量子计算机模拟重子首次实现 据物理学家组织网11月11日报道,加拿大和英国科学家首次在量子计算机上模拟了基本量子粒子——重子,最新研究使科学家能借助量子模拟研究中子星,了解更多宇宙早期的情况,并发掘量子计算机更多革命性的潜力。 加拿大滑铁卢大学量子计算研究所的研究员克里斯蒂娜·穆斯克说:"这是科学家们首次在计算机上模拟重子,未来某一天,量子计算机也许可以让我们模拟这些粒子之间的相互作用。届时,科学家们或许不需要在加速器中让粒子相撞,他们可以在量子计算机上模拟这些相互作用来研究宇宙的起源等。" 穆斯克领导的量子交互小组主要研究晶格规范理论的量子模拟。这些晶格规范理论主要用于描述包括粒子物理学标准模型在内的物理学理论。规范理论包含的场、力、粒子、空间维度和其他参数越多,就越复杂,越难以利用经典超级计算机进行建模。 在最新研究中,穆斯克所在的IQC团队与英国约克大学的兰迪·李维斯合作,开发了一种资源高效的量子算法,允许他们在IBM的云量子计算机和经典计算机上,对一些基础物理学和物质开展简单的模拟。他们首次模拟了基本粒子重子。 研究人员指出,随着科学家不断开发出更强大的量子计算机和量子算法,他们将能够模拟更复杂的物理现象,揭示迄今最好的超级计算机也无能为力的有关宇宙的秘密。 (来源:科技日报) 模拟光合作用的光动力催化剂问世 美国麻省理工学院研究人员通过模拟光合作用,即植物用来生产糖分的光驱动过程,设计了一种可以吸收光并用光来驱动各种化学反应的新型光催化剂。该研究成果15日发表在《化学》杂志上。 这种新型催化剂被称为生物混合光催化剂,其含有一种采光蛋白,可吸收光并将能量转移到含金属的催化剂上。然后,这种催化剂利用能量进行反应,这些反应可用于合成药物或将废物转化为生物燃料及其他有用的化合物。 研究资深作者、麻省理工学院化学副教授加布里埃拉·施劳-科恩表示,光催化可使药物、农用化学品和燃料合成更加高效和环保。研究表明,新型光催化剂可显著提高他们尝试的化学反应的产量,且与现有的光催化剂不同,新催化剂可吸收所有波长的光。 这种类型的光催化剂还可用于驱动一种被称为木质素解聚的反应,有助于从木材或其他难以分解的植物材料中产生生物燃料。 (来源:科技日报) 日本超级计算机"富岳"连续4次居全球超算榜首 据日本放送协会(NHK)16日报道,最新的全球超级计算机性能排行榜揭晓,放置于日本神户市理化学研究所的超级计算机"富岳"在四个性能评比单元连续4次位居榜首。 据报道,全球超算榜单由专家组成的国际会议每半年公布一次。在运算速度单元,"富岳"每秒可完成1万亿次的44万倍以上的运算,是第2位美国超算的大约三倍。除此之外,在建模等的运算方法、人工智能深度学习和大数据处理性能单元,"富岳"都居于头名。 资料图:日本超级计算机"富岳"。 据介绍,"富岳"在全面启动前就曾进入榜单。迄今为止,"富岳"已被用于新冠防疫(模拟飞沫传染)和气象预测系统的验证实验(对局部地区大雨进行预测)。 日本理化学研究所计算科学研究中心负责人松冈聪说,"本次榜单再次证明了‘富岳’的先进性能。希望它未来能对实现无碳社会等领域有所贡献。" (来源:中新网) 德尔塔变种仍为新冠疫情主导毒株 其亚型更可怕? 资料图:电子显微镜下的新冠病毒德尔塔变种毒株。 新冠病毒仍在全球肆虐。据新加坡《联合早报》16日报道,新冠病毒德尔塔变种毒株,是全球流行的主要新冠毒株。不过,许多疫苗专家认为,所有未来的新冠病毒变种毒株,都将会是德尔塔变种毒株的分支。 据报道,自新冠病毒德尔塔变种毒株首次在印度出现以来,它是至今最令人担忧的变种毒株。世界卫生组织将德尔塔变种毒株列为"须关切病毒",即传染力更强、会导致更严重病情或降低新冠疫苗保护力,以及降低治疗有效性的新冠病毒。 世卫组织指出,向公共数据库报告的所有新冠病毒基因组序列中,99.5%属于德尔塔变种毒株。在大多数国家出现的新冠确诊病例中,感染德尔塔变种毒株的数量远超过其他变种毒株。 其中,德尔塔毒株的亚型变异株AY.4.2最引人注目。目前,大部分AY.4.2确诊病例主要集中在英国,约占测序病毒样本的10%。 报道称,英国卫生安全局现已将AY.4.2指定为"正在调查的变异毒株"(Variant Under Investigation)。该机构说,初步分析表明,与德尔塔变种毒株相比,AY.4.2并不会显著削弱新冠疫苗的有效性,同时,也有一些证据表明,它的传染力可能比德尔塔变种毒株略强一些。 (来源:中新网) 国际最新研究:机器学习方法可帮助识别人造毒品 施普林格·自然旗下专业学术期刊《自然-机器智能》发表一篇计算生物学研究论文称,科研人员发现一种自动化、生成式的机器学习方法,可以仅利用质谱就确定未知的新型精神药物(又称人造毒品)的化学结构,了解这些结构能帮助法医实验室更快识别出疑似的人造毒品。 该论文指,每年有大量新型精神药物出现在非法市场上,这些物质会造成与已知非法药物相近的精神效果;但因为其合成方式使其在化学上有所不同,这些药物规避了现有的毒品法规,甚至难以被侦测。法医实验室使用质谱分析法在查封药片或粉末中识别已知人造毒品。不过,要弄清一种全新人造毒品的结构,通常需要化学专家工作数周或数月,并且需要用到其他的实验技术。 资料图:德国海关人员在汉堡港查获了16吨毒品。 针对上述难题,论文通讯作者、加拿大英属哥伦比亚大学迈克尔·斯金尼德(Michael Skinnider)和同事使用全球各地法医实验室的保密数据训练一个机器学习模型,产生结构和性质类似于近期人造毒品的分子。该模型随后产生了一个数据库,包含十亿种潜在新型精神药物的结构。 他们用模型训练结束后新收集的数据测试该模型,发现这一方法可以仅用质谱就确定未知人造毒品。在准确结构难以精准确定的实例中,该模型建议的结构与未知人造毒品非常相似。 论文作者总结说,用其他数据集训练的类似的生成方法也可以帮助识别其他特定领域未知分子的结构,例如识别新型兴奋剂或者环境污染物。