新技術可去中心化且保密臨(lin) 床機器學習(xi)

為(wei) 了在不違反隱私法的情況下整合來自全球數據所有者的任何醫療數據，研究人員引入了Swarm Learning—— 一種去中心化的AI技術，該技術結合了邊緣計算、基於(yu) 區塊鏈的對等網絡和協調，同時具有保密特性，不需要中央協調器。

為(wei) 了說明使用Swarm Learning開發分布式數據疾病分類器的可行性，研究人員選擇了4個(ge) 異質性疾病（新冠肺炎、結核病、白血病和肺部疾病）的病例。通過來自127項臨(lin) 床研究的16400多份血液轉錄組以及超過95000張胸透片，研究人員發現Swarm Learning分類器的性能優(you) 於(yu) 在單個(ge) 醫療機構開發的分類器。

此外，Swarm Learning在設計上完全滿足了保密需求。科學家相信，這種方法將顯著加快精準醫療的引入。

相關(guan) 論文信息：

https://doi.org/10.1038/s41586-021-03583-3

各向異性衛星星係猝滅受黑洞活動影響

研究人員報告了對124163個(ge) 衛星星係的檔案數據的分析，這些衛星星係位於(yu) 29631個(ge) 暗物質暈的勢阱中，質量在太陽質量的1012到1014之間。研究發現，猝滅的衛星星係相對較少出現在中心星係的小軸上。

鑒於(yu) 黑洞活動預計會(hui) 優(you) 先向宿主星係的小軸方向噴射質量和能量，這一觀察可能顯得違反直覺。然而，觀測表明各向異性信號恰恰來自於(yu) 巨大光暈中的黑洞反饋的拋射性質，即由活動星係核驅動的流出物清除了星係周圍的介質，降低了撞擊壓力，從(cong) 而保存了衛星星係中的恒星形成。

這一解釋得到了IllustrisTNG宇宙學數值模擬組的支持，盡管其亞(ya) 網格模型實現的黑洞反饋是各向同性的。

相關(guan) 論文信息：

https://doi.org/10.1038/s41586-021-03545-9

可用於(yu) 快速芯片設計的布局方法

研究人員提出了一個(ge) 可用於(yu) 芯片布局規劃的機器深度強化學習(xi) 方法。在不到6小時的時間內(nei) ，這一方法自動生成芯片布局，在所有關(guan) 鍵指標中（包括功耗、性能和芯片麵積），都與(yu) 人類設計的不相上下。

為(wei) 了實現這一目標，研究人員將芯片布局規劃設計為(wei) 一個(ge) 強化學習(xi) 問題，並開發了一種能給出可行芯片設計的神經網絡。結果顯示，這一方法基於(yu) 過去的經驗，在解決(jue) 問題上更好且更快，執行芯片設計的人工智能比任何人類設計師擁有更多經驗。這一方法被用於(yu) 設計下一代穀歌的AI處理器，並有潛力節省數千小時的人力工作。

相關(guan) 論文信息：

https://doi.org/10.1038/s41586-021-03544-w

量子增強非線性顯微鏡

實驗表明，量子相關(guan) 性允許一個(ge) 信噪比超出傳(chuan) 統顯微鏡的光損傷(shang) 極限。該顯微鏡是一個(ge) 相幹拉曼顯微鏡，提供亞(ya) 波長分辨率，並結合明亮的量子相關(guan) 照明。

與(yu) 傳(chuan) 統顯微鏡相比，這種相關(guan) 性使得細胞內(nei) 分子鍵的成像信噪比提高了35%，相應的濃度靈敏度提高了14%。這使得研究人員能觀察到其他方法不能觀察到的生物結構。相幹拉曼顯微鏡允許在未標記標本上進行高度選擇性的生物分子指紋識別，但光損傷(shang) 是應用之路上的主要障礙。

通過證明可以克服光損傷(shang) 極限，這一工作將使信噪比和成像速度實現數量級提高。

相關(guan) 論文信息：

https://doi.org/10.1038/s41586-021-03528-w

（李言編譯）