国际

　　新型光敏材料可“切换”软硬状态

　　美国麻省理工学院日前发布新闻公报称，该校研究人员参与开发了一种“聚合物金属－有机笼”的新材料，该材料基本单元是含金属原子的笼状分子，由聚合物“搭扣”相连。这种材料能在软硬两种截然不同的状态之间变来变去，可望作为有“自愈”能力的涂层，用于汽车、卫星、机器人等。

　　在紫外线照射下，这种材料里的原子会组成比较大的团簇，使材料较为坚硬；绿光照射使光敏分子发生变化，导致团簇变小、材料软化，变化过程约需5个小时。在实验中，新材料最多可经受7次来回变化。

　　据介绍，这种软硬“切换”的特性，给新材料带来了“自愈”能力。比如，在坚硬状态下产生的裂痕等，可在柔软状态下通过材料融化重组得到自行修复。

　　不过研究人员说，这项成果离实用还比较遥远，其中一个需要解决的问题是，新材料使用的金属是昂贵的钯，他们希望能找到性能相同的廉价替代物，以降低成本。

　　来源：新华社

　　法国政府加速开启5G时代

　　近日，法国政府正式推出了国内5G发展路线图，计划自2020年起分配首批5G频段，并至少在一个法国大城市提供5G商用服务，在2025年前实现5G网络覆盖法国各主要交通干道，由政府统筹部署加速5G技术发展并推广商用，扩大法国在国际5G技术与标准的话语权和国际影响力，助力法国数字化经济蓬勃发展。

　　法国经济部近期宣布，将在首都巴黎所在的法兰西岛大区启动11项关于使用5G技术的测试，其中3项与车联网有关。此前，法国已在波尔多、格勒诺布尔、里昂、马赛等多座城市开展5G技术测试。

　　法国经济部国务秘书戴尔菲尼·杰尼·斯坦芳指出，法国政府未来将进一步加强与法国电子通信与邮政监管局合作，优化5G技术发展用途与网络部署，保障其良性发展。法国电子通信与邮政监管局在今年年初就曾呼吁从政府层面推动5G技术与服务发展，并鼓励更多制造商能够动员起来，紧抓这一发展机遇。

　　来源：人民邮电报

　　德国研究人员实施“蜜罐”项目预防网络攻击

　　德国联邦教育和研究部（BMBF）发布消息，德国IT安全、隐私和责任中心（CISPA）的研究人员在德国教研部“数字世界中的安全与自主决定”计划支持下，成功实施一项称为“蜜罐”的IT安全项目，可用于开发IT安全早期预警系统，防范网络攻击。

　　CISPA 的研究人员针对这种攻击类型设置了“蜜罐”项目，即有意将自己的电脑做成极易受攻击的普通电脑或网络服务器暴露给黑客，就像蜜罐吸引熊，引诱DDoS。通过由几十个“蜜罐”构成的全球传感器网，研究人员现已记录到超过1450万次的攻击。他们发现，大约每190秒就会有德国的目标遭遇黑客攻击。

　　研究人员希望基于已知的攻击模式开发早期预警系统，以采取防范对策。此外，通过特殊指纹方法还可识别攻击者的身份。

　　来源：中国国际科技合作网

　　俄罗斯外科手术机器人成功完成首例动物试验

　　俄罗斯科学院和奔萨国立大学发布消息，俄罗斯科学院信息技术和设计研究所研发的俄罗斯首台外科手术机器人在俄罗斯奔萨国立大学成功完成了首例动物试验手术。

　　俄罗斯科学院信息技术和设计研究所于2017年研发出俄罗斯首台外科手术机器人。医生可通过计算机操控台监控机器人手术的全过程，操控台可位于本院，也可通过网络从其他城市实时在线远程操控完成手术。与美国“达芬奇”外科手术机器人相比，俄罗斯首台外科手术机器人实现了数字化，并且具有小型化、价格低廉的特点。

　　研发团队将进行大量的外科机器人动物试验以及临床试验，如果一切顺利，两年后可开始该外科机器人的批量生产。外科手术机器人具有手术精准、创伤切口小、不受医生情绪波动影响等优势，适用于复杂的手术及包括腹腔镜在内的微创手术。

　　来源：科技部

　　韩国开发出柔性电子皮肤

　　韩国首尔大学研究团队宣布他们开发出了使用仿真皮电子皮肤系统的软体机器人。

　　首尔大学研发出的仿真皮电子皮肤以硅胶类物质为素材，在5cm×5cm的面积中安装芯片与电路，厚度在1毫米以下，重量也只有0.8g。它小巧轻薄且具有强大的伸缩性。因此，电子皮肤不但不会妨碍软体机器人的移动，还可以任意附着在物体的各个部位，具有很大的应用前景。

　　电子皮肤成对组成。一张附着于人类的皮肤，负责监视传入信号；另一张则附着于软体机器人物体的表面，负责机器人的活动与控制。两张电子皮肤通过无线通信网相互连接，工作范围超过5米。电子皮肤可以被轻松揭掉或粘贴，所以一对电子皮肤可以作用于各种软体机器人。

　　研究团队解释称，如果把电子皮肤当成便携式可穿戴设备，那么人与人之间的交流、人对机器人的操控便可以自由进行。

　　来源：科技部

　　日本借助人工智能技术识别早期胃癌

　　日本理化学研究所日前发布公报介绍，分辨早期胃癌与胃炎并不容易，专科医生也未必能通过内窥镜图像作出准确判断。为此，该机构研究人员和日本国立癌症研究中心的研究人员决定利用人工智能深度学习技术来识别早期胃癌图像。

　　计算机深度学习通常需要数十万至数百万张图像用作学习数据。由于大量收集早期胃癌的高质量图像较为困难，研究人员选取了早期胃癌图像和正常图像各大约100张，并对其进行随机截取和数据扩展处理，生成了大约36万张图像。

　　计算机深度学习大量图像数据后，研究人员用约1万张未用于学习的图像进行测试，检验计算机能否准确诊断早期胃癌。结果发现，在判断为胃癌的病例中，准确率为93.4%；在判断为正常的病例中，准确率也达到83.6%。此外，计算机在深度学习后除能判断是否患癌外，还能指出癌变部位。

　　研究人员说，这项研究成果将有助于早期胃癌的发现与治疗，他们接下来将研究如何进一步提高计算机识别的准确率。

　　来源：新华社

关注读览天下微信， 100万篇深度好文，等你来看……