-
瑞典卡罗林斯卡学院团队开发出一种能杀死小鼠癌细胞的纳米机器人。该机器人的“武器”隐藏在纳米结构中,仅在肿瘤微环境中才暴露,从而保护了健康细胞。这项研究发表在最新一期《自然·纳米技术》上。
杀死小鼠体内癌细胞,懂得隐藏“武器”的纳米机器人问世|总编辑圈点
-
美国普渡大学科学家开发出一种新型双光子聚合技术。这项技术巧妙地将两个激光器结合,借助3D打印技术,在将飞秒激光功率降低50%的情况下,打印出了复杂的高分辨率3D结构。它有助降低高分辨率3D打印工艺成本,从而进一步扩大应用范围。相关研究论文发表于最新一期《光学快报》杂志。
将两个激光器结合,飞秒激光3D打印成本大幅缩减|总编辑圈点
-
日本九州大学研究人员在新一期《自然·通讯》上发表文章称,他们开发了一种新的人工智能(AI)工具——QDyeFinder,其可从小鼠大脑的图像中自动识别和重建单个神经元。该过程涉及使用超多色标记协议去标记神经元,然后让AI通过匹配相似的颜色组合自动识别神经元的结构。
AI系统绘出“多彩”大脑布线图,可解开和重建大脑密集神经元网络|总编辑圈点
-
《自然·医学》1日发表的一篇论文,报道了神经义肢接口的最新突破,其能让仿生腿完全响应人体神经系统,在临床试验中,改善了截肢人士的行走控制,让他们恢复了“仿生行走”。这一结果表明,即使只恢复部分神经信号传导,或也足以实现神经义肢功能的临床相关改善。
能完全响应人体神经系统,神经义肢接口让患者恢复“仿生行走”|总编辑圈点
-
几乎所有支持现代AI工具的神经网络都是基于20世纪60年代的活体神经元计算模型。但美国科学中心(CCN)开发的新模型表明,这种已有数十年历史的近似模型,并未捕捉到真实神经元所拥有的所有计算能力
神经元新计算模型或产生更强大AI
-
美国哈佛大学科学家将来自5个捐赠者的干细胞,浸泡在一种精确配制的混合溶液中,培育出首个包含多人细胞的3D大脑模型。这些大脑类器官有助揭示人脑发育和药物反应的个体差异。
用多人干细胞培育的三维大脑模型面世
-
据26日《自然》杂志报道,美国斯坦福大学团队在芯片上制造出一种钛宝石激光器。与目前的任何其他钛蓝宝石激光器相比,这一原型机的体积缩小了4个数量级(即原来的万分之一),成本降低了3个数量级(即原先的千分之一)。
首台实用型芯片级钛宝石激光器问世
-
新一代基因编辑技术多项重磅成果近期纷纷出炉。继上周《自然·通讯》报道SeekRNA编辑工具后,《自然》26日再次公布两篇论文,描述了一种新的基因组编辑技术。这种技术利用RNA作为引导,能在用户指定的基因组位点插入、倒置或删除长DNA序列。
“RNA桥”实现下一代基因组设计
-
据24日发表于《先进材料》杂志上的论文,美国匹兹堡大学研究人员研发了一种新型设备,可利用血液发电并测量血液电导率,这一创新有助于医疗测试的进一步普及。
新型芯片可快速监测健康情况
-
美国科学家正在开发一系列尖端技术,有望彻底改变护理领域,其中包括可自动感知伤口内部变化并作出反应的“智能绷带”。这种高科技敷料经过数次优化,现已能持续提供有关伤口愈合和潜在并发症的数据,并可实时提供药物及其他治疗。
“智能绷带”技术有望改变护理现状
-
美国得克萨斯大学安德森癌症中心研究人员证明,在临床前模型上进行的试验中,通过治疗手段恢复端粒酶特定亚基的“年轻”水平,可以显著减少衰老的迹象和相关症状。
激活关键分子靶点可逆转衰老特征
-
人工智能在给出准确答案的同时,也会有一些“胡乱输出”令人难辨真假,这被称为“幻觉”。《自然》杂志研究报道了一种新方法,能检测大语言模型产生的“幻觉”,即该方法能测量生成回答的含义的不确定性,或能提升LLM输出答案的可靠性。
新方法助生成式AI破除“幻觉”
-
美国北卡罗来纳州立大学研究人员创造了一种名为“玻璃凝胶”的新材料,这种材料含有超过50%的液体,非常坚硬而且难以破碎。由于其生产也比较容易,这种材料有望应用于多个领域。相关论文19日发表在《自然》杂志上。
新材料“玻璃凝胶”既坚硬又可拉伸
-
美国卡内基梅隆大学研究团队首次成功整合了一种新型聚焦超声刺激技术,实现了双向脑机接口(BCI)功能,即对脑电波进行编码和解码。这项工作开辟了一条新途径:通过刺激目标神经回路,不仅可显著提高信号质量,还可显著提高整体非侵入式BCI性能。
新技术增强非侵入式脑机接口功能
-
为探索大脑如何控制运动的奥秘,美国哈佛大学与谷歌深度思维实验室的科学家合作,创造出一个“虚拟大鼠”——生物力学上逼真的大鼠数字模型。这个“大鼠”有一个人造大脑,可像真正的啮齿动物一样四处走动。该成果代表了一种人类研究大脑如何运作的新方法。
人工智能神经网络创建虚拟动物模型
-
据日本国家信息通信技术研究所和东京工业大学研究人员报道,一种具有56GHz信号链带宽的新型D波段硅互补金属氧化物半导体(CMOS)收发器芯片组,实现了无线最高传输速度640Gbps。该成果于正在美国檀香山举行的2024年IEEE VLSI技术与电路研讨会上发布。