欢迎您访问科普小知识本站旨在为大家提供日常生活中常见的科普小知识,以及科普文章!
您现在的位置是:首页  > 健康科普

盘点2018年十大新兴技术:人体变成“制药工厂”

科普小知识2022-07-29 08:19:20
...

根据《科学美国人》杂志,人工智能将在不久的将来大大加速创新药物和材料的发现。先进的诊断工具将使越来越多的个性化医疗成为可能。增强现实(AR)将无处不在,将信息和动画叠加在真实世界的图像上,帮助我们处理日常任务,帮助行业更有效地运作。如果你生病了,医生可以把活细胞植入你的身体,把你的身体变成一个“药物工厂”,来治疗你的疾病。你会吃用干细胞培育的人造牛肉、鸡肉和鱼,大大减少了畜牧业对环境的影响。

这些改变世界的想法和其他想法组成了今年的“十大新兴技术”,它们都是由生物学、无机化学、机器人学和人工智能领域的顶尖专家选出的。选定的技术必须能够在未来3到5年内提供显著的社会和经济帮助,必须具有潜在的破坏性,并且能够改变行业或既定的做事方式。然而,它们必须处于相对早期的开发阶段,还没有被广泛使用。

1.增强现实技术无处不在

虚拟现实技术可以让人们沉浸在一个虚拟的、孤立的宇宙中。相反,增强现实将计算机生成的信息实时叠加在现实世界中。当你佩戴配有增强现实软件和摄像头的设备时,无论是智能手机、平板电脑、头盔还是智能眼镜,该程序都会分析传入的视频流,下载大量关于场景的信息,并将相关数据、图像或动画以3D形式叠加在上面。

许多消费者应用程序(包括那些为外国游客翻译路标、让学生虚拟解剖青蛙、让消费者看到客厅椅子的虚拟效果的应用程序)已经有了增强现实功能,比如帮助你的汽车安全倒车的监视器和流行的游戏《口袋妖怪围棋》。在不久的将来,这项技术将使博物馆爱好者能够召唤类似于全息图的导游、外科医生以3D方式将病人皮肤下的组织可视化、建筑师和设计师以新颖的方式进行创作、无人机操作员通过增强的图像控制远程机器人,以及新手快速理解医学和工厂维护等领域的新任务。

在未来几年,易于使用的应用程序设计软件应该能够扩大消费产品的种类。然而,目前增强现实在工业领域的影响最大,它是工业4.0的一个组成部分。“行业4.0”是指通过集成物理和数字系统来提高质量、降低成本和提高效率,从而实现制造业的系统转型。例如,许多公司正在生产线上使用它。增强现实可以在需要时提供正确的信息,从而减少错误,提高效率和生产率。它还可以可视化设备中的压力,并创建问题的实时图像。

ABI研究公司、国际数据公司和数字资本等市场分析师认为,增强现实技术将很快成为主流。他们预计到2020年,AR的总市值(目前约为15亿美元)将增长至1000亿美元。包括苹果、谷歌和微软在内的科技巨头正在投入大量的财力和人力资源来开发增强现实/虚拟现实产品及其应用。风险资本也开始持续流动,2017年风险资本和虚拟资本吸引了30亿美元。《哈佛商业评论》最近强调,增强现实技术是一项革命性的技术,将影响所有企业。

然而,挑战依然存在。目前,硬件和通信带宽的限制给消费者的日常使用带来了障碍。例如,许多使用增强现实技术来增强体验的现有博物馆和旅游应用程序必须提前下载。尽管如此,图形质量可能无法满足用户的期望。然而,随着更便宜和更快的AR移动芯片的出现,更多多功能智能眼镜已经进入市场。增强现实将加入互联网和实时视频的行列,成为我们日常生活中的常规技术。

2.个性化医学的高级诊断

乳腺癌女性患者的治疗已经变得更加个性化。乳腺癌现在被分为不同的亚型,可以相应地进行治疗。例如,许多肿瘤产生雌激素受体的妇女可能接受专门针对这些受体的药物和标准的术后化疗。今年,研究人员发现,相当多的患者肿瘤的特征表明,他们可以安全地放弃化疗,避免通常引起的严重副作用。

诊断工具的进步加速了许多疾病的个性化或精确治疗的发展。这些技术可以帮助医生检测和量化各种生物标记(标记疾病存在的分子),并将患者分成不同的亚组,这些亚组在疾病易感性、预后或对特定治疗的反应可能性方面有所不同。早期的分子诊断工具侧重于单个分子,如糖尿病患者的葡萄糖。

然而,在过去的十年里,“组学”技术取得了巨大的进步。它可以快速、可靠且廉价地对个体的整个基因组进行测序,或者测量体液或组织样本中所有蛋白质(蛋白质组)、代谢副产物(代谢组)或微生物(微生物组)的水平。这项技术的常规应用开始同时产生大量的数据集,人工智能可以挖掘这些数据集来发现临床上有用的新生物标记。高通量组织学和人工智能的结合将引领先进诊断技术的新时代,这将改变人们对许多疾病的理解和治疗,并使医生能够根据个体患者的分子特征定制治疗方法。

一些先进的诊断技术已经应用于癌症。例如,肿瘤型DX可以检测21个基因,许多乳腺癌患者可以相应地避免化疗。基础一个CDx可以检测实体肿瘤中300多个基因的基因突变,并指出特定的基因靶向药物可能对特定的患者有用。除了癌症,还有一种令人兴奋的方法可以应用于子宫内膜异位症。这是一种痛苦的疾病。子宫组织生长在不属于它的地方。诊断过程通常需要手术。然而,来自DotLabs的基于唾液的无创检测可以通过测量称为微小核糖核酸的小分子来识别子宫内膜异位症

目前,通过临床医生对症状的主观评估,如自闭症、帕金森氏病和阿尔茨海默氏病,正在开发脑部疾病的血液测试。研究人员甚至在探索他们是否能对整个基因组进行测序,分析微生物群落,测量健康人体内数百种蛋白质和代谢物的水平,从而为这些人提供如何预防疾病的个性化指导。

需要提醒的是,使用该诊断工具的医疗机构和研究人员必须严格执行保护措施,以保护患者的隐私。此外,需要明确的管理指南以一致的方式评估生物标志物作为诊断工具的价值。这些指南将加速将新的生物标记引入医疗实践。尽管如此,先进的诊断技术已经开始解开诊断和治疗疾病的标准。通过指导病人接受最有效的治疗,他们甚至可以减少医疗费用。将来,许多人可能会有生物标记数据的个人云,这些数据将随着时间的推移而积累,并有助于提供个性化的治疗。

3.分子设计人工智能

想设计新的太阳能材料、抗癌药物或化合物来防止病毒攻击农作物吗?首先,你必须解决两个主要挑战:为这种化合物找到正确的化学结构,并确定哪些化学反应将正确的原子连接到所需的分子或分子组合。这个过程非常耗时,并且涉及许多失败的尝试。例如,一个全面的计划可能有数百个独立的步骤,其中许多可能会产生副作用或副产品,或者根本不起作用。然而,现在人工智能已经开始提高设计和合成的效率,使过程更快,更容易和更便宜,同时减少化学废物。

在人工智能中,机器学习算法分析所有已知的试图发现和合成感兴趣物质的过去实验。基于它们识别的模式,这些算法可以预测潜在有用的新分子结构和制造它们的可能方法。没有单一的机器学习工具可以在按下按钮时完成所有这些任务,但是人工智能技术正在迅速进入药物分子和材料设计的现实世界。

例如,德国明斯特大学的研究人员开发了一种人工智能工具,可以重复模拟1240万个已知的单步化学反应,并设计出比人类快30倍的多步合成路线。在制药领域,基于人工智能的“生成机器学习”技术也令人兴奋。大多数制药公司储存数百万种化合物,并对其进行筛选,以确定其作为新药的潜力。然而,即使使用机器人和实验室自动化工具,这种筛选过程也很慢,产生的结果相对较少。

此外,这些“文库”仅包括理论上可能存在的1030多种分子中的一小部分。使用描述已知药物(和候选药物)的化学结构和性质的数据集,机器学习工具可以建立具有相似和可能更有用性质的新化合物的虚拟库。这种能力正开始显著加快对潜在药物的识别。近100家初创企业一直在探索人工智能在药物研发中的应用,如Insilico Medicine、Kebotix和BenevolentAI,它们最近筹集了1.15亿美元,将人工智能技术应用于运动神经元疾病、帕金森病和其他难治性疾病的药物研发。

从新分子的发现到临床试验的设计和分析,博爱将人工智能应用于整个药物开发过程,旨在证明人类的安全性和有效性。在材料领域,Citrine Informatics等公司正在对制药公司采用类似的方法,并与巴斯夫和松下等大公司合作,以加速创新。美国*也支持人工智能设计研究。自2011年以来,美国已经在材料基因组计划上投资了超过2.5亿美元。该计划是建立基础设施,包括人工智能和其他计算方法,以加快先进材料的发展。

过去的经验告诉我们,新材料和化学品可能对健康和安全构成不可预测的风险。幸运的是,人工智能方法应该能够预测和减少这些不利的结果。这些技术似乎极大地提高了新分子和材料被发现并投入市场的速度和效率。在市场上,它们可以提供诸如改善医疗保健和农业、在更大程度上节约资源以及改善可再生能源的生产和储存等好处。

4.可以辩论和提供指导的人工智能

今天的数字助理有时会欺骗你,让你相信他们是人类,但更强大的数字助理正在到来。Siri、Alexa等。使用复杂的语音识别软件来识别您的请求以及如何提供相应的信息。他们会产生自然的声音,并给你的问题提供脚本答案。这样一个系统必须首先被“训练”,并且适当的响应必须由人类编写和组织成高度结构化的数据格式。这项工作非常耗时,并且会导致数字助理在执行任务时受到限制。这些系统可以“学习”,但程度有限。尽管如此,它们仍然令人印象深刻。

在更高的复杂程度上,正在开发允许下一代数字助理吸收和组织更多非结构化数据(原始文本、视频、图片、音频、电子邮件等)的技术。),然后自动形成有说服力的建议,或者在辩论中充当对手,处理他们从未受过训练的问题。我们已经在许多提供聊天机器人的网站上看到了这个功能。这些聊天机器人可以用自然语言回答问题,并覆盖他们训练过的各种数据集。

这些聊天机器人在特定的问题或请求上需要相对少的培训或不需要培训,并且它们将预先配置的数据与紧急情况下“阅读”提供给它们的相关背景材料的能力相结合。然而,在做出高度准确的回答之前,他们确实需要一些训练来识别语言和意图。

今年6月,IBM展示了一种更先进的技术:一个系统与人类专家进行实时辩论,但没有接受辩论主题的培训。使用非结构化数据(包括来自*的内容),系统必须确定信息的相关性和准确性,并将其组织成可重用的资产,系统可以调用这些资产来形成一致的参数来支持自己的参数。它还必须回应人类对手的论点。在演示过程中,系统进行了两次辩论,许多观众甚至认为它的论点更有说服力。

这项技术是在五年多的时间里发展起来的。它包括一个软件,不仅可以理解自然语言,还可以检测积极和消极的情绪。然而,非脚本人工智能系统战胜公认的人类专家为众多相关应用打开了大门,这些应用可能会在未来三到五年甚至更短的时间内出现。例如,这样的系统可以帮助医生快速找到与复杂病例相关的研究,然后讨论给定治疗计划的优势。这些智能系统只会用于整合现有知识,而不是像实验室科学家或专家那样创造知识。然而,随着机器变得越来越智能,它们仍然增加了失业问题。

5.植入式药物细胞

许多糖尿病患者一天会刺破手指几次,以测量血糖水平并确定他们需要的胰岛素剂量。被称为胰岛细胞的胰腺细胞移植,通常在体内产生胰岛素,取代了这一繁琐的过程。同样,细胞移植可以改变其他疾病的治疗,包括癌症、心力衰竭、血友病、青光眼和帕金森病。然而,细胞植入有一个缺点,即受体必须无限期服用免疫抑制剂,以防止免疫系统的排斥。这类药物会导致严重的副作用,包括增加感染或恶性肿瘤的风险。

几十年来,科学家们发明了一种方法,用半透膜包裹细胞,防止免疫系统攻击植入细胞。这些胶囊仍然允许营养物质和其他小分子流入,需要激素或其他治疗蛋白质流出。然而,这不足以防止这些细胞受损。如果免疫系统认为保护性物质本身是外来的,它将导致疤痕组织在胶囊上生长。这种“纤维化”阻止营养物质到达细胞,杀死它们。

现在,研究人员开始解决“纤维化”的挑战。例如,2016年,麻省理工学院的研究人员发现了一种新方法,可以让免疫系统看不见植入物。在生产和筛选了数百种材料后,研究人员发现了一种叫做藻酸盐的凝胶化学物质,这种物质在人类中的安全使用历史悠久。当他们将这种凝胶中的胰岛细胞植入糖尿病小鼠体内时,他们会立即释放胰岛素来应对血糖水平的变化。在为期6个月的研究中,他们成功地控制了血糖水平而没有纤维化。在另一项研究中,研究人员后来报告说,阻断巨噬细胞上的特定分子可以抑制疤痕形成,巨噬细胞是重要的纤维化免疫细胞,添加这种阻断剂可以进一步提高移植物的存活率。

现在有一些公司专门从事胶囊化细胞疗法。其中,西格隆治疗公司正在推广由麻省理工学院开发的治疗糖尿病和血友病等代谢紊乱的技术。伊莱·莉莉正在与西格隆合作进行糖尿病研究。此外,塞姆玛治疗公司也在使用自己的技术来关注糖尿病。神经技术制药公司已经在青光眼和以视网膜变性为特征的各种眼病的临床试验中植入了植入物。活细胞技术公司正在进行帕金森病植入物的临床试验,并正在开发其他神经退行性疾病的治疗方法。

如今,整合到胶囊中的细胞是从动物或人类尸体或人类干细胞中提取的。将来,可植入细胞疗法可能包括更广泛的细胞类型,包括通过合成生物技术修饰的细胞,其可以重组细胞的遗传基因以执行新的功能,例如根据需要控制特定药物分子向组织的释放。胶囊化细胞疗法的安全性和有效性尚未在大规模临床试验中得到证实,但这些迹象令人鼓舞。

6.人造肉

想象一下咬下一个多汁的牛肉汉堡是什么感觉,它是在不杀死动物的情况下制作的。实验室里用细胞生产的肉正在把这个想法变成现实。许多初创企业正在开发实验室种植的牛肉、猪肉、家禽和海鲜,包括像摩莎肉类、孟菲斯肉类、超级食品和无鳍食品这样的公司。这个领域吸引了大量资金。例如,2017年,孟菲斯肉类公司从比尔·盖茨和农业公司嘉吉公司获得了1700万美元。

如果被广泛使用,人造肉类可以消除许多残忍和不道德的杀害动物的行为。它还可以降低肉类生产的巨大环境成本。只有培养的细胞需要生产和维持,而不是从出生就需要整个有机体。这种肉是首先从动物身上提取肌肉样本制成的。技术人员从组织中收集干细胞,让它们增殖,分化成初级纤维,然后扩展成肌肉组织。莫萨·肉类公司说,从牛身上提取的组织样本可以产生足够的肌肉组织。

许多初创企业表示,他们预计产品将在未来几年销售。然而,为了在商业上可行,人造肉必须克服许多障碍,包括成本和味道。2013年,当记者看到用人造肉做成的汉堡时,制作馅饼的成本超过30万美元,而且太干了(因为脂肪太少)。自那以后,成本大幅下降。孟菲斯肉类公司今年报告称,113克人造牛肉的价格约为600美元。考虑到这一趋势,人造肉类可能在几年内成为传统肉类的竞争对手。多注意质地和补充其他成分可以解决口味问题。

为了获得市场认可,人造肉必须被证明是安全的。尽管没有理由相信实验室生产的肉类对健康有害,但食品和药物管理局直到现在才开始考虑如何对其进行监管。与此同时,传统的肉类生产商正在进行反击,认为人造肉类根本不是肉类,不应该被贴上肉类的标签。调查显示,公众对食用人造肉类兴趣不大。尽管面临这些挑战,这家人造肉类公司仍在稳步前进。如果他们能成功地生产出价格低廉、口味纯正的产品,人造肉类就能让我们的日常饮食习惯更加符合伦理和环境可持续性标准。

7.电休克疗法

电休克疗法在医学上有着悠久的历史,如心脏起搏器、耳蜗植入和帕金森病的深部脑刺激。其中一种治疗方法将变得更加多样化,并显著改善各种疾病的治疗。它包括向迷走神经传输信号,从脑干向大多数器官发送脉冲,然后返回。迷走神经刺激(VNS)的新用途已经成为可能,部分是因为凯文·特蕾西和费恩斯坦医学研究所的其他人的研究表明,迷走神经释放有助于调节免疫系统的化学物质。例如,脾脏中释放的特定神经递质会使全身炎症的免疫细胞平静下来。

这些结果表明,VNS可能有益于电信号障碍疾病,如自身免疫和炎症。对于那些患有这些疾病的人来说,这可能是一件好事,因为现有的药物经常失效或导致严重的副作用。VNS可能更容易忍受,因为它作用于特定的神经,而药物通常会扩散到全身,可能会破坏治疗目标以外的组织。

迄今为止,炎症相关应用的研究令人鼓舞。设定点医疗公司开发的VNS设备已被证明在早期人类试验中对治疗类风湿性关节炎和克罗恩病是安全的。目前,正在对这两种技术进行更多的测试。电惊厥疗法也用于治疗其他具有炎症成分的疾病,如心血管疾病、代谢紊乱和痴呆,以及自身免疫性疾病,如狼疮。在这种疾病中,迷走神经本身变得不活跃。

防止移植组织的免疫排斥是另一个潜在的应用。大多数迷走神经刺激器,包括SetPoint装置和已经用于治疗癫痫和抑郁症的装置,都属于植入物。医生通常把这个装置放在锁骨下的皮肤下。植入体的导线缠绕在迷走神经的一个分支上,电脉冲以预定的间隔传输给它。频率和其他属性由外部磁棒编程控制。今天的植入物直径约为1.5英寸,但随着时间的推移,预计它会变得更小,更易编程。

旨在缓解丛集性头痛和偏头痛的非侵入性手持迷走神经刺激器最近也获得了美国食品和药物管理局的批准,尽管尚不清楚迷走神经刺激到底如何帮助缓解这些症状。这种手持设备通过颈部或耳朵的皮肤向神经提供温和的电刺激。迷走神经不是新电疗法治疗的唯一目标。2017年底,美国食品和药物管理局批准了一种非植入装置,该装置可以通过耳后皮肤向颅枕神经和枕神经的分支发送信号,从而减轻阿片类药物的戒断反应。在73名阿片类药物戒断患者的症状严重程度降低31%或更多后,该装置获得了美国食品和药物管理局的批准。

植入和手术的成本可能会阻碍VNS疗法的广泛应用,但随着该技术的侵入性降低,这个问题应该得到缓解。但成本不是唯一的挑战。研究人员仍然需要更多地了解迷走神经刺激在每种情况下是如何工作的,以及如何最好地确定个体患者的最佳刺激模式。此外,他们还需要研究迷走神经冲动是否以不良方式影响周围神经。然而,随着更多的研究和实验来测试其机制和效果,VNS和其他电子疗法可能最终更好地治疗广泛的慢性疾病,潜在地减少数百万患者的药物需求。

8.基因驱动

基因驱动的技术能够永久改变一个种群甚至整个物种的特征,这种技术正在迅速发展。所谓的基因驱动指的是从父母传给后代的异常高数量的基因元件,因此在人群中迅速传播。基因驱动是自然发生的,但它也可以被改变,这在许多方面对人类都是一种恩惠。这项技术有潜力防止昆虫传播疟疾和其他可怕的传染病,通过改变攻击植物的害虫来提高作物产量,使珊瑚抵抗环境压力,并防止入侵植物和动物破坏生态系统。

然而,研究人员深深意识到改变甚至消灭一个物种可能会产生深远的影响。作为回应,他们正在制定规则来管理从实验室到现场测试和更广泛使用的基因驱动程序的应用。几十年来,研究人员一直在考虑如何利用基因驱动来对抗疾病和其他问题。近年来,CRISPR基因编辑技术的引入使得将遗传物质插入染色体的特定位置变得更加容易,从而促进了该研究的快速发展。

2015年,一些论文报道了基于CRISPR的基因驱动因子在酵母、果蝇和蚊子中的成功传播。一项演示通过蚊子种群来驱动疟原虫的抗性基因,这将在理论上限制疟原虫的传播。另一项研究干扰了另一只蚊子的雌性繁殖能力。今年,CRISPR基因驱动系统在老鼠身上进行了测试,试图控制它们的皮毛颜色。这种方法只对女性有效。即便如此,研究结果支持了这种技术可能有助于消除或改变威胁农作物、野生动物或传播疾病的入侵老鼠或其他哺乳动物种群的可能性。

美国国防高级研究计划署(DARPA)对这项技术很感兴趣,并已投资1亿美元进行基因驱动的研究,旨在抗击蚊子传播的疾病和入侵的啮齿动物。比尔和梅林达·盖茨基金会还向一个研究疟疾基因驱动的研究财团投资了7500万美元。尽管前景光明,基因驱动还是引起了许多担忧。它们会意外地跳到其他野生物种身上并毁灭它们吗?从生态系统中淘汰特定物种的风险是什么?邪恶*会利用基因驱动作为干扰农业的武器吗?

为了避免这种可怕的前景,一些研究人员开发了一种开关,在基因驱动起作用之前,必须通过释放一种特定的物质来开启这种开关。与此同时,科学家小组正在研究程序,以指导基因驱动测试的每个阶段的进展。例如,2016年,美国国家科学、工程和医学科学院审查了这项研究,并提出了负责任做法的建议。2018年,一个大型国际工作组起草了一份路线图来监督实验室研究。

除了限制技术本身的风险,许多调查者还希望避免可能导致公共或政策反弹的事故和错误。麻省理工学院的Kevin M. Esvelt和新西兰奥塔哥大学的Neil J. Gemmell在2017年发表了论文,表达了对基因驱动在根除有害哺乳动物方面的潜在用途的关注。他们认为一个国际事件可能会使研究工作倒退10年甚至更久。他们预测:“就疟疾而言,这种延迟的代价可能需要以数百万可避免的死亡来衡量。”

9.等离子材料

2007年,加州理工学院的哈里·阿特沃特(Harry a. Atwater)写了一篇文章,预测所谓的“等离子体”技术最终可能会被应用到一系列领域,从高度敏感的生物探测器到隐形斗篷。十年后,各种等离子技术已经成为商业现实,其他技术也正在从实验室向市场过渡。这些技术都依赖于控制电磁场和金属(通常是金或银)中*电子之间的相互作用,这决定了金属的导电性和光学性质。当受到光照射时,金属表面的*电子集体振荡,形成所谓的表面等离子体。

当一块金属非常大时,*电子会反射撞击它们的光,使材料发光。但是当一种金属只有几纳米的时候,它的*电子被限制在一个非常小的空间里,从而限制了它们振动的频率。振荡的具体频率取决于金属纳米粒子的大小。在一种被称为共振的现象中,等离子体只吸收一部分入射光,其振荡频率与等离子体本身相同。这种表面等离子体共振可用于制造纳米天线、高效太阳能电池和其他有用的设备。

在等离子体材料的研究和应用中最广泛使用的领域之一是用于检测化学和生化试剂的传感器。在一种方法中,研究人员用一种物质包裹一种等离子纳米材料,这种物质可以结合一种有趣的分子,例如细菌毒素。在没有毒素的情况下,材料上的光将以特定的角度重新发射。然而,如果毒素存在,它会改变表面等离子体的频率,从而改变反射光的角度。这种效应可以非常准确地测量甚至检测出微量毒素。

一些初创公司正在开发基于这种技术和相关方法的产品,包括一个内部电池传感器,它可以监控电池活动,帮助提高功率密度和充电率。此外,还有一种设备可以区分病毒和细菌感染。等离子体也被用来研究磁盘上的磁记忆。例如,热辅助磁记录设备通过在写入期间瞬时加热磁盘上的小点来增加存储器存储。在医学领域,光活化纳米粒子正在临床试验中测试其治疗癌症的能力。纳米粒子被注射到血液中,然后在肿瘤中积聚。接下来,使用与表面等离子体频率相同的光照射表面等离子体,使得粒子通过共振产生热量。热量选择性杀死肿瘤中的癌细胞,但不会伤害周围的健康组织。

当新公司开始使用等离子技术时,他们需要确保他们的产品价格合理、可靠、坚固、易于大规模生产并与其他组件集成。尽管面临这些挑战,前景依然光明。“超材料”(等离子体产生异常光学效应的合成纳米材料)的出现使等离子体研究人员能够使用除金和银以外的材料,如石墨烯和半导体。《未来市场洞察》的一项分析预测,仅等离子传感器应用的北美市场价值就将从2017年的近2.5亿美元增至2027年的近4.7亿美元。

10.量子计算机算法

由于硬件和算法的进步,量子计算机可以在几年内赶上甚至超过传统计算机。量子计算机使用量子力学来计算。它们的基本计算单位量子位类似于标准位(0或1),但它是两个计算量子态的量子叠加:它可以是0或1。这种特性,加上另一种独特的量子特性——纠缠,可以使量子计算机比任何传统计算机更有效地解决某些类型的问题。

尽管这项技术令人兴奋,但众所周知,它很难取得进展。例如,一个叫做退相干的过程会破坏它的功能。研究人员已经确定,拥有数千个量子位的严格控制的量子计算机可以通过一种称为量子纠错的技术来抵抗退相干效应。但到目前为止,实验室中展示的最大的量子计算机只包含几十个量子位。加州理工学院的约翰·普雷斯基尔将它们命名为“中等噪声的NISQ”,目前无法进行纠错。然而,大量专门为NISQs编写的算法可能使这些设备比传统计算机更有效地执行某些计算。

世界各地用户对NISQ访问的增加极大地促进了这一进步,使得越来越多的学术研究人员能够为这台机器开发和测试小版本的程序。专注于量子软件不同方面的初创企业生态系统也在蓬勃发展。研究人员已经在两种NISQ算法中看到了特别光明的前景,即模拟算法和机器学习算法。1982年,传奇理论物理学家理查德·费曼提出,量子计算机最强大的应用之一是模拟自然本身——原子、分子和材料。

许多研究人员已经开发出在NISQ设备上模拟分子和材料的算法(以及将来能完全纠正错误的量子计算机)。这些算法可以改善从能源到健康科学领域的新材料设计。开发人员也在评估量子计算机是否更擅长机器学习任务,也就是说,计算机从大数据集或经验中学习。快速增长的NISQ设备测试算法表明,量子计算机确实可以促进机器学习任务。

至少有三个研究小组独立报道了机器学习方法的量子版本的发展,称为生成对抗网络(GANs),这在过去几年的机器学习领域引起了一场风暴。尽管许多算法似乎在现有的NISQ机器上运行良好,但还没有人给出正式的证据证明它们比在传统计算机上执行的算法更强大。这些证明很难,可能需要几年才能完成。在接下来的几年里,研究人员可能会开发更大、更可控的NISQ设备,然后是拥有数千个物理量子位的完整纠错机器。NISQ的算法应该足够高效,能够超越最先进的传统计算机。