【science头条】第十期

1

科学家花了数年时间计划进口这种黄蜂以杀死臭椿。然后他自己出现了

新泽西州的布里奇顿，在这里的一条乡村公路边上的一个桃园里，一位不请自来的客人疯狂地跑来跑去。褐色的疣状臭椿（Halyomorpha halys）一直在吃未成熟的果实。这些虫子将他们锋利的探针扎入桃子中，这些伤口中渗出了果汁; 然后形成木棕色瑕疵; 最后这些伤口并使树木更容易受到感染。

在这个由罗格斯大学农业研究和管理的果园里，疣状臭椿是一个研究课题。然而，在周围的农场和家庭中，它是一种被鄙视的入侵性害虫，以其不分皂白的食欲而闻名，它倾向于通过挤入人们家中来逃避寒冷的天气，有时是成千上万，而且这些虫子在被踩扁的时候还会有难闻的气味（花大姐？）这种原产于亚洲的虫子于1998年首次在美国被发现; 此后，它已经达到43个州，攻击果树，玉米，大豆，浆果，西红柿和其他作物。虽然没有精确的统计，但一个行业组织估计，2010年仅中大西洋苹果种植者就会损失3700万美元。

美国农业部（USDA）农业研究服务中心（ARS）的团队开始在亚洲的农田和植物园中寻找虫子的微小桶状蛋。他们检查是否有任何被寄生蜂注入，这种寄生蜂将自己的卵注入臭椿，留下幼虫吃掉发育中的虫子，然后钻出去。到目前为止，他们发现的最普遍的寄生虫是武士黄蜂（Trissolcus japonicus），尽管它的名字很可怕，却是无头的，比芝麻小。ARS团队将几种黄蜂菌株引入到纽瓦克的一个隔离设施，并开始进行艰苦的测试，以确定它是否是一个好的生物控制候选者。

然后在2014年，Hoelmer接到一个意外的电话。Elijah Talamas是位于盖恩斯维尔的佛罗里达州农业和消费者服务部的分类学家，他一直在帮助另一个ARS团队确定在马里兰州寄生臭虫的本地黄蜂。塔拉马斯是Trissolcus物种的专家，他认识到这里有些是武士黄蜂。

“这是令人震惊的消息，”Hoelmer说道。他花了数年时间在实验室研究黄蜂，以确保如果被释放，它将在不伤害本地物种的情况下完成它的工作。但昆虫已经在这里了。基因测试证实，马里兰州的黄蜂并没有从他的任何隔离菌株中逃脱。不知何故，他们自己移民了。

2

强大的红外光束可以探测细胞，诊断疾病

由加利福尼亚州劳伦斯伯克利国家实验室（LBNL）的生物物理学家Cynthia McMurray和物理学家迈克尔·马丁领导的研究小组发现，通过用同步加速器（一种粒子加速器）产生的强烈红外辐射束扫描细胞，可以捕获生化标志，揭示细胞的身份。

研究人员于6月份在英国的一次会议上介绍了该方法的早期结果，现在他们正在使用Chan Zuckerberg Initiative（CZI）的1年试点资助对其进行评估。如果它有效，该团队的光谱技术可以为CZI支持的另一项研究提供工具：人类细胞图谱，这是一个旨在绘制体内每个细胞类型和位置的国际项目。如果同步加速器驱动的方法可以用在其他实验室和医院红外仪器上，光谱表型可能有一天也有助于诊断疾病，探测导致疾病的细胞变化，并深入研究胚胎发育。“我们整合的工具将打开这个领域，”McMurray预测道。

3

还在用GPU做inference?弱爆了

【本文内容来自“机器之心”】

大脑中神经元之间的信号传播速度大约是 100 米每秒，而光的传播速度是 30 万千米每秒，如果神经元信号也是光速传播的呢？来自加州大学洛杉矶分校（UCLA）的研究人员利用 3D 打印技术打印出了固态的神经网络，并且利用层级传播的光衍射来执行计算，实现了手写数字的图像识别，相关成果已发表在《science》杂志上。

这一想法看似新奇，其实也很自然。神经网络中执行的是线性运算，恰好和光衍射的线性相互作用对应，神经元的权重、激活值概念也能和光的振幅、相位对应（可调）。此外，固态光衍射计算还具有能耗小、无发热、光速执行（尽管传统计算机电路中的电场传播也是光速的，但并未直接对应神经网络的计算过程）等优点。该研究方向尚处于起步阶段，如果能充分利用其优势，也许会有很广阔的应用前景。

「我们的全光深度学习框架能够以光速执行各种复杂任务，基于计算机的神经网络也可以实现这些任务。」研究人员在论文中描述其系统时写道。

为了证明这一点，他们训练了一个深度学习模型来识别写手写数字。完成之后，他们会把矩阵数学层转化为一系列的光学变换。例如，一个层可能会通过将两者的光线重新聚焦到下一层的单个区域来增加值——实际计算比这要复杂得多，此处只做概述。

通过在印刷版上布置数百万个微型转换，光从一端输入并从另一个结构中输出，因此系统能以超过 90% 的准确率判断它是否为 1、2 和 3 等。

读者可能会疑问这到底有什么用，因为最简单的三层感知机在识别手写数字时都能轻松达到 95% 以上的准确率，而卷积网络可以实现 99% 以上的准确率。这一形式目前确实没什么实际用处，但是神经网络是非常灵活的工具，系统完全有可能识别字母而不是仅限于数字。因此可以令光学字符识别系统在硬件中运行，且基本上不需要能耗或计算。

http://science.sciencemag.org/content/early/2018/07/25/science.aat8084

All-optical machine learning using diffractive deep neural networks

从下一期开始将考虑引入其他内容，毕竟science官网上的基本都是生物化学的