繊毛はチップとしても使えます!コーネル大学の中国人博士課程学生による研究がネイチャー誌の表紙に掲載
チップを取得する際に最も重要なことは何ですか?
より高度な製造プロセスを使用してトランジスタ密度を高め、より大きな計算能力を得ることに加えて、チップ内の内部信号の送信と制御も重要な部分です。
「繊毛チップ」について知りたいですか?
もちろん、まずは繊毛が何をするのか見てみましょう。
繊毛は、生物の中で最も勤勉なメッセンジャーであり、より直接的に言うと、液体の最も柔軟な「ポーター」であると言えます。
これらの細い毛は、リズミカルな鼓動を通じて、脳内の脳脊髄液などの体内の体液を輸送し、肺から痰や汚れを除去し、人間の他の臓器や組織を清潔に保ちます。
長年にわたり、人々はコンピューティングと制御の分野で繊毛の魔法の能力を吸収、または「借りる」ことを望んできました。
しかし、ミクロレベルでは。この生物で「奇跡」を再現することは非常に困難です。ここ数年、光学、磁気、電気ドライブの研究は大きく進歩しましたが、工学的応用価値を備えた「繊毛駆動」プラットフォームを実現するのはまだ困難です。
さて、この問題はコーネル大学の研究者グループによって解決されました。
彼らは、繊毛を使用して顕微鏡スケールで液体の動きを制御できる、プラチナベースのコンポーネントを使用した小型人工繊毛システムを設計しました。将来的には、血液サンプルの検査、細胞活動の操作、または微細加工プロセスの補助に使用できる、低コストのポータブル診断装置を実装できる可能性があります。
現在、この研究を発表した論文は最新のNatureに掲載されています。最初の論文は中国の博士課程学生であるWang Wei氏(上の写真)、2番目は中国の博士研究員Liu Qingkun氏によるものです。 2,300 回以上引用されており、H インデックスは 24 です。
この Nature 論文では、研究者が電子ドライブを構築しています。アクティブなメタサーフェスを生成し、表面近くの液体に任意の流れパターンを生成できます。
研究者らはまず、電圧駆動の繊毛を構築しました。この繊毛は、1ボルトの駆動電圧の下で毎秒数十マイクロメートルの速度で一方向に動き、表面の流れを駆動します。毛様体単位細胞は、局所的に一連の要素の流れを生成し、さまざまな幾何学的形状を形成することができます。
これらの単位セルを組み合わせることで、研究者らは、任意の望ましい流れパターンとこれらのモード間の柔軟な切り替えを生成できる活性繊毛メタ表面を作成しました。
これらの結果は、実験と理論計算によって最終的に確認されました。
研究者らは、これらの結果は、マイクロ流体ポンピングからマイクロロボットの動作に至るまでの応用範囲で、将来の微細なマイクロ流体操作に新たな道を開くものであると述べた。
人工繊毛の顕微鏡写真 具体的には、典型的な「繊毛チップ」には16個の正方形のユニットが含まれており、各ユニットには8つの繊毛アレイがあり、各アレイには8つの繊毛があり、それぞれの繊毛の長さは約50ミクロンです。 、約1,000個の人工繊毛の「カーペット」を形成しています。 各繊毛に振動電圧を加えると、表面で周期的な酸化と還元が起こり、繊毛が前後に曲がり、毎秒数十マイクロメートルの速度で液体を送り出します。 異なる繊毛配列は独立して活性化されるため、生物の繊毛とほぼ同じくらい柔軟な、無限の流れのパターンとルートが生成されます。 この研究は、論文の責任著者でコーネル大学の物理学教授であるイタイ・コーエンによって主導され、毛様体デバイスのコアコンポーネントとしてプラチナベースの電気アクチュエーターに基づいて構築されました。 コーエン氏のチームは以前、マイクロロボットの歩行を可能にする同様のシステムを構築しました。実際、マイクロロボットを「脚を曲げる」機械原理はこの研究と非常に似ていますが、毛様体系の具体的な機能と応用は異なり、非常に柔軟です。 「これらの繊毛を個別に処理できれば、これらの流体を任意の方法で正確に操作および制御できるようになります」とコーエン氏は述べ、複数の独立した運動軌道を作成したり、循環流を実現したり、2 つの経路に分割してから 2 つの経路を結合したりすることができます。つまり、すべてが可能になります。「水中で機能し、電気的に加工でき、既存のプラットフォームを使用して興味深い電子機器と統合できる小さな繊毛を作成することは常に非常に困難でした。この問題は今、解決されています。」 、私たちは次世代のマイクロ流体デバイスの開発が期待されています」と彼は言いました。 さらに、研究チームはCMOSクロック回路を搭載した繊毛デバイスも開発しました。これは実際には、繊毛が従来のコンピューターシステムに束縛されずに動作できるようにするための基盤も提供します。オンサイトで実行される低コストの診断テストが可能となる一連のデバイスの開発への扉を開きます。 将来的には、この1cm四方の小さな装置を使って血液を一滴垂らすだけであらゆる検査ができるようになることが考えられるとコーエン氏は語った。ポンプやその他の設備は必要なく、太陽の光に当てておくだけで機能し、費用はわずか 1 ドルから 10 ドル程度です。
以上が繊毛はチップとしても使えます!コーネル大学の中国人博士課程学生による研究がネイチャー誌の表紙に掲載の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









StableDiffusion3 の論文がついに登場しました!このモデルは2週間前にリリースされ、Soraと同じDiT(DiffusionTransformer)アーキテクチャを採用しており、リリースされると大きな話題を呼びました。前バージョンと比較して、StableDiffusion3で生成される画像の品質が大幅に向上し、マルチテーマプロンプトに対応したほか、テキスト書き込み効果も向上し、文字化けが発生しなくなりました。 StabilityAI は、StableDiffusion3 はパラメータ サイズが 800M から 8B までの一連のモデルであると指摘しました。このパラメーター範囲は、モデルを多くのポータブル デバイス上で直接実行できることを意味し、AI の使用を大幅に削減します。

自動運転では軌道予測が重要な役割を果たしており、自動運転軌道予測とは、車両の走行過程におけるさまざまなデータを分析し、将来の車両の走行軌跡を予測することを指します。自動運転のコアモジュールとして、軌道予測の品質は下流の計画制御にとって非常に重要です。軌道予測タスクには豊富な技術スタックがあり、自動運転の動的/静的知覚、高精度地図、車線境界線、ニューラル ネットワーク アーキテクチャ (CNN&GNN&Transformer) スキルなどに精通している必要があります。始めるのは非常に困難です。多くのファンは、できるだけ早く軌道予測を始めて、落とし穴を避けたいと考えています。今日は、軌道予測に関するよくある問題と入門的な学習方法を取り上げます。関連知識の紹介 1. プレビュー用紙は整っていますか? A: まずアンケートを見てください。

長新メモリの公式ウェブサイトによると、長新メモリは最新のLPDDR5DRAMメモリチップを発売し、独自に開発・生産したLPDDR5製品を発売する初の国内ブランドとなり、国内市場での躍進を達成し、また、モバイル端末市場における長信ストレージの製品レイアウトもより多様化しています。この Web サイトでは、Changxin Memory LPDDR5 シリーズ製品には 12Gb LPDDR5 パーティクル、POP パッケージの 12GBLPDDR5 チップ、および DSC パッケージの 6GBLPDDR5 チップが含まれていることがわかりました。 12GBLPDDR5 チップは、Xiaomi や Transsion などの国内の主流携帯電話メーカーのモデルで検証されています。 LPDDR5 は、Changxin Storage がミッドエンドからハイエンドのモバイル デバイス市場向けに発売した製品です。

この論文では、自動運転においてさまざまな視野角 (遠近法や鳥瞰図など) から物体を正確に検出するという問題、特に、特徴を遠近法 (PV) 空間から鳥瞰図 (BEV) 空間に効果的に変換する方法について検討します。 Visual Transformation (VT) モジュールを介して実装されます。既存の手法は、2D から 3D への変換と 3D から 2D への変換という 2 つの戦略に大別されます。 2D から 3D への手法は、深さの確率を予測することで高密度の 2D フィーチャを改善しますが、特に遠方の領域では、深さ予測に固有の不確実性により不正確さが生じる可能性があります。 3D から 2D への方法では通常、3D クエリを使用して 2D フィーチャをサンプリングし、Transformer を通じて 3D と 2D フィーチャ間の対応のアテンション ウェイトを学習します。これにより、計算時間と展開時間が増加します。

11 月 13 日のこのサイトのニュースによると、台湾経済日報によると、TSMC の CoWoS 高度パッケージング需要は爆発的に増加しつつあり、10 月に受注拡大を確認した NVIDIA に加えて、Apple、AMD、Broadcom、Marvell などの大口顧客も参入しています。最近も大幅に注文を追求しています。報道によると、TSMCは上記5大顧客のニーズを満たすため、CoWoS先進パッケージングの生産能力の拡大を加速させるべく懸命に取り組んでいるという。来年の月産能力は当初の目標から約20%増加し、3万5000個に達する見通しであるとアナリストらは、TSMCの主要顧客5社が大量発注を行っており、人工知能アプリケーションが広く普及しており、大手メーカーが関心を示していると述べた。人工知能チップの需要は大幅に増加しています。このサイトへの問い合わせによると、現在の CoWoS の高度なパッケージング技術は主に 3 つのタイプに分かれています。

この四角い男性は、目の前にいる「招かれざる客」の正体について考えながら眉をひそめていることに注意してください。彼女が危険な状況にあることが判明し、これに気づくと、彼女は問題を解決するための戦略を見つけるためにすぐに頭の中で探索を始めました。最終的に、彼女は現場から逃走し、できるだけ早く助けを求め、直ちに行動を起こすことにしました。同時に、反対側の人も彼女と同じことを考えていた……『マインクラフト』では、登場人物全員が人工知能によって制御されている、そんなシーンがありました。それぞれに個性的な設定があり、例えば先ほどの女の子は17歳ながら賢くて勇敢な配達員です。彼らは記憶力と思考力を持ち、Minecraft の舞台となるこの小さな町で人間と同じように暮らしています。彼らを動かすのはまったく新しいものであり、

最新のニュースによると、Science and Technology Innovation Board DailyとBlue Whale Financeのレポートによると、業界チェーンの情報筋は、NvidiaがHGXH20、L20PCle、L2PCleなどの中国市場に適した最新バージョンのAIチップを開発したことを明らかにしました。現時点でNVIDIAはコメントを出していないが、これら3つのチップはいずれもNVIDIA H100の改良版をベースにしており、NVIDIAは早ければ11月16日にサンプルを入手する予定だという。日々。公開情報を確認したところ、NVIDIAH100TensorCoreGPU は TSMC N4 プロセスをベースにし、800 億個のトランジスタを統合する新しい Hopper アーキテクチャを採用していることがわかりました。前世代の製品と比較して、マルチエキスパート (MoE) を提供できます。

9 月 23 日、論文「DeepModelFusion:ASurvey」が国立国防技術大学、JD.com、北京理工大学によって発表されました。ディープ モデルの融合/マージは、複数のディープ ラーニング モデルのパラメーターまたは予測を 1 つのモデルに結合する新しいテクノロジーです。さまざまなモデルの機能を組み合わせて、個々のモデルのバイアスとエラーを補償し、パフォーマンスを向上させます。大規模な深層学習モデル (LLM や基本モデルなど) での深層モデルの融合は、高い計算コスト、高次元のパラメーター空間、異なる異種モデル間の干渉など、いくつかの課題に直面しています。この記事では、既存のディープ モデル フュージョン手法を 4 つのカテゴリに分類します。 (1) 「パターン接続」。損失低減パスを介して重み空間内の解を接続し、より適切な初期モデル フュージョンを取得します。
