科学

宇宙是一台计算机，时间就是它运行的过程。这是斯蒂芬·沃尔弗拉姆四十多年来一直在发展的核心主张。在最近接受《新科学家》采访时，这位物理学家和计算思想家提出了他迄今为止最易于理解的论证。 “时间是计算的不可约行为，”沃尔弗拉姆告诉《新科学家》的莉亚·克兰。”我们感知到的时间，是我们体验宇宙计算其连续状态的过程。” 在这种观点中，时间并不是事件展开所依赖的基本背景坐标。它不是传统意义上的时空维度。它是由宇宙状态从一个时刻到下一个时刻的持续、逐步执行所生成的东西。沃尔弗拉姆使用了翻页书的类比：每一页都是宇宙的一个状态，你必须物理地翻动每一页才能看到运动，你不能跳到最后一页就知道中间发生了什么。 圆周率原理 沃尔弗拉姆认为，你无法跳过的原因是他称之为计算不可约性的现象。这一现象最早在20世纪80年代初他对元胞自动机的研究中被发现，它描述的是那些没有捷径公式的系统，无法在不明确模拟每个步骤的情况下确定N步的结果。 “你无法单独计算出圆周率的第1200位数字，”沃尔弗拉姆解释说。”你必须先计算出前1199位数字。” 这与经典物理学有着根本的不同。在经典物理学中，像牛顿定律这样的方程允许你输入时间值t并直接计算任何未来状态。在计算不可约性下，许多自然系统没有这样的捷径。知道会发生什么的唯一方法就是让它发生。 为什么我们无法穿越时间 如果宇宙的演化是一个不可约的计算，那么时间旅行就变得绝对不可能。跳到时间的更早或更晚点需要走计算的捷径，不按顺序运行或跳过步骤，这在数学上是被禁止的。 沃尔弗拉姆的论证也延伸到了预测。”我们建造的任何计算机都由宇宙内部的物质构成。它不能比宇宙自身计算得更快，”他说。这为可以预测的事物设置了根本的限制：一个足够复杂的系统（天气、经济、人脑）无法被提前完全模拟，因为宇宙内部的任何模拟器都无法超越宇宙自身的计算。 决定论宇宙中的自由意志 最引人深思的含义涉及自由意志。沃尔弗拉姆的宇宙是决定论的；每个状态都按照固定规则严格决定下一个状态。但由于计算是不可约的，即使是一个完全决定的系统对我们来说也感觉不可预测。 “由于计算不可约性……如果我们总能预测一年后自己会做什么，那么我们就不会认为做什么是由我们自己决定的，”沃尔弗拉姆说。”我们就只是坐在那里的乘客。” 他在2002年的著作《一种新科学》中详细阐述道：”如果一个系统的演化对应于一个不可约的计算，那么这意味着找出系统行为方式的唯一方法本质上就是执行这个计算，其结果是根本不可能存在允许更直接地找出行为方式的规律。而我相信，这正是人类意志表面自由的最终起源。” 沃尔弗拉姆指出，如果存在真正随机的自由意志而没有底层规律，科学将是不可能的。”科学之所以有效，这一事实意味着存在底层规律，但计算不可约性保留了自由意志的感觉。” 没有实验预测的理论 这次采访是《新科学家》”迷失在时空”新闻简报系列的一部分，基于沃尔弗拉姆的文章《论时间的本质》（2024年10月）以及他在2020年宣布的更广泛的沃尔弗拉姆物理学项目。就在几周前，伯明翰大学的乔瓦尼·巴隆蒂尼进行了一次独立的实验演示，他构建了一个玻色-爱因斯坦凝聚体”迷你宇宙”，以展示时间可以从量子系统之间的熵交换中涌现。沃尔弗拉姆的方法是理论性的而非实验性的：他提供了一个形而上学的框架，而不是一个可检验的假说。 这仍然是沃尔弗拉姆项目受到的核心批评。麻省理工学院的物理学家丹尼尔·哈洛在2020年评论沃尔弗拉姆物理学项目时告诉《科学美国人》：”量子物理学和广义相对论的实验预测已经被确认到许多位小数，在某些情况下，精度达到100亿分之一。到目前为止，我看不到任何迹象表明使用沃尔弗拉姆倡导的那种简单计算规则能够做到这一点。他所声称的成功充其量只是定性的。” 沃尔弗拉姆的采访没有直接回应这些批评。这篇文章以问答形式呈现，给了他发言的机会。 来源 1. New Scientist, “Does time come from the entire universe running computations?”（2026年7月7日）. https://www.newscientist.com/article/2532871/does-time-come-from-the-entire-universe-running-computations/ 2. Wolfram, S., “On the Nature of Time”（Wolfram Media ePubs, 2024年10月）. https://writings.stephenwolfram.com/2024/10/on-the-nature-of-time/ 3. Wolfram, S., A New Kind of Science（Wolfram Media, 2002）. […]

这一发现几乎是一个意外。20世纪80年代中期，竞相理解铜氧化物陶瓷中高温超导体的研究人员注意到了一些奇怪的现象。当材料温度过高而无法超导时，它们的行为也不像普通金属。它们的电阻随温度呈完美的直线上升，，没有曲率，没有平台，没有偏差。四十多年后，物理学家们仍在试图解释这一现象。 “来自地狱的导体，”已故理论家约瑟夫·波尔钦斯基这样称呼它。 普通金属遵循一个可预测的模式：随着温度下降，电阻按T²下降，遵循着电子像台球般明确定义的实体（称为准粒子）行为的数学规律。这一图像由列夫·朗道在20世纪50年代发展起来，构成了现代电子学的基础。”整个电子工业，，包括你口袋里的iPhone，，都基于这一理论的成功，”哈佛大学理论家苏比尔·萨赫德夫说。 奇异金属打破了这一基础。它们的电阻与温度本身成正比（R ∝ T），这种线性关系如此鲜明且如此持久，以至于四十年的实验和理论研究都无法解释。 散粒噪声的线索 突破来自一个出人意料的简单测量。2023年，莱斯大学道格·内特尔森团队制备了一种名为YbRh₂Si₂的重费米子奇异金属纳米线，并测量了其量子电荷涨落，，即被称为散粒噪声的微弱电噼啪声。当单个电荷逐个通过传统金属线时，噪声遵循一个可预测的模式，法诺因子（噪声-电流比）为1/3。在YbRh₂Si₂中，法诺因子被抑制到远低于该值。 “也许这证明了准粒子不是明确定义的东西，或者它们根本不存在，电荷以更复杂的方式运动，”内特尔森告诉《新科学家》。”我们必须找到合适的词汇来描述电荷如何集体运动。” Wang、Setty、Sur、Chen、Paschen、Natelson和Qimiao Si的理论工作（Phys. Rev. Research 6， L042045， 2024）表明，即使是强关联费米液体也应产生√3/4（约0.433）的法诺因子。观测到的抑制显著小于该值，需要准粒子身份的实际丧失。 量子汤图像 如果奇异金属中的电不是由单个类粒子实体携带的，那它是什么？正在浮现的图像更接近一种量子汤，，一种没有明确定义组成部分的液态电荷流。为散粒噪声实验提供YbRh₂Si₂晶体的维也纳工业大学西尔克·帕申改变了她自己的心智模型。”它实际上是某种非常可控的东西。那是一个安静的地方，”她在谈到奇异金属态时说。 支持证据来自多个方向。2026年，布里斯托大学斯蒂芬·海登团队在卢瑟福·阿普尔顿实验室使用中子束测量了奇异金属中的电子自旋涨落，发现自旋涨落随温度同步加速和减速，，这是基于涨落的线性电阻解释的有力证据。该研究发表在《自然·通讯》上，合作者包括苏比尔·萨赫德夫。 伊利诺伊大学彼得·阿巴蒙特用电子枪研究了奇异金属中的电荷密度，他将这种行为描述为奇异：”你无法通过任何测量知道系统中有多少个电子。它们的行为真的非常奇异。” SYK联系 在理论方面，一个来自20世纪90年代的奇特模型已成为核心。1993年，萨赫德夫和金武叶建模了一个简化的量子点，其中每个电子都连接到所有其他电子，，没有空间结构，没有几何形状。结果：电扰动的衰减速率与温度成正比，尽管没有我们通常理解的粒子或空间。该模型最初被视为玩具而被忽视，直到2015年加州理工学院的阿列克谢·基塔耶夫证明了一个几乎相同的模型，，现在称为萨赫德夫-叶-基塔耶夫（SYK）模型，，通过全息原理将奇异金属行为与黑洞物理学联系起来。 “这就像脚下的地毯被抽走了一样，”萨赫德夫说。 SYK模型做出了一个激进的预测：电阻随温度线性上升，因为电流失去动量的速率仅取决于温度和普朗克常数，，这些是基本常数，而非材料的化学性质。如果这是真的，意味着某些材料中的电受普遍量子速度极限的支配，而非受解释从铜线到硅芯片一切事物的熟悉准粒子相互作用的支配。 这意味着什么 奇异金属现在已在至少五类不同的材料中被观察到：铜氧化物（20世纪80年代）、铁基砷化物（2009年，路易·塔耶费尔团队）、扭曲石墨烯层（2019年，安德烈亚·杨和科里·迪恩）、镍酸盐（2023年，哈罗德·黄团队）以及像YbRh₂Si₂这样的重费米子化合物。这种现象似乎是普遍的，与特定化学性质无关，表明它反映了量子物质的一个基本原理，而非任何特定材料的奇异属性。 如果准粒子图像必须为这些材料而放弃，其影响将远远超出凝聚态物理学的范围。SYK模型与黑洞热力学和量子引力的联系表明，奇异金属可能正在探测物理学家用粒子加速器和引力波探测器研究的同一量子现实的深层结构。 “它是来自地狱的导体，”波尔钦斯基说。40年过去了，它可能最终成为迫使物理学重写电法则的导体。 翻译：婷 来源 1. New Scientist, “The strange metals forcing us to rethink how electricity really works” (2026年7月7日). https://www.newscientist.com/article/2531747-the-strange-metals-forcing-us-to-rethink-how-electricity-really-works/ 2. Chen, L. et al., “Shot noise in a […]

小细胞肺癌（SCLC）是最致命的癌症之一，五年生存率低于6%。它最初对标准顺铂和依托泊苷化疗反应良好，但几乎每位患者都会在数月内复发性药物耐药性疾病。这种耐药性的遗传驱动因素在很大程度上仍然未知。 由弗莱德·哈钦森癌症中心David MacPherson领导的一个团队现已确定了其中一个驱动因素，以及一种可能的规避方法。利用患者来源异种移植（PDX）小鼠模型中的体内CRISPR筛选，研究人员发现USP22去泛素化酶的缺失是SCLC获得性化疗耐药性的强大驱动因素。 这些发现于2026年7月8日发表在《自然·通讯》上（DOI: 10.1038/s41467-026-75117-2），同时揭示USP22缺失的肿瘤会产生一种可利用的代谢依赖性。 筛选如何运作 传统的药物耐药性研究在塑料培养皿中培养癌细胞，忽略了真实人体中重要的肿瘤微环境和药物渗透动力学。MacPherson团队采用了更具临床相关性的方法：他们将人类SCLC肿瘤植入免疫缺陷小鼠体内，用顺铂-依托泊苷或生理盐水处理它们，并使用靶向约400个基因的CRISPR库来识别哪些基因敲除在重新生长的化疗耐药肿瘤中富集。 结果令人震惊。六个最富集的引导RNA中有五个靶向编码SAGA（Spt-Ada-Gcn5乙酰转移酶）转录共激活复合体成分的基因，其中USP22位居首位。 USP22是一种去除组蛋白H2B和H2A上泛素的去泛素化酶，在转录激活中发挥关键作用。它作为与多种肿瘤类型预后不良相关的”癌症致死”基因特征的一部分而闻名。本研究首次确定USP22缺失（而非获得）是化疗耐药性的驱动因素。 表观遗传重编程 其机制以级联方式展开。USP22缺失导致神经元分化调节因子基因体上的抑制性组蛋白修饰H2AK119单泛素化增加。这种表观遗传变化抑制了神经和神经内分泌基因的表达，包括SCLC中神经内分泌身份的主调控因子，，转录因子ASCL1的靶基因。 结果是DNA损伤反应减弱：细胞对顺铂-依托泊苷治疗表现出γH2AX信号传导（DNA双链断裂的标志）减少和凋亡减少。实际上，肿瘤细胞停止响应通常能杀死它们的化疗。 与此同时，USP22缺失的肿瘤上调糖酵解和缺氧相关基因，转向糖酵解（瓦尔堡样）代谢。 可靶向的脆弱性 这种代谢转变产生了新的依赖性。USP22缺失的肿瘤变得依赖GLUT1（大多数癌细胞中主要的葡萄糖转运蛋白）来维持其升高的糖酵解。 MacPherson团队测试了BAY-876，这是一种由拜耳公司开发的高度选择性小分子GLUT1抑制剂（对GLUT1的IC₅₀ ≈ 0.002 µM，对其他GLUT亚型具有250至500倍的选择性）。在PDX模型中，BAY-876联合顺铂-依托泊苷使USP22缺失的肿瘤重新对化疗敏感。 关键的是，该团队还进行了一项基因拯救实验。携带天然纯合USP22截断突变的PDX模型在USP22表达恢复后重新对化疗敏感，证实了USP22缺失是直接因果性的，而不仅仅是相关性。 临床意义 SCLC在临床上并不常规检测USP22或SAGA复合体状态。这些发现表明，肿瘤携带USP22缺失或其他SAGA复合体成分改变的患者可以通过基因组测序识别，并接受化疗加GLUT1抑制剂的联合治疗。 有几点需要注意。这些发现均为临床前研究，全部基于PDX模型，需要人类临床验证。BAY-876联合顺铂-依托泊苷的安全性和有效性尚未在人体中测试，全身性GLUT1抑制存在风险：GLUT1在红细胞和血脑屏障上表达。USP22缺失可能仅解释部分SCLC患者的耐药性；其他机制，包括KEAP1缺失和MYCN扩增，也会驱动耐药性。 尽管如此，该研究证明，基于PDX的体内CRISPR筛选方法能够发现传统细胞培养筛选所遗漏的临床相关耐药机制。对于五年生存率低于6%的疾病，每个可行的靶点都值得追求。 婷 翻译 来源 1. Best, S. et al.，「Loss of the USP22 deubiquitylase confers resistance to chemotherapy in small cell lung cancer」，《自然·通讯》（2026）. DOI: 10.1038/s41467-026-75117-2 2. 弗莱德·哈钦森癌症中心，「Researchers identify driver of chemotherapy resistance in […]

人类能活多久？这个问题引发了长寿科学中最具争议的辩论之一。在2026年7月7日发表于《自然》杂志的一篇通讯中，一篇2016年里程碑式论文的原作者对最新一波批评进行了反击，坚持认为他们关于人类最大寿命约为125年的证据仍然完整。 布兰登·米尔霍兰（现任北卡罗来纳州达勒姆IQVIA）、肖东（明尼苏达大学）和扬·维吉（阿尔伯特·爱因斯坦医学院）是在回应《自然》杂志的一篇采访，长寿研究员索尔·纽曼在采访中声称他们2016年的论文《Evidence for a limit to human lifespan》（《自然》538， 257-259）建立在”基本数学错误”之上。 “两种说法都是不正确的，”三位作者写道。他们否认了关于他们主张”人类生存硬性极限”的描述。他们说，他们2016年的分析指向的是一个自然极限，，生存概率变得微乎其微的年龄，，而不是一个绝对的、不可逾越的上限。 最初的论点 董、米尔霍兰和维吉2016年的论文研究了人类死亡率数据库的全球人口数据，发现了两种模式。第一，随年龄增长的生存改善在100岁后下降，延长寿命的进展速度在极端高龄时急剧减缓。第二，自1990年代让娜·卡尔芒以122岁去世以来，最大报告死亡年龄（MRAD）没有增加。此后无人超越她。 基于冈珀茨死亡率模型的对数线性回归，作者估计人类最大寿命的中央估计值约为115岁，外部界限延伸至约125岁。2017年对de Beer等人的后续回复标题为：”Maximum human lifespan may increase to 125 years”。 批评意见 纽曼的批评最初于2017年与合著者西蒙·伊斯特尔在F1000Research上发表，指出了三个具体的数学问题。第一，样本量不固定：董等人将来自规模差异很大的群体的数据汇集在一起，没有进行适当的标准化。第二，年龄偏倚的四舍五入误差：人类死亡率数据库的存活率（l_x）四舍五入到最接近的整数。在90岁以上，超过一半的这些值四舍五入为零，掩盖了实际变异。第三，也是最关键的一点，log(0)而不是log(1)：当这些四舍五入为零的值被用于对数线性回归时，纽曼认为董等人将log(0)当作log(1)（即零）处理，因为log(1)=0但log(0)在数学上是未定义的。他声称，这严重偏倚了拟合的回归线。 “如果你纠正他们犯下的简单数学错误，”纽曼告诉《自然》，”极限就消失了。” 更广泛的辩论 2016年的论文在2017年《自然》杂志上引发了至少五篇正式反驳（由Brown等人、Hughes & Hekimi、Rozing等人、Lenart & Vaupel和de Beer等人撰写），每篇都有董等人的回复。批评意见分为两大阵营。 统计学派认为110岁以后的死亡率每年约在47-50%趋于平稳，这意味着死亡率并不会像冈珀茨模型预测的那样持续上升。Rootzén和Zholud（《Extremes》，2017）使用极值理论，直截了当地得出结论：”数据不支持人类寿命存在有限上限。”然而，即使他们也发现，任何人在未来25年内活过128岁的几率微乎其微，这是一个事实上的极限，即使不是数学上的极限。 数据质量派由纽曼领导，认为许多超级百岁老人记录不可靠。纽曼追踪了大约80%被记录为110岁以上的人，发现”几乎没有一个人有出生证明”。极端年龄记录显示集中在5和10的倍数上，这是人口数据质量的基本危险信号。纽曼的早期研究获得了2024年搞笑诺贝尔奖，表明所谓的长寿热点地区（冲绳、撒丁岛等）恰好与记录保存不佳和养老金欺诈的地区重合。 辩论的现状 2026年的通讯明确表明，米尔霍兰、董和维吉拒绝”硬性极限”的框架。这三位作者此前曾将他们的极限描述为”有效极限”，，生存几率变得微乎其微的年龄（arXiv:1803.04024， 2018），，而不是一个数学上的上限。 在实践中，辩论双方的分歧少于共识。无论极限被表述为不可逾越的上限（董等人的批评者）还是有效的实际界限（董等人后来的措辞），经验现实是相同的：在经核实的记录中，没有人类活过122岁，人口数据表明，在目前的生物学条件下，超过约125岁仍然极其不可能。分歧在于这种不可能性反映的是基本的生物学限制，还是仅仅反映了当前数据和样本量的局限性。 这篇发表在《自然》第655卷第540页（2026年）的通讯很短，只有两段，但它重申了作者们捍卫了十年的立场。”所有现有证据，”他们写道，”支持人类最长寿命约为125年。” Sources 1. Nature, “How long can humans live? All evidence points to a maximum of 125 years” […]

2026年6月19日，新西兰的野生动物兽医们收到了他们一直担心消息。高致病性H5N1（分支2.3.4.4b）已在西澳大利亚海滩上的一只棕贼鸥中得到确认。数周内，沿澳大利亚南部海岸约3000公里的范围内，另有六只鸟（包括数只巨鹱）检测结果呈阳性。 对于新西兰来说，其特有鸟类区系是在没有哺乳动物捕食者和对高致病性禽流感没有天然免疫力的情况下进化而来的，因此在塔斯曼海对岸的迁徙海鸟中检测到病毒是一种生存威胁。政府的环保部（DOC）启动了针对五种极度濒危物种的紧急疫苗接种计划，这是野生鸟类种群中首个如此规模的计划。 濒危物种 目标物种为五种各自存活个体不足500只的物种： | 物种 | 种群状况 | 主要挑战 | |———|——————-|—————| | 鸮鹦鹉 | 约325只（成鸟235只，幼鸟约90只） | 不会飞，夜行性，无法人工繁殖；生活在偏远的无捕食者岛屿上 | | 南秧鸟 | <500 | 不会飞的秧鸡，紫蓝色羽毛 | | 黑长脚鹬 | <500 | 试验中抗体水平在3个月后下降，需要定制方案 | | 橙额鹦鹉 | <500 | 用作试验替代物种 | | 查岛鸻 | <500 | 在离岛发现 | 目标是接种五种物种中约300只核心繁殖鸟，创建DOC所称的”保险种群”，，足够大，以便在H5N1严重爆发时拯救和恢复每个物种。 疫苗 使用的工具是硕腾公司生产的名为Poulvac Flufend RG的H5N2灭活疫苗，最初是为家禽开发的。它含有灭活的低致病性病毒，不会引起疾病。鸟类接受两剂接种，间隔一个月。DOC使用的是2024-2025年试验过的改良配方，当时每种约10只鸟接受了两次接种，除黑长脚鹬需要不同接种计划外，其余鸟只维持了至少六个月的抗体高水平。 物流挑战十分艰巨。鸮鹦鹉无法人工繁殖，生活在只有直升机才能到达的偏远离岛上。每只鸟都佩戴无线电发射器，但它们伪装极好，且能爬上40米高的树木。研究人员可能需要等到第二天才能捕捉到特定个体。迁徙海鸟（棕贼鸥、巨鹱）在夏季造访这些岛屿，如果受感染的海鸟进入鸮鹦鹉的巢穴，这种鹦鹉会用喙和爪进行自卫，从而增加其暴露风险。 “无法进行有效性挑战试验，”负责该计划的高级科学顾问兼野生动物兽医凯特·麦金尼斯博士在DOC的规划文件中指出。由于这些物种过于稀有，无法冒险让它们接触活病毒，该计划依靠血液抗体水平作为保护的替代指标。 全球先例 […]

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