热点追踪/深度探讨/ 实地探访 / 商务合作
大家好，一周技术前沿洞察又和大家见面啦。本周，不少高校都在AI、能源、饮食和医疗等方面取得了不少突破。不过，NASA的一则消息，也引发了不少人对于宇航员身体状况的担忧，这或将对长期的太空探索产生重大影响，赶紧来跟硅谷洞察看一看吧！
美国实验室
NASA最新报告：宇航员在太空中产生血凝块和血液逆流现象
NASA日前公布的一项研究表明，在太空停留时间较长的宇航员可能会上半身产生血凝块和血液逆流现象。
（图自：NASA）
这项研究对11名宇航员进行了检查，他们平均在国际空间站呆了6个月。研究发现，到执行任务的第50天，7名宇航员左颈内的主要静脉有停滞或倒流现象。
研究还发现，太空飞行期间一名宇航员在颈内静脉中发现了血栓，另一名宇航员在返回地球后也发现了部分血栓。
这些发现对长期的太空任务有重大意义，比如飞往火星就需要长达8个月的时间。
“这可能是一个严重的问题，”约翰·霍普金斯大学医学院医学教授安德鲁·范伯格(Andrew Feinberg)博士说。“如果你的颈内静脉出现血栓，可能会转移到肺部，导致肺栓塞，这是非常危险的。如果这样的一种情况发生在长期太空任务中，那将是灾难性的。”
感兴趣的可以阅读：https:///science/space/zero-gravity-serious-problem-nasa-study-finds-new-health-risk-n1081701
美国高校
如何避免机器人在复杂空间内碰撞？南加州大学开发机器人优化算法
在汽车组装厂里，机器人可能每天需要执行数千个重复任务，比如将方向盘插入汽车。按照目前的技术，当机器人学习了从A点（车轮堆叠的位置）到B点（车轮需要插入的位置）的最佳轨迹，它就可以在不会发生错误或碰撞的情况下持续执行命令。
但是，如果稍微更改任务的环境或条件（例如，增大车轮尺寸），则机器人的指令执行可能就会发生错误。这种情况经常发生在复杂或受限的工作空间中，例如卫星组装操作等。
为了帮助自动化机器人在复杂的制造场景中提供高质量的解决方案，南加州大学维特比工程学院高级制造中心（CAM）的研究人员近日开发了一种使机器人能在工作区中的进行路径自动优化的新方法。
该算法的工作原理是机器人可以在路径规划中尽早收集操作员的输入指令，当机器人在其任务中遇到轻微变化时（例如上述车轮尺寸增加），它将能够借鉴这些指令并相应地调整其路径。该算法和界面可以指导机器人以最小的人工输入，在工作空间中从源点到目的地点采用最短、最快的路线。
感兴趣的可以阅读：https://viterbischool.usc.edu/news/2019/11/robots-are-optimized-for-tedious-repetitive-tasks-can-they-be-automated-for-more-complex-workspaces/
耶鲁大学最新研究显示，生酮饮食有助于抵抗流感病毒
耶鲁大学于11月15日在《科学免疫学》杂志上发表的一项新研究显示，喂食生酮饮食的小鼠比喂食高碳水化合物食物的小鼠更能抵抗流感病毒。
生酮饮食（ketogenic diet）指的是脂肪含量多、蛋白质含量中低、碳水化合物含量极低的食物。这类食物给人体带来酮症（ketosis），可以促进酮类（ketones）分子的形成。食物来源最重要的包含肉、鱼、家禽和非淀粉类蔬菜等，它可以激活肺中与免疫系统对流感的反应无关的一部分T细胞，从而增强了可以有效捕获气道细胞的粘液产生的流感病毒。
这项研究表明，人体燃烧脂肪的方式可以从我们所吃的食物中产生酮体，从而为抵抗流感感染提供了免疫系统。很多人此前也通过生酮饮食法进行减肥、改善健康，甚至逆转糖尿病、治疗癌症、癫痫、阿尔兹海默症等等。
感兴趣的可以点击原文阅读：https://news.yale.edu/2019/11/15/ketogenic-diet-helps-tame-flu-virus
垃圾填埋站的日用品增多，可能创造出了新的能源？
近期，密歇根大学的研究人员发现，洗发水、机油等日常产品中越来越多使用的合成化合物正进入填埋场，并对这些填埋场产生的沼气进行增压，而硅氧烷可能是从沼气中获得更多能源的关键，研究人员希望可以利用它们作为能源。
这些化合物称为“硅氧烷”，可以轻松又有效地传导热量并与水相互作用，研究人员发现，硅氧烷可提高沼气的反应性，从而导致发动机更快点火并释放更多能量。随着它们在各种消费产品中的普及度提高，这在某种程度上预示着慢慢的变多的硅氧烷被运往当地的垃圾填埋场。
研究人员表示，通过“硅氧烷”的化学燃烧作用，可能消除沼气处理过程中的洗涤或去除需求，并减少相关成本。而通过减少相关成本，沼气将更可能成为真正的碳中和燃料。同时，如果能够将垃圾填埋气作为一种更具经济吸引力的选择，那么垃圾填埋场运营商将更有动力捕获和利用这种有害的温室气体，对环境保护、对经济发展都很有意义。
感兴趣的可以点击原文阅读：https://news.umich.edu/how-everyday-products-are-supercharging-landfill-gas-and-what-that-means/
新的AI系统可提前一小时预测癫痫发作率，准确率达99.6%
路易斯安那大学拉斐特分校的两名研究人员开发了一种新的AI模型，可以在癫痫患者发病前一小时做出预测，准确率高达99.6％。
此前，其他研究小组也曾通过脑电图（EEG）测试分析大脑活动，开发预测模型。但这些模型往往被设计为手动提取大脑模式、应用分类系统两个阶段，很复杂。
在最新方法中，特征提取和分类过程被组合到单个自动化系统中。此外，研究人员还利用深度学习算法，从不同的电极位置提取并分析患者大脑活动的时空特征，从而提高模型的准确性。最后，他们还用另一种算法，给出EEG读数可能涉及的多个电活动“通道”中可能性最高的预测。
对波士顿儿童医院的22名患者的长期EEG数据开发和测试显示，他们的模型准确率不仅达到了99.6％，而且误报率也很低，每小时只有0.004错误警报。
研究人员表示，随着软件组件的完善，下一步是开发定制的计算机芯片来处理算法。
康奈尔大学用AI优化水坝建造方式，减少温室气体排放
由于亚马逊河的水电大坝通常建设在贫困地区，这有可能破坏当地生态。如果设计不当，水坝排放的温室气体最多能达到热电厂的十倍。
为此，康奈尔大学领导的生态学家和计算机科学家团队与野生动物保护协会合作，创建了一个人工智能计划，旨在消除亚马逊流域水电大坝对生态破坏。该小组的研究重点在于生物多样性的地区，这中间还包括位于经济稳步的增长国家的主要热带河流。
研究人员表示，水库大坝选址不当会造成水库内植被的腐烂，从而排放更多温室气体。为了解决水力发电的生态影响，研究小组研究了正在使用的大坝的不同组合，并开发了AI计算模型，寻找最合适的的坝址配置，改善未来水坝的建造方式，确保最大程度的能源利用和低碳排放。
通过这项新计划，研究人员能够确定最适合在何处建造低碳水电大坝，最大程度地降低每个所需能源产生目标的环境影响，例如它将如何影响渔业，以及如何影响人口。
新型聚合物涂层，将维生素和矿物质附着在普通食物上，应对儿童营养不良
每年，有200万儿童死于缺乏足够的维生素和矿物质。现在，麻省理工学院的研究人员通过将微量元素和营养物质通过聚合物涂层，“封装”在玉米粒和其他主食中，增强它们的营养度，来解决这样的一个问题。
该项目由比尔和梅琳达·盖茨基金会支持。研究人员最初考虑了50多种不同的聚合物涂层。但有些涂层虽然在沸水中稳定，但会在胃的酸性环境中溶解。最后，他们选择了一种称为BMC的聚合物。BMC作为膳食补充剂的保护性涂层，已经获得FDA的批准。
（聚合物微粒在遇到胃的酸性环境时会释放出维生素和矿物质。图自 SECOND BAY STUDIOS）
11种微量营养素，包括铁、锌、叶酸、维生素A、维生素D等，由BMC保护附着在食物上。实验室测试表明，所有保护层在加热，紫外线照射下，甚至在沸水中煮2小时后，都能保持良好的状态。在小鼠实验中，研究人员发现，这些颗粒在小鼠的胃中分解，然后营养物质被运到肠道并被吸收。
感兴趣的可以阅读：https://e-countries
无人机用于检测海域变化
俯冲带的地壳运动，是无数大型地震和海啸的源头。对其的监控，一直充满挑战，需要昂贵的船只、声学信标和GPS技术。
（水下“滑翔机”通过吸收波能来拖曳从海底信标收集数据的船只。图自 LIQUID ROBOTICS）
现在，美国斯克里普斯海洋学研究所的研究团队找到了一种方法，能够最终靠用远洋无人机代替昂贵的船只来减少相关成本。
研究团队领导人 David Chadwell从 2012年开始探索用加州无人机公司 Liquid Robotics 研发的Wave Wavelider代替船只。无人机每天的运行成本仅为500美元，它可以携带一个GPS装置，并且，它近乎无声，对声音信标的干扰远小于船舶的引擎。
10月，美国国家科学基金会（NSF）宣布向Chadwell的团队提供550万美元的资助，用于购买声音信标，和新增3架无人机，检测16个海域。这使美国科学家追踪海域变化的能力增加了一倍以上。
感兴趣的可以阅读：https://www.sciencemag.org/news/2019/11/drones-reveal-earthquake-hazards-hidden-abyss
海外公司
悉尼初创公司使用人工智能评估试管受精成功率，准确度达93％
全球辅助生殖服务提供商Virtus Health正在使用悉尼初创公司Harrison.ai的AI模型，提高试管受精成功率。
通常，医生会通过观察胚胎成长的延时视频，挑选成功率最高的胚胎移植到女性子宫内。但根据美国疾病控制和预防中心的数据，5天胚胎的植入成功率不到50%。
尽管目前已有AI工具在该领域投入到正常的使用中，但大多数仍然停留在分析静态图像来选择胚胎的阶段。相比之下，Harrison.ai的IVY深度学习模型能够分析从胚胎在显微镜下的5天发育过程。
IVY在Virtus Health的数据集上训练了深度学习模型，这中间还包括来自4个国家的8个IVF实验室的10,000多个人类胚胎。研究小组对每个胚胎进行分类，对在女性体内存活6周并形成心跳的胚胎标记为阳性，反正则标记为阴性。在最近的一项研究中，IVY能够以93％的准确度预测哪些胚胎会形成心跳。
目前，Virtus Health诊所已在数千例病例中使用IVY。Harrison.ai还与主要的胚胎镜制造商Vitrolife合作，以将其神经网络更稳定地集成到临床工作流程中。
怎么样，今天的哪条技术前言洞察让你印象最深呢？欢迎大家留言讨论！
