反差 眼镜

（起首：MIT News）

2024 年，MIT 的征询团队在科学与时代规模再次取得终点恶果。为回想这一年的光辉成立，MIT News 超越精选了本年最受颐养的 10 大热门征询样子，底下进行简要先容（部分征询样子可点击图片阅读原文）。

液态金属 3D 打印

跟着工业和建筑规模对定制化和大型金属结构的需求束缚增长，传统制造形式的效率和资本问题日益隆起。现存的金属增材制造方法，如电弧增材制造，天然能够分娩大型部件，但速率慢且容易产生结构劣势，放浪了其等闲应用。为特出志快速制造与大限制分娩的需求，征询东谈主员正在探索新式时代，以处罚传统方法中的效率与精度矛盾。

MIT 的征询团队开发了一种名为液态金属打印（LMP）的新式增材制造时代，能够在几分钟内打印出大型金属部件，如桌腿和椅框等。LMP 时代通过将熔融铝沿预设旅途千里积到由玻璃珠构成的基床中，快速冷却形成结构，权贵提高了制造速率。征询标明，该时代的打印速率比传统方法快 10 倍，同期动力耗尽更低。

尽管 LMP 时代搁置了一定的分辨率，但其在建筑、施工和工业设计等规模展现了巨大后劲。这些规模的大型结构平常对高分辨率条款较低，因此更相宜领受这种高效的制造形式。此外，LMP 时代还能够讹诈回收金属进行分娩，大幅裁减资本并提高环境友好性。

实验中，征询团队打印了椅子和桌子的铝框架，这些部件坚固耐用，相宜后续的机械加工。他们还展示了若何将 LMP 制造的低分辨率部件与其他材料统一，制作出功能性居品。通过在打印床中填充 100 微米大小的玻璃珠，征询东谈主员处罚了熔融金属冷却过程中的沉稳性问题，同期讹诈数值模子预测千里积过程，耕种了打印的精度和可靠性。

尽管如斯，这项时代仍需进一步完善，举例提高喷嘴的加热均匀性和熔融金属流量的限定武艺。征询团队谈论优化诱骗设计，鼓动 LMP 成为一种可靠的器具，用于熔化回收铝并制造复杂部件。有群众指出，LMP 时代在快速分娩和几何结构复杂性之间找到了均衡，有望鼓动金属制造规模的翻新性变革。

防批改标签

跟着公共供应链的复杂化，假冒伪劣产品问题日益严重，若何确保物品的简直性成为了一项贫瘠挑战。传统的身份考证时代，如射频标签，天然提供了便利，但在安全性方面仍存在昭彰破绽。举例，作秀者不错松懈将标签从正品上剥离并贴到赝品上，而考证系统难以察觉这一篡转业为。为了处罚这一问题，征询东谈主员正在探索新的处罚决议。

MIT 的征询团队开发了一种基于太赫兹波的防批改 ID 标签，不仅工整且低价，还能够灵验检测篡转业为。这种标签在胶水中混入小型金属颗粒，通过太赫兹波检测这些颗粒形成的独有当场图案，从而考证物品的简直性。征询东谈主员指出，这些图案类似于指纹，若标签被剥离或从头粘贴，图案将被破损，无法通过考证。

实验中，征询东谈主员设计了一种仅约 4 平方毫米的小型标签，并讹诈机器学习模子对太赫兹波扫描的数据进行分析，准确率跨越 99%。这一时代尤其相宜大限制供应链应用，不仅因为其资本便宜，还因其体积工整，不错粘贴在传统 RFID 难以心事的物品上，如某些医疗诱骗。与传统方法比拟，这种标签通过考证胶水界面的独有性，而非标签本人，权贵耕种了安全性。

征询的灵感部分起首于活命场景，如洗车店使用易碎标签考证会员身份的形式。尽管易碎标签在被剥离时会损坏，但仍存在被融解或移除的可能性。MIT 的征询团队提议，通过太赫兹波平直检测标签与物品之间的胶水界面，批改者即使将标签完整移除，也无法复制其当场图案。此外，这一时代讹诈太赫兹波的小波长上风，不需要外部天线，进一步耕种了标签的易用性。

尽管如斯，这项时代仍濒临一些局限性，举例太赫兹波的高损耗使传感器与标签的距离需限定在 4 厘米以内。此外，扫描角度的变化也会影响信号强度。征询团队谈论通过改进硬件设计和信号处理方法来处罚这些问题，并但愿将来能将太赫兹波的后劲应用于更多规模，举例宽带通讯和高精度身份考证。征询阐扬东谈主指出，这项时代为供应链安全提供了新的可能性，并展示了太赫兹波在安全考证中的等闲前途。

与将来的我方对话

在东谈主类社会中，对将来的念念考和贪图一直是一个贫瘠话题。无论是行状发展、个东谈主方针，如故应付活命中的不笃定性，想象将来的自我齐有助于引发当作。可是，传统的自我瞻望方法，举例写信给将来的我方或使用捏造践诺诱骗，平常零落互动性，无法充分匡助东谈主们建立与将来自我的深层聚会。

为了弥补这一不及，麻省理工学院 MIT 偏激他机构的征询东谈主员开发了一种名为“将来的你”的生成式 AI 系统，允许用户与基于 AI 模子生成的将来自我进行互动。这一系统旨在增强“将来自我连气儿性”的感知，即匡助用户更邃密地聚会现时的我方与将来的梦想版块。征询标明，建立这种聚会有助于改善恒久决策，举例增多储蓄或愈加专注于学业。

该系统讹诈大型说话模子，凭证用户提供的活命信息创建他们 60 岁时的捏造自我，并通过天然说话对话模拟将来的活命场景和决策。用户不错与将来自我探讨行状方针、个东谈主挑战以及活命聘用对将来的潜在影响。征询东谈主员还引入了老化像片生奏效率和生动的说话抒发，如“我在你这个年龄时”，以增强模拟的简直感和互动性。初步征询自大，用户与系统互动后，不仅焦躁感有所缓解，还对将来自我的认可感权贵增强。

可是，征询东谈主员也意志到，这种简直感可能会带来负面影响，尤其是在模拟内容变得过于零落时。为此，系统明确辅导用户，这仅是将来的一种可能性，而非预言。用户还不错通过修改输入信息生周到齐不同的将来版块，以保持积极的互动体验。征询团队进一步强调，这一器具的方针是匡助用户探索不同的视角，而非为他们的将来下定论。

为了评估系统的效果，征询团队对 344 名参与者进行了测试。与“将来的你”互动的用户论说称，他们与梦想中的将来自我建立了更邃密的筹商，况且对话内容真挚着实，反应了用户的价值不雅和信念。一些群众指出，这项征询统一了神志学与顶端 AI 时代，为捏造自我建模开辟了新方针。斯坦福大学证实 Jeremy Bailenson 评价谈，“这项责任展示了生成式 AI 在促进自我发展的后劲。”

瞻望将来，征询团队谈论将“将来的你”系统应用于更多具体场景，举例匡助用户探索行状聘用，或展示日常决策对征象变化的恒久影响。他们还在设计保护门径，以退缩系统被奢华于生意目的，比如通过模拟将来场景示意用户购买某种产品。征询东谈主员但愿，“将来的你”能成为一种长远而有谈理的体验反差 眼镜，匡助东谈主们从不同的视角看待活命，并激励他们作出更积极的聘用。

将二氧化碳更正为有用产品

公共正致力于于减少温室气体排放，但拿获和更正二氧化碳的经济可行性依然是一个巨大的挑战。尽管已有很多时代不错将拿获的二氧化碳更正为交通燃料、化学原料等有价值的产品，但高资本和低效率放浪了这些时代的等闲应用。为好意思满经济实用的二氧化碳更正，征询东谈主员正在寻求创新处罚决议。

MIT 的工程师开发了一种新式电极，有望权贵提高二氧化碳电化学更正为高价值商品的效率。具体而言，他们的设计讹诈一种分层导电电极，处罚了传统气体扩散电极在导电性和疏水性之间的矛盾，奏效提高了更正效率，同期裁减了资本。

团队的征询重心是二氧化碳更正为乙烯的过程。乙烯是一种等闲用于制造塑料和燃料的化学品，面前主要由石油制成。通过电化学方法以二氧化碳为原料分娩乙烯，不仅能减少碳排放，还能裁减对石化资源的依赖。可是，现存时代难以兼顾导电性和疏水性，导致效率受限。为此，征询东谈主员在具有疏水性的特氟龙薄膜中镶嵌高导电性的铜线，创造出一种既能退缩水浸透又能减少电流损耗的新式电极。

实验标明，这种设计在小限制样本中表现出色，但征询团队进一步考证了其可扩张性。他们制作了一块面积为惯例实验电极十倍的大型电极，并通过优化铜线间距和分区设计，使其在更大限制下依然保持高效。实验还标明，这种电极不错连气儿运转 75 小时而性能险些无损，成为首个跨越 5 厘米限制且在效率上无昭彰亏本的 PTFE 基电极。

这种创新设计还具有高度的活泼性。征询东谈主员表露，该方法与催化剂种类无关，不错应用于多样气体扩散电极，致使适用于甲烷、甲醇等其他化学产品的分娩。此外，分层导电电极的制造工艺可松懈集成到现存的工业经由中，包括大限制卷对卷分娩，展现了等闲的工业应用前途。

生成式 AI 数据库器具

在当代数据驱动的天下中，数据库已成为生意和征询的贫瘠器具。可是，传统的数据库操作说话在处理复杂分析任务时显得局限，尤其是需要统一概率模子和不笃定性野心的场景。为了简化这一过程并提高分析武艺，征询东谈主员正在探索更智能的处罚决议。

MIT 的征询团队开发了一种名为 GenSQL 的生成式 AI 系统，用户无需掌抓复杂的时代布景，仅通过浅近的指示即可对表格数据进行深度分析。该系统不仅接济预测、特殊检测、缺失值推测等功能，还能生成与简直数据相似的合成数据。这一时代为数据分析规模提供了一种全新的可能性。

GenSQL 的中枢上风在于其能够将数据库与生成式概率模子整合。通过这种方法，用户不错在分析数据时捕捉数据中的复杂关系，而不局限于浅近的列间相干性。举例，在医疗数据分析中，该系统不错识别患者特殊的血压读数，即便这些读数在平常情况下被视为正常值。此外，GenSQL 的概率模子具有可解释性，允许用户审查模子的决策依据，确保收尾透明着实。

18+动漫

实验标明，GenSQL 的运转速率是惯例神经汇注方法的 1.7 至 6.8 倍，大大齐查询可在几毫秒内完成，同期收尾更准确。征询东谈主员还讹诈 GenSQL 奏效应用于本色案例，包括识别临床观测数据中的无理符号，以及生成基因组征询所需的复杂合成数据。这些应用展示了 GenSQL 在处理敏锐数据或稀缺数据场景中的强盛后劲。

征询团队瞻望了 GenSQL 的将来应用前途。他们谈论扩张系统的限制和功能，接济更大范围的东谈主口建模和健康、薪资等社会问题的分析，同期确保模子在不笃定性度量上的可靠性。最终方针是打造一个类似 ChatGPT 的交互式 AI 器具，使用户能够通过天然说话与数据库对话，快速得回准确谜底。

逆转自身免疫性脱发

斑秃是一种自身免疫性疾病，东谈主体自身的 T 细胞挫折毛囊并导致头发零落，斑秃会影响各个年龄层的东谈主群，包括儿童。但对于大大齐患有这种类型脱发的东谈主来说，面前尚无灵验颐养方法。围绕这种疾病，麻省理工学院、布莱根妇女病院和哈佛医学院的征询东谈主员试图研发一种新式疗法逆转由自身免疫性疾病导致的脱提问题。

他们开发的是一种微针贴片，可松懈应用于头皮上，开释药物匡助均衡局部免疫反应，从而住手自身免疫挫折。在小鼠实验中，征询东谈主员发现这种颐养方法不错使毛发再生，并权贵减少颐养部位的炎症，同期幸免对全身免疫系统酿成不良影响。此外，征询东谈主员还指出，这种方法也可用于颐养其他自身免疫性皮肤疾病，举例白癜风、特应性皮炎和银屑病等。

这他们的征询标明微针贴片是一种很有前途的颐养方法，有助于缓解由自身免疫性疾病引起的脱提问题，可是，面前还需要进行更多征询，以笃定其安全性和灵验性，并笃定最好的药物组合和剂量。

该征询的主要作家、麻省理工学院医学工程与科学征询所首席征询科学家 Natalie Artzi 觉得，这种创新方法记号着一种范式的转变。“咱们不再只是禁锢免疫系统，而是专注于精准调节抗原宣战点的免疫反应，以产生免疫耐受。”她表露。现阶段，征询东谈主员面前正致力于于进一步发展这项时代，以更好地颐养斑秃和其他自身免疫性皮肤疾病。他们谈论设立一家公司，以加快鼓动这项时代的发展。

探索大型说话模子里面机制

如今，大型说话模子还是用于很多规模，如客户行状、代码生成和说话翻译等，但科学家们仍不全齐了解它们的责任旨趣。为了更好地通晓这些模子若何责任，他们征询了当这些纷乱的机器学习模子检索存储的常识时所使用的机制。

征询东谈主员发现，大型说话模子通常使用相称浅近的线性函数来规复妥协码存储，况且模子使用相通的解码函数来处理相似类型。线性函数是只包含两个变量而不含指数方程式的浅近关系，不错捕捉到两个变量之间的直线关系。他们通过识别不同的线性函数，不错探伤模子对新主题的了解进度以及在模子中存储的位置。

他们开发了一种时代来意想这些浅近的函数，并发面前模子回应辅导无理的情况下，它平常仍然存储正确的信息。将来科学家粗略不错讹诈这种方法来查找并改革模子中的无理信息，从而减少模子给出无理或无理谜底的倾向。

此外，他们还发现了视觉化模子常识的方法。他们使用这些函数笃定模子对于特定关系所持有的信念。举例，在一次实验中，他们使用“打篮球”和“就读大学”的解码函数来判断模子是否知谈比尔·布拉德利是一位曾在普林斯顿大学就读过的篮球领会员。收尾自大，即使模子聘用颐养不同的信息来产生文本，但它如实编码了统共这些信息。

这项征询标明大型说话模子在检索存储常识时使用了浅近的线性函数，况且这些函数可用于探伤模子对新主题的了解进度以及在模子中存储的位置。此外，这种时代还不错匡助科学家们查找并改革模子中的无理信息，从而提高模子的质料。

降噪丝绸

城市化的发展导致了日益严重的杂音混浊问题，包括交通噪声、邻居吵闹、办公室杂音等问题还是成为东谈主类日常活命中的常态。麻省理工学院等的征询东谈主员通过使用特殊材料和时代来禁锢杂音，他们奏效地研发出一种能够禁锢杂音的丝绸面料，这可能会成为将来减少杂音混浊的灵验技能。

这种丝绸面料相称薄，厚度与东谈主类头发丝超越，况且含有特殊的纤维，在施加电压时会振动。征询东谈主员讹诈这些振动禁锢声息的形式有多种。当先，他们讹诈丝绸面料的振动生成声波，从而扰乱掉不需要的声息，类似于降噪耳机的责任旨趣，这种形式适用于小空间，如耳机等使用场景；其次，他们还发现，当丝绸面料保持静止时，不错退缩振动传播，从而减少杂音的传输，这种形式适用于大空间，如房间或汽车里面等场景。

征询东谈主员表露，他们使用普通的材料，如丝绸、帆布和棉布等制造出了这种降噪面料，这些材料在践诺天下的应用相称等闲，因此这种时代具有很高的实用价值。举例，不错用这种面料制作分隔板，用于绽开式的办公空间以回绝声息穿透。

此外，征询东谈主员还指出，他们不错通过限定丝绸面料上特殊纤维的数目、方针以及电压等成分来进一步提高降噪效果。天然这项时代还需要进一步完善，但它有望在将来匡助创造愈加酣畅的空间并改善活命质料，具有潜在的生意应用价值。

考验对神经系统的影响

无谓置疑，考验对肉体有利。划定的领会不仅能强化肌肉，还能增强骨骼、血管和免疫系统的功能。如今，MIT 的工程师发现，考验还不错在单个神经元的层面上阐发作用。

征询东谈主员不雅察到，当肌肉在领会中平缓时，会开释一种被称为肌因（myokines）的生化信号“搀杂物”。在这些由肌肉产生的信号作用下，神经元的孕育速率是未宣战肌因的神经元的四倍，这些细胞水平的实考证实了领会在促进神经孕育方面具有权贵的生化效应。

征询中，他们将肌因溶液更正到一个装有领会神经元的孤立培养皿中，这些神经元来自限定自发领会的脊髓神经，由小鼠干细胞培养而成，在宣战到肌因搀杂物后神经元快速孕育。为深入了解神经元若何对领会教育的肌因作出反应，征询团队进行了基因分析，从神经元中索要 RNA 以检测肌因是否引起了某些神经元基因抒发的变化。

此外，征询东谈主员还发现，神经元不仅对领会的生化信号有反应，还会受到其物理作用的影响。他们不雅察到，当神经元反复受到拉伸和压缩，类似于肌肉在领会中平随和舒展的过程，这些神经元的孕育进度与显现于肌因时的孕育进度超越。尽管此前的征询已标明，肌肉当作与神经孕育之间可能存在生化筹商，而这是首个展示物理效应相通贫瘠的征询。

这项征询为考验过程中肌肉和神经之间的关系提供了新的见地，并可能为建立受损或退化的神经提供相干的领会疗法建议。面前，他们正在征询若何讹诈针对性的肌肉刺激来促进受损神经的孕育和建立，从而匡助患有 ALS 等神经退行性疾病的东谈主规复当作武艺。

生成式 AI 的天下模子劣势

尽管大型说话模子不错完成令东谈主印象长远的任务，比如写诗或生成可行的野神思圭臬，这些模子的教师方针却只是预测文本中下一步可能出现的单词，这种令东谈主讶异的武艺让东谈主嗅觉这些模子可能依稀学到了一些对于天下的通用真谛。但一项新的征询标明，事实并非如斯。

MIT 征询东谈主员通过一系列实验揭示了大型说话模子在生成式 AI 规模的局限性，尤其是它们对于践诺天下见地的通晓武艺。该征询重心颐养 Transformer 架构的生成式 AI 模子，通过对该模子在纽约市街谈导航和奥赛罗棋盘游戏等浅近决定性有限自动机问题上的表现进行分析，征询东谈主员发现，尽管这些模子在特定任务上展现出惊东谈主的武艺，举例险些完好地预测导航线线或棋局门径，但它们并未着实通晓所波及的章程或建立一个连贯的天下模子。

具体来说，征询团队开发了两个新目的——“序列差异度”和“序列压缩度”，用于测试模子是否能正确辨识不同情景之间的各异以及访佛情景下的下一步可能性序列。收尾自大，即使是从未见过本色谈路布局的当场聘用的模子也能比战略生成数据教师的模子更好地模拟简直导航线径，自大出在零落章程常识的情况下，模子仍然不错通过统计学习靠拢正确的当作模式。可是，当征询东谈主员通过修改城市舆图或引入特殊情况时，这些模子的表现赶快着落，自大出它们无法适合环境的变化或处理未见过的情况。

此外，征询也揭示了一个趣味趣味的不测发现，即当场聘用的模子反而可能生成更为一致和连贯的天下模子，因为它们在教师过程中宣战到更多的可能性。这强调了现时评估框架的一个贫瘠放浪，即它未能充分差异模子是否着实通晓章程或只是是基于概率作念出了预测。

这项征询的收尾对通晓生成式 AI 的责任旨趣偏激在践诺天下应用中的后劲具有贫瘠谈理，辅导了面前的模子在通晓复杂天下见地方面的不及反差 眼镜，并指出了将来征询的方针，即发展愈加全面和深入的评估目的，以及探索若何使模子能够着实通晓并适合多变的践诺天下。