清析技术研究院

特斯拉又出大消息，马斯克自己都承认可以监控车内，但没有想到画面如此清晰。为了查看车内摄像头的监控效果，特斯拉黑客大神“绿神”，近日提取到特斯拉车内摄像头的拍摄画面。并且，分享了两段白天和夜晚的拍摄效果。视频中能查看到车内驾乘人员的动作、姿态，但是操作细节不能记录到。对于启用车内摄像头的行为，特斯拉解释道，目前主要是为了纪录FSDBeta车主在测试过程中的行为和注意力保持情况。事实上，刚刚不久马斯克的特斯拉自动驾驶汽车，被视为移动间谍车，甚至攻击武器的问题刷屏。随后，特斯拉上海超级工厂遭受网络攻击，以及马斯克承认后台视频监控司机等情况，一涌而来，也有人说和特斯拉降价有关，有商业竞争的意味。但无论怎样讲，从国家战略安全的视角思考，特斯拉无疑最能体现网络战争---中美博弈的最前线这个主题。如果按美国网络空间司令部不算新颖的词，这叫阵地前置。我们称之为关口前移。也就是说，中美网络战争的最前线，已经贯通虚实空间，就在我们眼前身边飞驰而过。 这其中，我们最需要担心的是什么？除过驾驶安全隐患以外，自动驾驶汽车所搜集的信息，会侵犯个人隐私吗？有什么军事价值？和马斯克的“星链”计划有什么联系？与美国国防部又是什么关系？这一切，都亟待我们思考，也最鲜活地体现了我们的视频专栏：《网络战争---中美对抗最前线》。当然，最重要的是，对我们每一个人，尤其是购买特斯拉自动驾驶汽车的朋友来说，这既是国家安全问题，也是重大民生问题，于国于家，都需要我们对这一切有一个深入的了解。 一、先看特斯拉的自动驾驶是怎么回事，到底收集了什么数据？司机成了收集情报的“小白鼠”。2021年3月17日凌晨，美国密歇根州一辆特斯拉不慎撞上停泊在公路右侧车道的警察巡逻车，驾驶员证实当时处于自动驾驶模式。美国高速公路安全管理局将派遣特别事故调查小组调查这起最新车祸。 事实上，过去几年中，特斯拉电动车曾因启动自动驾驶模式招致多起车祸，包括“一头撞进卡车”、“意外加速”等，而最近几周发生了至少3起撞车事故。 在过去有报道的事件中，最严重的一次是2016年，美国佛罗里达州的一辆特斯拉，在自动驾驶模式下，与正在转弯的白色半挂卡车发生碰撞，特斯拉驾驶员不幸身亡。根据分析，特斯拉的辅助自动驾驶系统极有可能是错误地把卡车的白色货厢识别成了天空，导致系统判定无需减速规避，可以顺利通行，于是就毫不迟疑、义无反顾地撞上去了。 为何会出现判断失误？这和特斯拉采用雷达和摄像头相配合的自动驾驶方案有关，这种自动驾驶路径存在天然弊端。比如，雷达擅长检测移动非静止物体，当一辆车不在本车辆的行进方向时（如横穿车辆），它很难监测出来；雷达的输出信号有时会被系统忽略，它甚至可能将立交桥判定成障碍物，导致车辆急刹车。在这些情况下，需要搭配使用摄像头输出的算法来检测，但摄像头在光线的强烈变化下也容易出现失误。 因此，要深入了解自动驾驶机理，需要我们进一步地深入分析，看到底自动驾驶汽车装载了哪些感知产品。目前，应用于自动驾驶的主流传感器产品主要有雷达、摄像头、传感器三类。雷达则包括毫米波雷达、激光雷达、超声波雷达三种。 以特斯拉Model3为例，标配了8个摄像头，1个毫米波雷达和12个超声波传感器。至于激光雷达，出于成本原因，特斯拉并不打算采用。8个摄像头，能为Model3提供360度视野，探测半径250米。12个超声波传感器则是视觉系统的补充。 两套传感器相结合，相对于此前系统精确度大幅提高。除此之外，Model3的传感器套装还整合了处理能力增强版的前视雷达系统。它能为车辆提供额外的环境数据，同时在雨雾、沙尘等天气发挥作用。车头3颗摄像头负责前方视野，与雷达形成互补。这3颗摄像头技术特性并不相同，其中充当主摄那颗探测距离达到250米，但视场很窄，其他2颗探测距离分别为150和60米，但视场要宽上不少。另外5颗摄像头则负责监控车辆侧面和后方，其探测距离可达100米。12颗超声波传感器能在任何速度下稳定工作，控制车辆盲区。特斯拉自动驾驶系统的信息处理是在自研的液冷双核计算平台上进行的，其中芯片非常重要，还有一个强大的算法将以上获取的大量信息进行计算处理，并做出决策指令。 事实上，承载的这个双核计算平台显然无法满足自动导航的信息处理需求，8个摄像头，1个雷达和12个超声波传感器得到的信息，都要上传云端，在特斯拉自己的后台进行处理。 由此来看，特斯拉就是一个移动的高级地形测绘仪，而且进行实时不间断的更新。这些数据的军事价值不言而喻。一旦其数据被用作军事用途，对国家安全威胁极大。 那到底特斯拉的数据会到哪里去呢？我们本讲的下一部分内容给大家详细解读，并深入博弈特斯拉的自动驾驶和“星链计划”的关系，以及其身后美国国防部的大手笔支持。 二、回顾一下特斯拉上海超级工厂遭遇网络攻击的事情，看特斯拉收集到的数据可能到哪里去？前段时间，特斯拉上海超级工厂视频监控系统被入侵，安防系统一家初创公司遭黑客组织入侵，大量监控录像数据被窃取，特斯拉上海工厂等公司的监控镜头片段被曝光，包括其他医院、公司、警局、监狱和学校等15万个监控的实时录像。虽然特斯拉官方当时回应已经停止了这些摄像头的联网，但在监控入侵的这段时间内已经造成了大量监控数据的丢失。到目前为止，这些丢失的数据流向并未有任何的消息，黑客的背后不知道隐藏着谁。 关键在于，此次的监控入侵事件引起了国内的普遍担忧，大家担心，像特斯拉这样的大公司，网络安全防护为何如此的不堪一击？就算国家有数据跨境的严格规定，这些数据不能直接被传输到国外，可如此脆弱的网络安全防护，特斯拉收集的大量数据，不是可以被抱有不同目的的黑客窃取吗？最让人担心的是，美国本身就是世界上最大的黑客帝国，其133支网络战部队早就全部部署到位，黑客都可以拿走，这网络战部队要拿，不是更加轻而易举吗（本文为秦安战略研究院作品，转载需要注明出处）？ 因此，特斯拉上海超级工厂被网络攻击后，网络上流传的一张国内某军工单位的通知表示，担心特斯拉会通过安装在自动驾驶汽车中的摄像机和超声波传感器来收集敏感数据，要求禁止特斯拉车辆进入。 特斯拉CEO马斯克在随后举行的2021年中国发展高层谈论上对此事进行了回应说：特斯拉不会将收集到的数据用于间谍活动，我们会对任何信息保密，如果特斯拉汽车被用在中国或者其他国家从事间谍活动，特斯拉公司将会被关闭。他也表示，特斯拉愿意用最高级别的保密措施，和大家共创互信未来。你相信马斯克的话吗？反正我不相信，他的回应并不能打消人们的担忧，即便网络安全等级提升，那人为的、主动的、预谋的信息窃取呢？因此，完全可以说，马斯克的承诺就是一句空话。 之所以这样讲，是因为马斯克的特斯拉自动驾驶汽车，收集的数据价值太大了，不仅仅是个人隐私以及驾驶安全的问题，其价值甚至远远超过了侦察威胁和侦察飞机得到的数据。这也是我们经常强调的恶，网络安全既是国家安全问题，也是重大民生问题。要搞清楚这一点，我们再看看特斯拉的自动驾驶系统，到底收集了哪些数据。 前面讲了，特斯拉为了实现自动驾驶，通过8个摄像头，1个雷达和12个超声波传感器得到的了信息，这些信息通过形式转换以后，单就驾驶路况来说，可以得到精确坐标、街道景象数据、道路网数据、导航数据、环境影像等具有地图测绘属性的数据，这些数据进行数据处理与数据分析以后，是可以绘成一幅完整的地图。由于汽车驾驶比任何侦察卫星、飞机等手段，都前所未有地接近实地，进行强大的道路测绘，因此其精准程度远远超过军事侦察监视（本文为秦安战略研究院作品，转载需要注明出处）。 还有一点，就是特斯拉自动驾驶的人工智能的强大力量。看过我们专栏的朋友应该知道，美参联会主席米利上将要形成对解放军新优势的两大“杀手锏”，就是无人准备和人工智能，这两点，其实马斯克的特斯拉，先在中国大街小巷做到了。不知道这属不属于不战而屈人之兵？ 2020年8月，马斯克介绍了其全新的用于神经网络训练的超级计算机 Dojo。Dojo 在日语中意为「道场」，现在它成为了特斯拉训练数据的「道场」。Dojo 将专门用于大规模的图像和视频数据处理，其浮点运算能力达到了 exaflop 级别，也就是每秒运算百亿亿次。强大运算能力的计算机配合无监督学习算法，让特斯拉自动驾驶技术越来越人工智能化。正因此，马斯克称 Dojo 如野兽一般。因此，我们面对的特斯拉自动驾驶系统，不仅仅是一台汽车，他对情报的收集、处理、发送，包括隐藏能力，就是一个超级的专家，远远超过了我们一般人的理解，自动驾驶者对这些的理解和把握，和自动驾驶系统相比，很可能就是5岁的孩子和50岁的专家比较，其实是完全在其控制之中，只剩下听话的了，仅此而已。除此之外，我们从数据流向的角度，以及网络战争的层面，还需要考虑马斯克做的另一件事情，那就是美国国防部大力支持的“星链计划”。三、从军事角度看，“星链”可以随时“提取”自动驾驶系统获得的数据，而且“星链”必将提高美军对无人装备的指挥控制能力。关于马斯克的“星链计划”，《网络战争---中美对抗最前线》前面的视频内容专门讲过，所以这里强调的，仅仅是特斯拉自动驾驶系统和“星链计划”的无缝衔接问题。也就是说，当1.2万颗,甚至未来4.2万颗卫星,构建一个巨型3层卫星网络。这3层分别位于距离地面340千米、550千米和1150千米的轨道上，时时刻刻在特斯拉自动驾驶汽车上空的时候，谁说特斯拉的数据不会通过这些卫星传播呢? 而美国国防部以及各军种,对巴斯克”星链”计划的大力支持,已经不是什么秘密了。这方面，前一讲已经详细讲过。这里需要强调的是，特斯拉的自动驾驶汽车，一旦和“星链”接通，特殊时期，这一辆辆汽车，不就是美军可以控制的无人装备吗？其威胁之大，不用讲，大家都可以想象得出。更多详细的内容，欢迎观看智安天下视频专栏：《网络战争---中美对抗最前线》（本文为秦安战略研究院作品，转载需要注明出处）。

华夏时报（chinatimes.net.cn）记者王晓慧 北京报道近年来，政府投资、生物技术与健康档案数字化的高速发展，将精准医疗从概念阶段推进到临床应用。资本和人才的涌入，促使药物研究、基因测序、移动医疗等领域掀起精准医疗商业化、产业化的热潮。据记者了解，已经有约15%肿瘤患者受益于精准医疗。“经过21世纪现代科技和生物医学迅猛发展，健康大数据、云计算、物联网、人工智能、远程医疗、医疗机器人等技术均显著改变了当代医学的价值观、思维模式、诊疗策略、技术特征，乃至医疗服务的业态，在其以下应运而生的精准医疗是一种体现现代科学技术特征、适应社会健康需求的全新医学理念和医疗范式。”近日，清华大学教授、副校长郑力在“精准医学研究院研究中心启动仪式暨智慧医疗研讨会”上表示，为了更好地培育精准医疗的创新成果，由九位院士领衔在精准医学研究院下成立医工结合的六大研究中心，其中包括临床大数据中心、数字医疗与医疗机器人中心、人工心肺中心、智慧健康中心、医学转化影像中心以及可穿戴/可植入医疗设备中心。据记者了解，随着医院、企业、科研机构加大对精准医疗的资源投入，大数据将持续发挥精准医疗发展助推器作用，推动精准医疗产业发展。构建“医研企”创新联盟所谓精准医疗，就是通过准确的决策和精确应用适宜的方法，实现每一个就诊病人的医源性损害最小化，而病患获益最大化，最后实现人文化和科学化的医疗，让病人得到最佳的健康效应。据记者了解，全球的健康医疗支出越来越大，但健康现状现在仍然很不乐观，2018年全球死亡人数是5470万。“全球死亡原因，除传染病、孕产妇、新生儿和营养不良占18.6%，心脑血管疾病、恶性肿瘤以及代谢性疾病等非传染性疾病，占死亡原因73.4%，因此，慢性非传染性疾病已经成为构成全球健康最重大的威胁。”清华大学临床医学院院长、长庚医院院长董家鸿表示，疾病对经济的发展带来了严重的阻碍，全球有10%的GDP用于医疗支出。就我国而言，我们健康服务水平已经跻身到全球第52名，但全国在2017年仍有986万死亡人数，那么，导致死亡的主要疾病是哪些？就此，董家鸿表示，中国前10位死亡原因是中风、缺血性心脏病、肺癌、慢性阻塞性肺疾病、肝癌、交通事故的伤害、胃癌、老年性痴呆、新生儿疾病，以及高血压、心脏病。为此，恶性肿瘤、心脑血管疾病已经和其相关的代谢性疾病将作为精准医学研究院重大的主攻方向。据记者了解，精准医学研究院还将吸纳医药、科研创新企业，构建“医研企”融合的创新联盟，从临床问题与市场需求（Bedside）出发，借助医工结合的实验室研究（Bench），完成前沿科技的临床转化应用，进一步研发出服务于民众（Customer）的健康医疗产品。“在这样一个医研企融合BBC模式下，我们还将和企业以及学校里的一些具有孵化器功能的研究院紧密合作，要和深圳研究院、技术转移研究院、天津电子信息研究院、天津高端研究院合作，作为精准医学研究院的研究成果向产品转化的孵化和研发的联盟。”董家鸿表示，在临床研究中心下还将进一步设前瞻性临床数据库、纵向队列的数据库、临床药物实验中心、研究型病房，打造一个全方位临床研究、转化医学研究和临床转化科学研究的平台，来推动医工结合的快速发展。相关法律框架尚需完善不可否认，精准医疗将有利于治疗方案与预防措施的个性化，提升成功概率，但从另一方面来看，也带来患者个人隐私，尤其是基因信息保护的问题，为此，及时建立相应的法律制度框架及具体规则成为当务之急。据记者了解，由于精准医疗需要采用更精准、个性化，结合现代化的手段，包括基因检测等，结合患者的生活环境和临床数据，制定具有个性化的疾病和预防和诊断措施，因此不可避免地，需要对患者信息进行收集、处理和分析，由此可能会引发患者信息泄露、被不合理利用等法律和伦理风险。目前我国并没有针对基因信息进行专门的立法保护，相关的法律法规十分零散，主要分布在民法领域，包括合同与侵权两大途径。“精准医学会引发很多问题，比如穿戴设备采集数据，有一个患者隐私保护问题，采集数据是归患者所有还是归采集公司、还是归医院所有？后期利用数据的交换和合作转让问题，以及研发中知识产权的保护问题，这些都是研究的重点。”清华大学法学院院长申卫星表示，还有一个更严重的是产品责任，过去这些医疗机器都属于工具，它的损害一定是由产品设计者、制造者来承担，但是，如果加入人工智能深度学习之后，造成的损害到底应该是谁的责任？是产品的责任，还是智能主体的责任？这些都会引发法律的变革。其实，包括人工智能、精准医疗、基因编辑、器官移植等等一系列法律问题不解决的话，这些先进的科技、先进的技术，都很难在临床上广泛应用，甚至，科技的双刃剑或会显示出破坏的效应。据记者了解，健康中国和治中国都是中国的战略，法治中国+健康中国就是医疗法要研究的问题。而就在7月6日，国家卫生健康委员会规划信息司司长毛群安在CHIMA2019医院信息领导力论坛上表示，“我国智慧医疗虽然刚刚起步，但是很多公司和有实力的医疗机构都进入到大数据、人工智能领域。业界在科研、临床、服务等方面进行布局，特别是辅助诊断和治疗方面，成为创新的热点。”就此，毛群安建议，医疗健康大数据利用，存在法律、管理、技术规范等问题，在此过程中要把握好平衡，也就是，既要推动行业应用大数据技术，在AI方面抢先，又要保证信息安全。责任编辑：徐芸茜 主编：陈岩鹏

封面新闻记者 宁芝精神疾病患者的大脑皮层细微结构什么样？是否可以在极其微观的影像下看到一些与正常人脑皮层的差别？没有噪声干扰并激活脑信号条件下人类大脑的语言文字区是否还在正常发挥作用？目前很难提早一些发现的微小肝癌细胞病灶能否更早一些通过捕捉细胞代谢情况而被发现？……对于这些问题，我们的医生可以通过一系列高端磁共振精准影像技术，比如7T磁共振找到答案，并将研究成果运用于临床。日前，GE医疗全新一代超高场SIGNA 7T磁共振发布会在成都举行。好消息是，随着华西转化医学中心的落成，四川将有望基于高精尖磁共振平台，引领西部地区精准医学研究，辐射全国。目前，我国包括中科院生物物理研究所、浙江大学、首都医科大学附属北京天坛医院等医院已引入7T磁共振。相比普通的磁共振，SIGNA 7T磁共振具备独有的静音脑功能成像，而且在解剖、功能、代谢和微血管等领域能形成精准成像，达到毫微米级的分辨率。四川大学华西医院放射科暨影像中心主任、医促会影像学专委会主委宋彬教授认为，目前7T磁共振特别适用于研究人脑，脑是人类最复杂的部位，7T磁共振能够让我们清晰看到脑结构。四川大学华西医院放射科暨影像中心主任、医促会影像学专委会主委宋彬教授“例如，像脑纤维、海马体，以前我们难以看到它们非常精细的结构，现在有了7T磁共振后，我们可以看到海马非常清晰的形态，这有助于医生找出难以发现的大脑异常，找到疾病背后的真相，为临床工作提供基础研究的论证。”宋彬说。据悉，目前7T磁共振对癫痫、精神分裂症、帕金森氏病、阿尔兹海默症等发病机理的探究具有极高的临床价值。

新华社北京9月3日电（记者董瑞丰）我国科学家领衔的一支国际研究团队采用一项全新的多重放大模拟技术，在当前标准宇宙学模型下，首次获得了宇宙中全尺度暗晕内部结构的清晰图像。研究成果2日由国际知名期刊《自然》在线发表。研究人员耗时5年，借助超级计算机，获得了从类似地球质量大小到巨型星系团大小的暗晕的清晰图像，跨越20个数量级。论文第一作者兼共同通讯作者、中国科学院国家天文台研究员王杰介绍，在宇宙中一个典型区域进行这一超级放大模拟，需要利用8个“放大镜”接力去放大，其放大程度相当于在一张月球表面的图片上找到一只跳蚤。暗晕即暗物质晕。根据科学家理论推演，宇宙中约85%的物质成分是暗物质，其物质属性和组成恒星、行星以及我们人类世界的普通物质截然不同。这些暗物质受引力塌缩形成的结构体被称为暗晕。普通物质的气体冷却、聚集于暗晕中心，从而形成璀璨的恒星和星系。宇宙中已知最大质量的暗晕是包含数百个亮星系的巨型星系团，质量大约是太阳的百万亿倍，它们的属性已经被天文学家广泛研究。小质量的暗晕则没有那么幸运，它们虽然数量极多，但人类对其知之甚少。论文作者之一、中科院国家天文台研究员高亮介绍，因为小质量暗晕在整个宇宙演化历史里一直保持“黑暗”，科学家只能依赖超级计算机通过模拟宇宙的演化来研究这些超微暗晕。计算机模拟的超级“放大镜”让研究人员得以详尽地研究不同尺度暗晕的形成、演化以及内部结构。研究发现，不同质量的暗晕具有极为相似的内部结构，即中心致密，往外逐渐稀疏。根据目前一些理论推测，大量暗物质粒子会在致密的暗晕中心相互碰撞、湮灭并产生伽马辐射暴。研究人员表示，未来的伽马射线观测极可能捕捉到来自超微暗晕的辐射信号，从而一窥这些宇宙中的“超级小矮人”的真容。这将帮助科学家验证关于暗物质本质的假设——暗物质可能并不是“完全黑暗”。（完）

艺术家对宇宙中具有不同质量的暗晕的想象图。（喻京川 绘制）中新网北京9月3日电 (记者 孙自法)备受关注的暗物质研究最新获得一项重要理论突破——天文学家在当前标准宇宙学模型下，首次获得宇宙中从最小的类似地球质量大小到具有最大质量的超级星系团(跨越20个数量级)的暗物质晕(暗晕)内部结构的清晰图像。这一重大天文成果由中国科学院国家天文台王杰研究员领衔、中德英美等天文学家组成的国际合作团队，历时5年开发、测试模拟程序，利用中国和欧洲的超级计算机，采用一项全新的多重放大模拟技术，最终全尺度解析暗晕内部结构并获得高清图。该成果论文已在北京时间9月2日深夜出版的国际著名学术期刊《自然》上发表。超级放大宇宙模拟里暗物质密度分布示意图：图中展示的是其中的两次放大过程。背景图片里宇宙网格里的节点则是质量为太阳质量的星系团，而左下角里第二张放大的图里最小的结构体则为太阳质量的地球大小的暗晕，其质量跨越20个等级。(中科院国家天文台 供图)目前推测最小暗晕质量可能和地球相当中科院国家天文台介绍，宇宙中约85%的物质成分是暗物质，其物质属性和组成恒星、行星以及人类世界的普通物质截然不同。这些暗物质受引力塌缩，形成的结构体则被称为暗晕。而普通物质的气体通过冷却、聚集于暗晕中心，从而形成璀璨的恒星、星系以及整个光明的世界。宇宙中最大质量的暗晕是包含数百个亮星系的巨型星系团，其质量大约是太阳的百万亿倍。因为恒星和星系只能在比太阳重百万倍的暗晕里形成，对于那些比这一质量小的暗晕，它们在整个宇宙演化历史里一直保持“黑暗”。它们数量极多，人类却对其知之甚少。根据目前流行暗物质属性模型推测，宇宙中最小的暗晕质量可能和地球相当。完成这一超级放大模拟的中欧超级计算机——中国天河2号、英国COSMA、德国Freya(从左至右)。(中科院国家天文台 供图)超级放大模拟相当于在月面图片找跳蚤“因为它们的黑暗，我们只能依赖超级计算机通过模拟宇宙的演化来研究这些黑暗的超微暗晕。”国际团队成员、中科院国家天文台高亮研究员说，为了在整个宇宙的背景框架下研究只有太阳系大小暗晕的内部结构，国际团队通过开发一种全新的技术，运行一系列超级放大宇宙模拟，质量放大倍数跨越30个数量级(即100万亿亿亿倍)。这些超级放大的模拟使该团队得以可靠并详尽地研究从地球到超级星系团质量暗晕的形成、演化以及内部结构。来自英国杜伦大学的论文共同作者卡罗斯·弗朗克(Carlos Frenk)教授形象称，在宇宙中一个典型区域进行的这一超级放大模拟，需要利用8个“放大镜”接力去放大。其放大程度相当于在一张月球表面的图片找到上面的一只跳蚤。如何逐次去配置每一个新的“放大镜”，使新获得的图像和原来的一样精确清晰就对模拟原初条件的精度和程序的精确度和可靠度提出巨大的挑战。“这一挑战是我们整个领域都从未遇到过的，也是我们从业以来所遇到的最艰难的一次”。所有质量暗晕内部结构极为相似王杰指出，“人们一直猜测那些小的暗晕应该和我们熟悉的超大暗晕内部结构不一样，但令人惊叹的是我们发现所有质量的暗晕竟然均具有极为相似的内部结构——中心致密，往外逐渐稀疏，而大量的更小的暗物质团块在其相对较外的空间环绕。如果不知道比例尺，在图像上几乎很难区分一个巨大的星系团暗晕和一个只有地球质量大小的超微暗晕。”这些新获得的对小质量暗晕内部结构的认识将让天文学家可以利用各种工具去探测它们，比如引力透镜，动力学和伽玛辐射爆的监测。根据目前的一些理论推测，大量的暗物质粒子会在致密的暗晕中心相互碰撞，从而湮灭产生伽马辐射爆。暗物质可能并非“完全”黑暗“我们的结果预测很大一部分辐射来自于那些因为太小而不能形成恒星的超微暗晕。”来自德国马普天体物理所的合作者西蒙·怀特(Simon White)教授表示，“未来的伽玛射线观测极可能捕捉到这些辐射信号，从而让我们一窥这些宇宙中的‘超级小矮人’的‘真容’。这将帮助我们验证关于暗物质本质的假设——暗物质可能并不是我们想象的‘完全’是黑暗的。”据了解，实现暗物质研究重要突破的这一超级模拟，是在中国天河2、英国COSMA、德国Freya等超级计算机上完成，研究论文作者包括中、英、德、美四国7位科学家。(完)

现在人生病，大部分人会首先选择看西医，有的人经过西药的治理病情会得到好转，也有一小部分人，经过西医的治疗，病情并没有好转。这样一类人经过中医疗法，病情有了明显的好转。中医在经过几千年以后发挥它的价值，挽救了很多病人。今天我们要讲的就是有了几千年历史的中医，西方有很多医生对中医持怀疑态度，在一次研究中被中医文化所折服。一，中医发展史面对西方很多医生的对中医的质疑，认为中医看病的疗法没有科学依据，大肆宣传着中医无用论，面对社会上种种质疑，我国老一辈中医邓铁涛说，中医如果没有用，又怎么会流传千年呢。中医几千年的传承是有价值的，治病有效就是回应西方部分医生最有效的证据。中医几千年不倒，是无数代的中医用每一滴汗水总结的，现在的我们在弘扬传统文化，中医作为传统文化的一部分，是需要我们坚持文化自信，继续传承下去。中医最早的创立是依托三本书，分别是《黄帝针灸》、《神农本草经》和《素女脉诀》。这三本是中医最早出现的医药学书籍，被称为“三世绝学”。后来经过历代的中医的摸索，有了大量中医学典籍。最值得一说的是在春秋战国时期，东汉史学家班固将医学典籍分类成为“医经七家”和“经方十一家”。这十八家中医学典籍标志着我国中医学有了系统的根基。中医学在2000多年前的先秦时期就构建起来，放眼世界，中医学是最早形成完备的一门医学，在经过两千多年的今天，人们依旧会利用中医学进行治病。中医存在具有几千年的历史，和只有200多年的西医，两者之间没有可比性。中医在经过几千年的摸索，在一代又一代的医生经验积累而来的，它不是神话迷信，是可以治病的医学。西方医学起源于古希腊，认为身体的各个部分是相互联系在一起的，身体里充满着各种液体，这些与中医有着相通之处。后来到了17世纪，这样的说法遭到了严重的打击，从这以后西方医学将发展建立在科学和实验的基础上。工业革命的发展，让西方人认识到必须用机械理论和数学来研究医学，在这样的观点下，推动了西方医学的发展，认为任何疾病都是可以用药物和外科手术缓解疾病的疼痛。21世纪西方医学在研究基因的基础上，开始慢慢走上个性化医疗卫生时代。无论是中医还是西医，都是在不同文化的基础上发育起来的，在文化方面商业模式成功的西医，不论是文化底蕴还是经验经历，西医比不上中西的底蕴。二，首次发现中医经脉西医对中医疗法一直存在质疑，中医是根据人体的脉络、穴位进行治疗的，中医根对人发热认识是以“气”为基础的。《黄帝内经》中将人体的气分为271个种类，中医中对气的认识是符合自然规律的正确认识。经络被认为是联系身体各个部分的通道，对人体功能有着重要的调控功能，是人体结构重要的组成部分。中医书籍中对经络有这样的记载，经络是纵横人身体上全身的路线，有干线也有经线，对经络的认识是经过大量的临床观察得出来的。东汉有着活神仙的张仲景发展了经络学说，他所创作的《伤寒论》有着极高的医学价值。西方国家一直不承认中医学中提到的经络，认为是子虚乌有的东西，因为之前用现代技术检测不到人身体中有经络的存在。直到近日国际权威医学期刊发表了，生命科技研究学院首次清晰观察到了沿着人体经络穴位的荧光线，这一发现给中医学的经络的存在提供了有力的证据。在这个研究中，中国中医科学院和美国哈佛大学医学院的科学家进行验证，这个结论是具有科学依据的。这项研究西方医学界一直在研究，一开始一直站在解剖学的角度上，在种种实验中，并没有发现经络的存在。在经过几十年的探索，转变实验的角度，将带有放射性元素注入到身体以后，采取全新的追踪方法来获取经络的轨迹。最终经过反复实验，发现了一条清晰可见的经络轨迹。在观察这个荧光元素是不是经络时，研究员先后进行实验，排除了是血液和淋巴管流动的可能，这样的结果给中医里的脉络有了非常的理论诠释和价值。三，有关中医的误区现在社会的发展受到多种因素的影响，人们的衣食住行受到各种添加剂、空气污染等等。因此中医的天然疗法受到更多人的追捧，中医学对人体脉络有着极大的养护作用，有必要掌握一些运用经络的知识对自己的身体进行保护和预防疾病。经络可以维持人体气血的运行，如果气血运行不通畅就会出现各种疾病，主要的人体经络大家可以进行学习，例如足三阴经、手三阳经、等，在平常空闲时间也可以做一些经络操，养护自己的身体。有的人不愿意尝试中医疗法，对中医有着很大的顾虑，认为没有在西方检测仪器显示结果的情况下，中医没有一个可以明确的结果，只有人为的告知，像是骗人的。请大家走出对中医的误区，正确认识中医学，它可以存在几千年必然有存在道理。很多人在看过西医以后，没有得到明显的治疗效果，就把中医当做救命稻草，有的人经过一段时间中医治疗效果不是很好，就认为中医不行，要有一颗耐心，中医本来就是慢慢调理的。中医没有那么的神奇，中医是需要经过长时间的治疗才会有所疗效。中医的理论是很抽象的，没有一个精准的仪器可以判断疾病，它不是伪科学，是经过一代又一代人的经验积攒下来的。中医是重在调理，让人的身体达到平衡，万事讲究一个中庸之道。总结：现在会有很多将中医和西医进行比较，两者哪个更好，面对一直以来的争端，其实对病人来说，身体痊愈是他们想要的，只要找对医生，认真接受治疗，保持一个好心态才是应该做的。中医和西医互相补充，既矛盾又统一，才是对人类健康的一大妙事。

据外媒报道，麻省理工学院（MIT）和其他研究机构的物理学家正在将离子束射向质子云--就像以光速投掷“核飞镖”一样--以绘制原子核的结构图。该实验是对通常的粒子加速器的翻转，它将电子抛向原子核，以探测其结构。该团队利用这“反向动力学”的方法，筛选出原子核内杂乱无章的量子力学影响因素，从而清晰地看到原子核的质子和中子，以及其短程关联对（SRC对）。这些是质子或中子对，它们短暂地结合在一起，形成超密集的核物质液滴，它们被认为是中子星中超密集环境的主宰。该结果于3月29日发表在《自然物理学》上，证明了反运动学可以用来描述更不稳定的核的结构--科学家们可以用它来理解中子星的动力学及其产生重元素的过程，这是必不可少的成分。"我们已经打开了研究SRC对的大门，不仅在稳定的核子中，而且在中子星合并等环境中非常丰富的丰中子核中，"研究的共同作者，麻省理工学院物理学副教授Or Hen说。“这让我们更接近理解这种奇异的天体物理现象。”该研究的共同作者包括麻省理工学院的Jullian Kahlbow和Efrain Segarra，特拉维夫大学的Eli Piasetzky，以及来自达姆施塔特工业大学、俄罗斯联合核研究所（JINR）、法国原子能和替代能源委员会(CEA)和德国亥姆霍兹重离子研究中心（GSI）的研究人员。一个倒置的加速器粒子加速器通常通过电子散射探测核结构，即高能电子被射向静止的靶核云。当电子撞击到核子时，它会击穿质子和中子，电子在此过程中失去能量。研究人员测量电子束在这种相互作用前后的能量，计算出被踢走的质子和中子的原始能量。虽然电子散射是重建原子核结构的精确方法，但它也是一种偶然的游戏。鉴于单个电子相对于整个原子核来说是微不足道的，因此电子击中原子核的概率相对较低。为了增加这个概率，电子束被加载了越来越高的电子密度。科学家们也会用质子束代替电子来探测原子核，因为质子相对来说更大，更容易击中目标。但质子也更复杂，由夸克和胶子组成，它们之间的相互作用会混淆对原子核本身的最终解释。为了获得更清晰的图像，物理学家近年来颠覆了传统的设置。通过将一束核子或离子射向质子目标 ，科学家不仅可以直接测量被击落的质子和中子，还可以比较原始核与残余核或核碎片与目标质子相互作用后的情况。“有了反向动力学，我们就能准确地知道当我们去除质子和中子时，核子会发生什么，”Hen说。量子筛选该团队将这种反向动力学的方法用于超高能量，利用JINR的粒子加速器设施，以一束碳-12核子为目标，将静止的质子云射出，他们以480亿电子伏特的速度射出--这比自然发现的核子的能量要高几个数量级。在如此高的能量下，任何与质子相互作用的核子都会在数据中脱颖而出，相比之下，以低得多的能量通过的非相互作用的核子就显得尤为突出。通过这种方式，研究人员可以迅速分离出任何确实发生在核子和质子之间的相互作用。从这些相互作用中，研究小组挑选出残留的核碎片，寻找硼-11--减去一个质子。如果一个原子核开始时是碳-12，最后变成了硼-11，那只能说明它遇到了一个目标质子，击倒了一个质子。如果靶质子打掉了不止一个质子，那就是核内量子力学效应的结果，很难解释。研究小组分离出硼-11作为一个明确的签名，并抛弃了任何较轻的、受量子影响的碎片。研究小组根据每一次产生硼-11的相互作用，计算出原始碳-12原子核中被敲出的质子的能量。当他们将这些能量设置成图时，其模式与碳-12的既定分布完全吻合--这是对倒置的高能方法的验证。然后，他们将这一技术转到短程关联对上，看是否能重建对中每个粒子的各自能量--这是最终理解中子星和其他中子密度物体动态的基本信息。他们重复实验，这次寻找硼-10，这将通过减去一个质子和一个中子。任何对硼-10的探测都意味着一个碳-12核与一个目标质子发生了相互作用，从而敲掉了一个质子，以及它的结合伙伴--一个中子。科学家们可以测量目标质子和被打掉的质子的能量，从而计算出中子的能量和原始SRC对的能量。研究人员总共观察到了20次SRC相互作用，并从中绘制出碳-12的SRC能量分布图，这与之前的实验非常吻合。结果表明，“反向动力学”可以用来描述更不稳定、甚至中子更多的放射性核中的SRC对。“当一切都被反转时，这意味着驱动通过的光束可能是由寿命非常短的不稳定粒子组成的，这些粒子的寿命只有一毫秒，”麻省理工学院和特拉维夫大学的联合博士后、该论文的共同领导作者Julian Kahlbow说。“这一毫秒足够我们创造它，让它互动，然后让它离开。因此，现在我们可以系统地将更多的中子添加到系统中，看看这些SRC是如何演变的，这将帮助我们了解中子星中发生的事情，因为中子星的中子数量比宇宙中的其他任何东西都多得多。”

科技日报记者 操秀英国际权威期刊《循证补充和替代医学》（Evidence-based Complementary and Alternative Medicine）近日发表的论文显示，以新奥集团生命科技研究院为主的研究人员首次清晰观察到沿人体经络穴位迁移的连续荧光线，这项工作为证实中医经络的存在提供了有力佐证。中国中医科学院和美国哈佛大学医学院的科学家参与了协作与验证。据介绍，一直以来，西方医学界否定中医科学的一个重要依据就是在解剖学的层面上“无法证实经络的存在”。“近几十年来，国内外多个团队通过各种方法做了很多探索，但都无法在人体上观测到稳定的具有足够长度的经络循经轨迹。” 新奥团队负责人汤青博士介绍道，此次，该团队的实验在心包经手臂部分获取超过20cm长的清晰经络荧光影像。这是自上世纪八十年代使用放射性同位素手段示踪之后，科研人员首次在人体采用全新的示踪方法获取到经络轨迹。汤青表示，此次的经络成像更稳定，且沿一条经络的多个穴位运行轨迹更清晰，重复性强。汤青具体介绍道，该团队最初采用造影剂荧光素钠，在随后的几个小时内，使用激光对荧光素钠进行激发拍照，以获取荧光剂在体内的迁移轨迹。结果显示，轨迹总体沿着心包经的相邻穴位发展，自内关、间使、到曲池完全与心包经穴位重合，形成稳定的经络线。通过对比超声成像和红外成像，排除了荧光线沿血管流动的可能。为了排除该荧光线轨迹是淋巴管的可能性，研究人员又设计了同时注入荧光素钠和主要用于淋巴造影的造影剂吲哚青绿的实验，结果显示，两条轨迹并不完全重合，因此可排除此前观察到的荧光素钠荧光线是淋巴管的可能。汤青坦言，此次他们在经络可视化方面取得一定进展，为后续工作奠定了基础，但要完全掌握经络的秘密还有大量工作要做。据了解，截至论文发表，除心包经之外，研究团队使用同样方法观察到了沿其它经络运行的三条荧光线。“下一步，我们将验证荧光线的经络生物物理学特征，包括低流阻和低电阻特性，并开展功能性研究。”汤青认为，这些研究对中医基础理论的诠释和发展具有重要科学价值。编辑：张爽审核：王小龙

“实时渲染”主要应用于游戏领域，它能够将图形数据实时转化为极具真实感的3D画面，是决定游戏体验的关键因素之一。对于实时渲染而言，最大的挑战即是渲染速度。通常来讲，渲染一屏幕的游戏场景的图像，至少要在1/24秒以内，才不至于有“翻PPT”的感觉。近日，英伟达发表一项最新研究成果将实时渲染速度提升了2-3个数量级。而在渲染质量上，它也能够更好地处理复杂样式、比例的图形数据，甚至实时同步环境光照可能形成的阴影。Facebook与MIT研究团队在2019年推出的DeepSDF，是现有相关研究的最佳3D 重建模型。与之相比，无论是在渲染速度，还是质量方面，英伟达的最新研究还要更胜一筹。橙色代表DeepSDF渲染效果这项最新研究是一篇名为《神经几何细节水平：隐式3D形状的实时渲染》的论文，它是英伟达联合多伦多大学、麦吉尔大学研究人员共同发表的研究成果，目前已提交至预印论文库arXiv。论文中，研究人员表示，他们通过引入了一种高效的神经网络表示方法，首次实现了基于SDF的3D高保真实时渲染，同时达到了最先进的几何重建质量。更重要的是，与其他研究相比，它在渲染速度上提升了2-3个数量级。SVO编码，渲染速度翻倍SDF，即符号距离函数Signed Distance Function，是计算机图形学中一种有效的表示方法。在现有研究中，通常是采用一个较大、具有固定尺寸的多层感知器（MLP）对SDF进行编码，以近似代表具有隐式曲面的复杂图形。然而，使用大型网络进行实时渲染导致了昂贵的计算成本，因为它需要让每个像素通过网络地进行向前传递。基于此，研究团队提出了改用稀疏体素八叉树（SVO）来对几何形状进行编码的方法，它可以自适应地缩放不同的离散细节层次LOD（ Level of Detail ），并重建高度细节的几何结构。如图，该方法在不同尺寸的几何体之间平滑地插值，并占用合理内存进行实时渲染。研究人员介绍，与现有研究一样，他们同样使用了一个小型MLP来实现球体跟踪。并且受到经典曲面提取机制的启发，使用了存储距离值的正交和空间数据结构对欧几里德空间进行精细离散化，以使简单的线性基函数可以重建几何体。在这些工作中，分辨率或树深度决定了LOD（不同的LOD可以与SDF插值进行混合）。对此，研究人员使用了稀疏体素八叉树（SVO）来离散空间，并存储学习的特征向量，而不是符号距离值。这样做的好处是，它允许向量可以通过浅层MLP解码成标量距离，在继承经典方法（如LOD）优点的同时，能够进一步缩短树深度。在此基础上，研究人员还开发了一种针对该体系结构的光线遍历算法（ Rray Traversal Algorithm），实现了比DeepSDF快100倍的渲染速度。另外，虽然无法与神经体积绘制方法进行直接比较，但在类似的实验环境中，其帧速度也要比NeRF快500倍，比NSVF快50倍。实验测试，渲染质量更精细在质量上，研究人员将该方法与DeepSDF、FFN、SIREN以及Neural Implicits（NI）四种算法进行了比较，它们在过度拟合3D几何形状方面均达到了现有研究的最佳性能。以下为不同算法在ShapeNet、Thingi10K和TurboSquid三个数据集上进行3D重建的比较结果。可以看到，从LOD3开始该方法表现出了更好的性能。在第三个LOD中，不仅存储参数最小，而且推理参数在所有分辨率上都固定为4737个浮点值，与FFN相比减少了99%，与Neural Implicits相比减少了37%。更重要的是，在低存储和推理参数的情况下，该方法表现出了更好的重建质量。如下图：与NI、FFN相比，该方法能够更加精准地渲染出图像的细节，而且速度比FFN快50倍。另外，在渲染质量上，研究人员还将该方法在Shadertoy的两个特殊案例中进行了测试：Oldcar，它包含了一个高度非度量的有符号距离场；Mandelbulb，是一个只能用隐式曲面表示的递归分形结构。这两种SDF都是由数学表达式定义的，他们从中提取并采样距离值，测试结果如下：相比之下，只有该方法的架构才能准确地捕捉复杂示例的高频细节。可以看出，FFN和SIREN呈现的效果非常不理想，其原因可能是因为它们都只能拟合平滑距离场，无法处理不连续性和递归结构，以至于在渲染时很难突出显示几何细节。总之，通过引入隐式3D图形的表示形式LOD，该方法可以达到最先进的几何重建质量，同时允许更小占用内存下的实时渲染。不过，研究人员也坦言，该方法在大场景、或者非常薄、无体积的的物体上并不适用，这将是未来的一个研究方向。但从当下来看，该方法代表了基于神经隐函数几何学的一个重大进步，因为它是第一个基于SDF实现实时渲染和呈现的表示形式，未来有望应用到场景重建、机器人路径规划、交互式内容创建等多个现实场景中。相关作者论文的一作是来自多伦多大学的计算机博士Towaki Takikawa。他曾在的英伟达的 超大规模图形处理研究（Hyperscale Graphics Research）小组工作。主要研究方向集中在计算机视觉和计算机图形学，对探索机器学习驱动3D几何处理算法非常感兴趣。另外在机器人相关项目的软硬件方面也有一定的经验。另外参与本次研究的还有Joey Litalien、Kangxue Yin、Karsten Kreis1、Charles Loop、Derek Nowrouzezahrai、Alec Jacobson、Morgan McGuire、Sanja Fidler等八位学者。其中Kangxue Yin是一位华人学者，他曾在中国科学院深圳先进技术研究院（SIAT）工作3年，之后考入西蒙弗雷泽大学（Simon Fraser University）大学并取得了博士学位。现在是NVIDIA的研究科学家，致力于计算机图形学和计算机视觉研究。引用链接：https://nv-tlabs.github.io/nglod/https://nv-tlabs.github.io/nglod/assets/nglod.pdfhttps://arxiv.org/abs/2101.10994https://github.com/nv-tlabs/nglod雷锋网雷锋网雷锋网