材料应变力的ai工具 制造ar和vr眼镜的新点子
TRANSCRIPT
地址 :北京市东城区交道口南大街 67 号(100712) 社长 :孙伟 总编 :魏轶群 总编室主任 :吴斌斌 58354180 广告 / 发行部 :58354176 传真 :58354167 投稿邮箱 :[email protected] 每周二、五出版 全年定价 288 元 广告经营许可证 :京东工商广字第 0113 号 中国青年报印刷厂印刷地址 :北京市东城区交道口南大街 67 号(100712) 社长 :孙伟 总编 :魏轶群 总编室主任 :吴斌斌 58354180 广告 / 发行部 :58354176 传真 :58354167 投稿邮箱 :[email protected] 每周二、五出版 全年定价 288 元 广告经营许可证 :京东工商广字第 0113 号 中国青年报印刷厂印刷
探索 Exploration12 责任编辑:高飞 联系电话 :010-58354199 美术编辑:韩晓红
2021年7月13日 星期二探索 Exploration12 责任编辑:高飞 联系电话 :010-58354199 美术编辑:韩晓红
制造AR和VR眼镜的新点子制造AR和VR眼镜的新点子在价值 200 亿美元的 AR/VR 眼镜
市场里,“图像”就是王道。消费者需要看到集成度高、佩戴方便并能够提供高质量图像的产品,而不是问题缠身的产品。
罗切斯特大学光学研究所的研究人员开发出一种新技术,能够最大限度地满足上述要求。在他们发表于《科学·进展》的论文中,介绍了一种印有纳米光子光学元件(即“metasurface(下称MS)”)的光学自由曲面。
MS 好比是在金属薄膜表面用纳米级的银颗粒构建的一片森林,因此,它能够完美贴合光学自由曲面,并形成一种被研究人员称作 metaform 下称 MF,的新型光学元件。
MF 能够无视传统反射定律,汇集来自 AR/VR 镜片周围各个方向的可见光,并将它们直接导向眼睛。
量子光学和量子物理学教授 Nick Vamivakas 将这种纳米结构比作小型无线电天线。“当我们打开设备并用特定波长的光线照射它的时候,这些小型天线开始振动,发射出一束携带图像信息的新光线,并向下游传输。”
自 由 曲 面 光 学 中 心 主 任 Jannick Rolland 介绍称 :“MS 又被称作‘平面光学’,所以将 MS 印在光学自由曲面上是一项新的开创性工作。”Rolland 补充道,“这种光学元件能够在任意(形状)的平面镜和透镜上使用,我们已经想到了更多的应用方向。”比如传感器和运动相机。
自由曲面光学的缺陷
距 MF 正式面世还需要很多年。研究人员的目标是将进入 AR/VR 眼镜的可见光导向眼睛。新设备使用了一种自由空间光学组件 ;然而,当这种组件被整合进眼镜,作为包头式光学自由曲面的一部分时,便会漏掉部分导向眼睛的
光线。单靠光学自由曲面无法解决这一问题。
正因为此,研究人员不得不利用MS 去开发一种新型光学元件。
Rolland 研究小组的一名光学工程师、论文第一作者 Daniel Nikolov 表示,“将光学自由曲面和 MS 结合在一起,理解二者与光线的相互作用,并最终获得高质量图像是一项严峻的挑战。”
制成工艺挑战
Rolland 提到,另一大难题是“加工工艺从微米尺度到纳米尺度”的跨越。实际对焦设备的直径大约 2.5 毫米,比印在光学自由曲面上纳米结构的最小尺寸大 10000 倍。
Nikolov 说 :“ 站 在 设 计 的 角 度,这意味着改变自由曲面透镜的形状,通过某种方式将纳米结构分布在透镜表面,并保证二者能够协同工作,最终得到光学性能优异的设备。”
这就需要 Rolland 团队中的光学工程师 Aaron Bauer 找到一种方法,能够克服无法在光学设计软件中直接使用MS 的难题。事实上,在制造集成 MF设备的过程中用到了许多种软件。
Nikolov 坦言加工过程很艰难。其中需要用到电子束曝光技术,即使用电子束切掉薄膜 MS 的一部分来沉积纳米银结构。使用电子束在自由曲面表面雕
刻并不常见,需要设计新的加工工艺。研究人员使用了密歇根州立大学
Lurie 纳米制造工厂的 JEOL 电子束曝光设备。为了在光学自由曲面表面印刷MS,他们首先用一套激光传感测量系统构建了自由曲面表面的 3 维结构图。随后,将 3 维结构图导入到 JEOL 中,并指定纳米结构的具体印刷高度。
Nikolov 说 :“我们还在进一步改进设备。”Vamivakas 研究团队的博士后助理 Fei Cheng,来自日本的 JEOL代表 Hitoshi Kato,以及密歇根州立大学纳米制造实验室的职工都与 Nikolov
一起,致力于“在经历数次工艺的迭代后”成功制造出产品。
Rolland 认为 :“这是使梦想成真的过程,需要团队中的每位成员都为之努力并密切协作。”
自由曲面光学是什么?
自由曲面光学是一项新技术,它使用在光学直径内 / 外没有对称轴的透镜和反射镜来制造更轻、集成度更高且更高效的光学设备。
其应用场景包括 3 维成像和可视化、增强现实和虚拟现实、红外和军用光学系统、高效车用 LED 光源、能源研究、远距离传感、半导体制造和验伤以及医疗辅助技术。
自 由 曲 面 光 学 中 心 的 Rolland,Bauer 及合作者在不久前发表于《光学》的一篇综述文章中讨论了这一技术,包括无旋成轴透镜的早期发展,光学自由曲面的设计、制造、测试和组装,基础理论及展望。 (张宇哲)
能够从照片中识别材料应变力的AI工具
几个世纪以来,工程师们一直借助由牛顿等人提出的物理定律来分析材料的应力和应变。但求解这些方程并不容易,尤其是在分析复杂材料时。
麻 省 理 工 学 院(MIT) 的研究人员开发了一种新技术。这项技术能够根据材料内部结构的照片快速确定材料的某些特性,如应力和应变。有朝一日,这种方法将代替复杂的数学计算,仅借助计算机视觉和机器学习就能实现实时估算材料特性。
研究人员认为,这一进步可以加速原型(机)设计和材料检查(工作)。研究人员 Zhenze Yang 表示 :“这是一种全新的方法,”并补充说,其算法“可以不借助任何物理知识就能完成整个过程”。
这项研究发表在 2021 年 4月 22 日出版的《科学·进展》上。Yang 是论文的第一作者,他正在 MIT 材料科学与工程系攻读博士学位。论文合著者包括前 MIT 博 士 后 Chi-Hua Yu,以及 McAfee 工程教授、原子与分子力学实验室主任 Markus Buehler。
工程师需要花费大量的时间解方程,并从中得出引起材料变形或破坏的内力,如应力和应变。类似的计算能够模拟桥梁在密集车流或大风天气中的受力状态。与当年的牛顿不同,如今的工程师不再需要笔和纸来完成这项任务。Buehler 说 :
“经过数代发展,数学家和工程师们已经将这些方程交给计算机来求解。但问题并没有彻底解决,因为求解成本很高——可能花费数天、数周甚至数月。所以我们想到 :能不能让 AI 来做这件事。”
研究人员将目光投向一种名为“对抗神经网络”的机器学习技术。他们用数千张成对图像来训练这个网络,其中一幅展现了外力作用下材料的内部微结构,另一幅则展示了同一材料经过颜色编码的应力和应变值。利用这一训练集,对抗神经网络会借助博弈论原理反复计算材料的几何形状与对应的应力之间的关系。
Buehler 说 :“最终,计算机能够根据图像预测这些力 :变形、应力等等。这确实是一个突破 :传统方法需要将本构方程转换为计算机可以求解的偏微分方程后再求解 ;现在我们只需要上传图片。”
这种基于图像(预测应力
应变)的方法尤其适用于复杂的复合材料。作用于材料上的力在原子尺度与宏观尺度可能是不同的。Buehler 说 :“比如一架飞机的组成,既有胶水、金属,也有介于两者之间的复合材料聚合物。因此,存在许多影响模拟结果的不同角度和跨度大的不同尺度。如果采用经典力学方法来求解,会走许多弯路。”
但这里的神经网络擅长处理多尺度问题。它通过一系列的
“卷积”处理信息,从小(尺度)到大(尺度)地逐步分析图像。Buehler 表示,“这就是神经网络适合模拟材料特性的原因。”
完成训练的神经网络在测试中表现良好。它根据输入的柔软复合材料的微结构图像,成功地模拟出了对应的应力和应变值。该网络甚至能够捕捉到“奇点”,如材料中出现的裂缝。在这些位置处,力和场在极小的距离上迅速变化。Buehler 说 :
“材料学家非常关心一个模型能否模拟出这些奇点 ;对抗神经网络显然做到了。”
来自 Rensselaer 理工学院的 机 械 工 程 师 Suvranu De 表示,“这一进展可以显著减少产品设计中的迭代次数。论文中提出的端到端方法将对各种工程应用产生重大影响,从汽车和飞机行业使用的复合材料到自然和工程生物材料。它还将在纯科学领域的探究中得到重大应用,因为力在从微 / 纳米电子到细胞迁移和分化等极广泛的领域间起着至关重要的作用。”
除了节省工程师的时间和金钱外,这项新技术还可以让非专业人士获得最先进的材料计算结果。例如,建筑师或产品设计师可以在将项目交给工程团队之前先行测试其想法的可行性。Buehler 认为,“他们只需要勾勒出初步想法便可以得到验证,这是质的飞跃。”
一旦完成训练,该网络在消费级处理器上几乎也可以瞬间得到结果。如此,机械师和质检员只需拍照就能诊断出潜在的结构问题。
在新论文中,研究人员主要研究各种在几何上随机排布的、同时包含柔软和脆性组分的复合材料。未来,该团队计划研究更广泛的材料类型。Buehler谈到 :“我确实认为这种方法将产生巨大影响,我们力图借助AI 赋予工程师更大的能力。”
(张宇哲)
地球运动速度有多快?自转时速达到1670千米地球自转速度究竟有多快?人们
日常生活中会感到地球处于“平静状态”,似乎并没有高速运转,但事实上,地球一直环绕太阳运行,并绕着地轴发生自转。
地球在不断地移动,当地球环绕太阳旋转时,也会绕着地轴旋转,就像一个篮球放在球员指尖上一样。那么地球的运动究竟有多快呢?也就是它绕地轴自转的速度,以及环绕太阳公转的速度?更深远地讲,太阳系环绕银河系运行的速度有多快?
你可以想象一下,你的头部转动就像是地球自转,地球绕地轴每隔 24小时自转一周(精确地讲,应该是 23小时 56 分 4 秒),地球周长为 40070千米,所以如果用运行距离除以时间时,获得的地球自转速度是 1670 千米/ 时。
与 此 同 时, 地 球 还 处 于 环 绕 太
阳的高速公转状态中,公转速度达到110000 千米 / 时,科学家们都知道,地球公转一周的距离除以地球环绕太阳公转一周的时间(大约 365 天),即可获得地球公转速度。
要计算地球环绕太阳运行的距离,科学家需要做的就是确定一个宇宙圆周长,我们知道,平均而言,地球距离太阳大约 1.492 亿千米,其环绕太阳公转的运行路径近似一个圆(实际上它更像一个椭圆,但用圆进行计算更为简单)。太阳到地球的距离就是这个圆的半径,要获得这个圆的周长,使用的方程式是 :2×π× 半径,也就是2×3.14×1.496 亿千米,一旦地球公转的周长计算,其轨道速度也可以确定。
太阳系,包括太阳和所有围绕它运行的天体,它们都位于银河系内,并且绕着银河系中心运行。美国北卡
罗莱纳州立大学理论天体物理学家凯蒂·麦克称,依据对其他恒星的观测,科学家们知道银河系正在围绕一个星系中心运行,如果非常遥远的恒星似乎在移动,那是因为太阳系与那些遥远恒星相对位置相比处于移动状态。
为了将这个概念理论带回现实,麦克说 :“如果我开始走路,就能感觉到我在移动,因为相对于保持静止状态的建筑物,我处于移动之中,如果以更远的物体作为参考,例如 :地平线上的一座山,当我们走路时,就会觉得这座山位置变动较小,因为它比之前对比的建筑物更远。”
通过研究其他恒星相对于太阳的运动,科学家们已经确定,太阳系以72 万千米 / 时的速度围绕银河系中心运行。然后是整个银河系,它被其他大质量结构的引力拉伸至不同方向,例如 :其他星系和星系团。就像科学
家可以依据其他恒星的相对运动来判断太阳系的运动一样,他们也可以利用其他星系的相对运动来确定银河系在宇宙中的运动速度。
麦克说 :“尽管任何事物都在不停地移动,但地球表面的生物却完全感觉不到,原因是飞机乘客感觉不到自己以数百千米的时速在空中快速飞行,当飞机起飞时,乘客会感觉到飞机在跑道上加速并迅速起飞,这种加重感觉是由飞机加速起飞造成的,一旦飞机 在 巡 航 高 度 飞行, 乘 客 就 感
觉不到时速数百千米的速度,因为飞机保持高空匀速飞行。”
飞机乘客感觉不到速度变化,因为他们实际上自身没有运动变化,与飞机保持同速飞行状态,没有相对运动。此时,他们能感觉到自己处于快速移动 状
态的唯一方式就是观看窗外路过的风景。
对于站在地球表面的人们而言,我们感觉不到地球自转的速度,因为地球在高速自转的同时,也高速环绕太阳公转。
(叶倾城)
海鸟的黑色翅膀可以让它们飞得更远
据外媒报道,一项新研究表明,为了能在空中停留更长时间,多种海鸟因此进化 出 了 深 色 的 翅 膀。这项研究是由来自比利时根特大学、冯·卡门 流 体 动 力 学 研 究所、鲁汶大学、比利时皇家自然科学研究所和伊利诺斯州西北大学的科学家们联合展开。
研究人员将多种黑翼海鸟放在冯·卡门研究所的风洞中,在那里它们的黑翼羽毛会被辐射加热——这跟它们自然受到太阳加热的方式相同。结果研究发现,羽毛所处的环境越温暖,鸟类的飞行效率就越高。更具体地说,它们的滑翔能力在不需要大幅度降低高度的情况下提高了 20%。
这一发现支持了之前指出翅膀(机翼)的加热提高了升阻比
的研究。简单地说,这个比率越高,飞机或鸟的飞行效率就越高。
科学家们经过进一步研究发现,随着时间的推移,海鸟翅膀中不断增加的黑色素“遵循了一个进化轨迹”,这跟与提高飞行效率相关的其他特征相似。
或许这代表人们最终可能会看到越来越多的黑色机翼飞机。研究人员说道 :“这些发现也可以为航空航天领域的生物创新提供指导,尤其是在低速领域。”
(逸文)
人工智能与自然语言处理技术随着人工智能技术的发展,我们生
活中的许多应用都带上了“AI”的色彩,比如可以用计算机帮翻译外文文档。但有时候人工智也能会出一些小故障,变得不那么智能,尤其在语言处理方面。那么我们怎样才能让人工智能变成真正的“智能”呢?自然语言处理技术就是一个重要的方式。
自 然 语 言 处 理 技 术( 即 natural language processing, 简 称 NPL) 是人工智能的一个重要分支,其目的是利用计算机对自然语言进行智能化处理。基础的自然语言处理技术主要围绕语言的不同层级展开,包括音位(语言的发音模式)、形态(字、字母如何构成单词、单词的形态变化)、词汇(单词之间的关系)、句法(单词如何形成句子)、语义(语言表述对应的意思)、语用(不同语境中的语义解释)、篇章(句子如何组合成段落)7 个层级。这些基本的自然语言处理技术经常被运用到下游的多种自然语言处理任务中,如机器翻译、对话、问答、文档摘要等。
科 学 家 研 究 自 然 语 言 处 理 技 术(NLP)的目的是让机器能够理解人类语言,用自然语言的方式与人类交流,最终拥有“智能”。AI 时代,我们希望计算
机拥有视觉、听觉、语言和行动的能力,其中语言是人类区别于动物的最重要特征之一,语言是人类思维的载体,也是知识凝练和传承的载体。在人工智能领域,研究自然语言处理技术的目的就是让机器理解并生成人类的语言,从而和人类平等流畅地沟通交流。
但现在的人工智能常常和我们的人工评价有很大的出入,这也是基于 AI 算法的自动评测面临的最大挑战 :如何与人工评价保持一致?应对这个挑战需要解决很多问题。以智能阅卷为例 :如何制定电脑适用的评测标准?人工智能如何应对语言的千变万化?如何设计阅卷综合性的评测指标?有科学家认为,大数据与富知识双轮驱动或许能成为解决问题的关键,即在大数据驱动的基础上加入富知识驱动,可以突破现在智能语言处理技术上的瓶颈。
总而言之,自然语言技术的发展说明人工智能技术的核心还是在“人”。“人工智能和机器学习带给决策过程的支撑和信心将使创新加速,但这并不意味着人类的缺席。人们仍然需要定义分析的起点、标注主题并从收集的信息中提取所需数据。” (新华)