专家:中国脐带血采集及冻存技术已接轨国际水平

中国妇幼保健协会脐带血应用专业委员会主委、北京大学人民医院血液病研究所副所长刘开彦5月27日在北京表示,近些年来,中国脐带血储存行业的采集以及冻存技术已经接轨国际水平。但是,无论是在储存数量、治疗的病种、治疗方法的标准化、还是脐带血的科研等方面,与国际还存在着较大差距。

▲图为中国妇幼保健协会脐带血应用专业委员会主委、北京大学人民医院血液病研究所副所长刘开彦,摄影:徐宛平

第五届中国脐带血大会暨中国妇幼保健协会脐带血应用专业委员会成立大会5月26-27日在北京召开。刘开彦在会后接受媒体采访时作出上述表示。

脐带血是胎儿娩出断脐后残留在脐带和胎盘中的血液,富含造血干细胞。造血干细胞,是目前中国唯一可用于临床治疗的干细胞,其三种来源分别是骨髓、外周血以及脐带血。脐带血因具有采集安全无痛、实物储存应用及时、配型成功率高等特点而成为宝贵的医疗资源,可达到优于其他治疗手段的效果,已证实是成熟有效的医疗技术。

据刘开彦介绍,截至目前,全球脐带血储量超过580万份,脐带血干细胞移植已经超过45000例。在脐带血应用比较发达的美国,自体脐带血应用于自身或同胞亲缘的治疗截止目前超过700例。在中国,脐带血储量近百万份,临床应用超过6000例,其中自体脐带血的应用已经超过了150例,正在进行的脐带血临床试验近400项,并且还在不断增加。

日本虎之门医院血液科教授谷口修一表示,在日本,非亲缘脐带血移植数量正在逐步增加。仅2015年就有超过1100例非亲缘脐带血移植。与骨髓移植、外周血移植的数量相当,并且在老年人群中,脐带血移植占比更高。快速的临床供给以及对配型相合较低的要求是脐带血移植数量迅速增加的主要原因。

据来自国家卫计委相关信息,目前国内共有7家合法执业的脐带血库,行业累计储存脐带血近100万份。脐带血库保障脐带血的采集和高质量储存,以保障临床供应脐带血的可靠来源和质量。

IT之家

iPhone 8将全面采用AMOLED屏,这多亏了中国厂商

苹果在秋季发布的十年版手机,将首次在iPhone历史上采用AMOLED屏幕(OLED的一种分支技术)。过去,产量不足导致AMOLED屏幕无法成为主流,不过随着越来越多的中国显示面板公司生产AMOLED屏幕,这种屏幕正在逐步取代液晶屏,成为厂商主流之选。

虽然今年苹果第一次在手机中使用AMOLED屏幕,但是在中国市场,许多厂商若干年之前就推出了AMOLED屏幕的智能手机。和液晶屏相比,AMOLED屏幕拥有更鲜艳的画质,更加节电,另外可以进行弯曲、折叠等设计,非常适合作为智能手机的屏幕。

据台湾电子时报研究部最近出台的一份报告,一直以来,AMOLED屏幕“叫好不叫座”,最主要的原因是产能不足。

迄今为止,全球在OLED屏幕方面投入力量最大的两家企业是韩国LG显示器公司以及三星显示器公司,其中三星垄断了绝大多数的手机AMOLED屏幕市场,占据了主导地位。

据报道,苹果之前已经多次和三星显示器签署了合同,为今年乃至明年的智能手机采购一亿多块AMOLED屏幕。由于全球AMOLED屏幕产能不足,因此苹果决定以分步走的方式,在未来两三年内全部切换到AMOLED屏幕。

今年,随着苹果采购AMOLED屏幕,再加上三星电子自身手机的巨大屏幕消耗量(已经在全球发售的Galaxy S8也采用AMOLED屏幕),手机厂商采购AMOLED屏幕难度极大。

不过所幸的是,若干家中国大陆的显示面板公司,已经开始量产AMOLED屏幕,这不仅打破了三星显示器公司的垄断,也开始拉低屏幕的价格,让更多的厂商在中端和低端手机中也配置AMOLED屏幕。

台湾电子时报研究部在报告中预测,去年,全球AMOLED屏幕的交付量为3.7亿块,在智能手机中的渗透率为23.4%。今年全球交付量将增加到4.5亿块,渗透率增加到27.6%。

该机构预测,到2021年(再过四年时间),AMOLED屏幕交付量将会增长到11.25亿块,届时在智能手机中的渗透率将会超过一半,达到53%。

在过去两年时间里,虚拟现实头盔市场开始启动,这也催生了对显示屏的新需求。据报道,和液晶屏相比,AMOLED屏幕的响应时间更短,更适合作为头盔用屏幕。一旦相关的解决方案成熟,AMOLED屏幕也将成为主导性的虚拟现实头盔显示屏。

另外在如今的智能手表中,许多厂商使用了PMOLED屏幕,不过在一些高端产品中,一些厂商将会使用AMOLED屏幕。

据分析,虽然AMOLED屏幕在智能手机、智能手表中逐步扩大使用量,但是在平板电脑和笔记本电脑市场,AMOLED屏幕的推广难度还比较高,主要原因是良品率比较低、成本比较高。预计一些企业将会在高端、小众的笔记本电脑或平板电脑中使用AMOLED屏幕。

在移动设备、汽车显示屏等用途中,AMOLED屏幕的柔性特性,给厂商提供了更多的设计空间。就在近日,三星显示器公司展示了一款最新研发的柔性AMOLED屏幕,该屏幕可以进行拉伸,扩大显示面积。

另据报道,大陆的京东方公司在柔性AMOLED屏幕的量产上,也获得了技术突破。今年初,外媒报道苹果公司曾经接触京东方,希望该公司能成为AMOLED屏幕的供应商,避免三星独家供应带来的不确定。

另外,LG显示器、日本显示器、夏普这三家公司目前也正在完善AMOLED屏幕量产技术,作为苹果设备屏幕的长期供应商,他们也自然会争抢苹果AMOLED屏幕的订单。

IT之家

乔丹签约蚂蚁金服:受聘现场意外解领带

乔丹来中国签约了!不过不是在CBA,而是在蚂蚁金服。

5月27日,蚂蚁金服CEO井贤栋在技术日大会宣布:蚂蚁金服正式成立科学智囊团,将在全球范围内招揽各领域的世界级学者加盟。科学智囊团的首位成员即是人工智能教父迈克尔·欧文·乔丹(Michael I.Jordan),他将担任蚂蚁金服科学智囊团首任主席。

乔丹教授执教于加州大学伯克利分校,是美国科学院、美国工程院、美国艺术与科学院三院院士,是人工智能领域唯一一位获此成就的科学家,也是机器学习领域的开创者之一。他的学生桃李满天下,在国内享有盛誉的吴恩达便是其中之一。

让现场观众意外的是,接过井贤栋手中的聘书后,乔丹摘下了领带。“硅谷有两种公司,”他说,“一种是老派的科技公司,喜欢西装革履,另一种是充满朝气的创新公司,我看连蚂蚁金服CEO都不打领带,所以我也把领带摘了吧!”

解释为什么会接受这份来自大洋彼岸的邀请时,乔丹表示,“一些公司的价值是让富人更富,尽管这也不是坏事,但我更看重有公司在努力用技术和数据去让更多普通人生活变得更好,蚂蚁金服是为数不多这么说也是这么做的公司。很高兴,现在我加入了这个大家庭。”

蚂蚁金服首席技术官程立表示,迈克尔·乔丹作为蚂蚁科学智囊团主席,接下来将协助智囊团推进成员搭建和运作。这一智囊团将面向全球招揽机器学习、安全、计算基础设施、区块链、生物识别等领域的世界级学者,“和蚂蚁金服一起开创全球数字普惠金融的未来。”

据了解,聘请业界顶尖学者做高级顾问,早已是硅谷明星科技公司惯常做法。谷歌、Facebook正是通过和学界的紧密联系与借力,在人工智能与图像识别领域占据高点。

附:蚂蚁金服与学界的深度合作(部分)

2014年,蚂蚁将普渡大学计算机系终身副教授漆远请回国担任首席数据科学家,组建AI团队。目前AI已在蚂蚁广泛用于智能客服、交易风控、贷款模型、智能投顾、图像定损等应用场景。

2016年,蚂蚁携手图灵奖唯一华人获得者,清华大学交叉信息研究院院长姚期智,成立数字金融科技实验室,双方在区块链技术、人工智能、智能投顾等领域开展研究。

2017年初,蚂蚁成为美国加州伯克利大学RISE实验室合作伙伴,共同致力于为AI提供安全实时智能决策计算平台的研发。

2017年3月,蚂蚁金服在基础科学上的布局成为阿里巴巴NASA计划的一部分。NASA计划旨在动员全球两万多名科学家和工程师投身新技术战略,面向未来20年组建强大的独立研发部分,建立新的机制体制,为服务20亿人储备核心科技。

IT之家

Win10一周年更新正式版14393.1230推送,只修复这一个Bug

IT之家5月27日消息 今天微软为Windows10 PC用户推送了最新的Win10一周年更新14393.1230累积性更新,更新补丁型号是KB4023680,目前绝大部分Win10用户都在使用一周年更新系统。

昨天微软还推送了Win10创意者更新累积性更新,包括面向Win10 Mobile设备进行了推送。但今天的Win10一周年更新14393.1230仅面向PC设备,暂无Win10 Mobile设备。

根据IT之家了解,Win10一周年更新14393.1230(KB4023680)只修复了一个Bug:

解决在某些应用程序中,最终用户定义字符(EUDC)可能不可见的问题。

微软还强调本次累积性更新带来了“质量提升”,所以这是一个没有新功能,没有安全性方面的更新。据微软称,没有已知的问题。

IT之家

小米6手机公交卡系统升级,暂停开卡服务

IT之家5月27日消息,可能会有小米6用户遇到无法开通公交卡的情况,根据小米官方的消息,这是因为小米6公交服务系统正在进行升级,目前暂停开卡服务。

小米表示,因小米6使用的全新NFC芯片技术,为了提供更稳定优质的服务,正在对小米6的公交服务系统进行升级,预计很快可以完成升级,恢复提供手机公交服务。

已经开通小米6公交卡的用户不受影响,可以继续使用公交服务。此外,已经支持小米公交的小米MIX、小米Note 2、小米5s、小米5s Plus、小米5同样不受影响。

IT之家

开发者自述:我是怎样理解支持向量机(SVM)与神经网络的

雷锋网按:本文作者煎鱼,原文载于作者个人博客,雷锋网已获授权。

写在前面:囫囵吞枣看完SVM,个人感觉如果不好好理解一些概念,或说如果知其然而不知其所以然的话,不如不看。因此我想随便写一写,把整个思路简单地整理一遍。: )

  SVM与神经网络

支持向量机并不是神经网络,这两个完全是两条不一样的路吧。不过详细来说,线性SVM的计算部分就像一个单层的神经网络一样,而非线性SVM就完全和神经网络不一样了(是的没错,现实生活中大多问题是非线性的),详情可以参考知乎答案

这两个冤家一直不争上下,最近基于神经网络的深度学习因为AlphaGo等热门时事,促使神经网络的热度达到了空前最高。毕竟,深度学习那样的多层隐含层的结构,犹如一个黑盒子,一个学习能力极强的潘多拉盒子。有人或许就觉得这就是我们真正的神经网络,我们不知道它那数以百千计的神经元干了什么,也不理解为何如此的结构能诞生如此美好的数据 —— 犹如复杂性科学般,处于高层的我们并不能知道底层的”愚群“为何能涌现。两者一比起来,SVM似乎也没有深度学习等那么令人狂热,连Hinton都开玩笑说SVM不过是浅度学习(来自深度学习的调侃)。

不然,个人觉得相对于热衷于隐含层的神经网络,具有深厚的数学理论的SVM更值得让我们研究。SVM背后伟大的数学理论基础可以说是现今人类的伟大数学成就,因此SVM的解释性也非神经网络可比,可以说,它的数学理论让它充满了理性,这样的理性是一个理工科生向往的。就如,你渴望知道食物的来源以确定食物是否有毒,如果有毒是什么毒,这样的毒会在人体内发生了什么反应以致于让你不适 —— 我的理性驱使我这么想,一个来路不明的食物是不能让我轻易接受的。

  SVM是什么

简单点讲,SVM 就是个分类器,它用于回归的时候称为SVR(Support Vector Regression),SVM和SVR本质上都一样。下图就是SVM分类:

(边界上的点就是支持向量,这些点很关键,这也是”支持向量机“命名的由来)

SVM的目的:寻找到一个超平面使样本分成两类,并且间隔最大。而我们求得的w就代表着我们需要寻找的超平面的系数。

用数学语言描述:

这就是SVM的基本型。

SVM的基本型在运筹学里面属于二次规划问题,而且是凸二次规划问题(convex quadratic programming)。

  二次规划

二次规划的问题主要用于求最优化的问题,从SVM的求解公式也很容易看出来,我们的确要求最优解。

简介:
在限制条件为

的条件下,找一个n 维的向量 x ,使得

为最小。

其中,c为n 维的向量,Q为n × n 维的对称矩阵,A为m × n 维的矩阵,b为m 维的向量。

其中,根据优化理论,如果要到达最优的话,就要符合KKT条件(Karush-Kuhn-Tucker)。

  KKT

KKT是在满足一些有规则的条件下,一个非线性规则问题能有最优解的一个充分必要条件。也就是说,只要约束条件按照这个KKT给出的规则列出,然后符合KKT条件的,就可以有最优解。这是一个广义化拉格朗日乘数的成果。

把所有的不等式约束、等式约束和目标函数全部写为一个式子:

L(a, b, x)= f(x) + a*g(x)+b*h(x)

KKT条件是说最优值必须满足以下条件:

● L(a, b, x)对x求导为零

● h(x) = 0

● a*g(x) = 0

  对偶问题

将一个原始问题转换为一个对偶问题,懂的人知道对偶问题不过是把原始问题换了一种问法,从另一角度来求问题的解,其本质上是一样的。就好像我不能证明我比百分之五的人丑,但是我能证明我比百分之九十五的人帅,那样就够了。那么,为啥要用对偶问题,直接求原始问题不好吗?参考一下为什么我们要考虑线性规划的对偶问题

而二次规划的对偶问题也是二次规划,性质、解法和原来一样,所以请放心。(只做简要介绍)

最后训练完成时,大部分的训练样本都不需要保留,最终只会保留支持向量。这一点我们从图上也能看得出来,我们要确定的超平面只和支持向量有关不是吗?

(你看,只和支持向量有关)

然而,问题又出现了(新解法的出现总是因为新问题的出现),对于SVM的对偶问题,通过二次规划算法来求解的计算规模和训练样本成正比,开销太大。换句话来说,输入数据小的时候还好,不过小数据几乎没啥用,但是数据量大起来又计算量太大,所以就得寻找一种适合数据量大而且计算量小的解法,这个就是SMO。

  SMO

SMO,Sequential Minimal Optimization,针对SVM对偶问题本身的特性研究出的算法,能有效地提高计算的效率。SMO的思想也很简单:固定欲求的参数之外的所有参数,然后求出欲求的参数。

例如,以下是最终求得的分类函数,也就是我们SVM的目标:

SMO 算法每次迭代只选出两个分量 ai 和 aj 进行调整,其它分量则保持固定不变,在得到解 ai 和 aj 之后,再用 ai 和 aj 改进其它分量。

如何高效也能通过 SMO 算法的思想看得出来 —— 固定其他参数后,仅优化两个参数,比起之前优化多个参数的情况,确实高效了。然而,与通常的分解算法比较,它可能需要更多的迭代次数。不过每次迭代的计算量比较小,所以该算法表现出较好的快速收敛性,且不需要存储核矩阵,也没有矩阵运算。说白了,这样的问题用 SMO 算法更好。

  核函数

我们的SVM目的其实也简单,就是找一个超平面,引用一张图即可表述这个目的:

然而现实任务中,原始样本空间也许并不能存在一个能正确划分出两类样本的超平面,而且这是很经常的事。你说说要是遇到这样的数据,怎么划分好呢:

告诉我你的曲线方程吧,傻了吧~

于是引入了一个新的概念:核函数。它可以将样本从原始空间映射到一个更高维的特质空间中,使得样本在这个新的高维空间中可以被线性划分为两类,即在空间内线性划分。这个过程可以观看视频感受感受,由于是 youtube 所以我截一下图:

这是原始数据和原始空间,明显有红蓝两类:

通过核函数,将样本数据映射到更高维的空间(在这里,是二维映射到三维):

而后进行切割:

再将分割的超平面映射回去:

大功告成,这些就是核函数的目的。

再进一步,核函数的选择变成了支持向量机的最大变数(如果必须得用上核函数,即核化),因此选用什么样的核函数会影响最后的结果。而最常用的核函数有:线性核、多项式核、高斯核、拉普拉斯核、sigmoid核、通过核函数之间的线性组合或直积等运算得出的新核函数。(这里只涉及概念,不涉及数学原理)

  软间隔

知道了上面的知识后,你不是就觉得SVM分类就应该是这样的:

然而这也不一定是这样的,上图给出的是一种完美的情况,多么恰巧地两类分地很开,多么幸运地能有一个超平面能将两个类区分开来!要是这两个类有一部分掺在一起了,那又该怎么分啊:

有时候如果你非要很明确地分类,那么结果就会像右边的一样 —— 过拟合。明显左边的两个都比过拟合好多了,可是这样就要求允许一些样本不在正确的类上,而且这样的样本越少越好,”站错队“的样本数量要通过实际来权衡。这就得用上”软间隔“,有软间隔必然有硬间隔,应间隔就是最开始的支持向量机,硬间隔支持向量机只能如此”明确“地分类。特意找来了这个数学解释:

其中一个样本要是”站错队“就要有损失,我们的目的就是:找出总损失值最小并且能大概分类的超平面。而计算一个样本的损失的损失函数也有很多种,例如:hinge损失、指数损失、対率损失等。

以上只是简单地把我学习 SVM 的思路整理了一遍,若有错误之处还请指正。

雷锋网相关阅读:

基于Spark如何实现SVM算法?这里有一份详尽的开发教程(含代码)

Facebook AI 队伍再次扩充 聘用业界大拿Vladimir Vapnik

雷锋网

谷歌/微软等科技公司联名上书:要求美情报部门提高网络监控透明度

据外媒报道,硅谷厌倦了让美国间谍站在它们的肩膀上看得更远。

在一封签署日期为周五,由31家科技公司(包括谷歌、亚马逊、Facebook和微软)联合署名的信函中,这些科技公司要求美国国会改革外国情报监控法案中的第702条法规。这条法规允许美国国家安全局(NSA)收集美国境外公民(有时候也包括美国境内公民)的网络数据。

第702条法规是告密者爱德华-斯诺登(Edward Snowden)在揭露NSA大规模监控计划时首次披露的。这项监控计划会监控一个人在网络上进行的任何活动。这让科技公司与政府对峙了很多年。这一条法规将会在今年12月31日到期,除非国会决定重新沿用这条法规。

硅谷领导人希望国会山的政治家们改革第702条法规,而不是继续沿用它。在这封信函中,他们提出了互联网监控改革的五点建议,包括提高监控透明度,公布多少美国人受到监控;缩小监控范围,防止无辜的人受到监控;以及提高对监控计划的监控力度等等。

“我们联名写信是为了表达我们对于改革第702条法规的支持。美国情报机构必须提高其监控计划中的隐私保护力度和透明度。”这些科技公司写道。

从2013年以来,谷歌就一直希望披露它被依法要求向政府机构提交的数据,但是联邦政府禁止谷歌这样做。苹果与政府也经常发生对峙。在圣博娜迪诺恐袭案中,FBI要求苹果解锁恐怖分子的iPhone,苹果坚决予以拒绝。在2016年下半年,苹果接到的索要数据的国家安全指令数量比2016年上半年增长了一倍,增长到了6000条。

尽管现在有关公民隐私与国家安全的讨论正在如火如荼地进行,在周五联名致信众议院司法委员会主席鲍勃-古德雷特(Bob Goodlatte)的31家科技公司中,并不见苹果的踪影。苹果对此尚未发表评论。

在今年3月,互联网基础设施联盟致信众议院司法委员会警告称,如果不改革第702条法规,就可能会产生“严重的经济后果”。

IT之家

小程序又双叒叕升级:可无限生成小程序码

雷锋网消息,5 月 27 日凌晨,微信方面通过微信公众平台宣布对小程序的能力又一次升级。本次升级主要包括三大方面:小程序码的数量今后将不受限制,另外更新了模板消息,以及优化数据功能等。此次开放的新能力主要为了支持开发者更好的拓展线下应用场景、分析用户数据。

官方给出的详细内容如下:

1. 小程序码生成数量不受限制

为满足更灵活的使用场景,我们已提供不限生成数量的带参数小程序码。今后,商家可为每个宣传物料配上独一无二的小程序码,从而追踪物料的投放效果。也可以按需生成即时使用的小程序码,而不必担心资源是否浪费。更多的小程序码,可以带来更大的想象空间。

开发者可以参考《二维码接口文档》,获取该能力。

2. 模板消息功能升级

支付成功后,支持 7 天内下发 3 条模板消息,及时提醒用户订单或物流状态的变更,提升售后服务质量。

3. 数据分析功能优化


提供更多维度的用户数据、支持更灵活的数据上报和分享,帮助开发者更好地分析数据,辅助产品优化和运营。

1、新增 “用户画像” 数据。支持查看小程序新增或活跃用户的性别、年龄、地区、设备分布。开发者可以登录小程序后台,进入数据分析 -> 用户画像,或点击下方小程序数据助手查看相关数据(数据每天早上更新)。

2、开放自定义数据上报接口。在使用自定义分析功能时,开发者可以通过接口上报用户在小程序内的行为事件,并在小程序后台查询和分析数据。

3、「小程序数据助手」新增页面转发功能,方便数据分享。

自 3 月份以来,小程序便动作频频,而且在 4 月份更是接连放出大招。4 月 14 日,小程序又开放了长按识别二维码功能。17 日,第三方平台新增小程序授权托管。18 日,小程序还开放了 “小程序码”。20 日,微信扩大了小程序的入口——公众号可以关联不同主体的小程序。22 日,微信方面宣布,公众号群发文章支持添加小程序。

如今距离 5 月 19 日开放小程序转发按钮等新能力不足 10 天,微信本次的升级又进一步降低了小程序的开发门槛,并充实其的能力,丰富连接场景。接下来还会有哪些重磅升级,我们继续期待!

雷锋网

苹果正开发 “苹果神经引擎”AI 处理器;小程序又升级:可无限生成小程序码 | 雷锋早报

苹果正开发 “苹果神经引擎”AI 处理器

据彭博社 Mark Gurman 报道,从知情人士处了解到,苹果正在开发一种专用处理器,可以用于处理人工智能相关的任务,比如在产品中实现面部和语音识别。报道称该芯片在苹果内部被称作 “苹果神经引擎”(Apple Neural Engine)。苹果计划与标准处理器和图形芯片一同使用这款处理器,以此为其产品增加更先进的人工智能属性并分担 AI 处理任务的负载以提高电池续航时间。

该消息源透露,苹果已经开始利用这款芯片测试未来的 iPhone 产品,也就是说目前尚不清楚 iPhone 8/Edition 是否会采用这款苹果神经引擎 AI 处理器,不过苹果会在处理器这条路上越走越远的,未来的苹果产品中将会越来越多地出现苹果自家设计的定制处理器的身影。今年的苹果开发者大会将于 6 月 5 日开始,许多人将会关注苹果 AI 的更多进展。

小程序又升级,可无限生成小程序码

雷锋网消息,小程序在凌晨又放出重要升级,本次升级主要包括以下几点内容:

1. 小程序码生成数量不受限制

为满足更灵活的使用场景,我们已提供不限生成数量的带参数小程序码。今后,商家可为每个宣传物料配上独一无二的小程序码,从而追踪物料的投放效果。也可以按需生成即时使用的小程序码,而不必担心资源是否浪费。更多的小程序码,可以带来更大的想象空间。

2. 模板消息功能升级

支付成功后,支持 7 天内下发 3 条模板消息,及时提醒用户订单或物流状态的变更,提升售后服务质量。

3. 数据分析功能优化

提供更多维度的用户数据、支持更灵活的数据上报和分享,帮助开发者更好地分析数据,辅助产品优化和运营。

百度语音系统与人接近 可 “完美” 模仿各种口音

据美国科技媒体 Engadget 报道,百度的 DeepVoice TTS 系统取得了巨大进步,与人类的声音更为接近,甚至可以精准模仿不同地区的口音。百度表示,Deep Voice 2 可以 “学习数百种不同的语音,从每个说话者那里吸收的数据不到半个小时,但却可以实现很高的音质。” 而上一代产品要达到类似的目的,每个声音需要接受 20 小时的训练。在短短几个月的时间内,该系统便在效率上进一步超越谷歌 WaveNet。

Intel 汗颜!台积电 7nm 明年就量产,后年上 EUV

过去以及未来几年,台积电、三星都在新工艺上开足了马力,几乎一年一个样,比如三星就要连续推出 8/7/6/5/4nm 工艺。台积电也不甘示弱,联合 CEO 魏哲家 (CC Wei) 今天就公开表示, 台积电将在 2018 年量产 7nm,而且一年后再投产 EUV 极紫外光刻技术加持的新版 7nm。EUV 技术是半导体领域多年来一直梦寐以求的里程碑式技术,如果达成可以大大向前推进摩尔定律,并大幅度提高产能。

全球最大比特币交易平台 Coinbase 不堪重负出现宕机

5 月 26 日消息,据国外媒体报道, 比特币交易平台 Coinbase 周四表示,由于流量和交易量达到史无前例的水平,该公司系统在本周出现了宕机。 Coinbase 是世界上最大的比特币交易平台,业务遍及全球 32 个国家和地区。该公司表示,巨大的流量导致其网站出现宕机。Coinbase 称正在努力解决这些问题。

Bing 与印度的 Practo 合作,允许用户预约医生看病

印度的 Bing 团队正在超速发展。几个月前与 Zomato 合作,以无缝方式提供餐厅搜索和评论。 现在微软已经与 Practo 合作,帮助人们使用 Bing 搜索并选择周围最好的医生。Practo 成立于 2008 年,是印度全国领先的医疗保健服务之一,可帮助用户评估健康问题,找到正确的医生和安全管理医疗记录。

装在活体龟上的寄生机器人,能够控制龟的行走路线

目前有许多机器人专家正在努力研究各种龟类机器人,韩国先进科技学院(KAIST)的研究人员在龟类机器人混合动力学方面,已经取得了巨大的进展:龟类和机器人混合被称作为 “寄生机器人”,其原理是把机器人安装在一个真正龟的背甲上,借助于一系列的 LED 作用并通过美味零食的正强化作用,来引导乌龟从一个地方去往另一个地方。

雷锋网

超越尘世的美景:南极现绝美龙鳞状冰面

一支南极科考队上周在罗斯海(Ross Sea)地区遇到了一大片诡异的、龙皮状的冰面,这像是《权力的游戏》中绝境长城之外才有的景色,但地球上也可以找到这一奇观。不过你得人品够高才行,而且还要愿意前往地球上最严酷的环境。

一支南极科考队上周在罗斯海(Ross Sea)地区遇到了一大片诡异的、龙皮状的冰面

一支南极科考队上周在罗斯海(Ross Sea)地区遇到了一大片诡异的、龙皮状的冰面

南极如今正处秋季。虽然大多数远征队早就离开了南极、前往更温暖的水域,但“内森·B·帕尔默”(Nathan B Palmer)号科考船上的27名科学家仍留在此地,继续探索海边的冰间湖、以及受到飓风影响、以极快速度结冰的开放海域等。上周,这群科考人员见到了一片令人目眩神迷的奇景:海面上漂浮着大片龙鳞状的浮冰,又好似蝴蝶翅膀在显微镜下的微观结构。

“龙鳞状冰面是一种非常罕见而诡异的现象,2007年之后从未被观察到过。”参与此次远征的科学家之一、澳大利亚塔斯马尼亚大学海洋与南极研究所的盖伊·威廉姆斯(Guy Williams)在一份声明中解释道。

正如威廉姆斯所说,龙鳞状冰面的确非常罕见,不过这也许是因为我们很少在严冬时节逗留在南极。“我从未见过这样的景象。它通常出现在冬季,那时的南极往往荒无人烟。”华盛顿大学海冰研究专家塞西莉娅·比兹(Cecilia Bitz)指出。

比兹认为,威廉姆斯在声明中描述的情况“在南极冬季似乎很常见。冬季的南极常刮下降风,加速了冰间湖的形成。我此前从未听过龙鳞状冰面。它看上去就像冰面上冻着一层糖霜。”美国国家冰雪数据中心的海冰研究专家朱莉安娜·斯托夫(Julienne Stroeve)表示,“这些照片真的很酷。”

这种神秘的冰面究竟是如何形成的?正如斯托夫所言,“糖霜”在南极非常普遍,它们是半融化的冰由波浪或风所塑造出的产物。比兹也赞同这一观点。“它看上去像是一小片一小片的海冰在强风吹拂下堆积出的结构。这没什么稀奇的。”

发现这一奇景时,威廉姆斯和其他科学家正在穿越南极西部罗斯海特拉诺瓦湾(Terra Nova Bay)的冰间湖,等着下降风的来临,以便进一步研究冰层下的海水。

龙鳞状冰面背后的物理原理也许稀松平常,但它无疑提醒了我们,地球最遥远的角落有着超越尘世的美景。

IT之家