Credit:pix abay/CC0 Public Domain这是各种技术研究的好年头，因为莱斯大学(Rice University de monstrated)的一组计算机科学家展示了一种CPU算法，它训练深度神经网络的速度比顶级GPU训练器快15倍。人工智能软件也能在现代处理器上运行。作为他们在今年MLSys会议上展示的一部分，他们指出，他们的努力可以降低培训成本，他们认为这是此类系统的真正瓶颈。此外，去年夏天，互联网用户经历了历史上最大的数据泄露，各种实体报告称，有32亿个密码从多个数据库中泄露。这些漏洞被命名为RockYou2021，表明互联网上几乎每个人都可能受到了影响。世界各地的用户被建议更改他们的密码，因为人们认为泄露的密码很可能会被卖给黑客。
科内尔大学的一个团队想知道为什么Spotify仍然没有“不喜欢”按钮，因为它的商业模式是围绕着让听众听下去的。为了找到答案，该小组开发了一种算法，该算法显示，如果音乐平台w使用的算法是在40万个好恶上训练的，那么听众“喜欢”一首歌的可能性要比只在喜欢次数上训练的算法高20%。
此外，在过去的一年里，世界各地的许多人开始怀疑元宇宙是否会成为下一次大的互联网革命。此前，脸书掌门人马克·扎克伯格宣布，制作社交媒体平台的公司将更名为Meta。其他实体最近也在兜售产品，作为让用户进入仍在发展的技术的虚拟底层的手段。
马丁·路德大学哈雷·威登堡的一个团队发现，如果三种材料周期性地排列在一个晶格中，一层三种晶体在太阳能电池中产生的能量会增加一千倍。他们通过制造钛酸钡、钛酸锶和钛酸钙的晶体层来证明他们的想法，他们交替地将这些晶体层放在另一个晶体层的上面来建造一种新型的太阳能电池。
诺丁汉大学副教授科林·约翰逊开发了一种深度学习技术，可以从一组问题的样本解决方案中学习所谓的“适应度函数”。它可以用来逐步解决魔方和其他问题。在接受TechXplore采访时，约翰逊指出，魔方是一个复杂的难题，但它的大量组合中的任何一个离解决方案最多只有20步。
去年5月，新发现的称为碎片攻击的无线网络漏洞使所有移动设备都面临风险。碎片和聚集攻击使得具有必要技能的攻击者和在目标无线电范围内的人能够潜在地利用这些缺陷。黑客可以通过在受保护的无线网络中添加帧来利用编程漏洞。
此外，华南理工大学的一个团队开发了一种化合物，这种化合物可能会导致可持续的、经济高效的大规模储能。他们的工作包括合成一种用作低成本电解质的分子化合物，从而使稳定流动的电池在每个循环中保持99.98%的容量。
瑞士初创公司Climeworks在冰岛雷克雅未克附近的奥卡碳去除工厂开始运营。该工厂耗资1000万至1500万美元建造，预计每年将从空气中排出约4000吨二氧化碳。直接空气捕获技术工厂使用一种模拟Carbfi x方法的程序将碳转化为岩石，这是一种自然过程，需要大自然几十万年的时间。该工厂由附近的地热发电厂供电。
此外，洛桑联邦理工学院的一个团队发现了大规模操纵推特趋势的证据。他们发现，土耳其几乎一半的本地推特热门话题都是假的。他们认为，由于推特的趋势算法存在漏洞，许多病毒趋势完全是由机器人创造的。他们进一步指出，由于推特使用的算法不允许删除，攻击者可以推动趋势，直到它们变得普遍。
德国汽车零部件公司马勒去年5月宣布，该公司正在开发一种耐用、高效、不需要稀土元素的无磁铁电动马达——这是汽车制造商将资源转向制造电动汽车的一个重要进展。
此外，另一家搜索引擎提供商DuckDuckGo在早春宣布，它已经为Chrome浏览器开发了一个阻止FLoC跟踪的扩展。flo是谷歌在其浏览器中添加的一项“功能”，用于跟踪用户习惯，进行定向广告投放。许多用户抱怨侵犯隐私，这就是为什么DuckDuckGo创建了一个扩展来阻止它。
最近，都柏林三一学院和巴斯大学的一组研究人员创造了一种深度学习方法来自动增强狗的动画。该系统旨在提高涉及四足动物的动画质量。他们在今年的米格2001会议上展示了他们的发现。
香港城市大学、南京科技大学和中国科学院的研究人员共同努力，找到了一种将锂电池充电-再充电周期翻倍的方法。他们用锰代替了主要的阴极材料，锰比传统电池中使用的阴极具有更高的容量和更高的耐用性。
中欧大学研究员米兰·雅诺索夫(Milan Janosov)和数字艺术家弗洛拉·博尔西(Flora Borsi)以一种创新而有趣的方式融合了数据科学和数字艺术——他们将对阿西莫夫“基金会”的分析转化为艺术。换句话说，他们分析了文本，并使用统计数据来突出关键词。然后，他们将这些数据绘制在一张图表上，这就产生了一幅类似宇宙草图的图像。
此外，去年夏天，安全公司ThreatFabric的一组研究人员在其博客上报告称，他们在从谷歌Play下载的安卓应用程序中发现了一种新型恶意软件的实例，该软件试图窃取银行登录信息。他们以捕食受伤或死亡目标的鸟类命名了新的恶意软件“秃鹫”。
去年春天，布朗大学的一个团队宣布，他们开发了DeepONet，这是一种新的基于神经网络的模型，可以学习线性和非线性算子。它的部分灵感来自复旦大学一个研究小组进行的一系列研究。他们把它描述为一种看待神经网络的全新方式，并认为它在自动驾驶汽车应用中非常有用。
此外，去年夏天，《麻省理工新闻》采访了麻省理工学院的雅格布·布翁戈诺、GenH创始人罗伯特·弗里达、爱达荷国家实验室的史蒂文·奥梅尔和美国战略司令部退休司令凯文·奇尔顿，讨论了他们为什么认为核电池为无碳能源提供了一种新方法。他们认为，新一代相对微小的、自主即插即用的工厂建造的反应堆可能即将问世。
去年5月，美国空军首次成功测试了一种名为“天空堡”的无人机。美国空军官员表示，无人机——在自主硬件/软件套件上运行——是将有人驾驶和无人驾驶飞机结合起来的合作努力的一部分。
最近，来自劳伦斯伯克利国家实验室和加州大学的一小组研究人员报告说，电池供电的火车在经济上是可行的。他们说，改进的电池技术和廉价的可再生能源可以让电池动力与柴油燃料竞争来驱动火车。这项技术可以大幅减少货运列车排放到大气中的二氧化碳量。
麻省理工学院的一个团队发表了一篇综述论文，总结了电池技术的最新进展，并概述了正在进行的固体电解质和电解质/阴极串联的处理策略，这些策略可用于未来的固态电池设计。他们表示，新的设计可能很快就会与锂离子电池竞争，但也指出，在这种情况发生之前，研究人员必须确定生产单个组件的成本效益策略。
去年11月，货船“亚拉伯兰德”号离开挪威的一个小港口时成为头条新闻。这是第一艘由电力驱动并自主航行的这样的船。参与部署的官员称，这是减少海运业气候足迹的第一步。在处女航中，这艘船将化肥从博斯普鲁恩拖到布雷维克，全程12公里。官员们还建议，在未来，所有船只都可以自主运行，从而大幅降低运输成本。
多伦多大学和LG人工智能研究的联合团队宣布开发一种“可解释的”人工智能算法，可以识别和消除显示屏上的缺陷。他们声称，它在行业基准测试中的表现优于同类方法，并且有可能应用于其他领域，例如解释医学扫描数据。
今年7月，微软警告其用户社区存在一个打印噩梦漏洞，该漏洞是由Windows打印假脱机程序中的一个缺陷引起的。其他实体也敲响了警钟，因为该漏洞可能允许犯罪分子侵入Windows计算机并远程执行代码。微软解释说有两个漏洞，一个允许本地权限升级，另一个允许远程代码执行。
最后，在2月份，一名罗马尼亚威胁研究员宣布，他已经能够侵入35家主要科技公司的计算机系统。独立威胁研究员亚历克斯·比尔桑(Alex Birsan)声称，他已经能够黑进一些由信息技术行业最大的公司——贝宝、苹果、微软、特斯拉和网飞——运营的计算机，即使他已经提前警告他们他将尝试这样做。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
