Category: 科学


电动汽车已逐渐得到重视,而充电是一个必须要解决的问题。如果你将车开回家以后忘记插上电了怎么办?GM和Nissan正在研究一种给电动汽车充电的非接触式的电磁感应充电装置(Induction Charger),只要你把车子停在充电区域中,车子就能够自动进行充电。如果在停车场,高速公路上都有这种非接触式的充电装置,无疑对电动汽车的使用者来说是一个不错的消息。当然付出的代价是要浪费一点点电力。

参考出处:
Can Electric Vehicles Lose the Plug?

人形机器人进入太空

NASA 预期于2010年9月利用发现号航天飞机将人形机器人Robonaut 2(简称R2)送进国际太空站。

R2由NASA与General Motors联合研发,重约140公斤,由似人头部、具备高度灵巧双手的躯干构成,外型有点像星际大战电影里的C-3PO。

R2登上太空站后,将加入太空站原有的加拿大制机器人Dextre,Dextre安装在太空站外部,代替需要太空漫步的航天员执行任务。R2则被限制在Destiny Lab内进行测试。

NASA拟利用STS-133任务测试机器人在微重力、宇宙辐射与电磁干扰环境下的性能。

研发团队希望未来R2能执行国际太空站上的所有工作,例如为航天员准备科学实验,或简单的操作吸尘器等。

参考信息:
NewScientist: NASA’s android astronaut assistant prepares for launch
NASA OUTLINES BIG PLANS FOR HUMANOID ROBOT
NASA to Launch GM Co-Developed Robot to International Space Station

云端计算与机器人

云端服务不只嘉惠网络计算机用户,手机、机器人都可以从更聪颖、更迅速的云端服务获益。
Google于4月12日并购了英国创新公司Plink,增强了影像搜索引擎工具Google Goggles的功能,Google Goggles能以手机拍摄诸如书本封面、绘画等的影像,再上网搜寻信息。Google并入Plink之后,预期功能将更扩充;Plink 创办人Mark Cummins 与James Philbin 认为Plink能协助Goggles建立影像搜索引擎,处理手机所见影像进而辨识物体或翻译文章。
不同于其他从车库发迹的云端创新公司,Plink源自牛津大学机器人实验室,Mark Cummins 与James Philbin在Paul Newman的移动机器人与Andrew Zisserman的影像几何研究团队工作时,即开始研发影像搜寻技术。
牛津大学研究团队目标在于促使机器人能自行探索挤塞、嘈杂的人类居住环境,即使GPS信息足够了解城市街道大概,然而对自行漫游的机器人而言,仍需弄通建筑物的里里外外、七弯八拐,以及街道上的布置等等。牛津大学发展的影像辨识软件,能协助有轮机器人使用摄影机建立自身的城市影像地图,发展出似人的辨识记忆影像能力。尽管机器人是从不同的视角去看旧目标,或旧目标附近物体被移开,仍能将上次看过的目标辨识出来。
Plink则让手机用户使用上述运算逻辑,手机拍摄到的艺术品(即使是从不同的角度拍摄)能与储存于云端的数据库进行比对。
全美最大的工业机器人制造厂Adept Technologies公司也朝向云端,该公司的一些机器人在库房内移动与包装产品,应用类似Plink的影像辨识系统,机器人即可处理新目标而无须再修改程序。
云端计算服务已经从计算机用户扩展到手机、机器人。好莱坞影片机械公敌(I, Robot)有一个场景,群集的机器人转首望向一个救世主,机器人看的应该是云端计算吧。
参考来源:
NewScientist: Robots look to the cloud for enlightenment
相关连结:
Engadget 中文版:Google Goggles不是概念,是真的「拍立寻」

美国国防研究转向软性科学(softer sciences),例如生物、网络安全与社会科学。
依据美国国防研究与工程办公室(Defense Research and Engineering)的看法,合成生物学(synthetic biology)为快速获得美国国防部青睐的软性科学领域之一,研究目标企图产出新物种(organisms),或对现有物种进行再造工程以进行特定功能。五角大厦亟于了解物种对化学、离子与金属、电、磁、光与机械脉冲刺激的感知与反应,上述知识能协助研究人员设计具有生命的监视哨,能监测爆炸物或化学污染物的出现。
维吉尼亚州阿灵顿的海军研究办公室正注意于如何生合成(biosynthesize)标的抗生素(targeted antibiotics),能感知与攻击特定病原体。美国总统欧巴马明年的计划预算提供DARPA两千万美元经费进行合成生物学研究。
网络安全(cybersecurity)是美国国防部研究范畴的另一项优选,研究方向部分在于强化关键性的网络组成;受到网络攻击时,能增加军方反击与存活能力;瓦解国家层级的网络攻击计划与执行;衡量网络安全状态;探索与开发网络战争(cyberwarfare)的新观念。
当美国军方尝试击退阿富汗不断升高的暴动之际,五角大厦终于相信对文化动力(cultural dynamics)的了解与武器一般重要。美国国防部资助的社会科学研究计划,包含由Los Alamos国家实验室所研发的模式,仿真阿富汗的鸦片交易,并分析对抗效益。芝加哥大学另一个计划为模拟与预测潜在冲突。
美国国防研究与工程办公室主任Zachary Lemnios认为此种国防研究趋势变化,足可以使美国成为战场上的赛局改变者。

参考信息:

鸟群中的尊卑顺序

俗话说“物以类聚,人以群分”,但一大群动物到底是怎样协调一致地运动的却没有得到完全解释。它们是跟着一个领头的跑,还是遵守一套简单的行为规则?此前,这个问题在很大程度上一直是通过数值模拟来研究的,但随着重量仅16克的微型背包式GPS记录仪的问世,现在有可能对一群鸟中的每一只进行跟踪,并根据直接测量结果来验证相关模型。利用一群最多达10只的信鸽所做实验显示,一只鸟在飞翔中的位置取决于它在一个明确定义的社会等级中的位置——这种等级体系就相当于空中的“啄序”,即长幼强弱次序。有趣的是,鸟对其主要用左眼看到的“队友”能更快地做出反应,这进一步证明它们具有取决于其在鸟群中位置的具体角色。在Nature杂志2010年4月8日第464期封面的组合图片所示为鸟的实际飞行轨迹,是根据它们在鸟群中的领导地位的排列顺序着色的:在谱图红色端附近者居等级体系顶端;在紫色端附近者居等级体系末端。

参考:
Máté Nagy, Zsuzsa Ákos, Dora Biro & Tamás Vicse. Hierarchical group dynamics in pigeon flocks. Nature, Vol. 464: 890-893 (8 April 2010) .

群集动力学

群集动力学是研究群集运动的动力学理论,是一门横跨生物学、物理学和控制科学的新型交叉科学。群集运动最明显的特点是群体中的个体在运动过程中趋于同步。1995年,Tamás Vicsek等人把每个参与群集运动的个体看作独立的自我驱动的粒子,并提出了一个经典的数学模型来描述群集运动。由于该模型的简单性和首创性,它已经成为群集动力学中最基本的模型。但是这个模型并不十分完善,也并不能描述所有系统的群集运动问题。

中科大汪秉宏的研究团队以Vicsek模型为基础,在三个方向上进行改进:(1)为了过滤外界的噪音,引入记忆机制,即每个粒子记录当前时刻的运动方向,并为下一时刻的运动方向提供依据。这样,系统就能在噪音一定的情况下大大提高运动的一致性。(2)为了完全避免粒子的碰撞,根据粒子与其他粒子的最小距离来限制粒子的速率。但是限制速率会导致粒子间的凝聚,进一步减小粒子间的距离,进而形成正反馈效应。最终,粒子的平均速率很低,且很难达到速率的一致。因此,他们提出了两个改进的模型:一是引入排斥力,加大粒子间的安全距离,避免由于距离限制而引发的凝聚;二是动态地把全空间分区,使得每个粒子在不同区域内运动,由于这时粒子的活动区域增大,从而减弱了对于速率的限制。这两个改进的模型异曲同工,都可以在避免碰撞的基础上实现粒子的高速同步运动。(3)研究连续系统的群集运动。通过使用Euler坐标,研究每一区域内粒子的密度和流入流出的粒子数目,进而得以数值模拟超高密度下群体的同步运动。

针对Vicsek模型缺少对收敛时间的深入讨论。他们研究了零温度下Vicsek模型收敛时间受何种因素的影响,并进一步提出可变速率的群集运动模型,给出一个新的粒子运动协议,该协议下系统收敛时间明显快于Vicsek模型。为了避免碰撞,限制每一时刻的速率,并相应地提出保守模型。又为了克服保守模型中存在的凝聚现象,引入排斥力克服凝聚,提出排斥模型。这一模型最终可使所有粒子达到高速同步运动。

以前在做海洋生物科研活动时,往往需要把采集的样本带回实验室进行分析研究。最近有一种利用水下机器人的海洋生物测试实验室出现,随着潜水员进入海底,可以进行物种检测和DNA分析等实验室功能。相关信息:Underwater robot automates ocean testing

NASA正在研究卫星修复机器人商用的可能性。从目前来看,许许多多的卫星是由于在其他电子器件或系统错误发生之前由于燃料用完而报废,而这是完全可以修复的。相关信息参见:NASA grooming satellite repair-bots

加州理工学院将硅奈米线(silicon microwires)应用在太阳能电池上,发现可以吸收射入阳光85%的光谱,效率与传统式硅晶圆相当,不过仅需前者1%的硅材料。论文发表于2月14日的Nature Materials。
加州理工学院研究生Michael Kelzenberg等研究人员将硅奈米线装在聚二甲基硅氧烷(Polydimethylsiloxane, PDMS)平板上,垂直的硅奈米线能有效率的吸收从任意角度射入的阳光,不过正午垂直入射的阳光无法照到够大面积的硅奈米线,所以研究人员在硅奈米线表面加上氧化铝奈米颗粒,反射与散射阳光。
Kelzenberg的实验结果尚未进入太阳能电池的实际制造阶段,参予研究的加州理工学院化学家Nate Lewis认为硅奈米线证明能吸收足够的阳光,应能成为太阳能电池的候选材料。
IBM利用铜、锌、锡、硒与硫等组合材料,制造了薄膜式太阳能电池,可以将9.6%的入射阳光转为电力。IBM材料科学家David Mitzi 2月8日于Advanced Materials发表其研究成果,他们将CIGS(Cu(In,Ga)Se2)薄膜电池内的铟以锌与锡取代,借着硫与硒材料比例的变化,Mitzi团队可以将kesterite(Cu2ZnSnS4)太阳能电池效率提升到40%,Mitzi认为增加硫成分确实可以增加电池的开路电压(open-circuit voltage)。
IBM并无生产其所研发kesterite太阳能电池的计划,兴趣放在专利授权。Mitzi认为无论是硅奈米线与kesterite太阳能电池都应可以制成各式的弹性组件,包含可以编织成织物。目前Dow Chemical与Global Solar都利用CIGS薄膜电池制造太阳能屋瓦(solar roof shingle)以产生电力。
参考来源:
Scientific American: Photovoltaic Breakthroughs Brighten Outlook for Cheap Solar
相关连结:
High-Efficiency Solar Cell with Earth-Abundant Liquid-Processed Absorber
Enhanced absorption and carrier collection in Si wire arrays for photovoltaic applications

数量庞大的量测数据进行分析与后处理时,因为噪声、外在环境干扰、设备问题等等,经常包含许多错误数据,工程师必须正确且有效率的去除错误数据,并分析传感器是否失效;一套创新的运算技术能协助解决上述问题。
美国National Center for Atmospheric Research (NCAR) 与University of Colorado at Boulder (CU)研究人员研发了上述称之为智能型异常侦测运算法(Intelligent Outlier Detection Algorithm. IODA) 的专利技术,论文发表于二月份的Journal of Atmospheric and Oceanic Technology。
IODA系依据统计学、图形理论、图像处理与判定树发展,并以MATLAB程序撰写而成;此专家系统可使用于敏感的复杂技术系统,例如人造卫星、气象设备、发电厂、雷达、太空探测或各式监测量测系统等。基本上,只要是藉由传感器量测所得之时域(time domain)物理量,数量过于庞大,无法以人工方式检视筛选(译者的旧经验是先把量测物理量时域图画出,分析数据不合理的地方,再进入数据数据库删除不正常的数据,或写个小程序分析数据变化率是否合理,很不科学吧!),或者传感器故障的后果很严重时,都适用IODA处理。
在量测数据发生错误读数或其他由失效传感器所引起的问题时,IODA能协助警告仪具设备操作者;仪具传感器一旦故障,并开始传递谬误的数据时,IODA即能辨识问题并且将谬误数据隔离。
一般而言,系统需要辨识出坏数据时,需要佐以多重传感器(利用其他正常传感器读数辨识出坏的传感器读数;所以在做物理量监测时,一定要有备份传感器),或以能表现所量测物理量特性的运算逻辑,在数据突然变化时,依据运算结果辨识出问题(例如你在监测高铁桥梁结构,以应变计长期量测桥梁结构的应变量时,依据工程经验,所计算出的应力值不应超过待量测材料的降服强度);所以应用工程师所写的运算逻辑只适用于某种型态的时域物理量,无法遍及其他的物理量。而IODA能将进来的读数与通用失效模式进行比较,以图像处理方式进行运算,因此能广泛的应用于各种物理量监测。
论文详见“An Algorithm for Classification and Outlier Detection of Time-Series Data”, Journal of Atmospheric and Oceanic Technology,Volume 27, Issue 1 (January 2010)

参考来源:Innovative technique can spot errors in key technological systems

相关连接:An Algorithm for Classification and Outlier Detection of Time-Series Data