非同期にコード化された電子皮膚は、超高精度と応答性で圧力、温度、湿度を感知できます。 人間の感覚神経系の1,000倍の速さでタッチを検出できます。 人工知能と統合して、高性能のマシンブレインインターフェースを実現できます。 科学者たちは何年もの間、機械に触覚を備えさせようとしてきました。彼らは、インテリジェントな人間のようなアンドロイドと人工皮膚に電子スキンを装備しました。これにより、スキンが自然に、人間と協力して、環境内のさまざまな構造を操作できるようになります。 これらの電子皮膚は、体性感覚をすばやく知覚するための多数のセンサーで構成されています。ただし、センサーから触覚データ

DeepCubeAという名前の新しい深層強化学習アプローチは、ルービックキューブを数秒で解決できます。 深層学習モデルは、ロボット工学や自然科学など、他のさまざまな分野に適用できます。 人工知能（AI）は、チェスと囲碁ですでに成功していることが証明されていますが、ルービックキューブのようなより難しいパズルは、マシンインテリジェンスでは解決されていません。これは、機械学習に独自の興味深い課題をもたらす古典的な組み合わせパズルです。 以前はルービックキューブを解くために機械学習技術が使用されていましたが、パズルを効率的かつ確実に解くことができませんでした。また、これらの手法は特定のドメイン知

新しい統計手法では、AIで生成されたコンテンツを検出できます。 テキストのエラーにフラグを立てるだけでなく、予測しすぎるテキストを識別することで機能します。 この10年間で、自然言語処理コミュニティは、ますます大きく、よりスマートな言語モデルの成長を目の当たりにしてきました。 人工知能と人間の自然言語を備えたディープニューラルネットワークの時代に、ハーバード大学とIBM Researchの研究者は、コンピューターで生成されたテキストを検出するための統計的手法を開発しました。 彼らは、機械によって生成された自然な人間の言語とテキストを人間の音声から区別するためのインタラクティブなツー

MITの研究者は、超伝導ナノワイヤーから人工ニューロンを設計しました。 理論的には、そのようなニューロンの単純な回路は、人間の脳と同じくらい効率的に機能することができます。 ネットワークは、1ワットあたり1秒あたり100兆のシナプス操作を実行できます。 科学で知られている最も魅力的なコンピューティングデバイスは人間の脳です。単一のコンポーネントであるニューロンのグループの助けを借りて、さまざまな複雑な操作を実行できます。 ギガヘルツの速度で動作する最新のCPUとは異なり、脳はわずか数ヘルツのクロック速度で動作します。ただし、1秒あたり数兆回の計算を[並行して]実行するため、人間は、会話

研究者は、生物学的分析を容易にするための新しいソフトウェアプログラムを構築しました。 大規模なデータセットを自動的に処理し、インタラクティブな視覚化、高速で正確な位置合わせ、およびリアルタイムの融合を可能にします。 サンプルの除去や拡大顕微鏡などの最新の光学顕微鏡法は、臓器に関する詳細な洞察を提供しますが、処理が非常に困難な膨大な量のデータを生成します。 これらの方法は、高度なライトシート顕微鏡の助けを借りて、科学者が大きなサンプルを迅速に処理することを可能にします。ただし、このような手順では過剰なデータ（テラバイト単位）が生成されるため、科学者がデータをふるいにかけて整理することは

2016年、フランス政府は1kmの長さのソーラー道路の建設に500万ドル以上を投資しました。 このモデルは、エネルギー効率も経済的にも実行可能ではないことが証明されています。 道路にひびが入り、損傷したため、裁判は終了しました。 2016年12月に世界初のソーラー道路がフランスで開通しました。これは途方もなく高額なプロジェクトでした。フランス政府は、3万平方フィートのソーラーパネルで構成される1キロメートルの長さの道路を建設するために520万ドルを費やしました。 この道路は、フランスの大手土木会社であるColasGroupによって建設されました。道路建設と線路建設を専門としています

MITの研究者は、気候変動がシリコン太陽電池の性能に与える影響の簡単な予測を示しています。 平均して、太陽電池の出力は、温度が1度上昇するごとに0.45パーセント減少します。 21世紀には、地球が暖かくなり、ソーラーパネルの導入が増えるという2つのことが確実に起こります。これらの2つの要因を考慮すると、地球温暖化が今後数十年の太陽エネルギー生産にどのように影響するかという疑問が生じます。 太陽電池は温度に敏感であるため、その性能は主に、エアロゾル濃度や大気中の水分含有量などの地域の気象条件に基づいています。最も人気のある太陽光発電技術であるシリコンの性能は、温度と湿度のレベルが上がる

新しいDeepNeural Networkにより、他のドライバーがヘッドライトに目がくらむことがないようにしながら、夜間の車両の視認性が向上します。 個々のハイビームLEDを暗くし、交通パターンに応じてグレアのないゾーンを作成します。 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、夜間の視界範囲を大幅に拡大しますが、他のドライバーに危険なまぶしさを与える可能性があります。 現在、すべての車両にハイビームヘッドライトが取り付けられており、ドライバーに明るく長距離の照明を提供していますが、これらのライトシステムには手動制御が必要です。また、人間のドライバーはエラーが発生しやすいた

新しい数学モデルは、データセンター間のリンクがグローバルに失敗する確率を評価します。 これは、金融リスク理論からインスピレーションを得ています。 クラウドサービスプロバイダーがデータセンターのリソースをより有効に活用し、数百万ドルを節約するのに役立ちます。 増え続ける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に対応するために、企業は数百万ドルを費やしてWANバックボーンの容量を増やしています。 主要な課題の1つは、ネットワークの可用性と使用率のバランスを維持することです。使用率の高いチャネルでは、突然のトラフィックサージを処理できず、ノード/リンクに障害が発生する可能性が

研究者は、自由に伝播する電子を使用して、波長の制限を超えて光がどのように動作するかを確認します。 彼らは、ナノスケールの物体を捉える新しいホログラフィック手法を開発することができました。 量子計算の新しい扉を開くことができます。 ホログラムの概念は1948年に最初に発見されましたが、科学者は1960年に適切な光源であるレーザーが発明されるまでホログラムを作成できませんでした。それ以来、ホログラフィーはディスプレイと科学画像の両方の分野で急速に拡大しました。 。 光学ホログラフィーは、現在、巨視的材料の3Dイメージングおよびセキュリティアプリケーションの一般的な方法になっています。た

NASAは、University LeadershipInitiativeプロジェクトをサポートするために3年間で600万ドルの資金を提供します。 このプロジェクトは、二酸化炭素をゼロにし、その他の有害な排出物を放出しない完全な電気航空機を開発することを目的としています。 今世紀の気候変動を減らすためには、空の旅を含むすべてのものに電力を供給することが重要です。電動機が必要になります。このアイデアはとてつもないものに聞こえるかもしれませんが、多くの研究センターや民間組織が2030年までに電気飛行を行うよう取り組んでいます。 これまでに設計された電気飛行機は、電気モーターを使用して推力を発

研究者たちは、降雪から静電気を発生させる、この種では初めての装置を開発しました。 ソーラーパネルと統合して、雪の降る状況でも継続的に電力を供給することができます。 また、風向と降雪量を監視するセルフパワーセンサーとしても機能します。 降雪地域では、風力タービンや太陽エネルギーなどのグリーンで再生可能な電源にアクセスするのは非常に困難です。短い日照時間、長時間の雲量、氷点下の気温、大雪の蓄積などの異常気象は、エネルギー生成に影響を与える可能性があります。 いくつかの代替技術は、そのような地域の気象条件を利用し、より実行可能なエネルギー生成戦略を提供します。ただし、通常の気象センサーや

新しいタイプの木材は太陽光を反射し、余分な熱を放射します。 この新しい木材の重量あたりの機械的強度は、鋼の3倍です。 建物の温度を10°Cまで下げることができ、冷却コストを60％削減できます。 米国では、建物が電力使用量の70％近くを占めており、年間の全国エネルギー料金は4,300億ドルを超えています。冷房と暖房だけで、このエネルギー使用量の48％を占めています。 熱力学の第二法則によれば、冷却は加熱よりも困難です。これまでのところ、科学者たちは、コンクリートや鉄鋼の生産を処理する方法や、冷却コストを削減するためのさまざまなパッシブ冷却スキームについて、さまざまな手法を考案してきまし

新しい3D畳み込みニューラルネットワークは、開始フレームと終了フレームの間のシーケンスを埋めることができます。 潜在表現ジェネレータを使用して、さまざまなビデオシーケンスを生成します。 人工ニューラルネットワークアーキテクチャと生成的敵対的ネットワークの最近の進歩により、画像/ビデオ合成手法の開発が促進されています。既存の研究のほとんどは、無条件のビデオ生成とビデオ予測の2つの操作に焦点を合わせています。どちらも、限られた数の過去のフレームを使用して、新しいもっともらしい動画を生成/予測する必要があります。 最近、Googleの研究チームは、利用可能なフレームが2つ（開始フレームと終了フ

Microsoftは、会話型人工知能の分野で新しいレコードを作成しています。 彼らは、さまざまな自然言語理解タスク全体でテキスト表現を学習するためのマルチタスクディープニューラルネットワークの拡張バージョンを開発しました。 堅牢で普遍的な言語表現は、さまざまな自然言語処理（NLP）タスクで適切な結果を得るのに重要です。アンサンブル学習は、モデルの一般化を強化するための最も効率的なアプローチの1つです。これまでのところ、開発者はこれを使用して、機械の読解から質問応答に至るまで、さまざまな自然言語理解（NLU）タスクで最先端の結果を取得してきました。 ただし、このようなアンサンブルモデル

大規模なニューラルネットワークの開発と最適化により、284,000キログラムもの二酸化炭素が排出される可能性があります。 これは、平均的な自動車の生涯排出量の5倍に相当します。 人工知能（AI）の分野における最近の進歩は、大規模なデータでトレーニングされた大規模ネットワークの新時代の到来を告げています。これらのネットワークでは、いくつかの基本的な自然言語処理（NLP）タスク全体で精度が大幅に向上しています。 特に、最もリソースを消費するモデルは、最高のスコアを達成しています。ただし、このようなモデルのトレーニングには大量の計算リソースが必要であり、かなりのエネルギーが必要です。 最

Lumiiという名前のスタートアップは、画像をID、ラベル、パッケージなどに3Dで表示します。 機械学習に着想を得たアルゴリズムを使用して、きれいなフィルムの両面に数千万のインクドットを正確に配置します。 このデザインは、印刷物に動き、奥行き、色彩効果を追加します。 通貨や製品の認証に使用される3Dホログラムを作成するには、通常、複雑で高価なプリンターが必要です。これが彼らを偽造するのを非常に難しくしている理由です。 現在、MITの研究者チームは、印刷物にホログラムの視覚効果を再現できる新しい技術を開発しました。派手なディスプレイ画面やカメラは使用していません。 2人のMITPhDが

多くの国が宇宙計画に多額の資金（数十億ドル）を投入しています。米国は1958年以来リーダーであり、米国航空宇宙局（NASA）に年間180億ドル以上を費やしています。米国が宇宙計画にこれほど多くのお金を費やしている理由を疑問視する人もいます。 真実は、NASAが設立以来、宇宙空間を研究するだけではありません。今日、あなたは日常生活の中で、NASAの研究開発の結果であるとはおそらく知らなかった多くの製品を使用しています。私たちは、私たちが毎日当たり前と思っているいくつかの驚くべきNASAの発明に焦点を当てています。 30。耳式体温計 赤外線技術は、星の温度を測定するために使用されます。同

Facebookの投稿だけで、糖尿病、うつ病、不安、精神病などの病気を予測できます。 ゲノム情報と同様に、ソーシャルメディアコンテンツはヘルスケアをパーソナライズすることができます。 20億人以上の人々が、ソーシャルメディアプラットフォームを介して日常生活に関する情報を共有し、多くの場合、自分の性格、感情、人口統計を明らかにしています。その数は、2021年までに30億人を超える[月間アクティブソーシャルメディアユーザー]に達すると予想されており、全人口の約3分の1です。 このような情報には、人口レベルでの有用な健康信号が含まれています。最近、ペン医学とストーニーブルック大学の研究者は

宇宙の最初のAIシミュレーターは、高速かつ正確です。 AIモデルは、相対誤差2.8％で、30ミリ秒で6億光年幅の宇宙をシミュレートできます。 このシミュレータが内部でどのように機能するかを研究者が知らないのは非常に驚くべきことです。 私たちの宇宙の進化を説明するために、科学者は空の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。このプロセスには、数十億年にわたる膨大な量の正確な物理モデルを使用して、数十億の粒子を評価することが含まれます。 天体物理学者は通常、N体シミュレーションと呼ばれるアプローチを使用して宇宙の構造形成を予測します。ただし、この方法は計算コス