科学

在彼得·肖尔发表以他命名的算法三十多年后，关于大型量子计算机何时（而非是否）会破解世界上大部分加密的问题，已经从理论问题转变为后勤问题。在波士顿举行的Quantum.Tech World会议上接受《新科学家》采访时，肖尔做出了他标志性的清晰评估。 「我们有很好的后量子密码学方法，只需要实施它们，」肖尔说。「这将极其困难。」 肖尔解释说，困难不在于密码学本身。美国国家标准与技术研究院（NIST）已经建立了抗量子加密标准。挑战在于制度层面：大型组织、银行、医院、政府机构，将需要数年时间来审计网络中的每一个加密端点，更新每一台设备和软件，部署新协议，并在不破坏关键基础设施的情况下确保向后兼容性。 2029年和2031年的截止日期 两个日期聚焦了迁移时间线。谷歌设定了一个内部目标，即在2029年之前完成其所有产品和基础设施（搜索、云、Gmail、YouTube、Android）向后量子密码学的迁移。这是一个主动、自我设定的截止日期，表明该公司相信足够强大的量子计算机可能在该时间范围内变得可行。 2026年6月，美国总统唐纳德·特朗普签署了一项行政命令，要求所有高价值、高影响力的美国政府系统必须在2031年之前迁移到后量子密码学。该命令涵盖国家安全通信、联邦金融系统、医疗数据基础设施（Medicare、VA、HHS）、关键基础设施（电网、交通、供水）以及情报社区系统，任何系统一旦遭到破坏都可能造成灾难性损害。 仍是玩具，，但不会太久 肖尔将当前的量子计算机描述为「仍然是玩具，但它们很快就会不再是玩具了。」他承认，在使量子硬件更大、更可靠方面取得的进展是「不可思议的」，但实际应用仍然有限。 他在一个特定领域看到了真正的价值：为化学和生物医学模拟量子系统和分子。他还认为，优化算法可能被研究界过早地否定了。 但他驳斥了关于量子计算机作为通用超级计算机的更广泛说法。「我不认为量子计算机能帮助预测股票市场，」他平淡地说道。 缺失算法的谜题 采访中最耐人寻味的部分或许是肖尔对量子算法现状的反思。自1994年在贝尔实验室发现以来，，一个能够以比任何已知经典方法指数级更快的速度分解大整数的算法，威胁到支撑安全通信的RSA加密，，没有人找到另一个具有可比影响力的量子算法。尽管有数十亿美元的研究资金和数十年的努力，肖尔的算法仍然是密码学相关问题上最强大的已知量子算法。 肖尔提出了两种可能的解释。要么研究人员「还不够聪明」来找到下一个主要算法，要么量子计算机从根本上对大多数问题没有用处，，而这是许多该领域的人宁愿不直接面对的可能性。 「但你必须理解所有的量子力学和所有的计算机科学，这真的是很多要学的东西，」肖尔谈到寻找新量子算法的难度时说道。 真正的竞赛 采访澄清了量子计算领域的竞赛不再仅仅关于是否能构建容错量子计算机；这越来越被视为理所当然。竞赛在于，在能够大规模运行肖尔算法的计算机被建造出来之前，能否完成后量子密码学的迁移。肖尔说，密码学已经准备好了。问题在于世界各国的机构能否足够快地行动。 Sources 1. New Scientist, “Peter Shor’s algorithm could break the internet ， but he’s not worried” (7 July 2026). https://www.newscientist.com/article/2533218/peter-shors-algorithm-could-break-the-internet-but-hes-not-worried/ 2. Shor, P.W., “Algorithms for quantum computation: discrete logarithms and factoring”, Proc. 35th Annual Symposium on Foundations of […]

当研究人员使用大语言模型辅助撰写论文时，AI往往会留下可识别的痕迹。诸如”delve（深入探讨）”、”underscore（强调）”、”intricate（复杂）”和”pivotal（关键）”等词汇的出现频率远高于人类撰写的文本。句子结构遵循可预测的模式。像”近年来……”这样的开头和”不仅是X，而且是Y”这样的过渡短语，向训练有素的读者和检测软件表明文本是由AI生成的。 明尼苏达大学统计学院的副教授丁杰发布了一款旨在去除这些痕迹的工具。这款名为Academic Humanizer的工具是一组结构化提示指令，可以输入到AI编程代理（如Claude Code、Codex或类似工具）中，用于审计学术稿件的AI痕迹，并将其重写得听起来像人类所写。 “任务是在不降低文本质量的情况下去除AI痕迹，并强制执行一般人性化工具所忽视的纪律：每个主张都有其数据、图表或引用作为支撑，且任何动词都不能强于其证据的力度，”该工具的GitHub README文件写道。 六层清理 Academic Humanizer在六个层面运作。第一，通用AI痕迹目录移除过度使用的词汇（delve、intricate、tapestry、pivotal、foster、leverage、realm、seamless等）。第二，针对学术特定痕迹：过度主张的动词、显著性炒作、空洞的强调词、新颖性填充和格式化开头。第三，保留学术惯例。第四，将每个主张与其证据匹配，不允许无依据的断言。第五，校准语气和发表场所。第六，提供针对NSF和NIH评审结构量身定制的资金申请模式。 README中的一个前后对比示例展示了其效果。修改前：”近年来，持续学习吸引了越来越多的关注并取得了显著成功。然而，现有方法仍面临关键挑战。在本提案中，我们提出了一种利用尖端技术深入探讨这些复杂问题的新框架，为该领域开辟变革性范式铺平了道路。”修改后：”持续学习很重要，但当今的方法仍然停留在经验层面，其原理尚不清晰。这限制了可靠性和进展。本提案在适应、软监督和跨领域知识三个前沿方面构建了一个有原则的框架。” 伦理争议 各方反应分歧明显。里斯本大学的健康信息学研究员Francisco Maria Calisto告诉《自然》杂志，他大量使用该工具。”这是我用过最好的，”他说，不仅用于稿件，还用于电子邮件和代码文档。 瓦伦西亚理工大学的植物生物学家Miguel Angel Blazquez Rodriguez则不以为然：”我不喜欢它。这是在欺骗。” 卡内基梅隆大学的信息科学家Cassidy Sugimoto表达了担忧：”我担心这个用例对科学有害。我很忧虑。” 丁本人则区分了工具本身与其滥用。”我把工具和行为分开来看，”他告诉《自然》杂志。”伦理问题在于不披露及其背后的意图，而不是编辑辅助工具的存在本身。” 在媒体询问后，丁将工具的描述从”去除常见的AI痕迹”更新为”提升清晰度和表达”，并增加了一条伦理说明，阐明该工具并不免除披露AI辅助的义务。 检测军备竞赛 Academic Humanizer的发布正值学术出版中AI使用日益增长的背景。2026年2月，何某和卜某在《PNAS》上发表的研究（DOI: 10.1073/pnas.2526734123）分析了5,114本期刊和520万篇论文，发现尽管70%的期刊采用了AI披露政策，但AI写作的使用激增，且在有此类政策和没有此类政策的期刊之间没有统计差异。自2023年以来发表的75,000篇论文中，只有约76篇（约0.1%）明确披露了AI的使用。作者得出结论，当前政策在促进透明度方面”基本失败”。 检测公司正在应对。总部位于布鲁克林的AI检测初创公司Pangram Labs成立于2024年，由前谷歌和特斯拉工程师创立，该公司测试了Academic Humanizer。首席执行官Max Spero表示，初步测试”捕获了大部分人性化文本，但并非全部”，Pangram正在设计升级版本以检测该工具的输出。在2025年的一篇预印本（arXiv:2501.03437）中，Pangram展示了一个名为DAMAGE的模型，该模型对19种AI人性化和释义工具具有鲁棒性，声称在所有测试的人性化工具上准确率超过90%。 问题是，人性化工具与检测器之间的军备竞赛是有利于科学诚信，还是仅仅提高了不诚实的成本。目前，Academic Humanizer仍在GitHub上可用，关于它究竟是合法的编辑工具还是欺骗手段的争论远未结束。 婷 翻译 Sources 1. Nature News, “‘Humanizer’ tool erases signs of AI-written text” (7 July 2026). DOI: 10.1038/d41586-026-02105-3 2. Academic Humanizer GitHub repository: […]

抗生素耐药性危机有一个众所周知的瓶颈：发现管线。传统的筛选方法缓慢、昂贵，且几乎未能产生可用于临床的候选药物。加州大学戴维斯分校的一个团队现已展示了一种生成式AI方法，可能极大地加速这一过程。 ARCADIAMP（通过AI驱动扩散和膜活性肽迭代评估实现抗菌候选物快速生成）结合了离散去噪扩散概率模型（D3PM）、两阶段基于ESM2的分类器、新颖性过滤器和迭代自训练循环。从生成的100万个候选物中，该平台筛选出仅10个肽用于实验合成。其中8个显示出抗菌活性，最小抑制浓度（MIC）为32 µg/mL或更低，，80%的命中率远超传统筛选。 主要候选物名为Peptide-7，即Arcinin，是一种由29个氨基酸组成的α-螺旋肽，其序列（GRWRRVGRKLRTLGKSFGKVAHVAGKAIFA）与任何已知抗菌肽没有显著相似性。 对六种ESKAPE病原体中的五种有效 Arcinin针对ESKAPE菌组进行了测试，，这六种细菌物种导致了全球大多数医院获得性感染，并以多重耐药性著称。结果如下： | 病原体 | MIC (µg/mL) | 类别 | |———|————-|——| | Klebsiella pneumoniae | 8 | 革兰氏阴性，ESKAPE | | Acinetobacter baumannii | 8 | 革兰氏阴性，ESKAPE | | Pseudomonas aeruginosa | 8 | 革兰氏阴性，ESKAPE | | Escherichia coli | 8 | Enterobacter替代革兰氏阴性 | | Staphylococcus aureus | 16 | 革兰氏阳性，ESKAPE | […]

如果时间不是宇宙的基本特征，而是从量子系统之间的关系中涌现出来的东西呢？伯明翰大学的物理学教授乔瓦尼·巴龙蒂尼搭建了一个桌面实验，恰恰表明了这一点。 巴龙蒂尼将约24,000个铷-87原子冷却到接近绝对零度的数十亿分之一度，创建了一个玻色-爱因斯坦凝聚体（BEC），并用一层薄薄的激光将其一分为二。两半，，被观测的一半（”亮区”）和有意不被观测的一半（”暗区”），，与周围环境完全隔离，没有任何外部时钟。这实际上是困扰量子引力理论家的惠勒-德威特方程的一个微型模拟：它没有内置的时间参数。 “时间在加速、减速，甚至停止，取决于系统在做什么，”巴龙蒂尼告诉Live Science。 熵时间 关键的洞见在于，时间不是从外部时钟定义的，而是从系统两半之间的熵交换来定义的。当原子穿过激光屏障在区域之间移动时，熵从亮区流向暗区，或反之亦然；巴龙蒂尼每2毫秒测量一次这种流动，持续120毫秒，并用它来构建他所谓的”熵时间”（τ，tau）。 当熵在两半之间快速流动时，熵时间加速。当交换减慢时，时钟也减慢。当两半达到平衡，没有更多的熵可以交换时，内部时钟完全停止。 在低势垒高度的情况下，亮区经历反复的膨胀和坍缩周期，模拟了一个经历交替大爆炸和大坍缩的宇宙。关键的是，熵时间在大坍缩和随后的爆炸之间没有流逝，，因为在那段无过渡期间没有熵被交换。 “时间和时间之箭，，也许它们只是从无知中诞生的，”巴龙蒂尼说。”要拥有时间和进行观察，你必须放弃一些自由度。” 从模拟到理论 这项实验作为快报发表在《物理评论研究》（第8卷，L022047，2026年6月）上，被明确描述为一个模拟的惠勒-德威特迷你宇宙。惠勒-德威特方程是正则量子引力的核心，它表明在最基本的层面上，宇宙的波函数不随时间演化，，时间本身是不存在的。巴龙蒂尼的系统为这一想法提供了物理测试平台，即使它无法直接探测量子引力。 利用熵时间变量，巴龙蒂尼推导出了一个含时薛定谔方程（iℏ ∂_τ ψ = …），并证明它准确地重现了实验观测结果。”一切如此完美地结合在一起，这相当令人惊讶。非常整洁，从某种意义上说。这在实验中并不常见，”他说。 论文指出了几个重要的注意事项。哈密顿量在结构上类似于迷你超空间模型，但这是一个冷原子模拟，而不是真正的量子引力实验。由于势垒中心阻止了亮区经历真正大爆炸或大坍缩的无限密度，该系统避免了奇点。熵时间数据中的一些”波动”是由时钟场中的粗采样引起的，，这意味着排序并非在所有点上都是完全单调的。 对时间本质的意义 巴龙蒂尼的实验是一个概念验证，，首次证明受控量子系统可以作为时间基本问题的测试平台。时间从量子关联中涌现，而非作为基本背景参数存在的观点已经在理论上探索了数十年。但这是对该原理的首次直接实验检验。 深层的谜题在于：量子力学的基本方程将时间视为一个参数，但广义相对论的基本方程（惠勒-德威特表述）表明根本没有时间。必须有某种东西来弥合这一鸿沟。巴龙蒂尼的熵时间，，由耦合量子系统之间的信息损失定义，，提供了一个具体且可检验的候选方案。 “这通常被认为是无法检验的事情，”巴龙蒂尼说。”这些事情我们可以用已有的工具非常简单地做到，来设计我们的系统。” 婷 翻译 Sources 1. Live Science, “Time was speeding up, slowing down, or even stopping ， physicist demonstrates a key theory of time by building a mini-universe in his lab” (7 July 2026). https://www.livescience.com/physics-mathematics/time-was-speeding-up-slowing-down-or-even-stopping-physicist-demonstrates-a-key-theory-of-time-by-building-a-mini-universe-in-his-lab […]

空气污染似乎会改变精子基因的功能，一项同类研究中规模最大的生育研究发现了这一点。研究人员在伦敦举行的欧洲人类生殖与胚胎学学会（ESHRE）年会上报告称，在精子发育期间暴露于常见室外污染物的男性，其DNA出现了微妙变化，影响了基因的开启或关闭。 这项研究于7月7日发布，并以摘要形式发表在《人类生殖》期刊上。研究在2013年至2017年间跟踪了犹他州盐湖城2000多名男性，监测他们暴露于四种室外空气污染物的情况：臭氧（O3）、二氧化氮（NO2）、二氧化硫（SO2）和细颗粒物（PM2.5）。在提供六个月随访样本的1220名男性中，研究人员在精子中发现了39个DNA甲基化变化（一种在不改变底层DNA序列的情况下调节基因活性的化学修饰）。 在研究的四种污染物中，臭氧和二氧化氮显示出最强的关联性。这两种污染物在城市地区都很常见，主要来自交通排放和天然气燃烧。 GNAS基因的发现 最重要的结果之一是印记基因GNAS的甲基化变化。印记基因以亲本来源特异性的方式表达，根据来自母亲还是父亲，其中一个副本被沉默，与大多数在受精后被擦除的表观遗传标记不同，印记基因的甲基化模式可以在早期胚胎发育过程中持续存在。 “与印记基因GNAS变化的关联尤为重要，”该研究的主要作者、马萨诸塞大学阿默斯特分校环境健康科学助理教授Carrie Nobles博士说。”由于印记基因可以在早期胚胎发育过程中持续存在，这引发了一个重要问题：父亲的环境暴露不仅可能影响生育能力，还可能影响妊娠和后代健康。” 甲基化变化与参与精子发生（精子发育）、染色体组织和细胞质量控制的基因有关。 研究的局限性 这项研究存在重要局限性。它是一份会议摘要，虽经过同行评审被会议接受，但尚未作为完整论文发表。分析仅在单一地理位置（盐湖城）进行，研究人员使用的是室外空气质量监测数据，而非个人暴露测量数据。这些甲基化变化对生育能力、妊娠或后代健康的临床意义尚未直接确定。 曼彻斯特大学男科学教授Allan Pacey教授在专家评论中指出：”目前无法断定观察到的精子DNA甲基化变化对男性不育症是否具有临床意义。需要进一步研究来证实或反驳这一点。” ESHRE前任主席Karen Sermon教授博士将研究结果置于更广泛的背景中：”这是理解污染如何负面影响我们生育能力的又一块拼图。我们知道，暴露于空气污染的夫妇往往难以怀孕，这可能是原因之一。” 研究人员表示，需要在其他人群中重复验证，并进行将观察到的甲基化变化与可测量的生育结果直接联系起来的研究。 婷 翻译

人类大脑皮层包含超过160亿个神经元，它们由约15万公里的轴突连接，形成了大约164万亿个突触。这样一个天文数字般复杂的神经网络（既非完全随机，也非刻板规则），是如何自我组织的，一直是神经科学最深层的谜题之一。 8月20日发表在《细胞》（Cell）上的一项研究提出了一个出人意料的简单答案：大脑布线受制于与鼓面上驻波相同的几何原理。 莫纳什大学特纳脑与心理健康研究所的研究人员开发了一种名为”几何本征模模型”（Geometric Eigenmode Model，GEM）的数学模型，将大脑皮层视为一个连续曲面，神经活动在其中以波的形式传播。正如鼓面具有由其形状和张力决定的共振频率及空间振动模式一样，大脑皮层也具有被称为几何本征模的优选空间共振。这些是神经活动的自然驻波模式，每个模式都具有特定的空间波长以及节点（保持静止的点）和波腹（最大振荡的点）的拓扑布局。 该模型的核心假设是，当皮层区域之间的连接链接了同相振荡的位置，即同一本征模波腹附近的位置时，这些连接会被优先保留和强化。这样的连接充当了通信通道，降低了激发该模式所需的能量，使大脑的动力学更加高效。 研究人员写道：”该模型再现了人类和非人类物种中二元和加权经验连接组拓扑与形貌的关键特征。这些发现表明，几何在塑造皮层连接组的多尺度架构中发挥了基础性作用，这一作用在9000万年的进化中得以保守。” 模型工作原理 GEM源自神经场理论，这是一类将大规模神经动力学视为在连续皮层薄片中传播的波的数学模型。该模型仅需要两个自由参数：k，即所包含的本征模数量（该模型使用了4386个可能本征模中的108个，约占2.5%）；以及rs，一个长度尺度参数，用于控制长波长模式相对于短波长模式的贡献强度。 当拟合到使用弥散磁共振成像对339名健康成年人绘制的人群平均人类连接组时，GEM达到了显著的准确性。它捕捉了连接强度的排序，相关性为ρ=0.81，并成功预测了网络枢纽（即连接最密集的脑区）的空间形貌，二值度和加权度的空间相关性分别为ρ=0.52和ρ=0.47。在预测连接存在与否方面，其真阳性率达到75%。 关键在于，该模型优于所有现有替代方案：简单的指数距离规则（连接更可能发生在邻近区域之间）、纯粹基于皮层几何本征模而不含神经场理论加权的模型，以及随机网络。通过分半交叉验证在保留测试数据中验证时，GEM的优越性能依然成立。 跨物种与跨尺度验证 该模型的威力远不止于人类大脑。研究人员用黑猩猩、猕猴、狨猴和小鼠的连接组对其进行了验证，这些连接组通过弥散磁共振成像或有创病毒示踪技术绘制而成，这些方法在根本不同的空间尺度上运作。 在每一个物种中，GEM都以高保真度再现了皮层连接组的组织结构。由于这五个物种的最后共同祖先生活在大约9000万年前，结果表明几何对皮层布线的影响是哺乳动物大脑组织的一个普遍且深度保守的特征。 该模型还捕捉了拟合过程中未直接优化的特征，包括皮层网络的模块化社区结构（脑区倾向于组织成密集互联的子群）以及连接组的谱特性。 研究意义 此前的脑布线模型强调指数距离规则，即随着区域间距离增加，连接的可能性降低。这一规则被认为源于长轴突的代谢成本，是连接组组织的普遍原理。GEM并不与这一原理相矛盾，但它更进一步：它不仅解释了基于距离哪些区域可能被连接，还精确预测了在任意给定距离上哪些位置对最可能形成强连接。 研究人员解释道：”在我们的模型中，每个本征模的贡献反映了其在假设的平均场神经动力学中的相对表达。”低阶（长波长）本征模占主导地位，因为激发它们所需的能量更少，这种能量依赖性类似于热力学中的玻尔兹曼分布。 研究人员指出了几个重要的注意事项。该模型目前仅考虑半球内的皮层-皮层连接，排除了半球间连接以及与丘脑等皮层下结构的连接。它假设皮层各处的空间长度尺度一致，而实际上不同的神经元群体具有不同的特征传播尺度。此外，该模型捕捉的是稳态、时间平均后的架构，而非发育过程中几何与连接性的动态共演化。 尽管如此，这项研究提供了迄今为止最有力的证据，表明哺乳动物大脑复杂且看似独特的布线可以通过一个极为简单的几何原理来理解。 婷 翻译 来源 Normand, F., Gajwani, M., Cao, T., et al. “Geometric constraints on the architecture of mammalian cortical connectomes.” Cell 189, 1-21 (2026). DOI: 10.1016/j.cell.2026.05.048. https://doi.org/10.1016/j.cell.2026.05.048 Code and data: https://github.com/francisnormand/GeometricEigenModeModel and https://osf.io/rz3hw/

爱达荷州立大学化学专业本科生劳伦·耶格提交了一份奖学金个人陈述，那完全是她自己写的。出于好奇，她还是用在线AI检测工具查了一下。结果显示，这篇陈述几乎100%是由AI生成的。 “我当时吓坏了，”她告诉《自然》杂志。 耶格的经历并非个例。美国《独立宣言》，托马斯·杰斐逊于1776年撰写，在通过最受欢迎的免费检测工具之一ZeroGPT检测时，也被判定为95%至100%由AI生成。正如《自然》杂志7月6日发表的一项调查所记录的那样，大学寄望于用来发现AI作弊的工具是极不可靠的，尤其是对于英语非母语学生的写作而言。 61%的问题 关于这一问题被引用最多的研究由斯坦福大学研究员Weixin Liang领导，于2023年发表在《Patterns》期刊上。该研究测试了七种广泛使用的GPT检测工具，检测对象是中国英语学习者撰写的91篇托福作文和美国本土八年级学生撰写的88篇作文。检测工具将61.3%的非英语母语者写作标记为AI生成。相比之下，英语母语者写作的误报率仅为5.1%。 原因反直觉：非英语母语写作者使用的语言更简单、更可预测，这正是AI检测工具用来识别机器生成文本时使用的低困惑度信号。将同样的托福作文通过ChatGPT处理，并给出”增强词汇选择，使其听起来更像母语者”的指令后，误报率从61.3%降至11.8%。 自2023年以来，这一偏差已在至少四项独立研究中得到重复验证。2026年5月的最新重复研究表明，GPTZero对非正式ESL写作的误报率仍高达16%。 惩罚诚实学生的工具 AI检测工具的不可靠性不仅限于语言偏差问题。不同的检测工具对同一文本会产生截然不同的结果。在数学、化学和工程等领域，简短、技术性或公式化的写作通常会被标记为AI生成。使用Grammarly或QuillBot等语法辅助工具的学生更容易被错误指控。 后果可能非常严重。学生可能被举报学术不端、被取消奖学金资格，或者被迫为面对模糊指控为自己的作品辩护。在位于河内的英国越南大学研究AI检测的研究员迈克·珀金斯告诉《自然》杂志：”简短的回答是，它们并不可靠。长一点的回答是，它们可以工作，但关于误报的担忧如此之多，意味着在涉及学生切身利益的事情上，它们真的不应该被使用。” 一些学生通过故意”降低”写作水平来避免触发检测系统。耶格发现，”不那么完美”的写作使她的AI评分从100%降到了30%。 不断升级的军备竞赛 检测问题因”AI人性化”工具的兴起而变得更加复杂，这些工具可以改写AI生成的文本以逃避检测。Turnitin估计，这些工具目前通过150多项服务每月吸引3390万次访问。每一次检测技术的改进都会带来更好的规避手段，反之亦然，形成一个没有明确终点的循环。 “人们看到一个分数就相信它，”珀金斯说。”相似性检测工具之所以有效，是因为它们可以精确显示文本与其他内容匹配的位置。而AI检测工具根本没有这种证据。” 大学开始反击 至少25所大学已经限制或禁用了AI检测工具，包括范德堡大学、滑铁卢大学、澳大利亚科廷大学以及多个加州大学校区。澳大利亚天主教大学在Turnitin的AI检测生成了约6000个虚假指控后，完全弃用了该功能。 教育工作者和研究人员正在形成的共识是，AI检测分数不应作为学术诚信决定的唯一或主要依据。许多专家建议评估写作过程，草稿、大纲、口头答辩，而不是仅仅依赖最终的书面产品。 “没有任何AI检测器能够做到100%完美，”GPTZero在其网站上承认。”结果不应用于惩罚或作为最终裁决。” 服务于16000所机构的Turnitin坚称其工具的文档级误报率低于1%，但独立研究在边缘案例文本中发现了4%至12%的误报率。 《自然》杂志的文章指出，根本问题可能无法解决：随着大语言模型的改进，AI生成的文本越来越难以与人类写作区分。”我们当然不能因此大规模拒绝申请人，”西蒙弗雷泽大学的Marzena Karpinska表示。就目前而言，大学可能需要接受的最诚实答案是，检测问题没有技术解决方案。 来源 McKie, A. “Universities are relying on AI-detection software to catch cheating. How well do the programs work?” Nature 655, 535-537 (2026). DOI: 10.1038/d41586-026-01358-2. https://www.nature.com/articles/d41586-026-01358-2 Liang, W., et al. “GPT detectors are biased […]

1996年7月5日，一只羔羊在苏格兰罗斯林研究所诞生，永远改变了生物学。她的外表并不出众，一只白脸的芬恩多塞特羊，性情温和。但她是第一只从成体体细胞克隆出来的哺乳动物，完成了许多科学家认为生物学上不可能实现的壮举。 她的名字叫多莉。30年后的今天，她的遗产远远超越了克隆技术本身。 “当我们在超声波上看到她时，我们知道我们成功了。那真是太疯狂了，”罗斯林研究所前所长布鲁斯·怀特洛在《自然》杂志纪念特刊中回忆道。”我们还没有准备好。” 1997年2月公开宣布后引发的媒体狂潮，在科学突破史上前所未有。”到了周一，罗斯林研究所的停车场里全是带着天线的货车，”胚胎学家威廉·里奇说。”有人在24小时内从美国飞过来抢新闻。”白宫在几天内就呼吁禁止人类克隆。 但如今大多数研究人员都认为，多莉真正的意义不在于克隆本身，而在于它证明了成体细胞可以被重编程为胚胎状态。 干细胞革命 “多莉的创造证明，成体细胞可以被重编程为胚胎状态，这开辟了从成体细胞制造干细胞的可能，”《自然》杂志的评论文章指出。 这一成果直接激励了山中伸弥，他在2006年，多莉诞生十年后，宣布成功制造出诱导多能干细胞（iPSC），并因此于2012年获得诺贝尔奖。iPSC能将成体皮肤或血细胞转化为类似胚胎的干细胞，无需使用卵子或胚胎，现已成为全球研究中占主导地位的干细胞类型。首个基于iPSC的疗法于2026年在日本获得有条件批准。 “多莉改变了公众看待遗传学、生物学和生殖技术的方式，我们再也回不去了，”怀特洛告诉History.com。”作为社会，我们欠多莉一份巨大的感激，她唤醒了公众意识，引发了伦理辩论。” 克隆技术的现状 体细胞核移植（SCNT）生殖克隆，产生多莉的技术，现在已在多个物种中常规应用，尽管效率仍然低下。在农业领域，经过基因编辑的无角牛和抗病牲畜正在通过克隆进行繁殖。在兽医运动领域，克隆的马球马在阿根廷的售价可高达80万美元。得克萨斯州的ViaGen Pets公司提供宠物克隆服务，狗5万美元、猫3万美元、马8.5万美元，芭芭拉·史翠珊和帕丽斯·希尔顿等名人都曾使用过这项服务。 在保护领域，科学家们已经克隆了黑足鼬和巴厘牛，以猛犸象和袋狼为目标的”去灭绝”项目正在Colossal Biosciences等公司进行。2018年，第一批灵长类动物，食蟹猴”中中”和”华华”，通过SCNT成功克隆，这一成就花了多莉诞生后整整20年时间，原因是灵长类动物的核移植存在特殊困难。 然而，人类生殖克隆尚未发生，而且存在广泛的伦理共识认为不应该这样做。成功率仍然太低，异常风险太高。就连多莉团队的首席科学家伊恩·威尔穆特也在2007年表示，这项技术可能永远无法高效到足以用于人类。 未竟之业 《自然》杂志的纪念评论文章发出了警示。尽管科学以惊人的速度发展，但社会在制定管理新兴生殖技术的框架方面并未跟上步伐。评论文章认为，最近关于人类胚胎可遗传基因编辑的新闻表明，”做得还不够”来让公众做好准备或评估新能力的伦理问题。 “作为一个社会，多莉开启的认知和辩论过程需要继续下去，”评论文章总结道。”否则，困惑会让位于恐惧，这对任何人都没有帮助。” 多莉本人在2003年因肺部肿瘤（由一种常见的羊病毒引起，而非早衰）在6岁时被安乐死，现保存于爱丁堡的苏格兰国家博物馆。”30年过去了，多莉仍然是现代科学的象征，她的故事抓住了公众的想象力，”该博物馆脊椎动物首席馆长安德鲁·基奇纳说。”她是第一个，人们喜欢看到第一。” 来源 Nature Editorial: “From cloning to gene-editing: the enduring legacy of Dolly the sheep.”《自然》655, 282 (2026). DOI: 10.1038/d41586-026-02096-1. https://www.nature.com/articles/d41586-026-02096-1 Metro: “Dolly the sheep at 30: The clone that changed science (and celebrity petdom)” (2026年7月5日). https://metro.co.uk/2026/07/05/dolly-sheep-30-clone-changed-science-celebrity-petdom-28406693 National […]

耶鲁大学7月6日在《JAMA》上发表的一项秘密顾客调查显示，在49家推广GLP-1受体激动剂的远程医疗网站中，45家（91.8%）开具了处方，其中34家（69.4%）实际邮寄了药物。最令人担忧的是，开具处方的网站中有三分之二从未让患者与临床医生进行任何实时互动，仅13家（26.5%）要求视频问诊，仅3家（6.1%）要求电话问诊。 该研究于2025年8月至12月进行，研究人员以符合GLP-1用药资格的患者身份与这些网站接洽。论文第一作者、耶鲁大学医学院医学生阿什温·K·切蒂表示：”我们发现了一个追求速度而非安全的系统。”从初次接触到开具处方的中位时间不超过一天，其中两家网站在五分钟内即开具了处方。 临床数据缺失 调查记录了远程医疗网站在开药前收集临床信息的严重漏洞：仅约半数网站筛查了饮食失调，仅53.1%询问了饮食和运动情况，仅36.7%要求提供血压、血糖或胆固醇等患者自报临床数据，没有任何网站要求独立的实验室检查。 几乎所有网站都询问了病史和当前用药情况，但研究人员指出这些均为自我报告且未经核实。五分之一的网站接受了甚至不符合自身要求的照片（如全身照或可见体重秤）。 复合药物隐忧 绝大多数处方（86.7%）针对的是复合配方的GLP-1药物，而非FDA批准的品牌制剂。复合药物在药品短缺期间的特定条件下合法，但不受FDA制造质量和安全标准的约束。60%的复合处方含有维生素B12、B6、NAD+、甘氨酸或肉碱等额外成分。 11%的处方针对舌下含服制剂，2.2%针对口服片剂，这些给药途径并未获批用于设计为皮下注射的GLP-1药物。月费用中位数为230美元。 研究还发现，30张处方由20家不同的复合药房配药，同一位临床医生有时通过多个独立网站开具处方，引发了对处方医生集中度及监管的质疑。 “市场增长太快，监管基础设施尚未跟上，”合著者、耶鲁大学医学院的Reshma Ramachandran医学博士（公共政策硕士）表示。 监管背景 该研究发布之际，监管机构对在线GLP-1市场的关注度正不断上升。FDA于2026年3月向30家远程医疗公司发出警告信，指责其违法或误导性地营销复合GLP-1药物。根据2025年11月的KFF民调，目前近八分之一的美国成年人正在服用GLP-1药物，其中约20%通过在线渠道获取处方。 耶鲁团队此前曾在《JAMA Health Forum》（2025年）上发表研究，记录了这些网站的广告宣传情况。新研究更进一步：它实际以患者身份与网站互动，揭示了点击”立即订购”后发生的情况。 婷 翻译 来源 Chetty, A.K., Chen, A.S., Ross, J.S., Ramachandran, R. “Secret Shopper Study of Online GLP-1 Prescriptions.” JAMA（2026年7月6日）. DOI: 10.1001/jama.2026.9131. https://jamanetwork.com/journals/jama/fullarticle/2851149 Palmer, K. “Online GLP-1 prescriptions are often fast, easy, and low on clinical oversight.” STAT News（2026年7月6日）. https://www.statnews.com/2026/07/06/glp-1-telehealth-prescriptions-jama-yale-secret-shopper-study/ […]

二十年来，计算机科学家一直纠结于一个看似简单的问题：量子计算机能否验证那些经典计算机甚至无法描述的问题的解决方案？ 事实证明，答案是肯定的，而证明长达96页。 由四名研究人员组成的团队，John Bostanci（西蒙斯研究所/哥伦比亚大学）、Jonas Haferkamp（波鸿鲁尔大学）、Chinmay Nirkhe（华盛顿大学）和Mark Zhandry（斯坦福大学），证明了量子证明在至少一个计算问题上绝对比经典证明更强大。该论文在理论计算机科学顶级会议STOC 2026上获得了最佳论文奖。 “这是一个美妙的结果，”未参与此项工作的麻省理工学院量子信息理论家Anand Natarajan表示。”其中涌现出许多新鲜的想法。” 证明实际揭示了什么 该问题属于理论计算机科学的一个分支，称为复杂性理论，它研究解决问题所需资源如何随问题规模增长而变化。其核心是QMA（Quantum Merlin-Arthur）类和QCMA（Quantum-Classical Merlin-Arthur）类。 可以这样理解：想象一名学生（Merlin）试图说服老师（Arthur）某个数学命题为真。在QMA场景中，Merlin可以提交一个量子态（一组脆弱的量子比特）作为证据。在QCMA场景中，Merlin只能提交经典的比特串。这个问题由Dorit Aharonov和Tomer Naveh于2002年首次提出，核心是量子版本是否严格更强大。 该团队通过构建一个称为”频谱相合问题”（spectral forrelation problem）的问题证明了这一点。在该问题中，量子证人可以工作，而经典证人则不能。这个问题类似于一种法医谜题：给定两组测量数据，判断它们来自同一量子对象还是两个不同的对象。量子证人可以直接编码两个数据集之间的关系，而经典证人根本无法携带足够的信息。 证明采用了一种称为”反证法”的策略。研究人员首先假设存在该问题的经典证明。然后他们表明，这样的证明将是可重复使用的，可以用同一个经典证人来回答许多不同的查询。但他们证明，这种可重用性将允许解决一个被证明是不可能完成的困难的猜测任务。这个矛盾意味着最初的假设是错误的：不存在任何经典证明。 “我几乎是偶然开始思考这个问题，”Zhandry告诉Quanta Magazine。他2024年11月的个人研究解决了一半的问题，但未能完成。四人聚在一起，经过九个月的紧张工作，”它完全主导了我的一年。我基本上没怎么做其他事情，”Bostanci说，他们完成了完整的证明。 第二个独立证明 值得注意的是，第二个团队使用完全不同的方法独立得出了相同的结论。麻省理工学院的Andrew Huang和Vinod Vaikuntanathan与Bostanci一起，于2026年2月提出了第二个预言机分离结果（arXiv:2602.09385）。这一结果在概念上更简单，并且首次实现了BQP/qpoly类与BQP/poly类之间的分离（后者是关于量子建议的相关领域）。 两个独立的证明，一个巧妙但复杂，另一个更简单且更具扩展性，加强了结果的可靠性。 预言机的局限性说明 两个证明都是”预言机分离”：它们表明QMA和QCMA相对于一个黑箱函数（预言机）是不同的，计算机可以查询该函数但无法看到其内部运作。没有预言机的无条件证明将需要复杂性理论的革命性进步，相当于证明P不等于PSPACE。 尽管如此，预言机分离仍被视为非常有力的证据。主要复杂性类之间的每一个已知分离最初都是作为预言机结果出现的，随后才被完善。该领域的历史表明，当两个类相对于预言机不同时，它们在现实中几乎也总是不同的。 “我们拥有迄今为止最有力的证据表明答案是肯定的，量子证明更强大，”研究人员在论文中指出。 为何重要 对于在职的量子计算机物理学家来说，这一结果可能不会改变日常工作。将这两个类别区分开来的问题（频谱相合问题）是精心构造的人为问题。但证明中开发的技术，特别是将问题视为玻色子处理的”二次量子化”压缩预言机方法，有望在密码学和量子算法设计中找到应用。 该结果还解决了量子复杂性理论中的一个主要开放性问题。量子复杂性理论研究的是用量子资源可以计算什么、不能计算什么的根本性问题。对于二十年来一直致力于攻克QMA与QCMA问题的研究人员来说，答案终于揭晓了。 婷 翻译 Sources Quanta Magazine: “Researchers Reveal the Power of ‘Quantum Proofs'”（2026年7月6日）。https://www.quantamagazine.org/researchers-reveal-the-power-of-quantum-proofs-20260706/ Bostanci, J., Haferkamp, J., Nirkhe, C., Zhandry, M. […]