但没能解释常见疾病和性状的遗传性能。有些研究人员认为通过测序发现的更罕见的变异将揭开这些遗传“暗物质”的面纱。 　　用生物化学战胜癌症。科学家在上世纪20年代首次发现的癌细胞的怪异代谢行为是否会最终带来新的治疗方法?为了分解葡萄糖，肿瘤细胞经常从普通的需氧通道转到另一种被称为糖酵解的不需要氧的代谢方式。干扰细胞的这个异常新陈代谢已成为很多研究的主题。 　　人类太空飞行。美国的航天飞机在服役近30年后，预定将于2010年9月退役，奥巴马总统必须为NASA挑选出下一个能够载人的运载火箭。他可以采用“阿瑞斯”运载火箭目前的设计，或是要求对现有一次性运载火箭进行改进，或是让商业公司提供一个费用更低的选择。奥巴马还将决定是否在未来10年内实现重返月球，以及飞往某颗小行星或是火星的某颗卫星。

为推动我国无损检测技术发展和行业交流，促进新理论、新方法、新技术的推广与应用，仪器信息网定于2023年9月26-27日组织召开第二届无损检测技术进展与应用网络会议，邀请领域内科研、应用等专家老师围绕无损检测理论研究、技术开发、仪器研制、相关应用等展开研讨。会议期间，南京航空航天大学王平教授将分享报告《钢板微观组织及性能在线预测》。探究铁磁材料的微观结构及磁畴动力学、材料机械性能、无损检测电磁参数三者之间的联系。研究发现，铁磁材料缺陷的形成包含孵化期、初始裂纹产生和扩展期等部分，不同时期材料的微观结构不同。铁磁材料的机械性能也与微观结构相关，研究磁化过程中畴壁动力学行为有助于探究电磁信号产生的驱动力，更深层次了解铁磁性材料的微观结构特性，并与检测获得的电磁物理量相关联。通过多种电磁无损检测方法可以获得多维检测参数，利用这些检测参数，也可以建模获得材料的机械性能。王平教授团队以此机理开发铁磁材料机械性能电磁无损检测设备，设计了国内首个薄带钢多参数机械性能在线检测系统，可实时检测出所生产薄带钢的机械性能，提高带钢检测精度和效率，减少检测成本，同时实时监测带钢的生产质量并给出判定提示。附：参会指南1、进入第二届无损检测技术进展与应用网络会议官网（https://www.instrument.com.cn/webinar/meetings/ndt2023/）进行报名。扫描下方二维码，进入会议官网报名2、报名开放时间为即日起至2023年9月25日。3、会议召开前一周进行报名审核，审核通过后将以短信形式向报名手机号发送在线听会链接。4、本次会议不收取任何注册或报名费用。5、会议联系人：高老师（电话：010-51654077-8285 邮箱：gaolj@instrument.com.cn）6、赞助联系人：周老师（电话：010-51654077-8120 邮箱：zhouhh@instrument.com.cn）