绊倒神经网络;超导体;防伪标签。
干扰神经网络
多年来，俄罗斯一直是研发领域的活跃地区。
例如，俄罗斯斯科尔科沃科学技术研究所(Skoltech)已经证明了某些模式是如何导致的神经网络在识别图像时出错。利用这项研究背后的理论，Skoltech可以为容易受到攻击的模式识别系统设计防御。
作为人工智能的一个子集，机器学习是一种在系统中利用神经网络的技术。在这个系统中，神经网络处理数据并识别模式。然后，它会匹配特定的模式，并了解哪些属性是重要的。
许多公司、政府和大学都以这样或那样的形式利用机器学习。它被用于人脸识别、搜索引擎和许多其他应用。
不过，机器学习也存在一些问题。在机器学习中，系统需要大量的数据集。如果数据集不足，系统可能生成可疑的结果。
Skoltech的研究人员表示，某些模式也会导致这些系统出错。这类似于自然界中存在的图灵模式。机器学习也容易受到对抗性扰动的影响。“(这些)是图像中微小但特殊的细节，会导致神经网络输出错误。其中一些是通用的:也就是说，当输入任何输入时，它们都会干扰神经网络，”Skoltech的研究人员说。
这些干扰也带来了安全风险。例如，2018年，康奈尔大学展示了一种方法攻击自动驾驶汽车使用计算机视觉。它用恶意广告和标识欺骗交通标志识别。
来自Skoltech的研究人员探索了将这些所谓的普遍对抗摄动(uap)和经典图灵模式联系起来的理论。显然，这些模式是由艾伦·图灵(Alan Turing)首先描述的，他是一位数学家和计算机科学家，对理论计算机科学的发展有很大影响。
自然界对抗性扰动对研究人员来说仍然是个谜。“这种有趣的属性在攻击和防御之间有着悠久的猫捉老鼠游戏历史。对抗性攻击难以防御的原因之一是缺乏理论。我们的工作朝着用图灵模式解释uap的迷人属性迈出了一步，图灵模式背后有坚实的理论支撑。这将有助于构建未来的对抗实例理论，”计算与数据密集型科学与工程中心(CDISE) Skoltech计算智能实验室的负责人Ivan Oseledets教授说。
Skoltech是俄罗斯九所大学和组织的合作项目。2011年，斯科尔科沃基金会(Skolkovo Foundation)和麻省理工学院(MIT)在几个领域建立了合作关系。
新超导体
Skoltech、国立科技大学MISiS和俄罗斯科学院(RAS)已经合成了一种新型的新型高温超导体-氢化钇(YH6)。
超导体是具有零电阻的器件，这使它们具有广泛的应用吸引力。但是超导体必须冷却到开尔文标度的绝对零度或接近绝对零度才能工作。这反过来又限制了它们的应用。
据Skoltech、MISiS和RAS的研究人员称，氢化钇是迄今为止已知的三种最高温度超导体之一。“压稳氢化物是一种快速增长的新型高温超导体，据信是在传统声子介导的耦合机制中描述的。这里是最著名的高TC超导体之一——六氢化钇的合成。据报道，YH6在≈224 K、166 GPa时表现出超导跃迁，”RAS晶体学研究所的Ivan Troyan说。先进材料。其他人对这项工作做出了贡献。
氢化钇是氢和钇的化合物，属于所谓的稀土金属氢化物。该技术被用于各种应用，包括用于核微反应堆的组件。
微反应堆新型先进反应堆．20多家美国公司正在研究比传统核反应堆更小的设计。
橡树岭国家实验室(ORNL)等在研究微反应堆吗使用这些材料。根据美国能源部(DOE)的数据，一个微型反应堆可以产生1到10兆瓦的电力。
一兆瓦的电力可以为大约1000个家庭供电。美国能源部表示:“这意味着这些系统可以为多达10万个家庭提供清洁能源，每周7天，每天24小时，连续10年不间断。”
防伪标签
ITMO大学和圣彼得堡学术大学开发了一种隐形防伪标签技术基于稀土。这些标签将有助于防止商品被假冒。
各公司都在想方设法保护自己的产品不被仿冒。但许多方法都是暂时的或昂贵的解决方案。
俄罗斯科学家发明了一种难以破译的新标签技术。它们是在激光的帮助下由半导体材料制成的。
该标签基于掺铒硅的下转换光致发光。“为了制造这些标签，飞秒激光被应用于选择性地照射双层Er/Si薄膜，这是通过Er掺入硅基质和硅层结晶来完成的，”研究人员在一份技术杂志《先进材料》上说。
这一过程反过来又产生了防伪标签。“用激光，我们添加一种叫做铒的稀土金属离子，在硅纳米膜制成的贴纸上产生独特的图像。要做到这一点，我们首先在薄膜上做一个肉眼看不见的格子状孔。这些洞中有些含有铒离子，有些没有。当受到激光辐射时，含有铒的孔洞会改变颜色——因此它们使我们能够正确地读取图像，”该项目的负责人、ITMO物理与工程系助理教授德米特里·祖耶夫说。
“我们的标签是基于铒离子发光，它由几个参数表征:强度、波长和辐射寿命。这些参数的组合使我们能够创建额外的保护层。这就是为什么当你用红外传感器得到隐藏的图像时，你还能读取关于发光参数的信息。这提供了额外程度的保护，”ITMO物理与工程系的博士生Artem Larin补充道。
|
|
|
|
|
|
|
|
|
|
|
|
留下回复