5月10日外媒科學網站摘要：精細描繪百萬分之一大腦，數據高達1400TB
5月10日（星期五）消息，國外知名科學網站的主要內容如下：
《自然》網站（www.nature.com）
科學家精細描繪1立方毫米大腦結構
美國哈佛大學的神經學家傑夫·利希特曼（Jeff Lichtman）及其團隊，近日繪製了一張展示人類大腦一小部分的精細3D圖譜。這一成果刊登於《科學》（Science）雜誌，並在線公開。
該圖譜詳細呈現了大約一立方毫米的大腦區域，這部分僅佔整個大腦的百萬分之一，卻包括了約5.7萬個細胞和1.5億個突觸，即神經元之間的連接點。總數據量高達1400TB。
研究所用的樣本取自一名45歲女性，她正在接受癲癇治療手術。樣本來源於大腦皮層，這是負責學習、解決問題及處理感官信號的大腦區域。
研究團隊將樣本切割成大約5000片，每片厚度僅34納米，之後利用電子顯微鏡進行成像。他們還開發了一款人工智能模型，該模型能夠將顯微鏡圖像整合並以3D形式重建整個樣本。在詳細檢查這一模型時，研究人員觀察到了一些非常規神經元，有的神經元間存在高達50個連接。他們還發現，有些神經元對幾乎是彼此的完美鏡像。
《科學時報》網站（www.sciencetimes.com）
1、食用哪些過度加工食品更有可能縮短壽命
過度加工食品包括碳酸飲料、袋裝零食、即食食品、方便麪等。這些產品中通常含有多種難以識別的防腐劑、添加劑、乳化劑以及人工調味劑和甜味劑。衆多研究顯示，過度加工食品會增加患糖尿病、心臟病、腸癌和肥胖等疾病的風險。最新的研究發現，並非所有過度加工食品的危害程度相同。
這項名爲“過度加工食品消費與全因和特定原因死亡率的關係：基於人羣的隊列研究”的研究，涵蓋了美國的39601名男性衛生專業人員和74563名女性護士，追蹤調查了約34年。研究開始時，參與者均未患有糖尿病、心血管疾病或癌症。
研究期間，共有48193名參與者死亡，其中13557人死於癌症，11416人死於心血管疾病。
研究結果顯示，相比於食用過度加工食品最多的人羣，食用這類食品最少的人羣的死亡風險低4%。
食用高度加工的海鮮、家禽和肉製品與死亡風險的顯著增加最爲關聯。其次是含有人工甜味劑和糖的甜點、飲料和早餐食品。
研究人員指出，這些研究表明，並非簡單因爲多吃過度加工食品就有更大的死亡風險。另一種可能性是，過度加工食品可能在飲食中取代了其他健康食品。
2、科學家發現光的新性質：類似於固體材料的電子
一組科學家最近發現了一種全新的光與物質相互作用方式，這一發現可能推動發光二極管、高效太陽能發電系統和半導體激光器等技術的進步。
美國物理學家阿瑟·康普頓（Arthur Compton）在1923年發現，伽馬光子能與自由電子或束縛電子發生強烈的相互作用，獲得足夠的動量，這證實了光既可以表現爲波，也可以表現爲粒子。
最近，美國加州大學歐文分校的化學家與俄羅斯喀山聯邦大學的科學家共同發現，當光子被限制在納米級的硅空間中時，它們可以獲得顯著的動量。他們在《硅玻璃中的光子動量使能電子拉曼散射》（Photon-Momentum-Enabled Electronic Raman Scattering in Silicon Glass）一文中討論了研究的細節。
儘管硅本身不發光，但在可見光照射下，多孔納米結構的硅能產生可探測的光。多年來，雖然專家們已經意識到這種可能性，但光的確切來源還未完全解釋。
研究小組通過電子拉曼散射發現了無序硅中的光子動量。與傳統的振動拉曼散射不同，電子拉曼散射涉及電子的不同初始態和最終態。這種現象之前僅在金屬中被觀察到。
拉曼散射（Raman scattering）也稱拉曼效應， 1928年由印度物理學家拉曼發現，指光波在被散射後頻率發生變化的現象。
《每日科學》網站（www.sciencedaily.com）
1、數字孿生模型可增強未來自主系統的功能
一項新的研究表明，受下一代計算算法控制的系統能夠創造出更高效、性能更優的機器學習產品。
研究人員利用機器學習工具，成功地創造了一個電子電路的數字孿生模型，即虛擬副本，該電路表現出混沌行爲，此模型可用於對其進行控制。
諸如恆溫器和巡航控制系統等日常設備通常採用線性控制器，這些控制器根據簡單的規則將系統調整至期望值。例如，恆溫器會根據當前溫度與設定溫度的差異來調節加熱或冷卻。
然而，由於這些算法的簡單性，它們難以控制表現出複雜行爲的系統，例如混沌系統。
因此，如自動駕駛汽車和飛機等高級設備通常依賴於基於機器學習的控制器，這些控制器通過複雜的網絡學習所需的最佳控制算法。然而，這些高級算法具有明顯的缺點，最主要的是它們可能極具挑戰性，並且計算成本高昂。
該研究的主要作者，美國俄亥俄州立大學物理系的一位研究生表示，現在擁有一個高效的數字孿生體可能會對科學家開發未來自主技術的方式產生深遠影響。
這項研究最近發表在《自然通訊》（Nature Communications）雜誌上。
2、人工智能推動病理學從二維轉向三維
人體組織錯綜複雜，並呈現三維結構。然而，病理學家用於診斷疾病的組織薄片是二維的，這使得難以完全反映組織的真實複雜性。在病理學領域，使用三維方法檢查組織的需求日益增長。然而，三維病理數據集的數據量可能是二維數據集的數百倍，使得人工檢查變得不切實際。
美國麻省總醫院百瀚醫療系統（Mass General Brigham）的研究人員和華盛頓大學的合作者們，提出了一種名爲Tripath的新型深度學習模型，該模型能夠使用三維病理數據集進行臨牀結果預測。他們使用兩種高分辨率三維成像技術對精選的前列腺癌樣本進行成像，並訓練模型預測前列腺癌在人體組織活檢中復發的風險。Tripath通過全面捕捉整個組織體的三維形態，其表現優於傳統病理學家，也超過了依賴二維形態和薄組織切片的深度學習模型。
該研究結果已發表在《細胞》（Cell）雜誌上。儘管這種新方法需要在更大的數據集上進行驗證以便進一步用於臨牀，但研究人員對其在幫助臨牀決策方面的潛力持樂觀態度。
《賽特科技日報》網站（https://scitechdaily.com）
1、半球形太陽能電池大幅提升光能利用效率
在可持續能源解決方案的研發中，開發更高效的太陽能電池是關鍵。相較於傳統的硅基電池，有機光伏電池以其靈活性和較低的生產成本成爲一個吸引人的選擇。儘管如此，提升其性能仍是一大挑戰。
土耳其阿卜杜拉·居爾大學（Abdullah Gül University，AGU）的一項最新研究通過重新設計有機光伏電池的結構，採用半球形的外殼形態，大幅提升了光吸收和角度覆蓋的效率。據《能源光子學雜誌》（Journal of Photonics for Energy）報道，這種創新配置旨在最大化光吸收和角度覆蓋，預計將重新定義可再生能源技術的未來。
研究團隊利用三維有限元分析（Finite Element Analysis, FEA）技術，細緻探測了半球形殼狀活性層內的吸收光譜，精確模擬了光與細胞結構及材料的交互作用。有限元分析是解決複雜工程問題的有效手段，通過將結構細分爲易於管理的小單元，允許模擬分析結構在各種條件下的行爲，如不同的光波長和入射角。
這一創新的有限元分析顯示，在橫向電（TE）偏振光照射下，半球形外殼結構的光吸收比平面結構提高了66%。在橫磁偏振光下，光吸收同樣顯著提高了36%。
除了卓越的吸收效率外，半球形外殼結構還提供了廣泛的角度覆蓋，TE偏振角度達81度，TM偏振角度達82度。這種設計的適應性特別適合需要靈活光捕捉的應用場景，例如可穿戴電子設備。
2、合成生物學突破降低疫苗成本
疫苗已證明能夠拯救生命，尤其是在最近的疫情期間。但疫苗中的一個關鍵組成部分——疫苗佐劑，雖然用量極少，卻能極大增強免疫效果，特別是對於免疫系統未成熟的嬰兒和免疫功能衰退的老年人來說尤爲重要。
然而，一種強效的疫苗佐劑源自智利的皁皮樹，其提取成本高昂，每公斤成本高達數億美元。
美國加州大學伯克利分校及勞倫斯伯克利國家實驗室的科學家們現已利用合成生物學的方法，在酵母中成功生產了皁樹皮的活性成分——一種名爲QS-21的分子。這種基於酵母的生產方法不僅成本更低，環保性也更高，避免了從植物中提取化合物所需使用的腐蝕性和有毒化學品。
儘管這一基於酵母的生產方法產量仍然較低，但這一技術突破預示着能夠更廣泛應用這種有效的佐劑，並可能大幅降低疫苗生產成本。（劉春）