《麻省理工科技评论》2019 年度全球青年英雄榜权威发布, 8 位华人上榜

科学
《麻省理工科技评论》2019 年度全球青年英雄榜权威发布, 8 位华人上榜
麻省理工科技评论 2019-06-19

2019-06-19

美国东部时间 6 月 19 日,《麻省理工科技评论》公布了第 19 届 35 Innovators Under 35 评选结果,即 2019 年度 全球 “35 岁以下科技创新 35 人”榜单。
科学
美国东部时间 6 月 19 日,《麻省理工科技评论》公布了第 19 届 35 Innovators Under 35 评选结果,即 2019 年度 全球 “35 岁以下科技创新 35 人”榜单。

美国东部时间 6 月 19 日,《麻省理工科技评论》公布了第 19 届 35 Innovators Under 35 评选结果,即 2019 年度 全球 “35 岁以下科技创新 35 人”榜单。

在此次的 35 名上榜者中,共有 8 位华人,他们分别是麻省理工学院助理教授韩松、斯坦福大学博士后李金星、浙江大学国家特聘专家狄大卫、斯坦福大学助理教授洪国松、索尔克生物研究所首席研究员徐安祺、平安科技副总工程师徐亮、SolidEnergy Systems 公司的创始人兼 CEO 胡启朝、加州大学伯克利分校机械工程助理教授顾乡乡。

Innovators Under 35 评选开始于 1999 年,最初名为 TR100,并于 2011 年开始创建区域性评选。作为只甄选科技领域 35 岁以下的青年才俊的榜单,Innovators Under 35 每年所挖掘的新人及其项目都极富创新性,其中不少人后来都成为了风云人物。各位精英在影响力、创新能力、进取精神、未来发展潜力、沟通能力以及领导力方面都表现卓越。从初创公司到研发机构再到科技巨头,他们在不同的舞台上大展拳脚并取得了突破性成就。

该榜单分为五个类别,有发明新技术、为解决问题的方法赋予新的想象力的发明家(Inventors),有将原有技术赋予创新活力的远见者(Visionaries),有拓展人类科学知识边界的先锋者(Pioneers),有在科学技术中发现商业机会、扩大市场甚至创造市场的创业家(Entrepreneurs),还有利用科技手段改善人类生活环境、甚至用科技解决人类生存问题的人文关怀者(Humanitarians)。

目前, 中国地区的第三届“35 岁以下科技创新 35 人”榜单的提名与报名也正在进行中。中国区榜单目前汇集了 40 余位海内外的重磅专家评委,专注于以全球视野挖掘发掘中国籍的最有创新能力的科技青年。参选者将有机会向全球权威科学界及产业界人士展示自己的科技成果和创新能力,最终的获奖者将受邀出席在北京举办的颁奖典礼,并加入“35 岁以下科技创新 35 人”全球社区,参加全球范围内的创新交流活动。

本届全球榜单编者按:

科学技术即人类前行的动力,这也是《麻省理工科技评论》所传承的精神。而一年一度“ 35 岁以下科技创新 35 人”,便是这一主旨最好的体现之一。现在,人们已掌握了创新的治疗方法,比如微型机器人、基因编辑技术 CRISPR,以及用算法来研制出更好的抗生素。在接下来的内容中,会对此做出更详细的介绍。您将会认识一名使用数据科学寻找并对抗网络骚扰的青年女学者,以及一名意图将数字环境全方位扩展以供残障人士使用的青年游戏工作者。您将会体验到一群力争在电池、地热能源以及核聚变方面取得重大突破的有志之士的故事。您还会发现研究人员利用人工智能认识并治疗神经紊乱、模拟合成更加坚固的新一代材料以及建设更具活力的现代都市的新方法。每年都有约 600 名青年报名者,他们都为各大领域做出了极为重要的贡献,从他们之中选取 35 人是一件非常困难的事情。于是我们成立了由编辑组成的评审小组,以此来从中取舍出最符合“35 岁以下科技创新 35 人”标准的获奖者。之后,32 位来自人工智能、生物科技、软件、能源以及材料等领域的专家评委,会对这 100 名入围的候选人的成就进行评判。最终,编辑们将依据排名选出 35 位获奖者。我们希望这些真人真事会让您认识到,即使在这样一个充斥着艰辛和自私的世界里,依然有很多人愿意为利用科技造福全人类贡献自己的力量,他们的努力将会使得这个世界变得更加安全、公正以及美好。

以下为本届全球榜单的详细内容:

— 先锋者 (Pioneers) —

他们破除了旧有的方式,创造了更好的人工智能、抗生素,甚至建筑风格。

李金星,32 岁

斯坦福大学

出生地:中国

他的小型机器人可被编程用来治疗感染病。

李金星率先研究出几微米的小型机器人,来治疗动物疾病。

李金星设计了外观类似火箭的微型马达机器人,可以在活体动物的肠道中运行,并在完成任务后对其进行生物降解。

这些机器人是由聚合物涂层的镁球所制成的,这些材料会与胃酸产生化学反应产生氢气泡,以推动它们穿过肠道。李金星和合作者在其中一个聚合物涂层上装载了抗生素,并将机器人给予至患有胃感染的老鼠身体中。一旦进入胃部,药物会射向胃内壁,并在逐渐分解之前吸附在胃壁上,同时释放自己的“存货”来治疗感染。

最近的一项研究表明,隐藏在血小板细胞膜中的磁性纳米马达可以有效地通过血液中穿行,清除毒素和病原体,而不会像外来颗粒那样,被免疫系统清除或被粘性生物分子所覆盖。

李金星表示,他们下一步将制造“生化细胞”,通过提取人体中的免疫细胞,捕获并摧毁细菌或癌细胞,并将它们与纳米机器人结合,导向疾病部位。

César De La Fuente,33 岁

宾夕法尼亚大学

出生地:西班牙

他利用数字化的演变以制造更好的抗生素。

细菌的进化速度比科学家们制作新的抗生素的速度更快,这就是为什么César De La Fuente 开发出遵循达尔文进化论的算法,来创造出优化后的人工抗生素。

Fuente 是解决医疗问题的多肽蛋白工程专家,他开发出一种将有毒蛋白(比如黄蜂毒液中的蛋白质)转化为抗菌素的方法,挖掘了大量现存的人体蛋白质数据库,发现了一种能够杀死有害微生物的分子。

“我每天早上醒来,都会想到在国内以及世界各地那些因无法医治的感染而死去的人们感到痛惜。我尝试提出方案,解决此类问题。”César De La Fuente 说到,而他一直着迷于微生物的生存技巧。

除了要开发计算机设计的抗生素,Fuente 作为宾夕法尼亚大学的一名助理教授,并希望使用相同的工程方法找到与抑郁症、焦虑症等精神疾病有关的蛋白质,并对它们予以修改,对大脑功能和行为产生影响。

Rediet Abebe,28 岁

康奈尔大学

出生地:埃塞俄比亚

她将人工智能与搜索引擎的结果结合起来,来发掘群体需求。

Rediet Abebe 利用算法与人工智能来惠及弱势群体,使他们获得更多的机会。当 Abebe 从她的祖国埃塞俄比亚动身前往美国,去哈佛大学上学的时候,她震惊地发现,即使是在世界上最富有的国家之一,至关重要的资源往往无法惠及最脆弱的人群。所以,她正在利用计算机技术来缓解社会经济的不平等。

作为一名微软的实习生,Abebe 制定了一个人工智能项目,即分析搜索查询,以揭示非洲人民的健康信息需求。此外,她的这个研究项目揭示了哪些人口群体可能对艾滋病毒的治疗方式表现出兴趣,以及哪些国家的居民格外担心与艾滋病毒/艾滋病相关的羞辱和歧视问题。据了解,这个项目首次使用了基于网络的大型数据集,来研究所有 54 个非洲国家的卫生状况。

为了向卫生规划工作提供信息,Abebe 正在将这些发现提交给非洲各国卫生部的健康专家。她还与美国国立卫生研究院咨询委员会合作,帮助减少美国的健康差距。

为了鼓励这一领域的发展,她与团队共同创立了“社会福利机制设计”,这是一项多机构的研究计划,旨在利用算法来应对从分配保障性住房到改善健康状况等一系列挑战。

她看到资源没有惠及到那些需要它们的人。

Nicole Gaudelli ,34岁

Beam Therapeutics

出生地:美国

她发明了一种纠正DNA单碱基突变的更好方法。

Nicole Gaudelli 发明了一种方法,这种方法可以纠正由 DNA 单碱基突变导致的可遗传疾病,几乎一半以上的人都会因此受益。

例如像 CRISPR 这样的基因编辑工具,可以解决一些导致遗传性疾病的单碱基错误的问题,但是对于DNA链中原本应该是鸟嘌呤(G)的位置而出现腺嘌呤(A)的错误问题,它却不能纠正。由 G 到 A 的错误出现可能会引起许多疾病,比如镰刀形细胞贫血症、囊性纤维变性、帕金森症、老年痴呆症以及许多类型的癌症。

因此,Gaudelli 开始研制一种新的酶,这种酶可以将 A-T 碱基对直接转化为 G-C 碱基对,而且几乎没有任何不良影响。

Gaudelli 在谈到让她研制出的新型酶起到的作用时表示,“这有点神奇”。

据悉,Nicole Gaudelli 现在是一家位于马萨诸塞州剑桥市的生物技术公司 Beam Therapeutics 的资深科学家。目前,其正在致力于将这个研究方法进行商业化。

顾乡乡,30 岁

加州大学伯克利分校

出生地:美国

她正在用 AI 技术来帮助获得新一代更轻、更强的材料。

顾乡乡正在研究利用人工智能技术来探索制造更好材料的方法。她研发的材料可以用于制作更轻、更强的防弹衣,还可用于 3D 打印以及定制化的医学植入体。此外,这种材料还可以用来制作可调节的太阳能电池,可以比传统的太阳能电池转化的更好。

她的发明灵感来自于贝壳和竹子等天然材料,其中的基本成分结构,形成了材料的强度、耐磨性、硬度和柔韧性。

她在加州大学伯克利分校的团队使用机器学习算法,企图从自然界的例子中,寻找并分解出新的复合结构。而这种方式,使她能够设计出超级坚固但又轻巧的材料。然后对发明出的新材料进行 3D 打印和测试,以验证算法,从而确保这种理想的材料能够在现实世界中起到作用。到目前为止,顾乡乡的研究,使她研制出了许多强度显著提高的材料,并且其硬度可以针对特定应用进行优化。

韩松,30 岁

麻省理工学院

出生地:中国

他开发了一种让强大的 AI 程序能够更加流畅运行的软件。

AlphaGo 是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的 AI 机器人。在其背后,需要近 2000 个中央处理单元和 300 个图形处理单元才能维持其运作。因此,每场比赛都会花费将近 3000 美元的电费。而韩松发明的软硬件技术,使得像 AlphaGo 这样强大的 AI 机器人,能够在一些电容量较低的设备中流畅运行。

韩松发明的 “深度压缩”技术,使得人工智能算法识别物体、生成图像,以及理解人类语言,从而在智能手机上实时运行成为可能。Facebook 公司以及其他许多公司都在使用他开发出的软件,来减少识别图像算法所需的计算量,并且使得人们可以用他们的智能手机自带的相机功能,精确识别现实生活中的物体,然后添加数字视觉效果。

2016 年,韩松与他的同伴共同成立了深鉴科技(DeepPhi Tech)。这家总部位于北京的公司在 2018 年被美国半导体公司赛灵思(Xilinx)收购。

而现在,韩松作为麻省理工学院助理教授,正致力于 AI 算法自动化研究。当谈到计算系统松散地模仿人脑的问题时,韩松表示,他的目标是“让任何一个非专业人士,仅仅按下一个按钮就能建立完整的神经网络”,这才是人工智能如何工作的核心问题。

他说,即使是在人工智能领域没有专业技能的软件开发人员,也可以利用此类神经网络技术,来对物体进行分类,提高图像的的分辨率,并且更高效地分析视频。


Mariana Popescu ,32 岁

苏黎世联邦理工学院

出生地:罗马尼亚

她使用针织纺织品作为混凝土建筑物的模型,这意味着将花费更少的钱、更低的碳排放以及时间。

Mariana Popescu 开发了一套生产工艺以及配套的计算工具,这种工具能够将针织纺织品转化为用于混凝土建筑的复杂模具。她的这项创新,使得快速构建复杂的定制化设计服务体系成为可能,与此同时,这将会减少大量的污染以及二氧化碳的排放。

Popescu 表示:“如果你真想用较少的材料来制造更好的结构,那么最终你将会的得到带有双弯曲结构的复杂几何图形或者其它难以被浇筑成型的特点。”

而传统的建筑采用由沉重脚手架支撑的木材或泡沫来形成浇筑混凝土的形式,这不仅耗费时间,也限制了模型的形状。

Popescu 称,她所要做的就是,看看这些纺织材料是否适合制作各种各样的洞、通道和其他复杂的 3D 形状,用在临时建筑物中。

因此,Popescu 开发了一种算法,可以将建筑设计自动转换为基于纺织品的模具,并且在短短几个小时内由工业机器进行编织。而这种方法制造出的模具轻巧灵活。Popescu 还和她的团队一起开发了一个系统,该系统可以使用钢缆将模具固定在适当的位置,并同时在上面浇注混凝土。

如果想要用较少的时间和成本建造一个复杂结构的建筑物,并且该建筑要有最小的生态结构,那么 Popescu 的发明无疑是一种高效且生态意识强的建筑方式。它可以在难民营、战区和自然灾害现场等地区发挥很大潜力,可以建造一些低成本、坚固、轻便的建筑。

Wojciech Zaremba,30 岁

OpenAI

出生地:波兰

他教一个机器人手臂如何自己解决问题。

Wojciech Zaremba领导了一个团队,该团队使用机器学习手段,让机器人手臂可以在不同的环境中自主捡起积木块。机器人必须自己解决如何完成一个复杂的任务,即抓住一个积木块,并且根据指令用它的机械手指转动积木块。

机器人的训练过程建立在强化学习技术和神经网络的基础之上,神经网络是一种模拟我们大脑运转网络的计算机程序。

尽管强化学习之前已经在机器人技术中得到应用,但因其涉及的众多任务,可能会需要数百年的不断学习才可以实现目标,所以它并没有被应用在像机器人手那样复杂的工作中。

由于模拟和现实之间存在差距,在虚拟世界中接受训练的机器人 AI ,通常无法成功转移到现实中。Zaremba 假设,如果能够改变虚拟环境条件,那么可以顺利为 AI 现实学习提供一个完整的神经系统。

他随机抽取了 254 个物理参数,比如说积木块的质量以及指尖的摩擦力度。他发现,在经过训练后,机械手第一次在现实世界中使用时就可以拿起积木块。

— 远见者 (Visionaries) —


他们的创新正带领人们迈向更智能的AI、更强大的信息处理以及更安全的互联网之路。

Azalia Mirhoseini,32 岁

谷歌大脑

出生地:伊朗

她训练人工智能设计人工智能芯片。

Azalia Mirhoseini 是“谷歌大脑”的一名研究科学家,她正在利用人工智能做出更好的人工智能芯片。

目前,很多人工智能应用所使用的芯片都不是专门为其生产的,而更多是由之前用于视频和游戏的硬件改装而来。因此,这些出自人类工程师之手的传统芯片在能耗、成本和实用性上都有很多地方需要改进。Mirhoseini 的系统通过反复试验和自主训练,并基于人工智能强化学习算法,可以在几个小时内创作出一张芯片设计图(世界上最顶尖的专家也得花几周的时间)。这种基于人工智能设计方法创造出来的芯片速度更快、更节能且成本更低,不亚于那些由人类工程师设计出来的芯片。

强化学习算法是最具前景的人工智能技术之一,运用此算法的软件基本不需要人为逐步编程,就可以自学如何完成一项任务。Mirhoseini 表示:“现在是时候利用机器学习和人工智能开发更好的计算机并自主运行了。”

Noam Brown,31 岁

FaceBook

出生地:以色列

通过玩扑克,他让 AI 变得更智能。

Noam Brown 从不擅长玩扑克,然而,由他开发的一个人工智能项目在最风行的无限注德州扑克游戏中,首次打败了世界顶级人类扑克玩家。

近几年,机器相继在国际跳棋、国际象棋和围棋游戏上打败人类,这些都是所谓“完全信息博弈”的游戏,对战双方知晓每一时刻局面的确切情况,而在非完全信息博弈的游戏中,比如扑克游戏,信息未完全公开的状态可以让玩家采取唬骗对手等策略,这就增加了游戏的难度。

Brown 说:“如果游戏里有了隐藏的信息,那么之前所有的技巧就都作废了。”

毕竟,现实世界中,大多数场景下的对抗和互动都包含了某种形式的隐藏信息。从长远来看,Brown 设想他的研究将为具有隐藏信息特质的场景带来自动化解决方案,例如交通管理、预测市场行为以及国家安全谈判。

Brown 创造出来的 Libratus 算法,实际包含了三个人工智能系统,一个通过在几个月的自主训练中获得的数万亿次的一手牌,开发出游戏的策略;一个是在与人类对决过程中,实时改进该策略;还有一个是在每天的对决之后,检查牌型,找出可能会被对手利用的弱点,比如预测出下注尺度。

2017 年 1 月,在美国匹兹堡的赌场,Libratus 在 12 万手牌的一对一比赛中击败了 4 位世界人类顶尖玩家,耗时 20 天。由于该程序不是通过模仿人类学习游戏玩法,因此采取的都是人类玩家通常不会使用的策略,其中一些策略已经开始让职业扑克玩家转变玩牌方式,比如对小赌注加大下注尺度。

Camille François,28 岁

Graphika

出生地:法国

她利用数据科学来甄别虚假信息,辨别有组织的骚扰活动。

多年来,研究人员不断改进识别社交媒体上的虚假账号的方法。然而,那些能识别出单一机器程序的方法,可能会在查找较复杂操控的情况上碰壁——比如宏观层面主导的虚假信息以及骚扰活动。这些案例在过去的很多年中已经涉及了数千个账号。

Graphika 公司的首席创新官 Camille François 表示,公众需要更好的数据和模型来进行在线操作,并且避免出现真实声音被掩盖的情况。

François 及其团队利用机器学习绘制出在线社区的“地图”,以及信息在网络中的流动方式。他们将数据科学以及侦察方法运用到这些地图中,来寻找有组织的虚假信息传播活动的蛛丝马迹。去年,François 和牛津大学的同事使用这一方法,帮助美国参议院情报特别委员会更好地理解俄罗斯在2016年总统大选期间的各种不实消息的散播活动。

François 表示,她最大的突破就是通过访问“巨魔农场”(Troll Farm,俄罗斯煽动言论机构)的反叛者和受害者,从而了解这些组织的内部工作。她表示:“这项工作中三分之二是技术,另三分之一是社会学。技术总是在不断升级,我们必须走在它前面。”

Kimberly Stachenfeld,28 岁

DeepMind

出生地:美国

她利用强化算法来更好地理解人类大脑、人工智能系统如何解决问题。

Kimberly Stachenfeld 是 DeepMind 团队的研究员 ,她帮助提出了“海马体”理论。海马体是人体大脑中负责空间记忆并进行定位的区域。目前,她正在将其开创性的神经科学研究成果应用于人工智能领域。

早期的海马体理论,关注海马体在反映一个人过去和当前的状态(尤其是在空间位置中)所起的关键作用。但是斯塔钦菲尔德想要解释的是,海马体也有可能通过判断当前状态与预期后续事件的关系,从当前联系到未来状态。基于人工智能领域中强化学习算法的观点,Stachenfeld 提出:海马体运用类似的机制,在一个人的当前状态(比如正在车库里)和预期的未来状态(比如按时上班)之间建立联系。

她及其团队提出的这一理论更好地解释了为何海马体可能帮助大脑更快地做出决策,比如在一个工作日的早上,你是要开车去上班而不是要待在家里看电视。

Stachenfeld 认为,她对大脑的认识可用来改进人工智能。比如,人工智能系统能有效学习怎样完成一个简单的任务——比如在橱柜里找到糖,但是这种系统在人类大脑面前根本不值一提,人类大脑可以通过将任务组合到一起,同时学到很多东西,并且它在学习一项任务时,会记住可能有用的附带细节,并在学习另一项相关任务时回想到这些细节。例如,我们知道搅拌和混合这两个概念本质上是相似的,而且我们在演示这两个行为的时候还可以重复使用相似的动作。

Stachenfeld 认为,如果她能弄清楚大脑的这一机制,她就能帮助将人工智能系统的训练速度提升几个数量级,而且不需要那么多的数据。

洪国松,33 岁

斯坦福大学

出生地:中国

他的发明将彻底改变大脑治疗。

洪国松发明了一种探测大脑和视网膜的工具,可以探测到单个神经元。它实际上是一个网状电极,小而灵活,足以卷成针状,能够注入研究人员想要研究的精确区域。

脑部电极早已应用到多种疾病的治疗,如帕金森病,但它们体积较大,材质较硬,需要进行多次手术才能植入,而且植入这些电极几周后会形成瘢痕组织,它们的治疗效果也会随着时间的推移越来越差。

洪发明的电极能够与神经组织无缝结合,而且不会引发免疫系统的攻击。这让研究人员可以安全可靠地记录活体动物近一年的神经元活动。

洪的发明可以应用在许多领域。可以帮助科学家理解复杂的神经活动,比如大脑的老化;可以用来治疗神经系统疾病,如阿尔茨海默病和癫痫;可以帮助瘫痪的人恢复肢体功能;如果注入到眼睛里还有可能治疗青光眼等眼疾。

洪设想用这种网状电极来建立大脑和计算机之间的交流,甚至实现脑对脑的直接交流。他认为这种网状电极让我们向“每个人都可以没有障碍地自由交流想法”的世界又迈进了一步。

Raluca Ada Popa,32 岁

加州大学伯克利分校

出生地:罗马尼亚

她的计算机加密方法可以使防火墙成为历史。

Raluca Ada Popa 找到一种方法解决网络安全的一个最基本难题:不使用防火墙就能保护计算机系统免遭黑客入侵。

Popa 的突破性工作始于能够处理加密数据的实用数据库系统。虽然加密数据适用于 WhatsApp 等简单的通讯应用程序,但对于同时需要对数据进行计算的系统(如数据库和 web 应用程序)来说,速度太慢了。

而 Popa 找到了一种使加密数据的计算变得实用的方法。如今,她的加密系统与一系列应用程序协同工作,达到了防火墙无法达到的保护级别——即使攻击者入侵了,他们也无法破译数据。

Popa 表示这项技术可以让系统像被蒙上眼睛一样运作。它们能在没有实际看到数据的情况下对其进行计算——这为许多新应用程序的网络安全提供了途径。最近她的新发明 Helen 系统,可以让医院共享和汇总病人记录又不泄露信息。她发明的另一个系统 Opaque 可以保护硬件不受潜在软件的危害, IBM 等公司正在使用该系统。

徐安祺,27 岁

索尔克生物研究所

出生地:中国台湾

他使 CRISPR 基因编辑技术更灵活地治疗脑部疾病。

基因编辑技术 CRISPR 彻底改变了我们修改 DNA 的能力。徐安祺正在将研究范围扩大到 RNA(负责将 DNA 翻译为蛋白质的分子)领域,并利用它来治疗脑部疾病。

徐安祺在加州索尔克生物研究所担任实验室负责人,他小时候曾见过祖父痴呆症发作。 “他会在半夜来到我的床上,他分不清方向,也不知道自己在哪里。” 他说,“我开始认真思考,我能做些什么?”

在哈佛大学读研究生时,他与 CRISPR 的重要贡献者张锋合作,构建了该技术的一些基础组件。但他逐渐意识到,操控 RNA 可能比永久性地(有时是无意的)改变基因密码更易操作。

因此,在索尔克建立了自己的实验室后,徐安祺开发了一个计算机程序,以在公开可用的基因组数据中寻找新的蛋白质。他发现了一种以 RNA 为靶标的高效选择性 CRISPR 酶家族。

为了让人们看到在未来他的技术如何实现对脑部疾病的治疗,徐安祺表示当在实验室里把该项技术应用在人类神经元细胞的生长时,它可以纠正导致额颞痴呆的 RNA 加工错误。额颞痴呆是一种类似于阿尔茨海默症的神经退行性疾病,会导致认知功能逐渐下降。

徐亮,31 岁

平安科技

出生地:中国

他利用人工智能让城市更能满足居民要求。

徐亮和他的团队研发了一个人工智能平台,该平台正在转变中国城市改善公共卫生、减少犯罪和提高公共管理效率的方式。徐的团队与市政机构进行了密切的合作,这些机构提供给他们千万份的健康记录和海关过境记录等数据。在处理完全部数据,去除识别细节,并通过其他形式进行了训练之后,这个名为 PADIA 的平台就被整合到这些机构的计算机系统中。

该平台帮助重庆和深圳的公共卫生部门预测流感爆发,准确率超过 90%。深圳的一家地方政府机构使用该系统,将处理文件的时间缩短了 95%。还有一些省份已经利用它发现了近 10 亿元(1.5 亿美元)的医疗诈骗。

政府使用人工智能在许多国家引起了争论。徐也意识到了隐私泄露和失业等问题,但他仍对人工智能将现代教育和医疗保健带到传统上被忽视领域的潜力感到乐观。他指出,农村地区的教师可以利用人工智能庞大的知识库找到问题的答案,而缺乏受过训练的人员来解释医学扫描结果的社区卫生中心可以使用人工智能算法来帮助诊断严重疾病。

— 人文关怀者(Humanitarians)—

他们利用科技鉴别不公正的现象,为构建一个更加公平与美好的世界贡献自己的力量。

Himabindu Lakkaraju,29 岁

哈佛大学

出生地:印度

她设计的人工智能程序旨在消除决策环节中的偏见。

Himabindu Lakkaraju 为法官以及医生这样的决策者设计了一种可以检查偏见的人工智能程序。

机器学习和人工智能被越来越多地应用到各个方面。在法律实施领域,它用于判断哪些被告人可以得到保释;在医疗领域,它能够决定病人的治疗方式;在金融领域,它可以确定谁有资格获得贷款。自动决策可能会有陷阱——当在检视犯罪、医疗以及信用记录时,软件有可能会忽略掉一些内容上的细微差别。但是人类也会出现这样的疏漏,他们也有自己的偏见——尤其是当他们被要求必须迅速做出改变人生的决定时。

Lakkaraju 的系统并没有单纯地依靠人类决策或者机器学习,而是结合了两者各自的优点。她的大部分工作都与数据集有关。在这些数据集中,Lakkaraju 能够发现人工智能以及人类决策所能产生的预期结果,并且找出偏见的来源。

她的研究成果被应用到了马里兰州蒙哥马利县的许多学校之中,以帮助发现问题学生,同时预测那些需要额外辅导或指导的学生。

Lakkaraju 表示,“各个学区的教学资源往往是有限的。因此,了解该可能性指标将会有助于学区制定更好的干预措施,以帮助那些更有可能从中获益的学生。”

Ida Pavlichenko,32 岁

哈佛大学 Wyss 研究所

出生地:阿塞拜疆

她的发明可以更低成本地治疗儿童的耳部感染。

Ida Pavlichenko 对医生常用的治疗幼童耳部感染的耳管进行了一次重大改进。

耳管用于治疗耳部积液,但是我们今天所使用的耳管常被生物膜所包覆,这就更加容易导致耳部感染。Pavlichenko 研发出了一种更加小巧且抗感染的耳管,动物实验已经证明该耳管可以安全使用。这种耳管还能够决定什么样的液体可以通过。这样一来,药物可以被输送到患处,而来自洗澡和游泳过程中的水则不会流进耳朵。

Pavlichenko 希望这种改良版耳管同样也能为听力损失的治疗带来新的解决思路,目前全球有 4.5 亿人饱受听力损失的困扰。由于人口老龄化以及耳机听歌音量过大所造成的损害,这一数字预计将在未来 30 年里翻一番。

Pavlichenko 是哈佛大学 Wyss 研究所的研究员,同时也是初创公司 PionEar 的联合创始人。当Pavlichenko 决定致力于中耳炎的研究时,她发现自己怀孕了。Pavlichenko 如今有了自己的孩子,她也清楚当孩子遭受病痛的折磨时,作为父母的感受。因此,帕夫利琴科更加迫切地想要解决这个问题。

她表示,“越早把孩子送到日托班,你就会越早感受到感冒以及无休止的抗生素药品所带来的恐惧。”Pavlichenko 还指出,有些孩子必须依靠多次植入耳管才能治好痛苦的感染症状,进而停止抗生素类药物的使用。

耳管不仅仅会受到细菌污染,而且在取出时也会遇到脱落或者卡住的情况。植入耳管时,还需要对患者进行全身麻醉。

解决成年人的耳部感染问题会更具挑战性,因为耳管很难长时间地固定住,而且向成年人的耳朵内部输送药液也绝非易事。Pavlichenko 表示,她的耳管可以解决所有问题,同时还具有效果好、贴合度高以及副作用低的优点。

John Porter,33 岁

华盛顿大学

出生地:美国

他的科技创新可以帮助残障人士更方便地使用各种产品。

John Porter 的工作就是确保残疾人也能玩上电子游戏。Porter 表示,对于身体健全的人来说,个人品味在很大程度上决定了哪款游戏更适合自己。然而相比之下,残疾人首先遇到的问题则是,他们能否玩得了这款游戏。

对于患有脊髓性肌肉萎缩症的波特来说,这些障碍并不仅仅存在于理论层面。他表示,“目前,许多游戏并没有说明这方面的信息。玩家能够做的就是花上 60 美元购买一款新作,并且希望自己能够正常游玩。”

作为一名微软公司的用户体验设计师,Porter 从开始就朝着让所有人都能够玩游戏这一终极目标而努力。这就意味着他需要为那些患有运动障碍、感觉障碍以及认知障碍的人,开发一种无障碍游玩评估系统。目前,Porter 正在考虑一系列有关运动交互的问题,这些问题十分客观,答案仅涉及“是或否”:一款游戏需要进行快速的按键操作,还是需要长时间按住某一键位?它是否还需要同时按住三个或者更多键位的操作?

Porter 希望他的系统能够让制作者在游戏开发初期就考虑到更多设计方面的问题。他表示,“当人们习惯了这种思考时,他们最初的设想就会发生转变。”尽管 Porter 对游戏充满了热情,但他还是认为自己的研究成果具有更广泛的意义。Porter 还说,“我们可以问这样一个问题,‘这一项研究将会如何帮助电子设备以及数字环境更加适应我们的需求以及偏好?’接下来,我们会在自适应技术领域解决这一问题。”

— 发明家 (Inventors) —


他们的创新对于 CRISPR 技术和实用级量子计算机有重要意义。

Abhinav Kandala,32 岁

IBM研究院

出生地:印度

他为利用量子计算机开发新的药物和材料奠定了基础。

更准确的计算机分子模型可以预测从新药到优质电池等东西的性能。但是模拟原子和电子行为需要计算大量的可能性,所以即使是功能强大的计算机也需要使用近似值。

Abhinav Kandala 通过量子计算机模拟分子解决了这个难题。2017 年,他模拟了三原子氢化铍,这是至今为止量子计算机模拟出的最大分子,也是大分子精确模拟的一大进步,促进了新型药物和材料的开发。

量子计算机由量子比特组成,它解码了传统计算机的比特信息。由于量子比特由量子力学控制,它们也可以控制原子和电子等其他粒子遵循量子力学规则,这要比传统计算机容易很多。Kandala 在纽约的 IBM 研究院工作,他表示这项研究使模拟分子成了科技领域中的一个“杀手级应用”。

2017 年以来,他做出了很多基础性贡献。由于量子态非常脆弱,因此量子计算机很容易产生误差,解决这一问题需要大量的量子比特。但是目前的设备中只有几十个,不足以创建容错的量子计算机。Kandala 研究出一种不需要增加量子比特就可以利用误差提升准确率的方法。

他的新技术利用了实验中的误差的趋势来推断没有误差时的结果,这一进步加速了目前量子计算机的实际应用。

Jason Buenrostro,31 岁

哈佛大学

出生地:美国

他是个能工巧匠,他的研究能够分辨细胞内哪些基因是活跃的。

Jason Buenrostro 从圣塔克拉拉大学生物学和工程学专业毕业后,前往斯坦福大学的一个实验室继续深造,负责管理一台价值八十万美元的基因测序仪。Buenrostro 想要研究该仪器所发现的基因突变的影响。但是他找到的很多突变基因都是无效的,因为它们并不指导蛋白质的合成。在斯坦福大学毕业课题中,他发明了一种方法来定位这些未充分开发的基因组,研究它们到底是做什么的。在本质上,每个细胞的 DNA 都是相同的,而肾脏细胞和脑细胞的差别就在于哪些基因是活跃的。换句话讲,这种差别取决于基因是否可以进行转录:DNA 在细胞核中排列紧密,只有特定区域可以“开放”进行转录。Buenrostro 及其同事开发了一种叫做 ATAC-seq 的工具来识别基因组中的开放区域,很多区域并没有产生蛋白质却可以控制基因活性。他表示,“我以前没有想到它对人类有多大用处。这对我来说也是一个惊喜,”值得一提的是,目前 ATAC- seq 已经有了自己的维基百科界面。

起初该技术用于研究细胞群,但是 Buenrostro 进一步开发 ATAC- seq,现在它已经可以在单个细胞水平下识别 DNA。有了这个工具,研究人员就能判断单个细胞中哪些基因是活跃的。这可以帮他们搞清楚为什么这些细胞有时候会转变成其他形态,还有为什么细胞在身体患病时会丧失一些功能。Buenrostro 希望通过这些方法来认识到健康细胞和病变细胞之间的区别,并且在细胞发育和成熟过程中控制细胞新的行为。目前他管理一间 10 人的实验室。他表示,“我想要了解细胞的命运,最终希望可以任意控制细胞行为,比如说抗击癌症。

Ritu Raman,27 岁

麻省理工学院

出生地:印度

她发明了由生物组织和肌肉构成的尺蠖大小的机器人。

Ritu Raman 发明的机器人由聚合物和肌肉组织制成,它们可以感知周边环境,识别温度、pH 和机械压力。

“我是一名受过训练的机械工程师,坦白讲我觉得现在还在使用一些我们已经用了数千年的材料确实有些无聊,”她说。“所以我发明的行走机器人和机器使用的是生物材料,它们还可以感知周边环境,而且还可以做更多有意思的事,比如在必要时它们可以变强,而且损坏之后还可以自动修复。”

Raman 发明的 3D 打印机可以复制活性细胞和蛋白质,并把它们注入到模具当中,细胞可以在模具中自我合成紧密的肌肉组织。紧接着这种组织就会转变成机器人的骨架。这些由活性骨骼肌制成的机器人的运动是由光和电来控制的。

目前,它们看起来有点像尺蠖,不过这也只是验证了概念而已。“我们可不可以发明一种比普通的合成移植更容易让身体适应的新的‘生物混合’移植来给药呢?”Raman 说。“我们可不可以把机器人放在污水中,让它们找到污染源并释放化学物质来中和污染呢?”

Olga Dudchenko,34 岁

贝勒医学院和莱斯大学

出生地:乌克兰

她发明了更好的基因组测序方法。

现代基因测序仪速度非常快,两天内就可以读取花生、茄子或者犰狳的全部 DNA。但是他们得到的只是数以亿计的无序 DNA 编码片段。Olga Dudchenko 研究出一种更快,且成本更低的方法,可以将这些片段正确排序得到真正的基因组。

她使用 Hi-C(High-through chromosome conformation capture)技术,这种技术本来是用来研究染色体重叠的,并显示出哪些 DNA 片段位置相邻。结合她的研究方式和算法,排列基因组就变得简单了。

2018 年年底,Olga Dudchenko及其同事发布了 DNA 库的第一批结果,其中包括 50 多个物种的端对端染色体序列,如猎豹、小熊猫和巴西豪猪等。如今有越来越多的物种濒临灭绝,有一天这些物种的 DNA 编码可能将成为它们唯一能留下的东西。

接下来的工作就是描述地球上每个物种的基因组。DNA 库(Dudchenko 被称为该库的“首席管理员”)每周都会发布新数据。

Marc Lajoie,33 岁

Lyell Immunopharma

出生地:美国

他编程了抗癌的免疫细胞。

近些年来最具潜力的癌症治疗方法之一就是 CAR-T 细胞疗法。这种方法从基因上改变患者的 T 细胞,T 细胞是一种免疫细胞,它们可以通过表面特殊的抗原找到并杀死癌细胞。可问题是癌细胞一般都和其它细胞共享抗原,所以这种方法目前仅限于治疗某些拥有独特抗原的特定血液系统癌症。

Marc Lajoie 发明了一种可以重新编程 T 细胞的方法,使它们可以找到联合抗原,而不是单个抗原,因此这种方法可以更广泛的应用到癌症治疗当中。“这就相当于把微芯片放进细胞里,”他说。“我们可以安装这些新程序并且指定细胞执行任何我们想要的操作。”

Lajoie 和华盛顿大学的同事发明了一种蛋白质开关,这个开关就像一系列的逻辑门,可以和计算机芯片一样执行逻辑运算符的操作。

这些逻辑门可以通过调整来对抗不同的抗原,这样 T 细胞就可以找到独特的联合抗原,避免将目标误判为健康细胞或失去抗原而产生抗性的癌细胞。

Lajoie 参与创办了 Lyell Immunopharma,并在公司位于西雅图的办公室工作,以利用这种蛋白质制成的逻辑开关开发更有效的 CAR-T 细胞疗法。但是他表示,通过研究细胞在环境中如何改变,同样的技术也可以治疗各种疾病。

狄大卫,34 岁

浙江大学和剑桥大学

出生地:中国

他的发光二极管材料比现在普遍使用的更为低成本与环保。

从智能手机、电视屏幕到交通灯,发光二极管(LED)被广泛应用于各种产品中,但它们的制造成本普遍较高。此外,发光效率与发光亮度之间往往存在权衡,而且很难达到最佳状态。

狄大卫,现为浙江大学研究员、剑桥大学访问学者。他与合作者共同发明了一系列新型 LED 材料和器件,这些材料和器件即使在需要达到较高亮度的情况下,也能以高效率发光。更重要的是,它们的生产工艺更加便宜、简单、且节能。

典型的 LED 生产线需要高温处理,或者需要在真空环境下在固体表面沉积发光材料,因此需要消耗大量的能源。狄大卫使用的材料成本更低,因为它们可以由广泛可用的物质制成,而且不需要在高温或真空环境中进行处理。相反,它们可以溶解在液体中,然后用来覆盖在固体表面。

有几家公司已经在利用狄大卫的方法测试他们的实验性生产线了。虽然这些小型生产线不会马上取代标准的生产设施,但他相信这种方法会变得越来越普遍。“整个行业正在朝这个方向发展,”他说到。

Silvia Caballero,34 岁

Vedanta Biosciences

出生地:秘鲁

她培养有益细菌,以对抗世界上最危险的病原体。

20 年后,抗生素耐药性造成的死亡人数预计将超过癌症。因此,Silvia Caballero 迫切想要研发控制细菌感染的新方法。

她最先发现人类肠道内数万亿种微生物中存在能反抗耐药菌的种类。

在纽约纪念斯隆-凯特琳癌症中心(Memorial Sloan-Kettering Cancer Center)实验室工作时,Caballero 利用抗万古霉素肠球菌和碳青霉烯抗性肠杆菌(也称为超级细菌)模拟肠道定植,研发了一种实验室小鼠。她利用小鼠模型,结合生物信息学工具来识别能清除小鼠肠道内多重耐药菌的微生物,进而破坏感染的宿主。

现在,Caballero 在美国马萨诸塞州剑桥市的 Vedanta Biosciences 公司尝试做临床上同样的事情,即鉴定可有效控制的 3 种潜在致命菌株的细菌,这 3 种菌株在医院和养老院肆虐。

她在创建世界最大人类肠道细菌群中扮演了关键角色,并主导测试成千上万种微生物,以检测它们是否能杀死这 3 种危险菌株。她识别出一种来自人类肠道菌群的细菌混合物,可以控制这 3 种危险菌株。该公司计划 2021 年开始对这种候选药物进行临床研究。

Brandon Sorbom,32 岁

Commonwealth Fusion Systems

出生地:美国

他的高温超导体让聚变反应堆的价格足够便宜。

Brandon Sorbom 解决了核聚变发展的一个根本问题。其使用高温超导体开发一种电磁系统,隔离部分聚变过程,这个突破大大降低了聚变反应堆设计建造成本。

聚变反应堆最多向电网输送十几年。但开发这样一个反应堆很有必要,因为核聚变接近零碳排放,且很少有放射性废料或安全风险。

一个难题困扰了科学家几十年:如何维持核聚变所需的上亿摄氏度温度,并以足够低的成本生产电能。强力磁铁可通过隔离反应堆的堆芯来完成这项工作。但到现在,即使世界上最好的电磁铁也做不到尽善尽美。

所以 Sorbom 和他的团队用名为钇钡铜氧化物的超导体设计出一种更好的磁铁。他原来是麻省理工学院的学生,现在是初创公司 CFS 的首席科学家。该磁铁作为聚变反应堆设计的一部分,其尺寸比之前设计的小很多,这让该公司有望在 10 年内实现其初衷。

Isaac Sesi,26 岁

Sesi Technologies

出生地:加纳

他解决了撒哈拉以南非洲农民最棘手的一个问题。

Isaac Sesi 发明一个小装置,以解决非洲农民面临的最大风险:收获后的粮食污染。

Sesi 的产品名为“粮食伙伴”(GrainMate),可以让农民和粮商全面检测玉米、水稻、小麦、小米、高粱等主粮的水分含量。据联合国粮农组织数据,撒哈拉以南非洲地区超过 10% 的粮食产量被浪费或流失,原因是粮食储藏前没有充分脱水,而潮湿状态储存的粮食会产生黄曲霉毒素,后者是由真菌产生对人类和动物有害的毒素。产品“粮食伙伴”正是为此而来。

在 Sesi 的家乡加纳,农户经常把粮食卖给饲养员或饲料商。如果一个农民的粮食太潮湿,就可能毁掉整批粮食。尽管加纳有进口的水分检测设备,但几乎没有农民能负担得起近 400 美元的价格。“该成本可能是农民粮食的一半收入”,Sesi 说。

Sesi 在没有电和自来水的环境中长大,经常饿着肚子上学。他童年时经常摆弄电子设备。他通过学校图书馆的书,拆掉坏的收音机和其它废弃的小玩意来学习。长期以来,他试图将这种激情用到可能产生社会影响的领域。2017 年,作为一名电子工程专业的应届毕业生,他得到了这个机会。因为美国国际开发署(USAID)最近与他的学校加纳夸梅·恩克鲁玛科技大学(KNUST)合作,为当地市场设计一种谷物湿度仪。该公司希望降低成本,并在加纳找到生产这种设备的方法。

Sesi 正是他们要找的人。在一个小团队的帮助下,他精简原始设备,重新设计电路板,设计一个配套移动应用程序,并找到五家加纳分包商来生产之前从中国采购的零部件。Sesi 的设备售价 80 美元,价格不到现有产品的四分之一。Sesi 和他的团队正开发一种更高效的仪器和产品,以帮助农民确定合理的土壤投入。他们还在筹集资金,将业务扩展到肯尼亚、尼日利亚等更大市场。Sesi 相信,他最终能够帮助整个非洲大陆的农民减少粮食浪费,降低经济损失,并提高产品安全。

Archana Venkataraman,33 岁

约翰·霍普金斯大学

出生地:美国

人们对神经紊乱知之甚少,而她用人工智能来改变这一现状。

Archana Venkataraman 利用人工智能更好地绘制人脑地图,研究诊断和治疗神经系统疾病新方法。

经过数十年研究,我们对癫痫、自闭症、阿尔茨海默病和精神分裂症等疾病只是基本了解,因此治疗能力有限。大多数治疗都是在医生直觉的指导下,反复试错进行。大多以失败告终。

新的数学模型根据现有成像技术数据,包括脑电波(EEG)和脑功能磁共振成像来开发,可以实现创伤性更小、精确度更高的治疗。

她最具开创性的工作是针对影响全球 5000 多万人的癫痫。大约 30% 的癫痫患者对药物治疗没有反应,因此需要手术,而手术只能在成功隔离癫痫发作区域与大脑的特定区域后才能进行。

Venkataraman 认为,数据驱动模型可以精确定位癫痫发作区域,减少有创监测,改善手术结果。她开发的癫痫检测算法,目前在根据约翰·霍普金斯大学的临床数据进行评估。该算法利用脑电波数据,采用深度学习方法跟踪患者大脑中癫痫发作的时间和位置。

— 创业家(Entrepreneurs) —

他们创造新商机,以创新颠覆传统。

Riana Lynn,33 岁

Journey Foods

出生地:美国

她用人工智能让包装食品更完美。

Riana Lynn 由生物学家转身为连续创业者,她希望生产的包装食品不仅味道好,而且价格实惠、营养丰富、以素食为主。在参观考察世界各地的农场和食品公司后,她意识到提高食品行业的研发效率是实现目标的最佳途径。

Lynn 在芝加哥旅行食品公司,雇佣一名“内部自动化科学家”,即 Journey 人工智能。该公司以 Lynn 参与创建的人工智能算法为工具,依据营养和市场数据提出营养目标——“如果我们以更低的成本生产出富含维生素 C 和蛋白质的产品会怎样”,然后设计一个食谱来实现这一目标。

该公司以水果零食起家。零食称为“旅行零食”(Journey Bites),由果泥、天然调料产物(如辣椒和奇亚籽),以及该公司从水果、不同种类海藻和其它产物中提取的“营养促进剂”制成。

目前,该公司“为更多产品蓄力,” Lynn 说。“我们要为意大利面、饼干、植物蛋白等构建数据集。在秋季之前研制饮料。”

Kathy Hannun,32 岁

Dandelion Energy

出生地:美国

她致力于使“地热能”切实可行。

Kathy 给地热能供暖和降温技术带来了前所未有的突破:让更多的人用得起。过去,地热能是奢侈品——其系统造价高昂且必须定制,在纽约建造并安装它们的价格远高于六万美元。

Kathy 表示:“地表下六英尺(约 1.83 米)至数百英尺的区间内,温度相对恒定,终年保持在 50 华氏度(10 摄氏度)。因此,在地下回路中填灌丙二醇与水的混合溶剂,就有可能在地表与需供暖或降温的房屋之间进行更高效的热交换。“水平地热系统将回路铺设在地表下 10 英尺(约 3 米)处”,Kathy 解释道,“铺设回路需要大面积场地,同时要挖掘大量地面”。过去,在院子里铺设地下回路是一项相当艰巨的工作,需要大量的钻井设备,并对地表造成较大破坏。相反,Kathy 的 Dandelion Energy 公司利用石油和天然气行业的技术创新成果,其建造的钻井系统在达到与之前相同效果的条件下,对场地面积的要求和对地表的破坏程度均更小。并且安装一套系统的总成本低于三万美元。

Kathy 以 Google X 的项目经理的身份参与到这项技术研发中。她的目标是:使地热能“沿着过去二十年太阳能的路走下去”并且“让地热能从一项非常小众的技术,转变为可替代熔炉和锅炉的大众技术。”

Vivian Chu,32 岁

Diligent Robotics

出生地:美国

她研发的机器人可以承担部分繁重工作,从而使医护人员有更多时间与患者相处。

Vivian 为名为 Moxi 的医疗机器人开发了人工智能软件,并在得克萨斯州的四家医院进行了测试使用。在试点医院,Moxi 每周工作七天,每天工作 22 小时,剩余的 2 小时用于充电。Moxi 的工作是用它的抓手拿起注射器等用品,然后灵巧地移动手臂,把它们放进底部的托盘里。随后,它会小心地沿着走廊滚动前进,以免撞到人,并把物品放进病人房间外的抽屉里。Moxi 还可以完成其他重复性任务,例如运送实验室样品,搬运成包的脏床单等。这样可以减轻医护人员的工作量,让他们腾出更多的时间与患者相处。

Vivian 的毕业论文研究了可结合周遭多种感官信息(视觉、听觉和动态信息)的机器人,当其身处新环境时,这些信息可引导它们行动。例如,Vivian 研制的一个机器人,如果感知到抽屉已经半开,那么它在拉把手时就会自动调整用力。Vivian 作为联合创始人兼 CTO,在 2017 年创办了 Diligent Robotics,她希望在未来版本的 Moxi 机器人中增添类似的功能。她说:“这会让你的人生丰富健康,从而能够了解这个世界。”

Vivian 在硅谷中心一个三代同堂的家庭长大,对于全家人照顾年迈祖辈的艰难,她深有体会。所以在未来她想运用自己所学的机器人专业知识来改变这一点,产生积极的影响。她希望提供给那些在疗养院的老年人“一种工具,帮助他们优雅地、有尊严地老去,并且独立生活得更长久”。

Tim Ellis,29 岁

Relativity Space

出生地:美国

为制造一枚完整的火箭,他开发了一种大型 3D 金属打印机。

Tim Ellis 使用 3D 金属打印、机器学习和自动化生产技术制造火箭和卫星。Relativity Space 用这种方法打造的火箭只有 1000 个运动部件。相较之下,一枚常规火箭有 10 万个运动部件,这不仅导致火箭的价格高昂,也增加了发射失败的概率。

Ellis 的第一步是建造了一个高约 20 英尺(6 米)的巨大 3D 金属打印机,可以打印 10 英尺(约 3 米)直径和100英尺(约 30 米)高度之内的 95% 的火箭部件。第二步是编写代码使大部分进程自动化,并利用机器学习来优化需要打印哪些部件及如何打印。

Relativity Space 公司表示很快就能在 60 天内完成打印和迭代设计的过程,相较于行业标准的 18 个月,这无疑极大地降低了成本。这为公司赢得了第一份合同,从 2021 年起,Relativity Space 将为加拿大主要卫星运营商 Telesat 建造火箭,用以发射该公司的卫星。

“公司创建伊始,我们就定下了长远目标,要在火星上打印出第一枚火箭。”Ellis 表示。“随着时间推移 ,我们将把工厂缩小到可以发射到其他星球的程度。”

Anurag Bajpayee,34 岁

Gradiant

出生地:印度

他的方法可以处理污水,高效淡化海水。

Anurag 建立了一间专门净化世界上污染最严重的水的一站式车间。仅用了 6 年时间,他的 Gradiant 公司在波士顿总部就拥有了 200 多名员工,同时在全球运营着 20 多家处理厂。

Anurag 和他的实验室搭档 Prakash 一起创办了 Gradiant 公司,他们都致力于研究海水淡化技术。由于水力压裂技术的进步,石油和天然气行业正处于页岩气繁荣的顶峰时期。就在那时,Anurag 和 Prakash 敏锐地察觉到客户想利用 Govindan 公司的技术从水力压裂法产生的污水中提取洁净水。这样一来,既能降低对净水的需求量,也能将地下处理井中的有毒卤水含量降至最低。

Anurag 说,从那时起,他们已经开发了一个广泛的专利组合,并将另外两种处理技术商业化——一种可有效地从工业废水中提取特定污染物的技术,它可使水资源可重复利用;另一种是在不使用漂白剂等化学物质的情况下对水进行消毒的技术。今年,Gradiant 公司将推出第一个基于新技术的商业体系,该技术可安装在海水淡化厂中,将淡水回收率提升至 85%。

在麻省理工学院读博士期间,Anurag 发明了一种无膜海水淡化技术,被《科学美国人》(Scientific American)杂志评为年度十大改变世界的创意之一。但是Anurag 意识到这离商业可行性还有很长一段路要走,只围绕单一技术建立起来的企业成功机会渺茫。相反,他决定开发收集多种技术,这样他的公司就可以解决各种水污染问题。

胡启朝,33 岁

SolidEnergy Systems

出生地:中国

他的研究,有望迎来电池技术的下一次重大突破。

胡启朝认为,他即将迎来业界最令人期待的发展之一:下一次电池革命。

作为 SolidEnergy Systems 公司的创始人兼 CEO,胡启朝与行业中其他人一样致力于将锂金属制成的可充电锂电池并商业化。他的研究有望使电池的能量密度达到现有几乎所有电子和电动汽车行业所使用的锂离子电池标准的两倍。

自 1870 年铅酸电池问世以来,电池技术只有五项重大突破——能量密度大约每 30 年翻一番。如果这一模式成立,下一个突破即将到来:锂离子电池,其阳极通常由石墨或硅制成,在 1991 年由索尼公司首次商业化。

锂金属电池带来的能量密度提高,可有效地让电动汽车的行驶里程翻倍。但问题是,锂是一种活跃性极强的金属。早期锂金属电池原型在充电时会形成针状结构(即枝晶),这会造成电池短路,导致电池起火或爆炸。

胡启朝生于中国,12 岁时搬至纽约。他发明了一种由高浓度的盐溶剂构成的液体电解质,可以减少枝晶的形成。基于这一方案,SolidEnergy Systems 公司于 2016 年开发了一条锂金属电池试产线,目前正在无人机上进行测试。2019 年下半年,该公司将在上海开设全球最大的锂金属电池制造工厂,胡启朝希望可将工厂的产量提升到每月数万块。

麻省理工科技评论

From Tech to Deeptech