Znanstvenici Laboratorija za medicinsku kemiju i napredne organske materijale na Uralskom saveznom sveučilištu sintetizirali su i analizirali novu klasu fluorofora čija primjena povećava učinkovitost organskih svjetlećih dioda (OLED). To znači da bi se mogla koristiti za razvoj novih materijala kojima bi se poboljšala svjetlina zaslona za pametne telefone, računala i televizore. 

Rezultati istraživanja, objavljeni u časopisu Dyes and Pigments, pokazuju povećanje intenziteta luminiscencije od 2,4 do 20 puta i svjetline emitirane svjetlosti do 75 puta. 

UI generira sintetičke podatke o moždanoj aktivnosti

Istraživači Viterbijeve inženjerske škole Sveučilišta Južne Kalifornije koriste generativne kontradiktorne mreže (GANs), tehnologiju najpoznatiju po stvaranju lažnih videozapisa i fotorealističnih ljudskih lica, kako bi poboljšali sučelja između mozga i računala i tako pomogli osobama s invaliditetom. U radu, objavljenom u časopisu Nature Biomedical Engineering, oni su uspješno naučili umjetnu inteligenciju da generira sintetičke podatke o moždanoj aktivnosti. 

U eksperimentu opisanom u radu, istraživači su trenirali šiljasti sintetizator dubokog učenja sa sesijom podataka o majmunu koji poseže za predmetom. Zatim su koristili sintesajzer za generiranje velikih količina sličnih, ali lažnih neuralnih podataka. Te su podatke potom sintetizirali s malim količinama novih stvarnih podataka. Ovaj pristup pokrenuo je sustav puno brže od trenutnih standardnih metoda. Štoviše, neuralni podaci sintetizirani GAN-om poboljšali ukupnu brzinu treninga do 20 puta.

Kontrola svjetla neviđenim brzinama

Međunarodni istraživači predvođeni timom s MIT-a pune se četiri godine bave problemom formiranja optičkog snopa velike brzine. A sada su u časopisu Nature demonstrirali programabilni, bežični uređaj koji može kontrolirati svjetlo, primjerice fokusiranjem zrake u određenom smjeru ili manipuliranjem intenzitetom svjetla brže od komercijalnih uređaja.

Njihov prostorni svjetlosni modulator (spatial light modulator) mogao bi se koristiti za stvaranje superbrzih lidar senzora za detekciju svjetla i dometa u samovozećim automobilima, koji bi scenu slikao milijun puta brže od postojećih mehaničkih sustava. Također bi mogao ubrzati skenere mozga, koji koriste svjetlost da "vide" kroz tkivo. Budući da mogu brže slikati tkivo, skeneri bi mogli generirati slike više rezolucije na koje ne utječe šum dinamičkih fluktuacija u živom tkivu, poput krvi koja teče.

Sada kada su usavršili proces izrade, istraživači rade na sklapanju većih uređaja za kvantnu kontrolu ili ultrabrzo detektiranje i snimanje.

Predviđanje rizika pomoću rendgenske snimke

Istraživači Centra za istraživanje kardiovaskularnih slika Brigham and Women's Hospitala u Bostonu razvili su model dubokog učenja koji koristi jednu rendgensku snimku prsnog koša za predviđanje 10-godišnjeg rizika od smrti od srčanog ili moždanog udara koji proizlazi iz aterosklerotične kardiovaskularne bolesti.

"Naš model dubokog učenja nudi potencijalno rješenje za populacijski oportunistički probir rizika od kardiovaskularnih bolesti korištenjem postojećih rendgenskih slika prsnog koša", objašnjavaju istraživači koji su rezultati studije predstavili krajem studenog na godišnjem sastanku Radiološkog društva Sjeverne Amerike (RSNA).

Taj se rizik izračunava statističkim modelom koji se temelji na nizu varijabli, uključujući dob, spol, rasu, sistolički krvni tlak, liječenje hipertenzije, pušenje, dijabetes tipa 2 i krvne pretrage. Liječenje statinima preporučuje se pacijentima s 10-godišnjim rizikom većim od 7,5%.

"Ljepota ovog pristupa je što vam je potrebna samo rendgenska slika, koja se snima milijune puta dnevno diljem svijeta", kažu istraživači. "Na temelju jedne postojeće rendgenske slike prsnog koša, naš model dubokog učenja predviđa buduće velike štetne kardiovaskularne događaje sa sličnim performansama i inkrementalnom vrijednošću u odnosu na utvrđeni klinički standard."

Probijanje granica skaliranja analognog računalstva

Neumorni istraživači s MIT-a pronašli su način za učinkovito skaliranje optičke neuronske mreže. Dodavanjem sićušne hardverske komponente optičkim sklopkama koje tvore arhitekturu mreže, mogu smanjiti čak i nepopravljive pogreške koje bi se inače nakupile u uređaju.

Njihov rad, objavljen u časopisu Nature Communications, mogao bi omogućiti superbrzu, energetski učinkovitu analognu neuronsku mrežu koja može funkcionirati s istom točnošću kao digitalna. S ovom tehnikom, kako optički krug postaje veći, količina pogreške u njegovim proračunima zapravo se smanjuje.

"Ovo je izvanredno, jer je u suprotnosti s intuicijom analognih sustava, gdje bi veći sklopovi trebali imati veće pogreške, tako da pogreške postavljaju ograničenje skalabilnosti. Ovaj rad nam omogućuje nam da se pozabavimo pitanjem skalabilnosti ovih sustava", objašnjavaju istraživači.

Nakon što su koristili simulacije, istraživači sad ovaj pristup planiraju testirati na fizičkom hardveru i nastaviti s usmjeravanjem prema optičkoj neuronskoj mreži koju mogu učinkovito primijeniti u stvarnom svijetu.

Pametni sat na kravlji pogon

"Kinetička energija prisutna je posvuda u okolišu - lišće koje se njiše na vjetru, kretanje ljudi i životinja, talasanje valova, rotacija zemlje - svi to sadrži mnogo kinetičke energije i bilo bi šteta da svu tu energiju pustimo da propadne", kažu istraživači sa Sveučilišta Jugozapadnog Jiaotonga. Kako se sva ta energija ne bi bacala, osmislili su nosivi pametni uređaj za krave koji hvata kinetičku energiju stvorenu i najmanjim pokretima te je koristi za pokretanje tehnologije pametnih rančeva.

Hodanjem, trčanjem pa čak i pokretima vrata može se sakupiti velika količina kinetičke energije koja se pohranjuje u litijsku bateriju i koristi napajanje uređaja, napisali su istraživači u  časopisu iScience. Testiranje na ljudima pokazalo je pak da je lagano trčanje dovoljno za mjerenje temperature u uređaju. Istraživači vide buduće primjene u praćenju sporta, zdravstvu, pametnom domu i izgradnji ljudskih bežičnih senzorskih mreža.

"Nevidljiva vlakna" za zdravije pizze i kolače

Znanstvenici australskog Sveučilišta RMIT razvili su modificirani škrob koji se može dodavati hrani bez utjecaja na njezin okus, boju ili teksturu. Njihov FiberX izrađuje se od prirodnog škroba, uključujući pšenicu, kukuruz i manioku. Poput stvarnih vlakana, on dopušta mikroorganizmima u našem debelom crijevu da ih fermentiraju i tako poboljšaju probavni proces.

FiberX se može dodati hrani s malo vlakana, poput kolača i pizze, ali i hrani s niskim udjelom kalorija ili niskim glikemijskim indeksom, što je naročito važno za osobe s dijabetesom. I ne samo to, može se napraviti i na bezglutenski način.

"Sada možemo dodati dodatna vlakna u hranu poput bijelog kruha i drugih osnovnih namirnica bez promjene okusa ili teksture, što je do danas bio jedan od glavnih problema s mnogim komercijalno dostupnim dodacima vlaknima", kažu prehrambeni tehnolozi Sveučilišta RMIT. "Možemo i povećati količinu vlakana koja ulazi u hranu, čak i dok jedemo manje, što može pomoći u kontroli težine i dijabetesa."