PatScan雷達系統可防止大規模槍擊事件

▼PatScan雷達系統可防止大規模槍擊事件

▼義大利團隊研發新型污染吸附材料:比活性炭更高效

▼超聲貼片可以檢查一些弧形或「不規則」形狀的物體

▼未來顯示屏靠印刷？這樣的OLED技術絕了

▼看AI如何在《我的世界》擺放積木

PatScan雷達系統可防止大規模槍擊事件

據外媒CNET報道，去年在拉斯維加斯發生的一起大規模槍擊事件至少造成58人死亡，500多人受傷。現在距離槍擊案發地點不遠的拉斯維加斯西城賭場及度假村正在尋找新的方法來檢測隱藏的武器，但這種方法不會給客人帶來不便。

該酒店與安全公司Patriot One Technologies合作，測試一種名為PatScan的新檢測系統，該系統可以隱蔽地執行全身掃描。硬體可以隱藏在牆壁或天花板中，可以在人們等待電梯或在前台辦理登機手續時掃描人員。

Patriot One Technologies首席執行官Martin Cronin表示，該技術被稱為認知微波雷達。「它將低功率雷達與機器學習相結合，當有人走進酒店或建築物時可以實時確定隱藏的威脅 - 槍支、刀具及炸彈等。」 雷達有助於識別隱藏物體的形狀和材質。Cronin表示：「武器形狀的材料組成會帶來獨特的共振識別標誌。所以當識別標誌恢復時，計算機會將它變成譜圖。」

計算機將這些信息與大量不同類型武器識別標誌資料庫進行比較。如果它計算出物體是武器的可能性很高，它會向安全團隊發出警報。這個過程在一秒鐘內就能完成。無論是酒店還是學校或企業，客戶都可以根據自己的需求做出回應，從鎖定區域到接近人員。Patriot One表示將在全球多個學校和企業進行測試，並希望在2018年底推出該系統。

義大利團隊研發新型污染吸附材料:比活性炭更高效

一個義大利研究團隊開發出一種低成本材料，可比活性炭更有效地清除廢水和空氣中的污染物，而且製備過程也更環保。相關研究成果發表在最新一期在線開放期刊《化學前沿》上。義大利布雷西亞大學埃爾扎·波恩特姆皮團隊介紹，這種「綠色」吸附劑的合成原材料包括海藻酸鈉和硅粉，前者可以從海藻中大量提取，後者是硅合金生產過程中大量產生的副產品。合成過程簡單，可大規模生產。

研究人員利用污染物「亞甲藍染料」進行污水測驗。結果顯示，這種新材料可吸附並去除高濃度染料，有效率達94％；它還可吸附柴油尾氣中的顆粒物。

研究人員說，與活性炭相比，這種新材料生產耗能更少，對環境更友好。目前，活性炭廣泛用於降低大氣和廢水污染，但價格較為昂貴。新材料用途廣泛，可用於塗層，可噴抹，也可用於3D列印材料，有望設計為凈水器或覆蓋建築物外立面以去除空氣中的顆粒物。

超聲貼片可以檢查一些弧形或「不規則」形狀的物體

普通的超聲波探頭只在掃描具有平坦表面的物體時才起作用。那麼，如果你想檢查一些弧形或其他「不規則」形狀的物體，會發生什麼？加利福尼亞大學聖迭戈分校雅各布工程學院的一個團隊設計出一種可伸縮的柔性超聲貼片，由薄硅酮彈性體片和嵌入式「島橋」電子結構組成。

貼片可以放置在任何具有不平坦表面的物體上，或者放置在常規探頭無法進入的難以觸及的區域 - 不需要凝膠或其他解決方案。當電流隨後流過貼片時，壓電轉換器產生超聲波，使得物體的內部結構可視化。

這種貼片已經在鋁塊上進行過測試。最終，研究人員希望該技術可用於檢查發動機部件、渦輪機、反應器管彎頭和鐵軌等項目。目前它仍處於概念驗證階段，需要與外部電源連接在一起，但這可能會改變。

未來顯示屏靠印刷？這樣的OLED技術絕了

OLED可以說是當下顯示領域內非常熱門的辭彙了，OLED材料具有自發光（無需背光源）、柔性、更輕薄和低能耗的優勢，可以實現任意摺疊彎曲，應用空間十分廣闊。近年來，OLED顯示技術不斷普及，尤其是在中小尺寸領域內，正在逐步蠶食消費級市場，而在大尺寸領域內OLED電視雖然已經面世，但實際上由於製作成本較高，普及速度要遠低於中小尺寸領域。

其實還有另一種，印刷OLED技術，採用可溶液化加工材料使用印刷或塗布技術，代替傳統半導體技術或真空技術來製作顯示器件，類似於我們現在的噴墨印表機一樣。印刷顯示工藝步驟簡單，材料利用率較傳統製程更為高效，可有效降低生產成本、縮短生產周期，在大尺寸OLED產品應用普及方面更具優勢。

與傳統的蒸鍍OLED技術相比，印刷OLED技術不僅製作工藝更加簡單，更加精準，尤其適合用於大尺寸領域，並且具有輕薄、柔性、大面積、低成本、可綠色製造等優點，因此被認為是未來新型顯示產業發展重要方向之一。

在印刷顯示領域內，雖然目前主要的專利技術依然掌握在日韓廠商，但我國在近幾年也在不斷的進行研發，預計將在2020年的時候，印刷顯示產品將實現量產，或許我們以後用的顯示屏都是印刷出來的呢？

看AI如何在《我的世界》擺放積木

GIF

讓任何一個8歲的孩子在《我的世界》擺放幾塊積木他們一定會覺得這個任務太過簡單、枯燥，但對於AI來說卻是一個較難理解的概念。

昨日，來自柏林工科大學電子工程與計算機科學系的Stephan Alaniz發表了一篇題為《在「我的世界」里用模型學習和蒙特卡洛樹搜索展開深度強化學習》的白皮書。這位科學家在文章中介紹了一個能用於訓練AI通過視覺輸入執行簡單任務的高級方法。

如果機器人能在不傷害人類及其財產的情況下與人類無縫生活和工作，那麼它們就必須得明白如何通過視覺內容來與周圍的環境進行互動，而最受歡迎的AI訓練方法就是使用簡單且易控制的視頻遊戲。

可以看到，AI還不怎麼會做簡單的事情，但開發尖端技術需要時間。在接下來對AI的研究中，科學家們將需要縮短訓練的時間，同時要提高效率並為進一步模糊AI和人類智能之間界限的演算法提出新的想法。

MIANZI JINGXUAN

GIF

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！