格林沃尔德极限   1988年，这个棘手的问题有了答案。当时，核聚变科学家马丁·格林沃尔德（Martin Greenwald）发表了一则著名定律，将燃料密度与托卡马克的小半径（“甜甜圈”内环的半径）以及托卡马克内等离子体流动的电流联系在了一起。 自此，在过去30多年间，格林沃尔德极限一直是聚变研究的基础原则。事实上，ITER的托卡马克建造同样是基于这一规则，包括在规划未来的核聚变项目时，科学家也将它视为一种需要遵守的限制。 虽然，这一极限对研究和应用来说非常行之有效，但是，格林沃尔德是根据经验得出了这则定律，也就是说，它完全来自实验数据，而不是经过试验的理论，或者所谓的第一原理。 >>阅读更多

    研究表明，观察视网膜微小血管的变化可以预判多种血管疾病，包括心脏问题。近日，利兹大学的科学家开发了一套基于深度学习算法的人工智能（AI）系统。该系统可以分析眼科诊所的视网膜扫描图，并识别出心脏病高风险人群。该研究近期发表于《自然·机器智能》（Nature Machine Intelligence）杂志。这套AI系统利用深度学习技术，自动读取分析了5000多人的视网膜及心脏扫描数据，确定了视网膜病变和患者心脏变化之间的联系。经过学习后的AI系统可以仅通过视网膜扫描来估计左心室的大小和泵送效率（已知心室肥大与心脏病风险增高有关）。再结合有关患者年龄、性别等基本人口统计数据，AI系统可预测他们在接下来的12个月内心脏病发作的风险。研究人员表示该人工智能系统的准确率在70%至80%之间。此外，视网膜扫描相对便宜，未来可利用这样的AI系统来改进心脏病早期筛查工作，帮助高风险人群及时就医。 >>阅读更多

    一枚华为麒麟990芯片，由103亿颗晶体管组成。如果放大看芯片的层级结构，排列布局起起落落，宛若一座城市。   毋庸置疑，将几百上千亿颗比细胞还小的晶体管塞进芯片里，是一个极端复杂且耗资巨大的工程难题，甚至曾被描述为“世界上最困难和精密度最高的制造过程”。而台积电与英特尔财报上每年投入到新晶圆厂建设的数百亿美元，则证实了一切。   就是在2022年各国百亿晶圆厂计划浩浩荡荡推进之时，一个22岁的卡内基梅隆大学电子工程专业学生，则在家里的地下车库里，“初步”完成了属于自己的半导体制造宏图—— 成功设计并制造出了一枚相当于20世纪60~70年代水平的硅芯片。 >>阅读更多