科情智库
1
英特尔公司发布神经超微计算机系统“Pohoiki Beach”
处理速度将实现数量级提升
7月15日，据bit-tech网消息，英特尔公司正式推出包含64块Loihi芯片的神经超微计算机系统“Pohoiki Beach”。该神经拟态系统内嵌800万个神经元，将生物大脑原理应用于计算机体系结构。Loihi芯片在计算速度和信息处理效率方面分别是普通CPU的1,000倍和10,000倍，将会使众多应用领域实现数量级的速度与效率提升，特别是在稀疏编码、图搜索和约束满足问题等领域。另外，英特尔公司同时宣布正在研发下一代神经超微计算机，其内嵌系统将包含约1亿个神经元。
2
AT&T公司与IBM公司达成价值数十亿美元的云计算合作协议
实现强强联合
7月16日，美国电信巨头AT&T公司在官网发布消息，公司与商业巨头IBM签署了一份为期多年、价值数十亿美元的云计算合作协议。根据协议，IBM公司提供专业技术，协助AT&T公司的商业解决方案部门进行业务数字化转型，提供云平台存储AT&T公司的数据。而AT&T商业解决方案部门将利用包括5G、边缘计算、物联网以及多云功能等在内的最新技术，帮助IBM改造其网络解决方案。未来双方还将合作开发边缘计算平台，为企业用户提供安全、低延迟的数据服务。
3
首个AI辅助诊断乳腺癌系统获FDA批准
可有效降低癌性乳腺病变漏诊率
7月17日，据techstartups网消息，由美国QlarityImaging公司研发的AI辅助诊断系统Quantx正式获得美国食品药品监督管理局（FDA）批准，成为FDA批准的首套用于放射学的计算机辅助乳腺癌诊断系统。通过该辅助诊断系统，放射科医生可以在癌性和非癌性乳腺病变方面做出更好的诊断。临床试验证明，癌性乳腺病变漏诊率能够降低39%。Qlarity Imaging公司专注于通过构建AI驱动的产品来改善癌症患者的诊断与治疗效率，目前正与德克萨斯大学、芝加哥大学安德森癌症中心合作，通过获得临床应用的反馈数据不断升级Quantx系统。
4
英美科学家实现微电子器件中的电子结构可视化
为原子级半导体开发奠定基础
7月17日，英国华威大学与美国华盛顿大学的合作团队在《Nature》发表最新研究成果，研究人员首次成功将微电子器件中的电子结构可视化，可用于测量原子级厚度的二维半导体材料中电子的能量和动量。研究人员将一束紫外线或X射线光聚焦在局部区域的原子上，使其产生电子，通过测量逃逸电子的能量和行进方向，计算出其能量和动量。该研究成果未来将促进材料的电学和光学特性可视化，有助于获得研发具有高效率、低能耗的“微调”电子元件所需的信息，为开发原子级的二维半导体奠定基础，传统半导体制造或被颠覆。
5
澳大利亚科学家使用光线操纵神经元
在芯片上模拟人脑信息处理方式
7月17日，澳大利亚皇家墨尔本理工大学的研究人员在《Advanced Functional Materials》发表最新研究成果，研究人员使用光线操纵神经元，在芯片上模拟人类大脑信息存储。研究中使用的新型芯片基于一种超薄材料，该材料可根据不同波长的光线改变电阻，使芯片能够模拟神经元在大脑中存储和删除信息的工作方式，该研究将有助于科学家深入研究人工智能。
6
韩国开发出全球首个三进制半导体元件
有望改变现有芯片产业
7月17日，据《韩国先驱报》消息，韩国蔚山科学技术大学（UNIST）研究团队在大尺寸晶圆上开发出全球首个三进制半导体元件。三进制是以3为底数的进位制，它采用0、1、2三个数码进行逻辑运算。与目前的二进制半导体器件相比，基于三进制逻辑的新型芯片将有效缩短数据处理时间并降低功耗。研究团队表示，如果这一半导体技术商业化，意味着芯片产业将发生根本性改变，也将对人工智能、无人驾驶汽车、物联网、生物芯片和机器人等严重依赖半导体的产业产生积极影响。
7
新加坡国立大学开发出用于机器触觉感知的电子皮肤
时间精度小于60纳秒
7月17日，新加坡国立大学在《Science Robotics》发表最新研究成果，研究团队开发出一种低延迟电子皮肤。该电子皮肤拥有10,000多个传感元件，可应用于协同机器人及电子假肢以实现触觉感知，且响应迅速，能够以1毫秒的恒定延迟进行异步传输，同时保持60纳秒以内的超高时间精度。该电子皮肤可识别力量大小、冷热状况和物体表面纹理。它具备物理柔性，传感电路拥有多个分支，受到损伤后依然能正常工作。研究成果在人工智能、增强自主机器人和神经修复等领域具有广泛应用前景。
8
美国开发AI系统“自然对抗实例”数据集
为改善AI图像识别性能提供新思路
7月19日，据theverge网消息，美国加州大学伯克利分校、华盛顿大学和芝加哥大学研究团队开发了一个包含7,500个“自然对抗实例”（natural adversarialexamples）的数据集，用于测试人工智能系统的图像识别性能。研究发现，目前图像识别算法存在“过度依赖颜色、纹理和背景线索来进行识别”等缺陷。经过该实例数据集测试，发现传统AI系统的图像识别性能下降90%，某些情况下识别错误率可高达98%。该研究采用对抗实例寻找系统缺陷，改变了过去单一正向修正算法的弊端，为改善人工智能系统的图像识别性能提供了新思路。相关研究成果及数据集已在arXiv平台在线发表。
推荐阅读 >
基于PEST-SWOT分析的北京现代公共文化服务体系研究
澳政府发布“澳大利亚技术未来”报告旨在大力发展数字经济
法国《2019年财政法》发布科技创新措施与预算重点
识别下方二维码，关注「科情智库」
持续关注产业动态及科技领域报告
