系统提供无电冷却

想象一下,在晴朗的日子里,一个设备可以坐在户外,在强烈的阳光下,不使用任何电源,就可以把东西冷却到超过23华氏度(13摄氏度)。这听起来几乎像魔术,但麻省理工学院和智利的研究人员设计的一个新系统可以做到这一点。

该装置没有可移动的部件,其工作过程被称为辐射冷却。它可以阻挡入射的阳光,使其不被加热,同时有效地发射出红外光(本质上是热),红外光直接进入天空和太空,使设备的温度大大低于周围的空气温度。

这个简单、便宜的系统的关键是一种特殊的绝缘材料,由一种叫做气凝胶的聚乙烯泡沫材料制成。这种轻质材料看起来和摸起来都有点像棉花糖,它能阻挡和反射太阳光中的可见光,使它们无法穿透。但它对携带热量的红外线来说是高度透明的,允许它们自由地向外传递。

今天,麻省理工学院的研究生Arny Leroy,机械工程教授和系主任Evelyn Wang,以及麻省理工学院和智利天主教大学的其他7位教授在《科学进展》杂志上发表了一篇论文,描述了这个新系统。

例如,Leroy解释说,这样的系统可以用来防止蔬菜和水果腐烂,从而使农产品保持新鲜的时间增加一倍,因为在偏远地区没有可靠的制冷电源。

减少吸热

辐射冷却只是大多数热的物体用来冷却的主要过程。它们发射出中程的红外辐射,将物体的热能直接送入太空,因为空气对红外线是高度透明的。

新设备是基于王和其他人一年前演示的一个概念,也使用了辐射冷却,但使用了一个物理屏障,一个狭窄的金属条,将设备遮挡在阳光直射下,防止它升温。该设备工作正常,但由于其高效的绝缘层,它提供的冷却功率还不到新系统的一半。

“绝缘是个大问题,”勒罗伊解释说。阻止早期设备实现深度冷却的最大热量输入来自周围空气的热量。“你如何在保持表面低温的同时还让它辐射呢?””他想。问题是几乎所有的绝缘材料都很擅长阻挡红外线,因此会干扰散热效果。

机械工程教授Gail E. Kendall说,已经有很多关于如何最小化热损失的研究。但这是一个不太受关注的问题:如何减少热量的增加。“这是一个非常困难的问题,”她说。

解决办法来自一种新型气凝胶的开发。气凝胶是一种轻质材料,主要由空气组成,具有良好的隔热性能,其结构由某些材料的微观泡沫状结构组成。该团队的新想法是用聚乙烯制造气凝胶,这种材料用于许多塑料袋中。结果是一种柔软、柔软、白色的材料,非常轻,一个给定体积的重量只有水的1/50。

它成功的关键是,虽然它阻挡了超过90%的入射阳光,从而保护下面的表面不受加热,但它对红外线非常透明,允许大约80%的热射线自由地向外传递。“当我们看到这些材料时,我们非常兴奋,”Leroy说。

其结果是,它可以显著地冷却放置在绝缘层(即所谓的发射器)下的金属或陶瓷等材料制成的板。然后,这个金属板可以冷却一个连接到它的容器,或冷却通过与它接触的线圈的液体,为农产品、空气或水提供冷却。

对设备进行测试

为了测试他们对其有效性的预测,这个团队和他们的智利合作者在智利的阿塔卡马沙漠建立了一个概念验证装置,那里是地球上最干旱的地方。它们几乎没有收到任何降雨,然而,由于地处赤道,它们接收到的强烈阳光可能会让该设备面临真正的考验。该设备在中午阳光充足的情况下实现了13摄氏度的冷却。在麻省理工学院位于马萨诸塞州剑桥市的校园里进行的类似测试,温度仅略低于10度。

研究人员说,这样的冷却足以使农产品在偏远地区的保鲜效果发生显著变化。此外,它可以用来为电力制冷提供一个初始的冷却阶段,从而使这些系统的负载最小化,使它们能够以更少的电力更有效地运行。

从理论上讲,这种装置可以实现高达50度的温度下降,研究人员说,他们还在继续工作的方法进一步优化系统,以便它可以扩大到其他冷却应用,如建筑空调的不需要任何电源。辐射冷却已经与一些现有的空调系统相结合,以提高它们的效率。

尽管如此,他们已经在阳光直射下获得了比其他任何被动辐射系统都要多的冷却效果,除了那些使用真空系统隔热的系统——这是非常有效的,但也很笨重、昂贵和脆弱。

这种方法也可以是任何其他冷却系统的低成本附加,提供额外的冷却来补充更传统的系统。“无论你用什么系统,”Leroy说,“把气凝胶放在上面,你会得到更好的性能。”

普渡大学(Purdue University)电子与计算机工程副教授彼得·贝尔梅尔(Peter Bermel)没有参与这项工作,他说:“与之前的一些实验相比,这里展示的聚乙烯气凝胶的主要潜在好处可能是它的相对紧凑和简单。”

他补充说:“将这种方法与一些替代方法进行定量比较和对比可能会有所帮助,比如在性能(如温度变化)、成本和单位面积重量方面的聚乙烯薄膜和角度选择性阻塞。”如果进行比较,并在成本和效益之间进行权衡,这些气凝胶的实际效益可能是显著的。”

这项工作得到了麻省理工学院国际科学技术计划(MISTI)智利全球种子基金赠款和美国能源部通过固态太阳能热能转换中心(S3TEC)的部分支持。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/system-provides-cooling-no-electricity-1030

http://petbyus.com/17941/

两条腿的机器人在跑动和跳跃时模仿人类的平衡

从着火的建筑物、化学品泄漏或任何人类救援人员无法到达的灾难中营救受害者,可能有一天会成为适应性强的机器人的任务。例如,想象一下,救援机器人可以四肢着地穿过瓦砾,然后用两条腿站立起来,推开沉重的障碍物,或者打破一扇锁着的门。

工程师们在四足机器人的设计以及它们的跑、跳、甚至后空翻能力方面取得了长足的进步。但让两条腿的类人机器人在不摔倒的情况下对物体施力或推动,一直是一个重大的障碍。

现在,麻省理工学院和伊利诺伊大学厄巴纳-香槟分校的工程师们已经开发出了一种控制两腿遥控机器人平衡的方法。

该团队的机器人在外形上类似于加工过的躯干和两条腿,由身穿背心的操作员远程控制,将有关人体运动和地面反作用力的信息传递给机器人。

通过背心,操作者既可以控制机器人的运动,又可以感知机器人的动作。如果机器人开始翻倒,人就会感觉到背心上相应的拉力,就会做出调整,同时调整自己和机器人的平衡。

为了测试这种新的“平衡反馈”方法,研究人员对机器人进行了实验,当它与人类操作员同步跳跃和行走时,研究人员能够远程维持机器人的平衡。

“这就像背着沉重的背包跑步——你可以感觉到背包在你周围的运动,你可以适当地补偿,”Joao Ramos说,他是麻省理工学院的博士后,开发了这种方法。“现在,如果你想打开一扇沉重的门,人类可以命令机器人用身体撞门,然后推门,而不会失去平衡。”

拉莫斯现在是伊利诺伊大学厄巴纳-香槟分校的助理教授。这项研究的合著者是麻省理工学院机械工程副教授金相培(Sangbae Kim)。

多运动

此前,Kim和Ramos建造了两腿机器人HERMES(用于高效的机器人机械和机电系统),并开发了通过远程操作模仿操作员动作的方法,研究人员称这种方法具有一定的人文优势。

“因为你有一个人可以在飞行中学习和适应,机器人可以执行以前从未执行过的动作(通过远程操作),”拉莫斯说。

在演示中,赫尔墨斯把咖啡倒进杯子里,用斧头砍柴,用灭火器灭火。

所有这些任务都涉及到机器人的上半身,以及使机器人的肢体定位与操作者的肢体定位相匹配的算法。赫尔墨斯能够进行高强度的运动,是因为机器人扎根在原地。在这些情况下,保持平衡要简单得多。然而,如果要求机器人采取任何步骤,它可能会在试图模仿操作员的动作时翻倒。

“我们意识到,为了产生强大的力量或移动重物,仅仅复制动作是不够的,因为机器人很容易摔倒,”Kim说。“我们需要复制操作员的动态平衡。”

小赫尔墨斯(Little HERMES)是一个微型版的赫尔墨斯(HERMES),大约是一般成年人的三分之一大小。该团队将机器人设计成简单的躯干和两条腿,并专门设计了该系统来测试下半身的任务,如运动和平衡。和它的全身版一样,小爱马仕是为远程操作而设计的,它有一个穿着背心的操作员来控制机器人的动作。

为了让机器人模仿操作员的平衡,而不仅仅是他们的动作,研究小组必须首先找到一种表示平衡的简单方法。拉莫斯最终意识到,平衡可以归结为两种主要成分:一个人的质心和他们的压力中心——基本上就是地面上的一个点,在那里施加的力相当于所有支持力。

拉莫斯发现,质量中心的位置与压力中心的关系,直接关系到一个人在任何时候的平衡程度。他还发现,这两种成分的位置可以用倒立摆的物理形式来表示。想象一下,你一边摇摆着身体,一边一动不动地站在原地。这种效果类似于一个倒立的钟摆的摇摆,上端代表一个人的质心(通常在躯干上),下端代表他们在地面上的压力中心。

举重

定义如何质心与压力中心,拉莫斯收集人体运动数据,包括测量在实验室里,在那里他来回摇摆,走,跳上一个力板,测量了部队他施加在地上,脚和躯干的位置被记录下来。然后他把这些数据压缩成质心和压力中心的测量值,并建立了一个模型来表示它们之间的关系,就像一个倒立摆。

然后,他开发了第二个模型,类似于人类平衡模型,但缩放到更小、更轻的机器人的尺寸,他开发了一个控制算法,以连接和支持两个模型之间的反馈。

研究人员首先在实验室里搭建的一个简单的倒立摆上测试了这个平衡反馈模型。他们将光束连接到远程操作系统上,根据操作员的动作,光束沿着轨道来回摆动。当操作员向一边摇摆时,光束也随之摆动——操作员也能通过背心感受到这种运动。如果横梁摇晃得太厉害,操作员会感觉到拉力,就会用另一种方式来补偿,从而保持横梁的平衡。

实验表明,新的反馈模型可以在梁上保持平衡,因此研究人员随后在小赫尔墨斯上尝试了该模型。他们还开发了一种算法,让机器人自动将简单的平衡模型转换为每只脚必须产生的力,从而复制操作员的脚。

在实验室里,拉莫斯发现,当他穿着背心时,他不仅可以控制机器人的动作和平衡,还可以感觉到机器人的动作。当机器人被来自不同方向的锤子击打时,拉莫斯感到背心在机器人移动的方向上发生了抖动。拉莫斯本能地抵制了这种牵引力,机器人将其视为质心相对于压力中心的一种微妙的移动,而它反过来又模仿了这种移动。结果是,即使在不断的击打中,机器人也能避免翻倒。

小赫尔墨斯还在其他运动中模仿拉莫斯,包括原地跑动和跳跃,在不平整的地面上行走,所有这些都在没有绳索或支撑的情况下保持平衡。

“平衡反馈很难定义,因为它是我们不需要思考就能做到的事情,”Kim说。这是第一次平衡反馈被正确定义为动态动作。这将改变我们控制遥控类人机器人的方式。”

金姆和拉莫斯将继续致力于开发一种具有类似平衡控制的全身类人机器人,以便有一天能够在灾区驰骋,并在救援或打捞任务中起来推开障碍物。

Kim说:“现在我们可以通过适当的平衡交流来打开沉重的门,举起或投掷沉重的物体。”

这项研究得到了鸿海精密工业股份有限公司(Hon Hai Precision Industry Co. Ltd.)和Naver Labs Corporation的部分支持。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/two-legged-robot-mimics-human-balance-while-running-jumping-1030

http://petbyus.com/17943/

自我转换机器人块跳跃,旋转,翻转,并相互识别

成群的简单的、相互作用的机器人有潜力解锁隐秘的能力来完成复杂的任务。然而,让这些机器人实现真正的蜂窝式协调思维已经被证明是一个障碍。

为了改变这一现状,麻省理工学院计算机科学与人工智能实验室(CSAIL)的一个团队想出了一个惊人的简单方案:自动组装机器人立方体,它们可以爬上爬下,绕着彼此旋转,在空中跳跃,在地面上滚动。

在项目第一次迭代6年后,机器人现在可以在模块的每个面上使用类似条形码的系统进行“通信”,允许模块识别彼此。由16个方块组成的自主舰队现在可以完成简单的任务或行为,如排成一条线,跟随箭头,或追踪灯光。

在每个模块“m块”是一个飞轮,以每分钟2万转的速度移动,当飞轮制动时利用角动量。每边和每面都有永磁体,可以让任意两个立方体相互连接。

尽管这些立方体不像电子游戏《我的世界》(Minecraft)中的立方体那样容易操作,但该团队设想了在灾难响应和救援方面的强大应用。想象一下,一座着火的建筑,楼梯消失了。在未来,你可以简单地把m型积木扔到地上,看着他们搭建临时楼梯,爬上屋顶或下到地下室去营救受害者。

麻省理工学院教授兼CSAIL主任Daniela Rus说:“M代表运动、磁铁和魔法。”“‘运动’,因为立方体可以通过跳跃来移动。“磁铁”,因为这些立方体可以用磁铁连接到其他立方体,一旦连接起来,它们就可以一起移动,连接起来组装结构。‘魔法’,因为我们没有看到任何移动的部分,而这个立方体似乎是由魔法驱动的。”

除了救灾之外,研究人员还设想将这些积木用于游戏、制造和医疗保健等领域。

“我们的方法的独特之处在于它便宜、健壮,而且可能更容易扩展到一百万个模块,”CSAIL的博士生John Romanishin说,他是关于该系统的一篇新论文的主要作者。m块可以以一般的方式移动。其他机器人系统的运动机制要复杂得多,需要走很多步,但我们的系统更具可扩展性和性价比。”

罗曼尼辛与罗斯和密歇根大学的本科生约翰·马米什共同撰写了这篇论文。他们将于十一月在澳门举行的IEEE智能机器人与系统国际会议上发表有关m块的论文。

以前的模块化机器人系统通常使用称为外部执行器的小机械臂的单元模块来处理运动。即使是最简单的动作,这些系统也需要大量的协调,一次跳跃需要多个命令。

在通信方面,其他尝试包括使用红外光或无线电波,这可能很快变得笨拙:如果你在一个小区域有很多机器人,它们都试图互相发送信号,这会打开一个混乱的冲突和混乱的渠道。

当一个系统使用无线电信号进行通信时,当一个小体积中有许多无线电信号时,这些信号会相互干扰。

早在2013年,该团队就构建了m – block的机制。他们创造了六面立方体,利用所谓的“惯性力”来移动。这意味着,除了使用移动的手臂来帮助连接结构外,这些模块内部有一个质量,它们“扔”在模块的一侧,导致模块旋转和移动。

当放置在六个面中的任何一个面上时,每个模块可以向四个基本方向移动,从而产生24个不同的移动方向。没有伸出来的小胳膊和附属物,它们更容易免受伤害,避免碰撞。

知道团队已经解决了物理障碍之后,关键的挑战仍然存在:如何使这些数据集通信并可靠地标识相邻模块的配置?

Romanishin提出了一种算法来帮助机器人完成简单的任务,或者说是“行为”,这让他们想到了一个类似条形码的系统,在这个系统中,机器人可以感知它们所连接的其他块的身份和面孔。

在一个实验中,研究小组让这些模块从一个随机的结构变成一条线,他们观察这些模块是否能确定它们相互连接的具体方式。如果它们不是,它们就必须选择一个方向,并朝那个方向滚动,直到走到这条线的末端。

从本质上讲,这些块使用了它们如何相互连接的配置来引导它们选择移动的动作——90%的m块成功地进入了一条直线。

该团队指出,构建电子设备非常具有挑战性,尤其是在试图将复杂的硬件安装到如此小的一个包中时。为了使M-Block集群成为更大的现实,该团队希望越来越多的机器人能够制造出更大的集群,并为各种结构提供更强的能力。

该项目部分得到了美国国家科学基金会(National Science Foundation)和亚马逊机器人(Amazon Robotics)的支持。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/self-transforming-robot-blocks-jump-spin-flip-identify-each-other-1030

http://petbyus.com/17837/

新的合成方法产生可降解的聚合物

麻省理工学院的化学家们发明了一种合成聚合物的方法,这种聚合物在体内和环境中更容易分解。

一种被称为开环转位聚合的化学反应,或称ROMP,可以方便地用于构建各种用途的新型聚合物,如纳米制造、高性能树脂,以及药物或显影剂的传递。然而,这种合成方法的一个缺点是产生的聚合物在自然环境中不会自然分解,例如在体内。

麻省理工学院的研究小组提出了一种方法,通过在聚合物的主干上添加一种新型的建筑材料,使这些聚合物更容易降解。这种新的建筑材料,或单体,形成化学键,可以被弱酸、碱和离子如氟化物分解。

“我们相信,这是第一种在生物相关条件下容易降解的可卷曲聚合物的一般生产方法,”麻省理工学院(MIT)化学副教授、该研究的资深作者耶利米·约翰逊(Jeremiah Johnson)说。“好的方面是它使用标准的ROMP工作流程;你只需要在新的单体上洒一些,这样就很方便了。”

研究人员说,这种材料可以用于聚合物的多种用途,不仅包括医学应用,还包括工业聚合物的合成,后者在使用后分解得更快。

这篇论文发表在今天的《自然化学》杂志上,其主要作者是麻省理工学院博士后Peyton Shieh。博士后Hung VanThanh Nguyen也是该研究的作者之一。

强大的聚合

由聚苯胺生成的聚合物最常见的组成部分是一种叫做降冰片烯的分子,它含有一种环状结构,可以很容易地打开并串在一起形成聚合物。在聚合反应发生之前,可以将药物或显影剂等分子添加到降冰片烯中。

Johnson的实验室已经使用这种合成方法制造了许多不同结构的聚合物,包括线性聚合物、瓶刷聚合物和星形聚合物。这些新材料可用于同时运送许多癌症药物,或携带用于磁共振成像(MRI)和其他类型成像的显像剂。

“这是一个非常强劲和强大的聚合反应,”约翰逊说。“但其中一个大的缺点是,产生的聚合物的主干完全由碳-碳键组成,因此,聚合物不容易降解。”当我们考虑为生物材料空间制造聚合物时,这一直是我们头脑深处的想法。”

为了解决这个问题,约翰逊的实验室专注于开发直径约10纳米的小型聚合物,这种聚合物比大颗粒更容易从体内清除。其他化学家试图用除去冰片烯以外的其他材料来降解聚合物,但这些材料的聚合效率不高。附着药物或其他分子也更困难,而且它们通常需要苛刻的条件才能降解。

“我们倾向于继续使用降冰片烯作为分子,使我们能够聚合这些复杂的单体,”约翰逊说。“我们的梦想是找到另一种单体,并将其作为共单体加入到已经使用去冰片烯的聚合反应中。”

研究人员通过Shieh在另一个项目上的工作找到了一个可能的解决方案。当他合成了一种与降冰片烯相似但含有氧-硅-氧键的含环分子时,他正在寻找从聚合物中释放药物的新方法。研究人员发现,这种被称为“硅醚”的环也可以被打开,并通过ROMP反应进行聚合,从而生成更容易降解的氧-硅-氧键聚合物。因此,研究人员决定将其用于药物释放,而不是用于药物释放。

他们发现,通过简单地将硅醚单体与去冰片烯单体以1:1的比例加入,他们可以创造出与之前类似的聚合物结构,新的单体在整个主链中均匀地结合。但现在,当暴露在略酸性的pH值(约6.5)下时,聚合物链开始断裂。

“很简单,”约翰逊说。“这是一种单体,我们可以添加到广泛使用的聚合物,使它们可降解。但尽管如此简单,这种方法的例子却少得惊人。”

快崩溃

在老鼠身上进行的试验中,研究人员发现,在最初的一两周内,可降解聚合物在体内的分布与原来的聚合物相同,但它们很快就开始分解。六周后,新聚合物在体内的浓度比原聚合物的浓度低了三到十倍,这取决于研究人员使用的硅醚单体的确切化学成分。

研究结果表明,将这种单体添加到聚合物中进行药物传递或成像可以帮助它们更快地从体内清除。

Johnson说:“我们对利用这项技术精确调节生物组织中以树脂为基础的聚合物的分解的前景感到兴奋,我们相信这可以用来控制生物分布、药物释放动力学和许多其他特征。”

研究人员还开始在工业树脂中添加新的单体,如塑料或粘合剂。他们相信将这些单体加入到工业聚合物的生产过程中是经济可行的,可以使它们更容易降解,他们正在与millipur – sigma公司合作,将这类单体商业化,使它们可以用于研究。

这项研究由美国国立卫生研究院(National Institutes of Health)、美国癌症协会(American Cancer Society)和美国国家科学基金会(National Science Foundation)资助。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/new-synthesis-method-yields-degradable-polymers-1028

http://petbyus.com/17724/

帮助自动驾驶汽车看到周围的角落

为了提高自动驾驶系统的安全性,麻省理工学院的工程师们开发了一种可以感知地面阴影中的微小变化的系统,以确定是否有移动的物体从拐角处经过。

自动驾驶汽车有一天可能会使用该系统来快速避免与另一辆汽车或行人的潜在碰撞。将来,机器人可以在医院的走廊上行走,进行药物治疗或运送物资,它们可以利用这个系统来避免撞到人。

在将于下周举行的智能机器人与系统国际会议(IROS)上发表的一篇论文中,研究人员描述了自动驾驶汽车在停车场附近行驶和自动轮椅在走廊上导航的成功实验。当探测到有车辆驶近并停车时,这种基于汽车的系统比传统的激光雷达(只能探测可见物体)要快半秒。

研究人员说,这可能看起来并不多,但对于快速行驶的自动驾驶汽车来说,这只是第二个问题的一小部分。

“机器人是移动应用程序的环境中与其他移动物体或人,我们的方法可以给机器人一个预警,有人在拐角处,所以车辆可以慢下来,调整其路径,并提前准备,以避免碰撞,“添加作者Daniela俄文,计算机科学与人工智能实验室的主任(CSAIL)和安德鲁•厄纳维特比电气工程和计算机科学的教授。“最大的梦想是为在大街上快速行驶的车辆提供某种‘x射线视觉’。”

目前,该系统仅在室内环境下进行了测试。机器人在室内的速度要低得多,照明条件也更一致,使得系统更容易感知和分析阴影。

论文中加入Rus的有:第一作者Felix Naser SM ‘ 19,前CSAIL研究员;CSAIL研究生亚历山大·阿米尼;Igor Gilitschenski, CSAIL博士后;应届毕业生Christina Liao ‘ 19;丰田研究所的Guy Rosman;还有麻省理工学院航空航天副教授塞塔克·卡拉曼。

延长ShadowCam

在他们的工作中,研究人员构建了一个名为“影子摄像头”的系统,该系统使用计算机视觉技术来检测和分类地面阴影的变化。麻省理工学院(MIT)教授威廉•弗里曼(William Freeman)和安东尼奥•托拉尔巴(Antonio Torralba)并不是IROS论文的合著者,他们合作开发了该系统的较早版本,分别在2017年和2018年的会议上发表。

在输入方面,ShadowCam使用来自摄像机的视频帧序列来瞄准特定的区域,比如角落前面的地板。它可以检测到光线强度随时间的变化,从一幅图像到另一幅图像,这可能表明有什么东西正在远离或靠近。其中一些变化可能很难检测到或肉眼看不到,可以由对象和环境的各种属性来确定。ShadowCam计算这些信息,并将每个图像归类为包含一个静止的物体或一个动态的、移动的物体。如果是动态图像,它会做出相应的反应。

将影子摄像头应用到自动驾驶汽车上需要一些进展。例如,早期的版本依靠的是一种叫做“AprilTags”的增强现实标签,类似于简化的二维码。机器人扫描标签来检测和计算它们相对于标签的精确三维位置和方向。ShadowCam使用标记作为环境的特征来瞄准可能包含阴影的特定像素块。但是用AprilTags修改现实环境是不现实的。

研究人员开发了一种结合图像配准和新的视觉里程测量技术的新方法。图像配准通常用于计算机视觉,它本质上是覆盖多个图像以显示图像中的变化。例如,医学图像配准与医学扫描重叠,以比较和分析解剖学差异。

用于火星漫游者的视觉测程技术,通过分析图像序列中的姿态和几何图形来实时估计相机的运动。研究人员特别采用了“直接稀疏测程法”(DSO),它可以在类似于AprilTags捕获的环境中计算特征点。本质上,DSO在3D点云上绘制环境的特征,然后计算机视觉管道只选择位于感兴趣区域的特征,比如角落附近的地板。(感兴趣的区域事先手动标注。)

由于ShadowCam获取感兴趣区域的输入图像序列,因此它使用DSO-image-registration方法来覆盖来自机器人相同视点的所有图像。即使在机器人移动的时候,它也能够瞄准阴影所在的像素点,以帮助它检测图像之间的细微偏差。

接下来是信号放大,这是第一篇论文介绍的技术。可能包含阴影的像素在颜色上得到提升,从而降低了信噪比。这使得来自阴影变化的极其微弱的信号更容易被探测到。如果增强信号达到某个阈值——部分取决于它与附近其他阴影的偏离程度——ShadowCam将图像归类为“动态的”。根据信号的强度,系统可能会告诉机器人减速或停止。

“通过检测这个信号,你就可以小心了。它可能是一个人从角落后面跑出来的影子,或者是一辆停着的车,所以自动驾驶汽车可以减速或者完全停下来。”

无标记测试

在一项测试中,研究人员使用AprilTags和基于dso的新方法评估了该系统在分类移动或静止目标方面的性能。一辆自动轮椅驶向各个走廊的角落,而人们则把角落转到轮椅的路径上。这两种方法都达到了70%的分类准确率,表明不再需要AprilTags。

在另一项测试中,研究人员在一辆停在停车场的自动驾驶汽车上安装了影子摄像头,在那里,前灯被关闭,模拟夜间驾驶条件。他们比较了汽车检测时间和激光雷达。在一个示例场景中,ShadowCam检测到汽车掉头柱比激光雷达大约快0.72秒。此外,由于研究人员特别根据车库的照明条件调整了阴影摄像机,该系统的分类准确率达到了86%左右。

下一步,研究人员正在进一步开发该系统,以在不同的室内和室外照明条件下工作。在未来,也可能会有方法来加速系统的阴影检测和自动标注目标区域的阴影感应过程。

这项工作是由丰田研究所资助的。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/helping-autonomous-vehicles-see-around-corners-1028

http://petbyus.com/17630/

超级计算机分析整个互联网的网络流量

麻省理工学院的研究人员利用超级计算系统开发了一个模型,该模型可以捕捉某一天世界各地的网络流量,可以用作互联网研究和许多其他应用的测量工具。

研究人员表示,在如此大的范围内理解网络流量模式,对互联网政策的制定、识别和预防中断、抵御网络攻击以及设计更高效的计算基础设施都是有用的。在最近的IEEE高性能极限计算大会上,有一篇论文描述了这种方法。

为了他们的工作,研究人员收集了最大的公共互联网流量数据集,包括在几年的时间里在全球不同地点交换的500亿个数据包。

他们通过一种新型的“神经网络”管道来运行数据,这种管道运行在麻省理工学院超级云(MIT SuperCloud)的10,000个处理器上。超级云是一个结合了麻省理工学院林肯实验室(MIT Lincoln Laboratory)和整个研究所的计算资源的系统。这条管道自动训练了一个模型,捕捉数据集中所有链接的关系——从普通的ping到像谷歌和Facebook这样的巨头,再到只短暂连接但似乎对网络流量有一定影响的罕见链接。

该模型可以获取任何大型网络数据集,并生成一些关于网络中所有连接如何相互影响的统计度量。这些数据可以用来揭示关于点对点文件共享、恶意IP地址和垃圾邮件行为、关键扇区攻击的分布以及用于更好地分配计算资源和保持数据流动的流量瓶颈的信息。

在概念上,这项工作类似于测量宇宙微波背景辐射,即在我们的宇宙中传播的近乎均匀的无线电波,它是研究外层空间现象的重要信息来源。“我们建立了一个精确的模型来测量互联网虚拟世界的背景,”麻省理工学院林肯实验室超级计算中心研究员杰里米·凯普纳(Jeremy Kepner)说。“如果你想检测出任何差异或异常,你必须有一个良好的背景模型。”

与凯普纳一同发表论文的有:日本互联网倡议组织的赵建宏;加州大学圣地亚哥分校应用互联网数据分析中心的KC Claffy;林肯实验室超级计算中心的维杰·盖德帕利和彼得·迈克莱亚斯;以及麻省理工学院地球、大气和行星科学系的研究员劳伦·米列钦。

分手的数据

在互联网研究中,专家们研究网络流量中的异常现象,例如,网络威胁。要做到这一点,首先要了解正常的流量是什么样的。但要做到这一点仍然具有挑战性。传统的“流量分析”模型只能分析受位置限制的源和目的地之间交换的小样本数据包。这降低了模型的准确性。

研究人员并不是专门想解决交通分析问题。但他们一直在开发新的技术,可以在麻省理工学院的超级云上处理大规模的网络矩阵。互联网流量是一个完美的测试案例。

网络通常以图的形式进行研究,参与者由节点表示,链接表示节点之间的连接。随着互联网流量的增加,节点的大小和位置也发生了变化。大型超级节点是流行的中心,如谷歌或Facebook。叶节点从超节点向外展开,彼此之间和超节点之间有多个连接。位于超节点和叶节点“核心”之外的是孤立的节点和链接,彼此之间很少连接。

对于传统模型来说,获取这些图形的全部范围是不可行的。Kepner说:“如果没有超级计算机,你就无法接触这些数据。”

麻省理工学院的研究人员与几所日本大学和加州应用互联网数据分析中心(CAIDA)共同建立了广泛集成的分布式环境(WIDE)项目,他们为互联网流量捕获了世界上最大的数据包捕获数据集。这个匿名的数据集包含了日本和美国各地消费者与各种应用程序和服务之间近500亿个独特的来源和目的地数据点这可以追溯到2015年。

在他们对任何模型进行数据训练之前,他们需要做一些广泛的预处理。为此,他们使用了之前开发的软件,称为动态分布式维度数据模式(D4M),该模式使用一些平均技术来有效地计算和排序“超稀疏数据”,这些数据包含的空间远远大于数据点。研究人员将这些数据通过麻省理工学院的1万个超级云处理器分解成大约10万个数据包。这生成了更紧凑的矩阵,其中包含源和目标之间的数十亿行和列的交互。

捕获异常值

但是这个超稀疏数据集中的绝大多数细胞仍然是空的。为了处理这些矩阵,研究小组在相同的10,000个核上运行一个神经网络。在幕后,一种反复试验的技术开始将模型拟合到整个数据中,从而为可能准确的模型创建一个概率分布。

然后,使用改进的错误校正技术进一步细化每个模型的参数,以捕获尽可能多的数据。传统上,机器学习中的纠错技术会试图降低任何离群数据的重要性,使模型符合正态概率分布,从而使模型整体更准确。但研究人员使用了一些数学技巧,以确保模型仍然能看到所有的外围数据——比如孤立的链接——与整体测量结果同样重要。

最后,神经网络本质上生成了一个简单的模型,只有两个参数,用来描述互联网流量数据集,“从真正流行的节点到孤立的节点,以及介于两者之间的所有事物的完整光谱,”Kepner说。

研究人员现在正在向科学界寻求下一个模型的应用。例如,专家可以检查研究人员在实验中发现的孤立链接的重要性,这些链接很少见,但似乎会影响核心节点的网络流量。

除了互联网,神经网络管道可以用来分析任何超稀疏网络,如生物网络和社交网络。Kepner说:“对于那些想要构建更健壮的网络或检测网络异常的人来说,我们现在为科学界提供了一个非常好的工具。”“这些异常可能只是用户的正常行为,也可能是人们在做你不想做的事情。”

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/supercomputer-analyzes-web-traffic-across-entire-internet-1028

http://petbyus.com/17632/

该系统可以防止高速无人机在陌生地区坠毁

无人驾驶飞机在探索未知领域时非常谨慎。他们蹑手蹑脚地前进,经常在前进前映射不熟悉的区域,以免撞上未被发现的物体。但这种减速对执行时间敏感任务的无人机来说并不理想,比如在茂密的森林中执行搜索和救援任务。

现在,麻省理工学院的研究人员已经开发出一种轨迹规划模型,可以帮助无人机在以前没有探索过的地区高速飞行,同时保持安全。

这个模型——被恰当地命名为“更快”——在不考虑安全因素的情况下,估计了从起点到终点跨越无人机能看到和看不到的所有区域的最快可能路径。但是,当无人机飞行时,模型会持续记录无碰撞的“备份”路径,这些路径与快速飞行路径略有偏离。当无人机不确定某个特定区域时,它会沿着备用路径绕行并重新规划其路径。因此,无人机可以沿着最快的轨道高速飞行,同时偶尔会稍微减速以确保安全。

“我们总是想走最快的路线,但并不总是知道它是否安全。当我们沿着这个最快的路径,如果我们发现有一个问题,我们需要有一个备份计划,”耶稣西里亚斯说,航空航天系的研究生(航空航天系)和第一作者的一篇论文描述了模型被呈现在下月的国际会议上智能机器人和系统。“我们获得了一个可能不安全的高速轨道和一个完全安全的低速轨道。这两条路一开始是缝合在一起的,但后来一条为了性能而偏离,另一条为了安全而偏离。”

在森林模拟中,一架虚拟无人机在代表树木的圆柱体周围导航,速度更快的无人机安全完成飞行路径的速度是传统模型的两倍。在现实生活的测试中,速度更快的无人机在一个大房间里操纵纸箱,速度达到每秒7.8米。研究人员说,这是对无人机飞行速度的限制,基于重量和反应时间。

“这是你所能达到的最快速度,”合著者乔纳森·豪(Jonathan How)说,他是理查德·考克伯恩·麦克劳林(Richard Cockburn Maclaurin)航空航天学教授。“如果你站在一个房间里,一架无人机以每秒7到8米的速度飞行,你可能会后退一步。”

这篇论文的另一位合著者是布雷特·t·洛佩兹(Brett T. Lopez),他曾是航空航天专业的博士生,现在是美国国家航空航天局(NASA)喷气推进实验室的博士后。

分裂的路径

无人机使用摄像机来捕捉环境,如体素,即由深度信息生成的三维立方体。当无人机飞行时,每个检测到的体素都被标记为“自由已知空间”、“未被对象占用”和“已占用已知空间”,其中包含对象。环境的其余部分是“未知空间”。

FASTER利用所有这些区域来规划三种类型的轨迹——“完整的”、“安全的”和“承诺的”。“整个轨迹就是从起点A到终点B的整个路径,穿过已知和未知的区域。为此,“凸分解”(一种将复杂模型分解为离散组件的技术)生成重叠的多面体,对环境中的这三个区域进行建模。该模型利用一些几何技术和数学约束,利用这些多面体来计算最优的整体轨迹。

同时,该模型规划一个安全的轨道。在整个飞行轨迹的某个地方,它会绘制出一个“救援”点,根据飞行速度和其他因素,这个“救援”点指示无人机可以在最后一刻绕过障碍,进入自由已知空间。为了找到一个安全的目的地,它计算覆盖自由已知空间的新多面体。然后,它在这些新的多面体内定位一个点。基本上,无人机会停在一个安全但尽可能靠近未知空间的地方,这样就能快速高效地绕行。

坚定的轨迹

所承诺的弹道包括整个弹道的第一个区间,以及整个安全弹道。但是第一个间隔是独立于安全轨迹的,因此它不受安全轨迹所需制动的影响。

无人机一次计算一个完整的轨迹,同时始终跟踪安全的轨迹。但它有一个时间限制:当它到达救援点时,它必须成功地计算出下一个穿越已知或未知空间的完整轨迹。如果是这样,它将继续沿着整个轨迹前进。否则,就会偏离安全轨道。这种方法使无人机能够保持高速沿着承诺的轨迹,这是实现高整体速度的关键。

为了实现这一切,研究人员为无人机设计了快速处理所有规划数据的方法,这是一个挑战。因为地图是如此的不同,例如,给每个承诺轨迹的时间限制最初变化很大。这在计算上很昂贵,而且会降低无人机的规划速度,因此研究人员开发了一种方法,可以快速计算轨迹上所有间隔的固定时间,从而简化了计算。研究人员还设计了一些方法来减少无人机必须处理多少个多面体来绘制其周围环境。这两种方法都大大增加了计划时间。

“如何提高飞行速度和保持安全是无人机运动规划中最困难的问题之一,”Waymo的软件工程师刘思康(音)说。Waymo曾是谷歌的自动驾驶汽车项目,也是轨迹规划算法方面的专家。“这项工作展示了一个伟大的解决方案,通过加强现有的轨道生成框架。在弹道优化管道中,时间分配一直是一个棘手的问题,可能会导致收敛问题和不良行为。这篇论文通过一种新颖的方法解决了这个问题……这可能是对这个领域有深刻贡献的。”

研究人员目前正在建造更大、速度更快的无人机,这些无人机的螺旋桨设计用于保证稳定的水平飞行。传统上,无人机在飞行时需要翻滚和俯仰。但是这个定制的无人机在各种应用中会保持完全平坦。

在美国国防部(U.S. Department of Defense)的支持下,开发出了一种潜在的更快应用,它可能会改善森林环境中的搜救任务,这对自主无人机的规划和导航提出了许多挑战。“但未知的领域不一定是森林,”How说。“这可能是你不知道未来会发生什么的任何领域,重要的是你能多快获得这些知识。”主要动机是制造更灵活的无人机。”

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/system-prevents-speedy-drones-crashing-unfamiliar-areas-1025

http://petbyus.com/17611/

把”砰”放进大爆炸里

宇宙大爆炸理论,大约138亿年前宇宙爆炸,作为一个无限小,紧凑的火球的物质冷却扩张,引发反应,煮熟的第一批恒星和星系,和所有形式的问题,今天我们看到(并)。

物理学家们相信,就在大爆炸将宇宙推向不断膨胀的轨道之前,早期宇宙还有另一个更具爆炸性的阶段在起作用:宇宙膨胀,持续时间不到万亿分之一秒。在此期间,物质——一种冰冷的、均匀的粘稠物——在大爆炸的过程开始以更慢的速度扩展和多样化婴儿宇宙之前,就以指数级的速度膨胀。

最近的观测结果独立地支持了大爆炸和宇宙膨胀的理论。但是,这两个过程是如此的截然不同,以至于科学家们一直难以理解其中一个是如何跟随另一个的。

现在,麻省理工学院(MIT)、凯尼恩学院(Kenyon College)和其他地方的物理学家已经详细模拟了早期宇宙的一个中间阶段,这个阶段可能连接了宇宙膨胀和大爆炸。这一阶段被称为“再热”,发生在宇宙膨胀的末期,其过程是将膨胀的冷的、均匀的物质转变成超热的、复杂的汤,这一过程在大爆炸开始时就已经存在了。

“后通货膨胀时期为大爆炸创造了条件,在某种意义上把‘大爆炸’放在了大爆炸中,”麻省理工学院(MIT)科学史和物理学教授格梅斯豪森(Germeshausen)教授大卫·凯泽(David Kaiser)说。“正是在这个桥梁时期,所有的地狱都开始松动,物质的行为变得非常复杂。”

凯泽和他的同事详细模拟了在通货膨胀末期的这段混乱时期,多种形式的物质是如何相互作用的。他们的模拟显示,推动通货膨胀的极端能量可以以同样快的速度在更短的时间内重新分布,并以某种方式产生了大爆炸开始所需的条件。

研究小组发现,如果量子效应改变了物质在极高能量下对引力的反应方式,偏离了爱因斯坦广义相对论预测物质和引力应该相互作用的方式,那么这种极端的转变将会更快、更有效。

“这使我们能够讲述一个完整的故事,从通货膨胀到后通货膨胀时期,再到宇宙大爆炸,甚至更远,”Kaiser说。“我们可以追踪一系列连续的过程,所有这些过程都是已知的物理过程,我们可以说,这是一种合理的方式,让宇宙呈现出我们今天看到的样子。”

研究小组的结果发表在今天的《物理评论快报》上。凯尼恩学院的Rachel Nguyen和John T. Giblin是凯尼恩学院的主要作者,荷兰莱顿大学的前麻省理工研究生Evangelos Sfakianakis和Jorinde van de Vis也是凯尼恩学院的主要作者。

“与自身同步”

20世纪80年代,麻省理工学院(MIT)物理学教授、V.F.韦斯科普夫(V.F. Weisskopf)的艾伦•古特(Alan Guth)首次提出了宇宙膨胀理论。该理论预测,宇宙最初是一个极其微小的物质微粒,可能只有质子的1000亿分之一大小。这颗微尘充满了超高能的物质,其能量如此之大,以至于内部的压力产生了一种排斥性引力——这就是膨胀背后的驱动力。就像引信上的火花一样,这种引力以前所未有的速度将新生的宇宙炸向外,在不到一万亿分之一秒的时间内,将宇宙膨胀到接近原始大小的10的10次方倍(即1后面有26个0)。

凯泽和他的同事们试图弄清楚重新加热的最初阶段——宇宙膨胀末期和大爆炸之前的桥梁间隔——可能是什么样的。

“重新加热的最初阶段应该用共振来标记。一种高能物质占据主导地位,它在广阔的空间中与自身同步来回摆动,导致新粒子的爆炸产生,”凯瑟说。这种行为不会永远持续下去,一旦它开始将能量转移到另一种形式的物质上,它自身的波动将在空间中变得更加起伏不平。我们想要测量需要多长时间共振效应才会破裂,产生的粒子才会彼此分散,并达到某种热平衡,让人想起大爆炸的情况。”

该团队的计算机模拟显示了一个大的晶格,他们在上面绘制了多种形式的物质,并追踪了它们的能量和分布如何随着科学家改变某些条件而在空间和时间上发生变化。模拟的初始条件是基于一个特定的暴胀模型——一组关于早期宇宙物质分布可能在宇宙暴胀期间表现的预测。

科学家们之所以选择这种特定的暴胀模型而不是其他模型,是因为它的预测与宇宙微波背景辐射的高精度测量结果非常吻合。

一个普遍的调整

该模拟跟踪了两种可能在暴涨期间占主导地位的物质的行为,与最近在其他实验中观察到的一种粒子——希格斯玻色子非常相似。

在进行模拟之前,研究小组对模型的重力描述进行了微调。普通物质,我们今天看到响应重力正如爱因斯坦在他的广义相对论理论预测,在更高的能量,如认为存在在宇宙膨胀,其行为应当有所不同,引力相互作用的方式,由量子力学修正,或在原子尺度相互作用。

在爱因斯坦的广义相对论中,引力的强度被表示为一个常数,物理学家称之为最小耦合,这意味着,无论一个特定粒子的能量如何,它都会以一个宇宙常数设定的强度对引力效应做出反应。

然而,在宇宙膨胀中预测的高能量下,物质与引力的相互作用以稍微复杂一点的方式进行。量子力学效应预测,当与超高能物质相互作用时,引力的强度在空间和时间上会发生变化,这种现象被称为非最小耦合。

凯泽和他的同事们将一个非最小耦合项纳入了他们的暴胀模型,并观察了物质和能量的分布是如何随着量子效应的上升或下降而变化的。

最后,他们发现量子修正的引力效应对物质的影响越强,宇宙就越快地从寒冷的、同质的膨胀物质过渡到更热、更多样的、大爆炸特有的物质。

通过调整这个量子效应,他们可以使这个关键的转变发生在2到3倍的“e倍”上,e倍指的是宇宙(大约)扩大到3倍所需的时间。在这种情况下,他们成功地模拟了宇宙在2到3倍的时间内重新升温的过程。相比之下,通货膨胀本身发生了约60倍。

“重新加热是一个疯狂的时代,一切都乱了套,”凯撒说。“我们发现,当时物质的相互作用是如此强烈,以至于它可以相应地迅速放松下来,为大爆炸创造了美妙的条件。”我们不知道会是这样,但这是从这些模拟中得出的结论,都是已知的物理现象。这就是让我们兴奋的地方。”

这项研究得到了美国能源部和国家科学基金会的部分支持。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/putting-bang-in-big-bang-1025

http://petbyus.com/17530/

麻省理工学院的工程师们开发了一种从空气中去除二氧化碳的新方法

一种从气流中去除二氧化碳的新方法可能成为对抗气候变化的重要工具。新的系统可以在几乎任何浓度的气体上工作,甚至可以达到目前大气中的400ppm。

从气流中去除二氧化碳的大多数方法都需要更高的浓度,比如化石燃料发电厂排放的烟道中的浓度。研究人员说,已经开发出了一些变体,可以在空气中发现的低浓度环境下工作,但这种新方法的能耗和成本要低得多。

技术,基于空气穿过一堆电化学板块,在一篇新论文中描述在《能源和环境科学》杂志上,由麻省理工学院博士后Sahag Voskian,开发工作在他的博士,t·艾伦·哈顿,拉尔夫朗道化学工程教授。

该装置本质上是一个大型的专门电池,当它充电时,从空气(或其他气体流)中吸收二氧化碳通过电极,然后在放电时释放气体。在运行中,设备将简单地交替充放电,在充放电循环中,新鲜空气或进料气体从系统中吹出,然后在放电过程中吹出纯净、浓缩的二氧化碳。

当电池充电时,在每一堆电极的表面都会发生电化学反应。它们被一种叫做聚蒽醌的化合物所覆盖,这种化合物是由碳纳米管组成的。这些电极对二氧化碳有天然的亲和力,即使在浓度很低的情况下,它们也能很容易地与空气或原料气体中的二氧化碳分子发生反应。相反的反应发生在电池放电的时候——在这个过程中,设备可以提供整个系统所需的部分能量——并在这个过程中喷射出一股纯二氧化碳。整个系统在常温常压下工作。

Voskian解释说:“与大多数其他碳捕获或碳吸收技术相比,这项技术的最大优势在于吸附剂对二氧化碳的亲和力是二元的。”换句话说,根据电池的充放电状态,电极材料的性质决定了其“具有高亲和力或无亲和力”。用于碳捕获的其他反应需要中间的化学处理步骤或输入大量的能量,如热量或压差。

“这种二元亲和力允许从任何浓度的二氧化碳中捕获,包括400ppm,并允许其释放到任何载体流中,包括100%的二氧化碳,”Voskian说。也就是说,当任何气体流经这些扁平的电化学电池时,在释放的过程中,被捕获的二氧化碳也会随之被带走。例如,如果想要的最终产品是用于饮料碳酸化的纯二氧化碳,那么一股纯气体可以吹过这些盘子。被捕获的气体从板块中释放出来,并加入到气流中。

在一些软饮料装瓶厂,燃烧化石燃料来产生使饮料起泡所需的二氧化碳。类似地,一些农民在温室里燃烧天然气来产生二氧化碳来喂养他们的植物。沃斯基安说,新系统可以在这些应用中消除对化石燃料的需求,并在这个过程中直接从空气中去除温室气体。或者,将纯二氧化碳流压缩注入地下长期处理,甚至通过一系列的化学和电化学过程制成燃料。

这个系统用于捕获和释放二氧化碳的过程是“革命性的”,他说。“所有这些都是在环境条件下进行的,不需要热、压力或化学输入。只是这些非常薄的薄片,表面都是活动的,可以堆叠在一个盒子里,并连接到电源上。”

哈顿说:“在我的实验室里,我们一直在努力开发新技术,以解决一系列环境问题,这些问题避免了使用热能、改变系统压力或添加化学物质来完成分离和释放循环。”“这种二氧化碳捕获技术清楚地展示了电化学方法的力量,它只需要电压的微小波动就可以驱动分离。”

在一个工厂工作——例如,在发电厂废气不断产生,两套这样的成堆的电化学细胞可以并排设置并行运行,烟气是第一个针对一组碳捕获,然后转移到第二组,第一组进入它的放电周期。通过前后交替,系统可以同时捕获和释放气体。在实验室中,该团队已经证明了该系统可以承受至少7000次的充放电循环,在此期间效率损失30%。研究人员估计,他们可以很容易地将其提高到2万到5万次。

电极本身可以用标准的化学处理方法制造。Voskian说,虽然现在这是在实验室环境中完成的,但它可以进行调整,最终通过类似于报纸印刷机的卷到卷的制造过程大批量生产。他表示:“我们开发出了非常划算的技术。”他估计,每平方米电极的成本大约为数十美元。

与其他现有的碳捕获技术相比,该系统的能源效率相当高,每捕获一吨二氧化碳需要消耗约10亿焦耳的能源。Voskian说,其他现有方法的能量消耗在每吨1到10千焦之间,这取决于进口二氧化碳的浓度。

他说,研究人员已经成立了一家名为Verdox的公司,将这一过程商业化,并希望在未来几年内开发出一个中试规模的工厂。他说:“如果你想要更大的容量,你只需要制造更多的电极。”

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/mit-engineers-develop-new-way-remove-carbon-dioxide-air-1025

http://petbyus.com/17532/

生物学家构建的蛋白质可以避免与现有分子的相互干扰

在活细胞内,许多重要的信息是通过蛋白质间的相互作用来传递的。为了准确地传递这些信号,每个蛋白质必须只与特定的伙伴相互作用,避免与任何类似的蛋白质发生不必要的串扰。

麻省理工学院的一项新研究揭示了细胞如何能够阻止这些蛋白质之间的相互作用,同时也表明,还有大量可能的蛋白质相互作用尚未被细胞用于信号传导。这意味着合成生物学家可以产生新的蛋白质对,它们可以作为诊断疾病等应用的人工电路,而不干扰细胞现有的信号通路。

“使用我们的高通量方法,你可以生成一个特定相互作用的许多正交版本,让你看到有多少不同的绝缘版本的蛋白质复合物可以被构建,”麻省理工学院的研究生、该研究的主要作者Conor McClune说。

在今天发表在《自然》杂志上的新论文中,研究人员制造了新的信号蛋白对,并演示了如何通过工程E。大肠杆菌细胞遇到一种特殊的植物激素后产生黄色荧光。

麻省理工学院生物学教授迈克尔·劳布(Michael Laub)是这项研究的资深作者。其他作者包括最近毕业于麻省理工学院的Aurora Alvarez-Buylla和高级生物技术的Daniel I.C. Wang教授Christopher Voigt。

新组合

在这项研究中,研究人员重点关注一种称为双组分信号通路的信号通路,这种信号通路存在于细菌和其他一些有机体中。各种各样的双组分途径通过一个过程进化而来,在这个过程中,细胞复制它们已经拥有的蛋白质信号的基因,然后使它们突变,创造出类似蛋白质的家族。

Laub说:“从本质上来说,有机体能够显著地扩展这一小部分信号家族是有利的,但它也存在这样的风险,即这些系统之间的相互作用非常相似。”“这对细胞来说是一个有趣的挑战:如何保持信息流的保真度,如何将特定的输入与特定的输出结合起来?”

这些信号对大多由一种叫做激酶的酶和它的底物组成,后者被激酶激活。细菌可以有数十甚至数百个这样的蛋白质对来传递不同的信号。

大约10年前,劳布证明了细菌激酶和它们底物之间的特异性是由每个伙伴蛋白中的5个氨基酸决定的。这就提出了一个问题:细胞是否已经用尽了,或者接近用尽了,所有可能的独特组合都不会干扰现有的通路。

之前来自其他实验室的一些研究表明,相互之间不会产生干扰的相互作用的可能数量可能正在减少,但证据并不确定。麻省理工学院的研究人员决定采用一种系统的方法,从一对现有的大肠杆菌信号蛋白,即PhoQ和PhoP开始,然后在决定其特异性的区域引入突变。

这产生了超过10000对的蛋白质。研究人员测试了每一种激酶,看它们是否会激活任何一种底物,并确定了约200对彼此相互作用的激酶,但不包括在大肠杆菌中发现的父蛋白、其他新配对或任何其他类型的激酶-底物家族。

劳布说:“我们发现,很容易找到有效的组合,即两种蛋白质相互作用,传递一个信号,但它们不与细胞内的任何其他物质交流。”

他现在计划重建导致某些蛋白质对被细胞使用的进化史,而许多其他可能的组合还没有自然进化。

合成电路

研究人员说,这项研究还为创造新的合成生物电路提供了一种新策略,这种电路基于不与其他细胞蛋白相互干扰的蛋白质对。为了证明这种可能性,他们提取了一个新的蛋白质对,并对激酶进行了修饰,使其被一种叫做反式玉米蛋白的植物激素激活,并对底物进行了改造,使其在激酶激活时发出黄色的光。

Voigt说:“这表明我们可以克服在细胞中植入合成电路的挑战之一,即细胞中已经充满了信号蛋白。”“当我们试图在物种之间移动传感器或电路时,最大的问题之一是它会干扰已经存在的路径。”

这种新方法的一个可能的应用是设计检测其他微生物存在的电路。这样的电路可以用来制造益生菌,帮助诊断传染病。

“细菌可以被设计成感知环境并对其做出反应,例如‘智能’肠道细菌可以诊断和治疗炎症、糖尿病或癌症,或者保持适当的氮水平并消除对化肥的需求的土壤微生物。”为了制造这样的细菌,合成生物学家需要基因编码的‘传感器’,”莱斯大学生物工程和生物科学副教授杰弗里·塔博尔说。

“合成生物学的一个主要局限是,我们的基因部分在新生物体中失败了,原因是我们不理解的(比如相声)。这篇论文表明,有很多空间可以用来重新设计电路,这样就不会发生这种情况,”泰伯说,他没有参与这项研究。

如果这种方法适用于人类细胞,它还可以帮助研究人员设计新的方法来对人类T细胞进行编程,从而摧毁癌细胞。这种疗法被称为CAR-T细胞疗法,已经被批准用于治疗一些血癌,同时也在开发用于其他癌症。

尽管相关信号蛋白会不同于那些在这项研究中,“同样的原则适用于治疗依赖于我们的能力的工程蛋白质和放进小说基因组上下文,并希望他们不干扰途径已经在细胞,”McClune说。

这项研究由霍华德·休斯医学研究所、海军研究办公室和美国国立卫生研究院的博士前培训拨款资助。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/biologists-build-proteins-avoid-crosstalk-existing-molecules-1023

http://petbyus.com/17443/