盘点2018年十大新兴技术：人体变成“制药工厂”(4)

为了避免这种可怕的前景，有研究人员开发出一种开关，在基因驱动起作用之前，必须通过传递某种特定物质来开启开关。与此同时，多组科学家正在研究通过基因驱动测试的每个阶段来指导进展的规程。例如，在2016年，美国国家科学、工程和医学科学院审查了这项研究，并对负责任的做法提出了建议。2018年，一个大型的国际工作小组制定了一份路线图，监督实验室的研究。

除了限制这项技术本身的风险之外，许多调查人员还希望避免可能导致公众或政策反弹的事故和失误。麻省理工学院的凯文·艾斯维尔特(Kevin M. Esvelt)和新西兰奥塔哥大学的尼尔·格默尔(Neil J. Gemmell)在2017年发表了论文，对基因驱动在消灭害虫哺乳动物方面的潜在用途表示担心，他们认为单次国际性事件可能会让研究工作倒退10年或更长时间。他们预测：“仅就疟疾而言，这种延迟的代价可能需要用数百万本来可以避免的死亡来衡量。”

9.等离子体材料

2007年，加州理工学院的哈里·阿特沃特(Harry a . Atwater)曾撰文预测，所谓的“等离子体”(plasmonics)技术最终可能会被投入到一系列应用中，从高度敏感的生物探测器到隐形斗篷。十年后，各种等离子体技术已经成为商业现实，其他技术也正在从实验室向市场过渡。这些技术都依赖于控制电磁场和金属(通常是金或银)中自由电子之间的相互作用，自由电子决定了金属的导电性和光学性能。金属表面的自由电子在受到光线照射时集体振荡，形成所谓的表面等离子体。

当一块金属很大时，自由电子会反射击中它们的光线，使材料发光。但是当一种金属只有几纳米时，它的自由电子就被限制在非常小的空间里，从而限制了它们振动的频率。振荡的特定频率取决于金属纳米颗粒的大小。在一种称为共振的现象中，等离子体只吸收与等离子体本身以相同频率振荡的入射光的一部分。这种表面等离子体共振可用于制造纳米天线、高效太阳能电池和其他有用的设备。

等离子体材料的研究应用最广泛的领域之一是用于检测化学和生物试剂的传感器。在一种方法中，研究人员将一种等离子体纳米材料包裹上一种物质，这种物质与一种有趣的分子（比如细菌毒素）结合在一起。在没有毒素的情况下，照射在材料上的光线会以特定的角度重新发射出来。但如果毒素存在，它会改变表面等离子体的频率，从而改变反射光的角度。这种效果可以非常精确地测量甚至检测到微量的毒素。

几家初创公司正在开发基于这一技术和相关方法的产品，其中包括一种电池内部传感器，可以监测电池的活动，以帮助提高功率密度和充电率。此外，还有一种能够区分病毒和细菌感染的设备。等离子体也被用于研究磁盘上的磁存储器。例如，热辅助磁记录设备通过在写入时瞬间加热磁盘上的小点来增加内存存储。在医学领域，光激活纳米颗粒正在临床试验中测试其治疗癌症的能力。纳米颗粒被注入血液，然后聚集在肿瘤内。接着，使用与表面等离子体相同频率的光照射其上，使粒子通过共振产生热量。热量有选择地杀死肿瘤中的癌细胞，但却不会伤害周围的健康组织。

当新的公司开始利用等离子体技术时，他们需要确保自己的产品价格合理、可靠、坚固、易于大规模生产和与其他部件集成。尽管面临这些挑战，前景还是光明的。“超材料”（等离子体产生不寻常的光学效应的合成纳米材料）的出现使等离子体研究人员能够使用除金银以外的材料，如石墨烯和半导体。来自Future Market Insights的一项分析预测，仅等离子体传感器应用的北美市场价值就将从2017年的近2.5亿美元增至2027年的近4.7亿美元。

10.量子计算机算法

得益于在硬件和算法上取得的进展，量子计算机在几年内就能赶上甚至超过传统计算机。量子计算机利用量子力学进行计算。它们的基本计算单位——量子位，类似于标准位(0或1)，但它是在两个计算量子态之间的量子叠加：它可以是零，也可以是1。这种性质，加上另一种独特的量子特性——纠缠，可以使量子计算机比任何传统计算机更有效地解决某些类型的问题。

这项技术虽然令人兴奋，但却是出了名的进展困难。举例来说，一个被称为退相干（decoherence）的过程可以破坏它的功能。研究人员已经确定，拥有几千量子位元的严格控制的量子计算机可以通过被称为量子误差修正的技术来承受退相干效应的影响。但迄今为止，实验室所展示的最大量子计算机也仅包含数十个量子位。这些被加州理工学院的约翰·普瑞斯基尔(John Preskill)命名为“噪声中等规模的量子计算机”(NISQ)，目前还不能执行错误校正。然而，大量专门为NISQs编写的算法研究，可能使这些设备能够比传统计算机更有效地执行某些计算。

世界各地用户对NISQ的访问增加，极大地促进了这一进展，使越来越多的学术研究人员能够为这种机器开发和测试小型版本的程序。一个专注于量子软件不同方面的初创公司生态系统也正在蓬勃发展。研究人员在两种用于NISQ的算法中看到了特别光明的前景，即模拟算法和机器学习算法。1982年，传奇理论物理学家理查德·费曼（Richard Feynman）提出，量子计算机最强大的应用之一将是模拟自然本身——原子、分子和材料。

许多研究人员已经开发出算法来模拟NISQ设备上的分子和材料(以及未来完全纠正错误的量子计算机)。这些算法可以提高从能源到健康科学等领域的新材料设计。开发人员还在评估量子计算机是否更擅长机器学习任务，即计算机从大数据集或经验中学习。快速增长的NISQ设备测试算法已经表明，量子计算机确实可以促进机器学习任务。

至少有三个研究小组独立报告了机器学习方法的量子版本的开发进展，这种方法被称为生成对抗性网络(GANs)，在过去的几年里，它已经在机器学习领域掀起了一场风暴。尽管许多算法似乎在现有的NISQ机器上运行得很好，但还没有人能给出正式的证明，证明它们比在传统计算机上执行的算法更强大。这些证明是困难的，可能需要几年的时间才能完成。在接下来的几年里，研究人员很可能会开发出更大、更可控的NISQ设备，然后是具有数千个物理量子位的完全错误校正机器。NISQ的算法应该足够高效，能够超越最先进的传统计算机。（小小）

相关报道: