長年、科学者たちは機械に触覚を備えさせようとしてきました。知能的ヒューマノイドや義肢に電子皮膚を装備し、皮膚が自然かつ協調的に人間と働き、環境内の様々な構造を操作できるようにしてきました。 これら電子皮膚は大規模センサーアレイで構成され、迅速な体性感覚知覚を提供します。しかし触覚データをセンサーから直列伝送するため、読み出しレイテンシボトルネックが生じます。 シンガポール大学研究者たちが、超高応答性・堅牢性を持つ「非同期符号化電子皮膚（ACES）」を開発。神経系に着想を得て、圧力・温度・湿度を検知。ほぼ全タイプのセンサー皮膚層とペアリング可能で、電子皮膚として効果的に機能します。 仕組み

AIはチェスと囲碁で成功証明済みですが、ルービックキューブのようなより難しいパズルは機械知能で解かれていません。機械学習に独特で興味深い課題を提示する古典的組み合わせパズルです。 機械学習手法が以前ルービックキューブ解法に用いられたことはありますが、効率的・確実には解けず、特定ドメイン知識に依存していました。 カリフォルニア大学アーバイン校研究者たちが、特定ドメイン知識なしで非常に複雑なパズルを解く深層強化学習アプローチ「DeepCubeA」を開発。人間のインゲームコーチングなしで数秒でルービックキューブを解きます。 次元増加で基礎組み合わせパズル複雑性は劇的増大。15パズル最適解は従来

過去10年間、自然言語処理コミュニティはますます大規模・高度な言語モデルの成長を目撃してきました。 AIと人間自然言語を備えた深層ニューラルネットワークの時代に、ハーバード大学とIBMリサーチの研究者たちが、コンピュータ生成テキストを検出する統計的手法を開発しました。 自然人間言語と機械生成テキストを区別するインタラクティブツール（公開済み）を構築。人々により多くの情報を提供し、何が偽で何が本物か判断できるようにすることが目的です。 AIモデルは通常、世界中のウェブから数百万テキストで訓練されます。互いに最も頻繁に続く単語を予測し人間言語を模倣。例：「You」の後には統計的に「were」

科学が知る最も魅力的な計算デバイスは人間の脳です。単一コンポーネント「ニューロン」のグループで様々な複雑操作を実行します。 現代CPUがギガヘルツ速度で動くのに対し、脳は数ヘルツのクロック速度で動作。しかし並列で毎秒数兆回計算を実行し、会話・歩行・運転など従来コンピュータ未達成の複雑なことを容易にこなします。 今日の計算デバイスと比べ、脳はこれらタスク遂行に非常に少ないエネルギーしか消費しません。そのため研究者たちは効率的ニューラルネットワークで脳の計算性能模倣を試みています。従来マイクロプロセッサもニューラルネットワークのようにプログラム可能ですが、過剰な計算リソースとエネルギーを消費し

サンプルクリアリングや拡張顕微鏡法など現代光顕微鏡手法は臓器への詳細な洞察を提供しますが、処理が極めて困難な巨大データを生成します。 先進ライトシート顕微鏡の助けで大型サンプルを高速処理可能ですが、テラバイト級の過剰データが生成され、科学者がふるい分け・整理するのが困難です。 国際研究チームが、生物学的分析プロセスをシンプルにするソフトウェア「BigStitcher」を開発。複雑なデータを再構築し、3DモードのGoogleマップのような結果を得られます。 機能 BigStitcherで科学者たちは全体像を俯瞰し、特定位置にズームインして個別構造を所望解像度で分析可能。 具体的には、マル

2016年、フランス政府が500万ドル超を投じて全長1キロメートルのソーラーロードを建設。世界初のソーラーロードは2016年12月開通。費用は520万ドルで、30,000平方フィートの太陽電池パネルで構成。 建設は仏大手土木企業コラスグループ。同社は道路・鉄道建設専門で、独自ソーラーロード技術「ワットウェイ」を5年以上開発していました。 仏環境省は地元町トゥールーヴルの街路灯を賄う十分な発電を見込み、今後5年で1,000kmの高速道路を光起電パネルで舗装する計画でした。 試験は3年も経たずに終了。グローバル建設レビュー報告書によると、複数の亀裂が発生し、大部分（90メートル）が2018年

21世紀には確実に2つのことが起こります：地球は温暖化し、太陽電池の導入は増加します。この2要因を考慮すると、地球温暖化が今後数十年の太陽光発電にどう影響するかが問われます。 光起電力セルは温度に敏感で、性能は主にエアロゾル濃度・大気中水分量など地域気象条件に基づきます。最も普及しているシリコン光起電技術の性能は、気温・湿度上昇で低下します。 気温上昇の太陽電池性能への影響は複数研究で扱われてきましたが、日射量変化の予測は不確実でした。MIT研究者たちが、世界規模でシリコン光起電セル性能への気候変動影響のシンプルな予測を提示しました。 代表濃度経路（RCP）4.5シナリオを用いて光起電設

フロントヘッドライトに組み込まれたハイビームランプは夜間視認距離を大幅に向上させますが、対向車ドライバーに危険な眩惑を与える可能性があります。 現在全車両にハイビームヘッドライトが装備され、ドライバーに明るい長距離照射を提供しますが、これらライトシステムは依然として手動制御が必要。人間ドライバーは誤りやすく、ハイビームを誤用（または過少使用）しがちです。 NVIDIAの研究者たちが、車両の夜間視界を向上させながら対向車ドライバーを眩惑させないAIモデルを開発。つまりAIが知覚を用いて対向車への眩惑を低減します。 AutoHighBeamNet 車載フロントカメラで撮影した画像で深層ニュー

クラウドストレージとクラウドコンピューティングの需要拡大に対応するため、企業はWANバックボーン容量増強に数百万ドルを費やしています。 主要課題の一つは、ネットワーク可用性と利用率のバランス維持。高利用率チャネルは突然のトラフィック急増に対応できず、ノード/リンク障害を招きます。 MIT、マイクロソフト、ヘブライ大学の研究チームが、金融リスク理論から着想を得た新数学モデルを開発。株式市場投資家が市場変動でリターン最大化と損失最小化を図る理論です。 新モデル「TeaVar」（Traffic Engineering Applying Value at Riskの略）は、データセンター間リンク

ホログラム概念は1948年に発見されましたが、適切な光源であるレーザーが発明される1960年までホログラム作成は不可能でした。以来、ホログラフィーは表示・科学映像両分野で急速に拡大しました。 光学ホログラフィーは今や巨視的材料の3Dイメージングとセキュリティ応用で一般的手法ですが、空間分解能は光波長（1マイクロメートル）によって制限されます。したがってナノスケール物体のイメージングには使用できません。 スイス連邦工科大学の研究者たちが、自由伝播電子という奇妙な写真媒質を用いて、波長の限界を超えたナノメトリックスケールでの光の振る舞い観察手法を開発しました。 電子と光の相互作用 光と自由電

今世紀の気候変動緩和には、航空旅行を含む全ての電化が重要です。電気航空機が必要です。非現実的に聞こえますが、多くの研究機関・民間組織が2030年までの電気飛行実現に取り組んでいます。 これまで設計された電気飛行機は電気モーターで推力プロペラを駆動。航空燃料より電気エネルギーコストが大幅に低く、排気ガスと騒音も燃焼エンジンより低いです。 NASAも近年この技術に参入。2019年5月、大学リーダーシップイニシアチブプロジェクト支援のため3年間で600万ドルの資金提供を発表しました。 プロジェクト名は「航空機用超低温高効率電気技術センター（CHEETA）」。液体水素を極低温で貯蔵しエネルギーと

降雪地域では、風力タービンや太陽光などグリーンな再生可能電源へのアクセスが困難です。日照時間短縮、長期曇天、零下気温、積雪など極端な気象条件が発電に影響します。 こうした地域気象条件を利用した代替技術もありますが、一般的な気象センサー・観測ステーションには、極端環境での動作能力、複雑な設計、コスト、持続可能な電源必要性など多くの制限があります。 カリフォルニア大学ロサンゼルス校（UCLA）の研究者たちが、降雪から電力を生成する新デバイスを開発。安価で史上初、プラスチックシートのように柔軟なデバイスです。 雪ベース摩擦帯電ナノ発電機 この賢いデバイスは、降雪量、雪の方向、風速を調べられます

米国では建物が電力使用のほぼ70%を占め、年間国家エネルギー費は4,300億ドル超。冷暖房だけでこのエネルギー使用の48%を占めます。 熱力学第2法則によれば、冷却は加熱より困難。これまでコンクリート・鉄鋼生産の扱いや様々な受動冷却スキームで冷房コスト削減が図られてきました。 メリーランド大学とコロラド大学の研究者たちが、日光を反射し余分な熱を放射する木材で、これら全てを管理できる単一ソリューションを発見しました。 新木材の製造 ほとんどの材料は熱を吸収し、近赤外（IR）光子として放出。これらは周囲の空気分子に吸収され、領域を高温にします。近年、熱を捕捉しより長い中間IR波長で放出する塗

人工ニューラルネットワークアーキテクチャと生成敵対ネットワークの最近の進歩により、画像/動画合成手法の開発が促進されました。既存研究の多くは「無条件動画生成」と「動画予測」の2操作に焦点を当てています。両方とも限られた過去フレームを用いて新しい妥当な動画を生成/予測します。 Googleの研究チームは、開始フレームと終了フレームの2フレームのみが利用可能な場合に、多様で妥当な動画シーケンスを作成する問題に取り組みました。この「インビトウィーニング（中間補間）」は通常、ゲート付き再帰ユニットや長短期記憶を用いた再帰型ニューラルネットワークの訓練/実行で行われます。 しかし今回、3D畳み込みニ

マイクロソフトが会話人工知能分野で新記録を樹立しました。様々な自然言語理解タスクでテキスト表現を学習するための、拡張版マルチタスク深層ニューラルネットワーク（Multi-Task DNN）を開発しました。 堅牢で汎用的な言語表現は、様々な自然言語処理（NLP）タスクで優れた結果を得るために重要です。アンサンブル学習はモデル汎化を高める最も効率的なアプローチの一つ。これまで機械読解から質問応答まで様々な自然言語理解（NLU）タスクで最先端成果を得るために用いられてきました。 しかし、こうしたアンサンブルモデルは数百の深層ニューラルネットワーク（DNN）モデルを含み、実装コストが非常に高いです

AI分野の最近の進歩により、大量データで訓練される大規模ネットワークの新時代が到来しました。これらのネットワークは、基本的な自然言語処理（NLP）タスク全般で劇的な精度向上を達成しています。 特にリソースを大量に消費するモデルほど最高スコアを記録しますが、こうしたモデルの訓練には膨大な計算リソースが必要で、多大なエネルギーを要します。 マサチューセッツ大学アマースト校の研究者たちが、大規模ニューラルネットワーク訓練のライフサイクル評価を行い、AIモデルからの二酸化炭素排出量を論文で公表しました。 10年前はNLPモデルを従来のサーバーやノートPCで開発・訓練できましたが、今は違います。今

MITの研究者たちが、ホログラムの視覚効果を印刷物上で再現する新技術を開発しました。特別なディスプレイ画面やカメラを使用しません。 MIT博士2名が立ち上げたスタートアップ「Lumii」は、IDカード、ラベル、パッケージなどに3Dに見える画像を作成します。数年間このプロジェクトに取り組んできました。 3D外観の技術的背景 クリーンフィルムの両面に数千万個のインクドットを精密に配置する複雑なアルゴリズムを開発。これにより特殊レンズやフィルムと同等の視覚効果を生む光場が形成されます。デザインに動き、奥行き、色彩効果を追加します。 これは信号処理や機械学習の問題と捉えられますが、研究者たちは最

多くの国が宇宙計画に巨額（数十億ドル）を投じています。米国は1958年以来リーダーであり、NASAに年間180億ドル以上を支出。なぜこれほど宇宙計画にお金をかけるのか疑問視する声もあります。 しかしNASAは創設以来、単なる宇宙研究以上のことを行ってきました。今日、私たちが日常的に使う多くの製品が、実はNASAの研究開発の成果であることをご存知でしょうか。当たり前のように使っている驚くべきNASA発明をいくつか紹介します。 30. 耳式体温計 星の温度測定に使われる赤外線技術を応用。鼓膜から放出されるエネルギー量を検知して体温を測定します（病院で一般的）。 29. 靴の中敷き 1950年

20億人以上がソーシャルメディアで日常生活を共有し、個性・感情・人口統計学的特徴を露出しています。月間アクティブユーザーは2021年までに30億人（世界人口の約1/3）に達すると予測されます。こうした情報には人口レベルでの有用な健康シグナルが含まれています。 ペンシルベニア医科大学とストーニーブルック大学の研究者たちが、患者の電子カルテ（EMR）とソーシャルメディアデータをリンクし、疾患マーカーを特定しました。999人の患者から約949,000件のFacebookステータス更新（2,000万語以上）を分析。自然言語処理で各参加者の言語を700次元の患者言語エンコーディングに変換し、EMR診断

宇宙の進化を説明するため、科学者たちは天体観測から情報を抽出するために多数のシミュレーションを必要とします。数十億年の巨大な体積で、正確な物理モデルによる数十億粒子の評価が関わります。 天体物理学者は通常、N体シミュレーションで宇宙の構造形成を予測しますが、計算コストが高いです。米国の研究チームが、ディープラーニングを用いてN体シミュレーションの代替となる新モデル「Deep Density Displacement Model（D3M）」を開発。遥かに短時間でより正確な結果を出力します。 Deep Density Displacement Model（D3M） D3Mは単一の宇宙論パラメー