一种新的受蝙蝠启发的方法或可帮助飞行机器人在充满挑战的条件下也能在拥挤杂乱的环境中导航。该方法利用神经网络和物理屏障来减少噪音并增强超声回波信号，从而使微型无人机能够在浓雾中航行或避开小型或透明障碍物。研究人员的灵感来自大黄蜂蝙蝠；这种蝙蝠体重仅 2 克，却能利用回声定位和极少的能耗在黑暗的洞穴中穿行自如。相比之下，大多数飞行机器人所依赖的是激光雷达（LIDAR）或摄像头等精密传感器，但这些传感器在烟雾或浓雾条件下难以正常工作，从而限制了它们可能在灾区或搜救任务中的应用。为突破上述局限性，Manoj Velmurugan 和同事开发了一种“双管齐下”的方法，旨在通过超声技术最大限度地发挥机载低功耗传感器的效能。首先，他们设计了一种基于深度学习的神经网络，并将其命名为 Saranga；这一名称源自印度神话中的一把天弓，传说此弓有能够穿透万物的神力。与其同名神弓相似，Saranga 能通过去噪处理而从微弱的超声回波中分离出有效信号，从而帮助穿透黑暗或浓雾等视觉条件恶劣的环境。此外，研究人员还创建了一个物理屏障，它可以阻挡螺旋桨对空中机器人的干扰。 通过一系列室内外实验，Velmurugan 等人利用一架配备了双超声波传感器的手掌大小的四旋翼飞行器对该方法进行了验证。测试结果表明，该机器人能够避开透明薄膜、细线和树木，并能在被大雪、浓雾或黑暗笼罩的狭窄或杂乱空间穿行。Saranga 的表现也优于其他传统去噪技术，并能更准确地探测到机器人路径上的障碍物信息。Xin Zhou 和 Fei Gao 在一篇相关的《焦点》中讨论了超声波传感器过去如何容易受到干扰，并因此未能被广泛用于自主导航。他们着重阐述了 Saranga 如何能帮助克服这些局限性，并提出现代计算技术有望助力复兴其他传统传感技术以服务于未来的自主机器人。

据一项新的研究披露，一种高分辨率 MRI（磁共振成像）方法可以在三分钟内准确评估心脏的氧气消耗量，且无需使用侵入性导管或针头。该方法在 22 名心力衰竭患者身上应用时证明了其可行性，表明它有望满足长期以来对快速、可靠地量化检测心脏氧含量的需求。心脏对氧气的依赖性极高，即使是短暂的供氧中断也会损伤心脏组织，并为心力衰竭埋下隐患。这种慢性疾病正迅速成为全球主要的致死原因之一；因此，科学家们正竞相开发能够检测心脏氧含量的方法，旨在及早发现疾病征兆，并为更有效的治疗提供信息。然而，现有的检测方法需要插入导管，这使得它们具有高度的侵入性且耗时较长。磁共振成像（MRI）有望提供一种无创性解决方案，但传统的 MRI 方法会遭遇技术难题：由于心脏的持续跳动和患者的呼吸所产生的运动伪影。Li-Ting Huang 和同事在此通过改造最初为脑成像开发的血氧水平依赖性（BOLD）核磁共振技术达到了“一石二鸟”的效果。他们为心脏研发了一种高分辨率版本的 BOLD 核磁共振，它可以校正运动伪影。在猪身上进行验证后，该研究团队将该方法应用于 22 名心力衰竭患者和 11 名对照组成员。该测试可在三分钟内便对受试者的心肌耗氧量进行定量检测，并发现这些患者的心肌耗氧量偏低。Huang 等人写道：“这种无需针刺的检测方法 […]有望助力疾病的早期发现，为制定个性化的治疗策略提供参考，并指导针对当前日益严峻的心力衰竭‘流行病’而开发的各类心脏代谢疗法的研发工作。” 关注研究趋势的记者请注意，2019 年 5 月发表于《科学-转化医学》的一项研究（由本研究中的部分作者完成）提出了一种基于 BOLD 的免针刺 MRI 技术，它可在缺血性心脏病的犬类模型中评估心肌耗氧量：https://www.science.org/doi/10.1126/scitranslmed.aat4407

随着各国政府加快制定人工智能战略、构建主权人工智能以及人工智能在经济和社会中的普及，国际电信联盟（国际电联）将于2026年7月7日至10日在日内瓦Palexpo会展中心举办第七届“人工智能向善”全球峰会。

由香港科技大學（科大）化學系講座教授及國家人體組織功能重建工程技術研究中心（香港分中心）主任孫建偉教授領導的研究團隊，近日在有機合成與藥物化學領域取得突破性進展——研發出一種基於空氣穩定型手性膦催化劑的對映選擇性合成方法，成功製備出高對映體純度的 S（IV）手性乙烯基亞磺醯胺。這類有機硫化合物此前研究較少，卻展現出良好的抗病毒應用潛力。

西安电子科技大学李龙教授团队提出一种低剖面可编程超表面实现带内带外RCS减缩，证明其五个独立频段雷达散射截面（RCS）缩减。该技术兼具带内通信与带外隐身能力，剖面高度仅0.065波长（约3.7 mm），为6G通信与隐身平台提供全新解决方案。相关成果以” A Low-Profile Self-Stealth Programmable Metasurface with In-Band and Out-of-Band RCS Reduction”为题发表在Research 上。

文章提出了高分子材料可持续发展的多重路径和策略，包括生物基与二氧化碳基原料的使用、现有高分子材料废弃物的回收，以及新型可持续聚合物的设计。

由生成式人工智能（AI）驱动的临床阶段生物医药科技公司英矽智能（Insilico Medicine, 03696.HK）今日宣布，已与日本一家专注于内科、妇产科领域的制药公司ASKA Pharmaceutical Co., Ltd.（ASKA）达成药物研发战略合作，双方将依托英矽智能自主研发的AI驱动靶点发现引擎PandaOmics，聚焦子宫内膜异位症、子宫肌瘤和子宫腺肌症等具有挑战性的妇科疾病，识别和探索具有药物开发潜力的创新靶点。

聚烯烃被大量生产、累积并废弃，且这一状况在未来将进一步加剧。因此，亟需开发创新途径用于处理现存且持续增长的消费后聚烯烃废弃物。而这些废弃物不应被视为垃圾或污染物，而应被视作宝贵的资源与原料。因此，需要重新审视并设计聚烯烃的整体结构与微观组成，以推动其向循环、可持续的方向发展。基于这一视角，研究者们已开展大量工作，开发出多种应对上述挑战的策略。本文将其中具有代表性的研究进展归纳为两类进行总结与讨论：①将现有聚烯烃废弃物通过机械或催化升级循环转化为高价值资源、原料或高品质产品；②对聚烯烃进行分子从头设计，以实现高效制备、性能提升，同时兼顾可降解与可持续发展。