


Cilia kann auch als Chips verwendet werden! Auf dem Cover von Nature erscheint eine Arbeit eines chinesischen Doktoranden aus Cornell
Was ist das Wichtigste an einem Chip?
Neben der Verwendung fortschrittlicherer Herstellungsverfahren zur Erzielung einer höheren Transistordichte und einer höheren Rechenleistung sind auch die Übertragung und Steuerung interner Signale innerhalb des Chips ein wesentlicher Bestandteil.
„Cilia Chip“, möchtest du mehr darüber wissen?
Natürlich werfen wir zunächst einen Blick darauf, was Zilien bewirken.
Zilien können als die fleißigsten Boten und Boten in lebenden Organismen bezeichnet werden. Genauer gesagt sind sie die flexibelsten „Träger“ von Flüssigkeiten.
Durch rhythmisches Schlagen transportieren diese schlanken Haare Flüssigkeiten im Körper, einschließlich Liquor cerebrospinalis im Gehirn, entfernen Schleim und Schmutz aus der Lunge und halten andere menschliche Organe und Gewebe sauber.
Seit vielen Jahren hoffen Menschen, die magischen Fähigkeiten von Flimmerhärchen in den Bereichen Computer und Steuerung zu absorbieren oder „auszuleihen“.
Aber auf einer Mikroebene. Es ist sehr schwierig, das „Wunder“ in diesem Organismus zu reproduzieren. In den letzten Jahren hat die Forschung zu optischen, magnetischen und elektrischen Antrieben große Fortschritte gemacht, aber eine „Zilien-gesteuerte“ Plattform mit technischem Anwendungswert ist immer noch schwer zu realisieren.
Dieses Problem wurde nun von einer Gruppe von Forschern der Cornell University gelöst.
Sie entwarfen ein künstliches Miniatur-Ziliensystem mit Komponenten auf Platinbasis, das mithilfe von Zilien die Bewegung von Flüssigkeiten im mikroskopischen Maßstab steuern kann. In Zukunft könnte es möglich sein, kostengünstige, tragbare Diagnosegeräte zu implementieren, mit denen Blutproben getestet, die Zellaktivität manipuliert oder Mikrobearbeitungsprozesse unterstützt werden können.
Derzeit ist der Artikel, der diese Forschung veröffentlicht, in der neuesten Ausgabe von Nature veröffentlicht worden. Der erste Artikel stammt vom chinesischen Doktoranden Wang Wei (siehe Abbildung oben) und der zweite stammt vom chinesischen Postdoktoranden Liu Qingkun wurde mehr als 2.300 Mal zitiert, der H-Index liegt bei 24.
Wang Wei sagte, dass es bereits viele Methoden gibt, um künstliche Flimmerhärchen zu erzeugen, die durch Licht, Magnetismus oder elektrostatische Kraft angetrieben werden, aber wir sind die ersten, die neue Nanoaktoren verwenden, um individuell steuerbare künstliche Flimmerhärchen zu erzeugen.
Link zum Papier: https://www.nature.com/articles/s41586-022-04645-w.pdf
In diesem Nature-Papier bauen Forscher einen elektronischen Antrieb aus künstlichen Zilien aktive Metaoberflächen und können in oberflächennahen Flüssigkeiten beliebige Strömungsmuster erzeugen.
Die Forscher konstruierten zunächst spannungsgesteuerte Flimmerhärchen, die sich unter einer Antriebsspannung von 1 Volt unidirektional mit einer Geschwindigkeit von mehreren zehn Mikrometern pro Sekunde bewegen, um den Oberflächenfluss anzutreiben. Ziliäre Elementarzellen können lokal eine Reihe von Elementflüssen erzeugen und unterschiedliche geometrische Formen bilden.
Künstliche Flimmerhärchen basierend auf elektrochemischen Oberflächenaktoren
Durch die Kombination dieser Elementarzellen schufen die Forscher eine aktive Flimmermetaoberfläche, die jedes gewünschte Strömungsmuster erzeugen und flexibel zwischen diesen Modi wechseln kann.
Diese Ergebnisse wurden schließlich durch Experimente und theoretische Berechnungen bestätigt.
Die Forscher sagten, dass diese Ergebnisse einen neuen Weg für künftige mikrofluidische Manipulationen im Feinmaßstab eröffnen, mit Anwendungen, die vom mikrofluidischen Pumpen bis zur Bewegung von Mikrorobotern reichen.
Mikroskopische Ansicht künstlicher Flimmerhärchen
Spezifisch Beispielsweise enthält ein typischer „Zilienchip“ 16 quadratische Einheiten, jede Einheit hat 8 Zilienanordnungen, jede Anordnung hat 8 Zilien und jedes Zilien ist etwa 50 Mikrometer lang, wodurch ein künstlicher Zilien aus etwa 1.000 Zilien entsteht. Der „Teppich“ besteht aus von. Nr um sich hin und her zu bewegen und Flüssigkeit mit Geschwindigkeiten von mehreren zehn Mikrometern pro Sekunde zu pumpen.
Verschiedene Zilienanordnungen können unabhängig voneinander aktiviert werden, wodurch endlose Flussmuster und -wege sowie die Flexibilität der Zilien innerhalb des Organismus entstehen. Das Geschlecht ist fast das Gleiche.
Die Forschung wurde von Itai Cohen, Physikprofessor an der Cornell University, korrespondierender Autor, geleitet und basierte auf einem Platin -basierter elektrischer Aktuator dient als Kernkomponente des Flimmergeräts.
Cohens Team hat zuvor ein ähnliches System gebaut, das es Mikrorobotern ermöglicht, zu laufen. Tatsächlich sind die mechanischen Prinzipien des „Biegens der Beine“ von Mikrorobotern dieser Forschung sehr ähnlich, aber die spezifischen Funktionen und Anwendungen des Ziliarsystems sind unterschiedlich und recht flexibel. #? #Cohen sagte: „Sobald Sie diese Flimmerhärchen einzeln handhaben können, können Sie diese Flüssigkeiten auf jede gewünschte Weise präzise manipulieren und steuern, um kreisförmige Formen zu erreichen.“ In zwei Pfade aufteilen und dann zu einem zusammenführen. Sie können sogar eine Route in drei Dimensionen entwerfen. 🎜🎜#
„Es war schon immer sehr schwierig, kleine Zilien zu erstellen Sie funktionieren in Wasser, sind elektrisch verarbeitbar und können in interessante elektronische Geräte integriert werden. „Mit dieser Plattform werden wir voraussichtlich die nächste Generation mikrofluidischer Geräte entwickeln“, sagte er.Darüber hinaus entwickelte das Forschungsteam auch ein Ziliengerät, das mit einer CMOS-Uhrschaltung ausgestattet ist, bei dem es sich eigentlich um ein „elektronisches Gehirn“ handelt. Die Fähigkeit der Zilien, ohne Anbindung an herkömmliche Computersysteme zu funktionieren, öffnet auch die Tür für die Entwicklung einer Reihe kostengünstiger Diagnosetests, die vor Ort durchgeführt werden können.
Cohen sagte, es sei denkbar, dass in Zukunft Menschen dieses kleine Gerät mit einer Fläche von 1 cm im Quadrat in der Hand halten werden und einfach einen Tropfen Blut darauf tropfen und alle Tests können durchgeführt werden. Es ist keine Pumpe oder andere Ausrüstung erforderlich. Legen Sie es einfach in die Sonne und es funktioniert. Die Kosten betragen möglicherweise nur etwa 1 bis 10 US-Dollar.
Das obige ist der detaillierte Inhalt vonCilia kann auch als Chips verwendet werden! Auf dem Cover von Nature erscheint eine Arbeit eines chinesischen Doktoranden aus Cornell. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Der Artikel von StableDiffusion3 ist endlich da! Dieses Modell wurde vor zwei Wochen veröffentlicht und verwendet die gleiche DiT-Architektur (DiffusionTransformer) wie Sora. Nach seiner Veröffentlichung sorgte es für großes Aufsehen. Im Vergleich zur Vorgängerversion wurde die Qualität der von StableDiffusion3 generierten Bilder erheblich verbessert. Es unterstützt jetzt Eingabeaufforderungen mit mehreren Themen, und der Textschreibeffekt wurde ebenfalls verbessert, und es werden keine verstümmelten Zeichen mehr angezeigt. StabilityAI wies darauf hin, dass es sich bei StableDiffusion3 um eine Reihe von Modellen mit Parametergrößen von 800 M bis 8 B handelt. Durch diesen Parameterbereich kann das Modell direkt auf vielen tragbaren Geräten ausgeführt werden, wodurch der Einsatz von KI deutlich reduziert wird

Die Trajektorienvorhersage spielt eine wichtige Rolle beim autonomen Fahren. Unter autonomer Fahrtrajektorienvorhersage versteht man die Vorhersage der zukünftigen Fahrtrajektorie des Fahrzeugs durch die Analyse verschiedener Daten während des Fahrvorgangs. Als Kernmodul des autonomen Fahrens ist die Qualität der Trajektorienvorhersage von entscheidender Bedeutung für die nachgelagerte Planungssteuerung. Die Trajektorienvorhersageaufgabe verfügt über einen umfangreichen Technologie-Stack und erfordert Vertrautheit mit der dynamischen/statischen Wahrnehmung des autonomen Fahrens, hochpräzisen Karten, Fahrspurlinien, Fähigkeiten in der neuronalen Netzwerkarchitektur (CNN&GNN&Transformer) usw. Der Einstieg ist sehr schwierig! Viele Fans hoffen, so schnell wie möglich mit der Flugbahnvorhersage beginnen zu können und Fallstricke zu vermeiden. Heute werde ich eine Bestandsaufnahme einiger häufiger Probleme und einführender Lernmethoden für die Flugbahnvorhersage machen! Einführungsbezogenes Wissen 1. Sind die Vorschaupapiere in Ordnung? A: Schauen Sie sich zuerst die Umfrage an, S

In diesem Artikel wird das Problem der genauen Erkennung von Objekten aus verschiedenen Blickwinkeln (z. B. Perspektive und Vogelperspektive) beim autonomen Fahren untersucht, insbesondere wie die Transformation von Merkmalen aus der Perspektive (PV) in den Raum aus der Vogelperspektive (BEV) effektiv ist implementiert über das Modul Visual Transformation (VT). Bestehende Methoden lassen sich grob in zwei Strategien unterteilen: 2D-zu-3D- und 3D-zu-2D-Konvertierung. 2D-zu-3D-Methoden verbessern dichte 2D-Merkmale durch die Vorhersage von Tiefenwahrscheinlichkeiten, aber die inhärente Unsicherheit von Tiefenvorhersagen, insbesondere in entfernten Regionen, kann zu Ungenauigkeiten führen. Während 3D-zu-2D-Methoden normalerweise 3D-Abfragen verwenden, um 2D-Features abzutasten und die Aufmerksamkeitsgewichte der Korrespondenz zwischen 3D- und 2D-Features über einen Transformer zu lernen, erhöht sich die Rechen- und Bereitstellungszeit.

Neuigkeiten von dieser Website am 28. November. Laut der offiziellen Website von Changxin Memory hat Changxin Memory den neuesten LPDDR5DRAM-Speicherchip auf den Markt gebracht. Es ist die erste inländische Marke, die unabhängig entwickelte und produzierte LPDDR5-Produkte auf den Markt bringt Markt und hat auch dafür gesorgt, dass das Produktlayout von Changxin Storage auf dem Markt für mobile Endgeräte vielfältiger ist. Auf dieser Website wurde festgestellt, dass die Produkte der LPDDR5-Serie von Changxin Memory 12 GB LPDDR5-Partikel, 12 GBLPDDR5-Chips im POP-Gehäuse und 6 GBLPDDR5-Chips im DSC-Gehäuse umfassen. Der 12GBLPDDR5-Chip wurde auf Modellen gängiger inländischer Mobiltelefonhersteller wie Xiaomi und Transsion verifiziert. LPDDR5 ist ein von Changxin Memory eingeführtes Produkt für den Markt für mobile Geräte der mittleren bis oberen Preisklasse.

Diese Website berichtete am 13. November, dass laut Taiwan Economic Daily die Nachfrage nach fortschrittlichen CoWoS-Paketen von TSMC explodieren wird. Neben NVIDIA, das seine Auftragsausweitung im Oktober bestätigt hat, sind auch Schwergewichtskunden wie Apple, AMD, Broadcom und Marvell dabei haben in letzter Zeit auch Aufträge deutlich verfolgt. Berichten zufolge arbeitet TSMC intensiv daran, den Ausbau der Produktionskapazität für fortschrittliche Verpackungen von CoWoS zu beschleunigen, um den Anforderungen der oben genannten fünf Großkunden gerecht zu werden. Die monatliche Produktionskapazität wird im nächsten Jahr voraussichtlich um etwa 20 % vom ursprünglichen Ziel auf 35.000 Stück steigen. Analysten sagten, dass die fünf Hauptkunden von TSMC große Bestellungen aufgegeben haben, was zeigt, dass Anwendungen der künstlichen Intelligenz weit verbreitet sind und große Hersteller daran interessiert sind Die Nachfrage nach Chips für künstliche Intelligenz ist erheblich gestiegen. Die aktuelle CoWoS-Verpackungstechnologie ist hauptsächlich in drei Typen unterteilt: CoWos-S

Die neuesten Nachrichten zeigen, dass laut Berichten des Science and Technology Innovation Board Daily und von Blue Whale Finance Quellen aus der Industriekette enthüllten, dass NVIDIA die neueste Version von KI-Chips entwickelt hat, die für den chinesischen Markt geeignet sind, darunter HGXH20, L20PCle und L2PCle. Bisher hat sich NVIDIA nicht dazu geäußert, dass diese drei Chips alle auf Verbesserungen von NVIDIA H100 basieren und dass inländische Hersteller diese voraussichtlich schon am 16. November bekannt geben werden Tage. Nach Prüfung öffentlicher Informationen erfuhren wir, dass NVIDIAH100TensorCoreGPU die neue Hopper-Architektur übernimmt, die auf dem TSMC N4-Prozess basiert und 80 Milliarden Transistoren integriert. Im Vergleich zum Produkt der vorherigen Generation kann es Multi-Experten (MoE) bereitstellen.

Bitte beachten Sie, dass dieser kantige Mann die Stirn runzelt und über die Identität der „ungebetenen Gäste“ vor ihm nachdenkt. Es stellte sich heraus, dass sie sich in einer gefährlichen Situation befand, und als ihr dies klar wurde, begann sie schnell mit der mentalen Suche nach einer Strategie zur Lösung des Problems. Letztendlich entschloss sie sich, vom Unfallort zu fliehen, dann so schnell wie möglich Hilfe zu suchen und sofort Maßnahmen zu ergreifen. Gleichzeitig dachte die Person auf der Gegenseite das Gleiche wie sie... In „Minecraft“ gab es eine solche Szene, in der alle Charaktere von künstlicher Intelligenz gesteuert wurden. Jeder von ihnen hat eine einzigartige Identität. Das zuvor erwähnte Mädchen ist beispielsweise eine 17-jährige, aber kluge und mutige Kurierin. Sie haben die Fähigkeit, sich zu erinnern und zu denken und in dieser kleinen Stadt in Minecraft wie Menschen zu leben. Was sie antreibt, ist ein brandneues,

Am 23. September wurde das Papier „DeepModelFusion:ASurvey“ von der National University of Defense Technology, JD.com und dem Beijing Institute of Technology veröffentlicht. Deep Model Fusion/Merging ist eine neue Technologie, die die Parameter oder Vorhersagen mehrerer Deep-Learning-Modelle in einem einzigen Modell kombiniert. Es kombiniert die Fähigkeiten verschiedener Modelle, um die Verzerrungen und Fehler einzelner Modelle zu kompensieren und so eine bessere Leistung zu erzielen. Die tiefe Modellfusion bei groß angelegten Deep-Learning-Modellen (wie LLM und Basismodellen) steht vor einigen Herausforderungen, darunter hohe Rechenkosten, hochdimensionaler Parameterraum, Interferenzen zwischen verschiedenen heterogenen Modellen usw. Dieser Artikel unterteilt bestehende Methoden zur Tiefenmodellfusion in vier Kategorien: (1) „Musterverbindung“, die Lösungen im Gewichtsraum über einen verlustreduzierenden Pfad verbindet, um eine bessere anfängliche Modellfusion zu erzielen
