当机器人有了好奇心,世界首个非冯

当机器人有了好奇心 科学家研发出能自己探索周围环境从而进行学习的机器人

分子“好莱坞”下一个大热门
超高速成像技术让研究人员拥有窥视原子世界最佳利器

世界首个非冯·诺依曼处理器获DARPA资助 性能大幅提升 能耗显著减少

研究揭示北冰洋变咸原因

图片 1

图片 2

科技日报北京6月11日电
据业界处于先导地位的《电子工程专辑》网站10日消息称,名为HIVE的非冯:诺依曼处理器,得到了美国国防部高级研究计划局的资助。这是世界首个非冯:诺依曼结构,包括“芯片巨人”英特尔、高通、美国国防承包商诺斯格鲁曼、西北太平洋国家实验室和乔治亚理工大学在内的机构共同参与了该项目。


几千万年前,北冰洋是一个巨大的淡水湖,与咸水海洋隔绝。德国科学家发现,格陵兰与苏格兰之间的陆桥沉到水下约50米深处之后,北大西洋的海水才开始大量注入北冰洋,导致它变咸。

具有好奇心的机器人。图片来源:jpgfactory/iStockphot

图片来源:Thomas Porostocky

DARPA的微系统技术办公室项目经理表示,今天人们所看到的现代计算机,其所遵循的基本结构形式,始终是20世纪40年代发明的冯:诺依曼机结构。中央处理器和图形处理器已经走向了平行,但其核心仍然是冯:诺依曼处理器。

目前格陵兰与苏格兰之间是开阔的水域,连接着北冰洋与北大西洋,但几千万年前这里是一片陆地。此外,现在的白令海峡当时也位于海面之上,隔开了北冰洋与北太平洋。

在一场关于人工智能的转折中,计算机科学家对机器进行编程,使其变得具有好奇心——能自己探索周围环境并且为了学习而学习。这种新方法可使机器人比现在学习得更快。有朝一日,它们甚至可能在形成假设和推动已知科学向前发展方面超越人类科学家。

化学家都是梦想家。每一天,他们都会设想分子在空间中漂浮着,原子用庄严的步伐跳着舞。他们在脑海中旋转着这个结构,从多个角度审视它们,让每个分子转动着,直到一个化学键被弹开、另一个化学键卡入到位。

冯:诺依曼处理器的基本结构特征是“共享数据和串行执行”的计算机模型。按照这种结构,程序和数据放在共享存储器内,CPU取出指令和数据进行相应的计算。也就是说,存储器和处理器相互分离,通过总线相连。在过去几年中,通过以更高的速度在总线上传输越来越多数据,冯:诺伊曼架构计算机的速度飞快提升。

地球的板块运动使格陵兰-苏格兰陆桥沉到水下,北冰洋才有了第一个连接海洋的通道。德国阿尔弗雷德:韦格纳研究所的科研人员日前发布新闻公报说,他们模拟了陆桥逐渐沉到水下200米深处的情形,该过程可能历经数百万年才完成。结果显示,来自北大西洋的含盐海水并不是一旦有通道就立即大量注入北冰洋,必须要陆桥沉到水下50米左右后才能顺畅地流入,这正是海洋混合层的深度。

“发展好奇心是智能的核心问题。”在美国布朗大学掌管智能机器人实验室的计算机科学家George
Konidaris介绍说,“当你不确定你的机器人将来要做什么时,使其具有好奇心将会非常有用。”

这样的放映模式存在于几乎所有化学家的脑海中,因为它们提供了一种让化学反应如何发生的“视觉化”方式。“化学领域所有学科中贯穿的这种在头脑中发生的实验都是在想象原子的实时移动。”德国汉堡马普学会物质结构与动态研究所与加拿大多伦多大学理化学家Dwayne
Miller说,“这是化学领域所有人都会做的梦。”

但是,CPU与共享存储器间的信息通路——总线数据的吞吐量制约了计算机速度,造成了所谓的“冯:诺伊曼瓶颈”。此前在并行计算机结构及处理方面的研究已使计算速度有了很大提高,但就本质而言,还无法克服冯:诺依曼机结构上的缺陷。

由于各处温度、含盐量、密度等差异,海洋水体有着分层结构。在靠近海洋表面的某个位置,海水受到水流、蒸发等多种因素影响,会形成比较均匀的一层,称为混合层。研究人员说,混合层的深度非常关键,海水流动通道达到这个深度之后,北冰洋才真正开始变咸。相关论文发表在新一期英国《自然—通讯》杂志上。

多年以来,科学家一直在开发针对好奇心的算法,但复制人类的求知欲是个难题。比如,大多数方法不能评估智能机器人在看见某个事物前预测其是否有趣方面存在的知识空白。(人类有时能通过封面判断一本书是否有趣。)

在分子结构首次发现之后,化学家的这个梦已经做了150多年。现在,这些幻想正在变成现实。研究人员正在利用一系列技术在实验室中导演分子电影,这些影片中大多数是用令人难以置信的光或电子短脉冲解释各个场景。其中一些依赖于扫描隧道显微镜的原子精度,另一些则利用X光射线的强烈爆发来揭示目标结构。

而HIVE是全球首个图解分析处理器,其采用了非冯:诺依曼机结构,能在记忆体的不同区域同时执行不同操作。这种非冯:诺依曼方法允许一张大的地图能被许多个处理器同时访问,每个处理器使用自己的本地高速缓存在全局记忆体上同时执行分散汇集操作。

北冰洋与大西洋之间出现通道,改变了地球中纬度到高纬度海域的热量流动情况,对全球气候有着深远影响。当年的陆桥如今已经沉到水下500米深处,只有冰岛区域还在水面之上。

目前在位于英国伦敦的谷歌深度思维公司就职的计算机科学家Todd
Hester希望做得更好。“我在寻找使计算机更加聪明地学习并且像人类一样进行探索的方法。”Hester表示,“不是探索所有事情,也不是随意进行探索,而是尝试着更加聪明地做一些事情。”

他们的目标是拍摄发生在皮秒(10−12秒)或飞秒(10−15)之间的事件,其间,原子仅发生了皮米级(一个氢原子的直径约为100皮米)的移动。在这样的分辨率下,研究人员首次能够直接观测到一个分子在慢镜头下的蠕动、原子键振动和断裂或是电子前后摆动。随着些技术变得越来越主流,其带来的收获将是巨大的。它们能够提供产生更好催化作用和人工光合作用的关键信息或是提供操控分子的量子特征用于计算和通信的新渠道。

新的处理器除了可以让图分析技术性能以惊人的倍数提升,还可以大幅减少能耗。DARPA计划在四年半时间里对这一项目投资8000万美元。

《中国科学报》 (2017-06-12 第2版 国际)

为此,Hester和德克萨斯大学计算机科学家Peter
Stone开发了一种名为TEXPLORE-VENIR、依赖于强化学习技术的新算法。在强化学习中,程序会尝试一些事情。如果一个举动使其离某个最终目标更进一步,它会收到一个小小的奖励并且更有可能在将来再次尝试这一操作。深度思维公司利用强化学习,使程序通过随机试验掌握雅达利游戏和围棋游戏的玩法。不过,和其他具有好奇心的算法一样,TEXPLORE-VENIR同样设置了一个内在目标。如果它理解了一些新事物,就会奖励自己,即便这些知识并未使其离最终目标更进一步。

分子摄影的源头可追溯至上世纪80年代出现的捕捉分子快照的方法。一种叫作抽运—探测光谱的领先技术利用持续仅数飞秒的激光脉冲触发化学反应。但飞秒化学中所用的激光脉冲的波长比单个原子之间的距离大得多,因此它不能直接分辨出分子中原子的位置。

特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。

随着TEXPLORE-VENIR不断学习并且构建起关于世界的模型,它会因发现了和此前见到的事物不一样的信息而奖励自己。比如,在一幅地图上发现遥远的地方,或者在烹调用的程序上发现具有异国情调的食谱。“它们是完全不同的学习和探索类型。”Konidaris表示,“对它们进行平衡真的很重要。我喜欢这篇文章的地方在于它同时做到了两点。”

为了获得单个原子的清晰图像,科学家一直以来都依赖于X光晶体学和电子衍射,研究质子或电子在通过分子时如何散射。同时,诸如STMs等工具和原子力显微镜则提供了单个分子中的原子以及它们周围的电子簇的更多详细信息。但这些技术获取图像时通常需要花费数毫秒或更长时间,这对于观测原子前后移动过于缓慢。

Hester和Stone在两个场景中测试了他们的方法。首先是一个含有一圈4个房间的虚拟迷宫,房间则由锁着的门连接起来。机器人(仅是一个计算机程序)不得不找到钥匙,将其捡起来,然后利用它打开门上的锁。每通过一扇门,机器人会获得10分,并且拥有3000步来获得更高的得分。如果研究人员先让机器人仅在TEXPLORE-VENIR的指导下摸索1000步,它在3000步的测试阶段会平均获得约55分。如果机器人利用其他开发好奇心的算法进行此类探索,它在测试阶段的得分从0到35分不等,除了利用一种被称为R-Max的算法。后者也能让机器人获得约55分。在另一个不同的设定中,机器人不得不同时探索和穿过门。TEXPLORE-VENIR获得了约70分,R-Max获得了约35分,其他算法获得的分数则不到5。研究人员在6月出版的《人工智能》杂志上报告了这一结果。

因此,过去几年,分子影片制作者结合了飞秒化学、散射和原子成像的各个方面,以形成一种混合技术工具箱向不同学科提供最佳解决方法,结合时间和空间分辨率展示原子及分子的自然生境。

随后,研究人员利用实体机器人测试了他们的算法。这是一个被称为Nao的人形玩具。在3项单独的任务中,半米高的机器人需要击打铙钹、用手将粉色胶带举到眼前或者按下脚上的按钮,从而获得得分。在每项任务中,它有200步来获得得分,但在这之前会有400步来摸索。这要么是随机进行的,要么利用TEXPLORE-VENIR。每种方法平均开展了13次试验。相较于随机摸索,在利用TEXPLORE-VENIR进行探索后,Nao在找到粉色胶带上做得更好,并且在13次试验中,有7次按下了按钮。但在随机探索后,没有一次按下。通过利用自身和周围环境开展半结构化的试验,TEXPLORE-VENIR作好了充分的准备来执行被分配的任务,就像婴儿在学习爬之前舞动自己的四肢一样。

去年,德国雷根斯堡大学的研究人员利用激光脉冲显著提升了STM的快门速度,这种显微镜依赖于一个尖锐顶点(顶点缩成一个单一原子),它可以在一个表面上黏贴的单个分子上移动。由于短距离的量子行为,电子能够在分子和该尖端抽去液体或“打开隧道”,形成电子流。随着尖端移动,电子流大小的变化可以揭示分子周围弥散的电子形态。

在做家务、设计高效的生产流程或者为疾病寻求治疗方案时,具有好奇心的机器人会表现出灵活的行为。Hester表示,下一步将利用深度神经网络,即以大脑结构为模型的算法,来更好地确定要探索的新领域。而这顺便也能使Hester的探索更进一步:“我们能否制造像孩子一样学习的机器人?”

尽管这项实验只是一个概念上的证明,该团队领衔作者之一、物理学家Jascha
Repp认为,他的团队可以将THz-STM的时间分辨率缩小到10飞秒,这将可以揭示更快的过程:电子在吸光后会在分子上滑翔,或者氢离子会在不同点前后跳跃,这一过程叫作互变现象,它可以影响很多生物分子的反应。

STMs和AFMs的一个吸引人之处是该设备——不锈钢真空室和探针簇——可适用于小实验室。这项技术可谓是分子影片制作的独立工作室,相对来说,很多研究人员都可以获取到。

天平的另一端是在美国加州斯坦福大学国家加速器实验室价值4.14亿美元的直线性连续加速器光源上做出的轰动一时的成果。这个巨大的X射线自由电子激光设施可产生明亮、连续的脉冲,揭示惊人的蛋白质结构。该设备实验时间的竞争非常激烈。

去年,一个国际研究团队报告称,利用LCLS的X光脉冲首次观测到一个重要的生物学过程。该团队的目标是光敏黄蛋白,这是一些细菌域采用的光敏感器。位于PYP核心的是一个含有严格的、不能自由活动的碳—碳双键的吸光区。位于双键每端的庞大群体通常指向相反方向,这种配置被成为“反式”。但该团队利用一个蓝色激光脉冲暂时打断了其中一个化学键,让庞大的群体转变为“顺式”结构,指向同样的方向。这种反式—顺式异构现象在生物系统内经常发生。

该团队用一束40飞秒长的X光脉冲跟踪了最初的激光冲击,其产生的散射模式可以揭示原子的位置。将这些拍摄成视频电影后表明,异构现象约发生在光刺激PYP之后约550飞秒。“最出乎意料的是它并非是立即的。”该团队成员、亚利桑那州立大学生化学家Petra
Fromme说,“它完全改变了这种化学反应如何发生的观点。”

这项实验针对的是漂浮在溶液中的毫米级晶体,但其他研究人员也设法利用LCLS拍摄气体中的单个分子。2015年,他们拍摄了一个环形分子断裂的影片,这是化学和生物化学领域的一种经典反应。由于X光的波长过长,难以直接分辨原子,因此该团队依靠理论模拟将图像锐化为16帧的分子电影。目前,斥资10亿美元的LCLS-II升级工程正在进行,它将能提供波长更短的X光,简言之,更加频繁的脉冲将能够提升影片的时间和空间分辨率。Fromme希望,新一代紧凑XFELs(每个价格低于1500万美元)将能让这种技术对更多科学家开放。

目前,LCLS能量最高的X光的波长是150皮秒,对于分辨单个碳原子或氢原子略微过长。为了进一步放大显示,研究人员可以利用快速移动电子,它拥有更短的波长,因此在一个分子上衍射时,能够提供更佳的空间分辨率。这是冷冻电子显微镜背后的原理,这一技术目前正在结构生物学领域带来革命,在很大程度上是因为它提供了冷冻样本中蛋白的详细结构,而不需要等待它们形成晶体。

冷冻电子显微镜提供了很多分子聚集在一起的群集镜头,其他的技术则用电子对单个分子成像。去年,西班牙巴塞罗那光子学研究所所长Jens
Biegert带领的团队报告称,利用激光诱导电子衍射研究乙炔的单个分子。在这种技术中,一束红外脉冲将分子朝定义的方向排列,然后第二束脉冲将两个电子敲出队列,从而打破乙炔的其中一个碳—氢键。

像任何其他形式的光一样,这些激光脉冲也是由振荡的电子和磁场构成的。第二束脉冲的电场会选出其中一个自由电子并将其猛烈地甩回分子。这个电子会在其首次逃逸后9飞秒抵达,其速度快到可以直接通过分裂的分子。在此过程中,它会像波浪在岩石岸边摔碎那样衍射,形成的模式可以用快于1飞秒的快门速度揭示原子的位置。它可能是终极的分子自拍。

在分子影片制作的下一阶段,其他研究人员希望,从飞秒转变为阿秒的激光脉冲可以产生史无前例的慢动作序列。在那样的快门速度,原子似乎在以缓慢的速度移动,电子的活动也会清晰可见。这将是关键的一步,哥伦比亚俄亥俄州立大学物理学家Louis
DiMauro说,因为电子的行为最终控制着分子中原子的活动。

大多数研究人员赞同,是时候立即推进示范项目,将这些技术应用到各个学科领域的研究问题中。“如果开发这些工具的人能够说服化学家和材料学家,它将会带来极大的发展。”Biegert说。毕竟,“理解的第一步是用眼看。”

发表评论

电子邮件地址不会被公开。 必填项已用*标注

相关文章

CopyRight © 2015-2020 云顶线路检测 All Rights Reserved.
网站地图xml地图