前沿播報 | 新全光二極體、新型自旋閥結構、新型高效節能深度學習神經網絡、「神經網絡核磁共振成像」…

2021-01-15 戰略前沿技術


新全光二極體可用於微型光電路，或對光子通信等領域產生重要影響


英國國家物理實驗室的研究人員近日研製出一種全光二極體。新二極體能被用於微型光子電路中，有望為微納光子學晶片提供廉價高效的光二極體，從而對光子晶片和光子通信等領域產生重要影響。新二極體僅能在一個方向上傳輸光，且可集成到微納光子電路中，因此，克服了二極體需要大塊磁光晶體這一限制。


科學家研製新型自旋閥結構，可控制自旋電流


近日，德國美因茨大學、德國康士坦茨大學和日本東北大學的科研人員展開國際科研合作，成功開發出用於磁振子邏輯結構的一種新元件：自旋閥（spin valve）結構，在某種程度上實現了一種開關類型的器件，可阻止或者傳遞作為電信號的磁振子自旋電流。


美國橡樹嶺國家實驗室開發出新型高效節能的深度學習神經網絡


美國橡樹嶺國家實驗室的研究人員近日開發出能夠解決複雜科學問題的高效節能的深度學習神經網絡。研究人員通過將深度學習神經網絡(DNNs)轉化為「深度脈衝」神經網絡(DSNNs)，可以提高網絡設計與運行的能源效率。


谷歌大腦開發「神經網絡的核磁共振成像」


神經網絡的可解釋性一直是所有研究人員心頭的一團烏雲。近日，Google Brain開展被稱為「神經網絡的核磁共振成像」的工作，在神經網絡的可視化上又進了一步。在Distill發布的The Building Blocks of Interpretability這篇文章中，作者探討了如何將特徵可視化與其他可解釋性技術相結合，進而可以了解網絡如何一步步做出決策的。這讓我們能夠「站在神經網絡之中」看著網絡如何一步步做出決策的整個過程。


中美科學家找到加速皮膚傷口癒合新方法


一個中國和美國科研人員組成的團隊近日報告說，他們從牙齦快速癒合的能力中得到啟發，找到了一種新的促進皮膚傷口癒合的方法。研究人員利用小鼠牙齦和皮膚上的間質幹細胞展開的研究發現，受傷時，牙齦結締組織幹細胞會釋放出比皮膚組織幹細胞更多的白細胞介素1受體拮抗劑。這種物質可以通過抑制白細胞介素1介導的炎症反應，促進傷口癒合。


DARPA「羅盤」項目利用人工智慧輔助指揮官決策「灰色地帶」



近年來一種新興的衝突創造了名為「灰色地帶」的區域，因為它介於和平與常規戰爭之間的模糊區域。灰色地帶作戰通過使用社交、心理、宗教、信息、網絡和其他手段來達到目標。為了更好地理解和應對敵方的灰色地帶戰鬥，DARPA戰略技術辦公室近日宣布了一項名為「羅盤」的新項目，該項目旨在通過衡量對手對各種刺激的反應來幫助摸清敵人的意圖，將利用先進的人工智慧技術、博弈論以及建模和評估來識別對手意圖，並為決策提供幫助。


DEEP AERO公司正基於區塊鏈開發AI驅動的無人機技術


無人機技術創新領域全球領導者DEEP AERO公司近日正在研發基於區塊鏈的人工智慧驅動的、自主自製的智能無人機系統交通管理平臺。該平臺包含了通用無人機註冊標準、安全識別系統、防篡改飛行數據記錄儀、準確可靠的三維地圖數據、動態氣象信息和無人機節點間的安全通信等功能，將用於保障共享空域內有人/無人低空民航飛行的安全。


L3公司實現直升機與水面戰艦間信息實時共享數字數據鏈路



L3西部通信公司近日找到了一種數字數據鏈路解決方案，可以實現直升機與海軍水面戰艦傳感器之間的信息實時共享。該解決方案開發了一個態勢感知系統，可提供命令和控制、傳感器數據傳輸、數據連結操作和內置測試，將MH-60R直升機與該地區的水面戰艦相聯。


雷聲為 「特裡同」海上無人機提供多光譜傳感器系統


美國海軍水面戰中心近日與雷聲公司籤署了一份價值720萬美元的合同，購買三套AN / DAS-3多光譜瞄準系統傳感器，用於小批量試生產的「特裡同」海上監視無人機。該傳感器具有多視場、電子變焦和多模視頻跟蹤能力，使任務指揮官能夠利用機載戰術傳感器提供的高解析度數據更準確地識別和瞄準目標。


美國海軍支持Senvol公司開發增材製造機器學習軟體


近日，主要從事增材製造資料庫業務的Senvol公司對外宣布正在為美國海軍研究局（ONR）開發數據驅動機器學習軟體，用於分析增材製造工藝參數與材料性能之間的關係。開發工作受到了海軍小企業技術轉移計劃（STTR）的支持。


來源：DARPA網站、《自然·通訊》、Distill等

一網打盡系列文章，請回復以下關鍵詞查看：

創新發展：習近平 | 創新中國 | 創新創業 | 科技體制改革 | 科技創新政策 | 協同創新 | 成果轉化 | 新科技革命 | 基礎研究 | 產學研 | 供給側

熱點專題：軍民融合 | 民參軍 | 工業4.0 | 商業航天 | 智庫 | 國家重點研發計劃 | 基金 | 裝備採辦 | 博士 | 摩爾定律 | 諾貝爾獎 | 國家實驗室 | 國防工業 | 十三五 | 創新教育 | 軍工百強 | 試驗鑑定 | 影響因子 | 雙一流 | 淨評估

預見未來：預見2016 | 預見2020 | 預見2025 | 預見2030 | 預見2035 | 預見2045 | 預見2050 |

前沿科技：顛覆性技術 | 生物 | 仿生 | 腦科學 | 精準醫學 | 基因 |  基因編輯 | 虛擬實境 | 增強現實 | 納米 | 人工智慧 |  機器人 | 3D列印 | 4D列印 | 太赫茲 | 雲計算 | 物聯網 | 網際網路+ | 大數據 | 石墨烯 | 能源 | 電池 | 量子  | 超材料 | 超級計算機 | 衛星 | 北鬥 | 智能製造 | 不依賴GPS導航 | 通信 | MIT技術評論 | 航空發動機 | 可穿戴 | 氮化鎵 | 隱身 | 半導體 | 腦機接口

先進武器：中國武器 | 無人機 | 轟炸機 | 預警機 | 運輸機 | 戰鬥機 | 六代機 |  網絡武器 | 雷射武器 | 電磁炮 | 高超聲速武器 | 反無人機 | 防空反導 | 潛航器 |

未來戰爭：未來戰爭 | 抵消戰略 | 水下戰 | 網絡空間戰 | 分布式殺傷 | 無人機蜂群 | 太空站 |反衛星

領先國家：俄羅斯 | 英國 | 日本 | 以色列 | 印度 

前沿機構：戰略能力辦公室 | DARPA | Gartner | 矽谷 | 谷歌 | 華為 | 俄先期研究基金會 | 軍工百強

前沿人物：錢學森 | 馬斯克 | 凱文凱利 | 任正非 | 馬雲 | 歐巴馬 | 川普

專家專欄：黃志澄 | 許得君 | 施一公 | 王喜文 | 賀飛 | 李萍 | 劉鋒 | 王煜全 | 易本勝 | 李德毅 | 遊光榮 | 劉亞威 | 趙文銀 | 廖孟豪 | 譚鐵牛 | 於川信 | 鄔賀銓 |

全文收錄：2016文章全收錄 | 2015文章全收錄 | 2014文章全收錄 

其他主題系列陸續整理中，敬請期待…… 

相關焦點

  • MIT新突破:Nature Photonics揭秘新型光學深度神經網絡系統
    作者：David Chandler機器之心編譯參與：吳攀、黃小天、蔣思源儘管科學家和研究者一直在探索新型的計算形式，但目前電子計算仍然是絕對的主流。隨著以深度學習為代表的人工智慧技術的興起，人們也開始關注如何開發出能更有效、更高速地執行神經網絡運算的計算硬體。
  • 新型核磁共振成像技術繪製驚人大腦圖像(圖)
    美國哈佛大學的科學家傑夫-裡奇特曼繪製的大腦3D圖像，展現大腦細胞間的神經連接科學家表示大腦3D圖像讓他們第一次窺探到大腦的運轉機制　　長久以來，科學家一直認為大腦內的神經連接雜亂無章
  • 科學家研製出人工樹突器件，實現新型神經網絡
    近日，清華大學微電子所、未來晶片技術高精尖創新中心的錢鶴、吳華強教授團隊與合作者在《自然•納米科技》（Nature Nanotechnology）在線發表了題為「基於人工樹突的高效神經網絡」（Power-Efficient Neural Network with Artificial Dendrites）的研究論文，通過引入具有豐富動態特性的人工樹突計算單元，構建了包含突觸、樹突以及胞體的新型人工神經網絡
  • 深度神經決策樹:深度神經網絡和樹模型結合的新模型
    深度神經決策樹：深度神經網絡和樹模型結合的新模型 工程師郭婷 發表於 2018-08-19 09:14:44 近日，來自愛丁堡大學的研究人員提出了一種結合深度神經網絡和樹模型的新型模型
  • 人工智慧-深度學習-神經網絡結構MLP,CNN,RNN,LSTM
    人工神經網絡、激活函數、代價函數、梯度下降、反向傳播是深度學習的幾個關鍵點；常見的深度學習神經網絡結構有多層感知器MLP、CNN、RNN、LSTM等。不管是哪種網絡結構，其根本還是從傳統的神經網絡、多層感知機發展而來的，介紹如下：MLP-Multilayer Perceptron 多層感知器也叫人工神經網絡（ANN，Artificial Neural Network），除了輸入輸出層，它中間可以有多個隱層，最簡單的MLP只含一個隱層，即三層的結構
  • 神經網絡和深度學習簡史(全)
    讓我告訴你，說來話長——這不僅僅是一個有關神經網絡的故事，也不僅僅是一個有關一系列研究突破的故事，這些突破讓深度學習變得比「大型神經網絡」更加有趣，而是一個有關幾位不放棄的研究員如何熬過黑暗數十年，直至拯救神經網絡，實現深度學習夢想的故事。
  • 前沿| 利用遺傳算法優化神經網絡:Uber提出深度學習訓練新方式
    但是，Uber 近日發布的五篇論文表明，神經進化（neuroevolution）這種利用遺傳算法的神經網絡優化策略，也是訓練深度神經網絡解決強化學習（RL）問題的有效方法。 遺傳算法——訓練深度學習網絡的有力競爭者 我們驚訝地發現，通過使用我們發明的一種新技術來高效演化 DNN，一個極其簡單的遺傳算法（GA）可以訓練含有超過 400 萬參數的深度卷積網絡，從而可以在像素級別上玩 Atari
  • 人工智慧系列(六) 深度學習中的神經網絡
    原力君在系列的第五篇《人工智慧系列(五) 深度學習簡介》中提到深度學習可以看作是一種更高級的函數擬合方法；人工神經網絡、激活函數、代價函數、梯度下降、反向傳播是深度學習的幾個關鍵點；常見的深度學習神經網絡結構有多層感知機、DNN、CNN、RNN等。
  • 深度學習技術和卷積神經網絡(CNN)讓機器視覺識別更智能
    隨著人工智慧技術的進步，深度學習技術（DL）和卷積神經網絡技術(CNN)領域的人工智慧（AI）被引入到機器視覺圖像處理系統的應用中來,從而幫助機器學習和機器檢測缺陷更加高效，使機器視覺識別的過程更加精確。也讓使用這些技術的企業可以從智能化中獲得更高的生產經營效益。
  • 人工智慧黑盒揭秘:深度神經網絡可視化技術
    但深度神經網絡又被稱為「黑盒」模型，多層隱藏結構，數據 / 特徵矢量化，海量決策關鍵元等因素讓模型使用者犯難：模型決策的依據是什麼？應該相信模型麼？特別是對於金融，醫藥，生物等關鍵型任務，深度學習模型的弱解釋性成為人工智慧項目落地的最大障礙。
  • 深度學習背後的基礎-神經網絡揭秘
    最近， 深度學習三傑獲得了計算機界最重要的圖靈獎， 它們的貢獻都集中在對深度學習的根據神經網絡的理論突破。 今天我們看到的所有和人工智慧有關的偉大成就， 從阿法狗到自動駕駛， 從海量人臉識別到對話機器人， 都可以歸功於人工神經網絡的迅速崛起。那麼對於不了解神經網絡的同學如何入門？ 神經網絡的技術為什麼偉大， 又是什麼讓它們這麼多年才姍姍走來?
  • 神經網絡學習降噪算法解析
    這次研究與以往的降噪學習不同點在於，一般的神經網絡深度學習需要一個目標值，以圖像降噪處理來說，就是需要一個ISO 100時的高信噪比目標值，讓ISO 12800的輸入值通過算法來達到與之近似的水準。但NVIDIA這一套新算法直接以高噪聲輸入為源進行學習，最終得到的結果與傳統方案幾乎一致，而且因為不需要目標值，結構更簡單，所以速度明顯更快。
  • 變分自回歸神經網絡求解統計力學研究取得進展
    在實際應用中，這些方法各有其優劣：MCMC擅長採樣玻爾茲曼分布，然而很難計算系統的熵和自由能；張量網絡方法和重整化群被廣泛用於計算配分函數和自由能，但是一般只適用于格點系統；平均場近似及相關的消息傳遞算法可以高效地給出系統的變分自由能，然而需要在較高的溫度下，或者系統拓撲結構滿足平均場近似的要求。
  • 深度學習進入晶片領域,揭秘寒武紀神經網絡處理器
    模擬實驗表明，採用DianNaoYu指令集的寒武紀深度學習處理器相對於x86指令集的CPU有兩個數量級的性能提升。陳雲霽（左）和陳天石（右）兄弟寒武紀神經網絡處理器廬山真面目目前，寒武紀系列已包含三種原型處理器結構：寒武紀1號（英文名DianNao，面向神經網絡的原型處理器結構）；寒武紀2號（英文名DaDianNao，面向大規模神經網絡）；寒武紀3號（英文名PuDianNao，面向多種機器學習算法）。
  • 機器學習算法盤點:人工神經網絡、深度學習
    機器學習算法盤點：人工神經網絡、深度學習 佚名 發表於 2016-08-01 16:26:33 　　機器學習無疑是當前數據分析領域的一個熱點內容。很多人在平時的工作中都或多或少會用到機器學習的算法。
  • 深度學習:神經網絡算法的昨天、今天和明天
    神經網絡算法得名於其對於動物神經元傳遞信息方式的模擬，而深度學習這一「俗稱」又來自於多層級聯的神經元：眾多的層讓信息的傳遞實現了「深度」。在動物身上，神經一端連接感受器，另一端連接大腦皮層，中間通過多層神經元傳導信號。神經元之間也不是一對一連接，而是有多種連接方式（如輻射式、聚合式等），從而形成了網絡結構。這一豐富的結構最終不僅實現了信息的提取，也使動物大腦產生了相應的認知。
  • JMC|Atomwise利用深度卷積神經網絡發現新型關鍵腦酶抑制劑
    去除分子量在100-800以外的，手性超過7個，以及可旋轉鍵大於16的分子，然後利用RDKit中的PAINS進行過濾，剩下7 177 223分子經過AtomNet(深度卷積神經網絡)打分，打分前20000的分子，選擇分子量大於200，並且不含對特定基團的化合物，隨後進行結構聚類，選擇743個代表性化合物，隨後在MolSoft ICM軟體中，按照molecular weight<550 Da,
  • 新光子晶片助力深度學習,神經網絡算法可採用新型光子技術更快實現
    基於人工神經網絡算法的計算機深度學習系統已成為目前計算機領域研究的前沿熱點，它的原理是使人工神經網絡算法模仿人腦從實踐中學習的方式進行學習。它除了可以用來實現面部和聲音識別以外，還可通過搜尋大量的醫學數據來進行醫學診斷，或者通過搜尋化學方程式來尋找潛在的新藥合成方式。
  • 逆勢而上的技術:圖神經網絡學習來了!
    你一定不會忽略它——圖神經網絡。相比傳統神經網絡，圖神經網絡的優勢非常明顯：1、非順序排序的特徵學習：GNN 的輸出不以節點的輸入順序為轉移的。在實際場景中，有大量的數據是在非歐式空間，限制了深度神經網絡的應用。得益於圖神經網絡在非結構化數據上出色的處理能力，它在學界與工業界上大放光彩。然而，圖神經網絡模型目前仍處於前期高速發展期，面臨著多項方法論和實踐挑戰。
  • 初探神經網絡與深度學習 —— 感知器
    【IT168 技術】人工神經網絡的第一個裡程碑是感知機perceptron， 這個名字其實有點誤導， 因為它根本上是做決策的。 一個感知機其實是對神經元最基本概念的模擬 ，都未必有多少網絡概念，他就是一個自動做決策的機器。