2018年09月28日 | 人工智能（AI）将大大加快创新药物和材料的发现

据科学美国人杂志报道，在不久的将来，人工智能（AI）将大大加快创新药物和材料的发现。先进的诊断工具将使越来越个性化的医学成为可能。增强现实（AR）将无处不在，将信息和动画叠加在真实世界的图像上，帮助我们处理日常任务，并帮助行业更有效地运作。如果你生病了，医生可以在身体里植入活细胞，让你的身体变成“药物工厂”，治疗你的疾病。你会吃到用干细胞培育的人造牛肉、鸡肉和鱼类，大大减少畜牧业对环境的影响。

这些改变世界的想法以及构成今年“十大新兴技术”的其他创意，都是由生物、无机化学、机器人和AI等领域的顶尖专家选出的。被选中的技术必须能在未来三五年内为社会和经济提供重大帮助，必须具有潜在颠覆性，能够改变行业或既定的行事方式。但它们必须处于相对早期的开发阶段，还没有被广泛使用。

1.AR技术无处不在

VR（虚拟现实）技术能让人沉浸在虚构孤立的宇宙中。相比之下，AR则是将计算机生成的信息实时叠加在现实世界中。当你戴着装备有AR软件和摄像头的设备时，无论是智能手机、平板电脑、头盔亦或是智能眼镜，程序会分析传入的视频流，下载大量关于场景的信息，并将相关数据、图像或动画以3D的形式叠加在上面。

众多的消费应用（包括那些为外国游客翻译路标、使学生虚拟解剖青蛙、让消费者看到椅子在起居室中的虚拟效果）已经具备AR功能，比如帮助你的汽车安全备份的显示器和流行游戏Pokemon GO。在不久的将来，这项技术将使博物馆爱好者召唤出类似全息图的导游，外科医生将病人皮肤下的组织以3D的方式可视化，建筑师和设计师以新颖的方式进行创作，无人机操作员通过增强图像控制远程机器人，新手在医药、工厂维护等领域迅速了解新任务。

在未来几年，易于使用的应用程序设计软件应该能扩大消费产品种类。不过，目前的AR在工业领域的影响最大，它是工业4.0的一个组成部分。“工业4.0”是指通过将物理和数字系统集成，以提高质量、降低成本和提高效率的方式，对制造业进行系统性的转型。例如，许多公司正在生产线上使用。AR可以在需要的时候提供正确的信息，从而减少错误，提高效率和提高生产力。它还可以将设备中的压力可视化，并创建问题所在的实时图像。

ABI Research、IDC和Digi-Capital等市场分析机构认为，AR技术即将成为主流。他们预计到2020年，AR的总市场价值(目前约15亿美元)将增长到1000亿美元。包括苹果、谷歌和微软在内的科技巨头都在为开发AR/VR产品及其应用投入大量财力和人力资源。风险投资也开始源源不断，2017年AR和VR吸引的投资为30亿美元。《哈佛商业评论》最近强调，AR技术是一项革命性的技术，将影响所有企业。

不过挑战依然存在。目前，硬件和通信带宽的限制给消费者的日常使用带来了障碍。例如，许多现有使用AR技术来增强体验的博物馆和旅行应用必须提前下载。即便如此，图形质量也可能无法满足用户的期望。但随着价格更便宜、速度更快的AR移动芯片的出现，更多的多功能智能眼镜进入市场。AR将加入互联网和实时视频行列，成为我们日常生活中的常态技术。

2.个性化医疗的先进诊断

患乳腺癌妇女的治疗变得更加个性化。乳腺癌现在被分为不同的亚型，可以进行相应的治疗。例如，许多肿瘤产生雌激素受体的女性，可能会接受专门针对这些受体的药物以及标准的术后化疗。今年，研究人员发现，有相当一部分患者的肿瘤具有表明它们可以安全放弃化疗的特征，并避免通常引发的严重副作用。

盘点2018年十大新兴技术：人体变成“制药工厂”

诊断工具的进步加速了许多疾病的个性化或精确治疗的发展。这些技术可以帮助医生检测和量化多种生物标志物(标示疾病存在的分子)，将患者分成不同的亚组，这些亚组在对疾病的易感性、预后或对特定治疗的反应可能性方面存在差异。早期的分子诊断工具着眼于单个分子，例如糖尿病患者的葡萄糖。

然而，在过去的十年里，“组学”（omics）技术取得了巨大的进步，能够快速、可靠、廉价地对个人的整个基因组测序，或者测量体液或组织样本中所有蛋白质(蛋白质组)、代谢副产物(代谢组)或微生物(微生物组)的水平。该技术的常规应用同时开始产生巨大的数据集，AI可以挖掘这些数据集，以发现对临床有用的新的生物标记。这种高通量组学技术与AI相结合，正在引领先进诊断技术的新时代，这将改变人们对许多疾病的理解和治疗，使医生能够根据单个患者的分子特征定制治疗方法。

有些先进的诊断技术已经应用于癌症。比如Oncotype DX可检查21个基因，许多乳腺癌患者可以据此避免化疗。FoundationOne CDx可以检测实体肿瘤中300多个基因的基因突变，并指出特定的基因靶向药物可能对特定患者有用。除了癌症，还有一种令人兴奋的方法可以应用于子宫内膜异位症。这是一种令人痛苦的疾病，子宫组织在不属于它的地方生长，诊断过程通常也需要手术。而来自DotLabs基于唾液的无创检测方式可以通过测量名为microRNAs的小分子，来识别子宫内膜异位症。

目前，通过临床医生对症状的主观评估来诊断的大脑紊乱，如自闭症、帕金森症和阿尔茨海默症，血液测试正在开发中。研究人员甚至在探索是否能对整个基因组进行测序，分析微生物群落，测量健康人体内数百种蛋白质和代谢物的水平，从而为这些人如何预防疾病提供个性化的指导。

需要提醒的是，医疗机构和使用这种诊断工具的研究人员，必须严格执行保护病人隐私的保障措施。此外，还需要明确的管理准则，以一致的方式评估生物标志物作为诊断工具的价值。这些指导将加速将新的生物标志物引入医疗实践。即便如此，先进的诊断技术已经开始瓦解诊断和治疗疾病的标准。通过引导病人接受最有效的治疗，他们甚至可以减少医疗支出。将来，许多人可能会拥有生物标记数据的个人云，随着时间的推移，这些数据将积累起来，并帮助提供个性化治疗。

3.分子设计AI

想要设计新的太阳能材料、抗癌药物或者能阻止病毒攻击农作物的化合物吗？首先，你必须解决两大挑战：为这种化合物找到正确的化学结构，以及确定哪些化学反应将正确的原子连接到所需的分子或分子组合中。这个过程非常耗时，并且涉及许多失败的尝试。例如，某个综合计划可以有数百个单独的步骤，其中许多步骤会产生副反应或副产品，或者根本不起作用。然而现在，AI开始提高设计和合成的效率，使这个过程变得更快、更容易、更便宜，同时减少化学废物。

在AI中，机器学习算法分析所有已知的过去实验，这些实验试图发现并合成感兴趣的物质。基于它们所识别的模式，这些算法可以预测潜在有用的新分子结构以及制造它们的可能方法。没有任何单独的机器学习工具可以在按下按钮时就能完成所有这些工作，但AI技术正在迅速进入药物分子和材料的现实设计世界。

举例来说，德国明斯特大学的研究人员开发了一种AI工具，它可以反复模拟已知的1240万个单步化学反应，并以比人类快30倍的速度设计出多步合成路线。在制药领域，基于AI的“生成机器学习”技术也令人兴奋。大多数制药公司储存了数以百万计的化合物，并对它们进行筛选，以确定其作为新药的潜力。但是，即使有了机器人技术和实验室自动化工具，这种筛选过程也是缓慢的，而且产生的结果也相对较少。

此外，这些“库”只包括理论上可能存在的超过1030个分子中的一小部分。利用描述已知药物(和候选药物)的化学结构及其特性的数据集，机器学习工具可以构建具有相似的、可能更有用特性的新化合物的虚拟库。这种能力正开始显著加速药物潜力的识别。近100家初创企业已经在探索用AI发现药物，比如Insilico Medicine、Kebotix以及BenevolentAI，后者最近筹集了1.15亿美元资金，将其AI技术应用于运动神经元疾病、帕金森氏症和其他难以治疗的疾病的药物研发中。

BenevolentAI将AI应用于整个药物开发过程，从新分子的发现到临床试验的设计和分析，旨在人类身上证明安全性和有效性。在材料领域，Citrine Informatics等企业正在采用与制药企业类似的方法，并与BASF和松下等大公司合作，以加速创新。美国政府也在支持AI设计的研究。自2011年以来，美国已在材料基因组计划(Materials Genome Initiative)上投资逾2.5亿美元。该计划正在建立包括AI和其他计算方法在内的基础设施，以加速先进材料的开发。

过去的经验告诉我们，新材料和化学品可能对健康和安全造成不可预见的风险。幸运的是，AI方法应该能够预测并减少这些不良结果。这些技术似乎可以显著提高新分子和新材料被发现并投入市场的速度和功效。在市场上，它们可能提供诸如改善医疗和农业、更大程度地节约资源、提高可再生能源生产和储存等好处。

4.可辩论和提供指导的AI

如今的数字助手有时会欺骗你，让你相信它们是人类，但更强大的数字助手正在到来。Siri、Alexa等使用复杂的语音识别软件来识别你的请求和如何提供相应信息，它们会生成听起来很自然的语音，给出符合你问题的脚本答案。这样的系统首先必须经过“训练”，而且适当的响应必须由人类编写并组织成高度结构化的数据格式。这项工作非常耗时，而且会导致数字助手在执行任务时受到限制。这些系统可以“学习”但程度有限。即便如此，它们仍然令人印象深刻。

在复杂性更高的层次，技术正在开发中，以便让下一代数字助手来吸收和组织更多的非结构化数据(原始文本、视频、图片、音频、电子邮件等)，然后自动组成有说服力的建议或充当辩论对手，应对它们从未被训练过的问题。我们已经在许多提供聊天机器人的网站上看到这种功能，这些聊天机器人可以用自然语言回答问题，涵盖了他们训练过的各种数据集。

这些聊天机器人在特定问题或请求方面需要相对较少或根本不需要培训，它们结合了预先配置的数据和“读取”提供给它们的相关背景材料的紧急能力。然而，在做出高度准确的反应之前，它们确实需要些识别语言和意图的训练。

今年6月，IBM展示了一种更先进的技术：一个系统与人类专家进行了实时辩论，但事先没有就辩论主题接受过培训。使用非结构化数据(包括来自维基百科的内容)，该系统必须确定信息的相关性和准确性，并将其组织为可重用资产，它可以调用该资产来形成一致的论据，以支持自己的论点。它还必须回应人类对手的论点。该系统在演示过程中进行了两场辩论，许多观众甚至认为它的论点更具说服力。

这项技术是在五年多的时间里开发出来的，它包括了一种软件，不仅能理解自然语言，还能应对检测积极和消极情绪。然而，非脚本AI系统对公认的人类专家的胜利打开了无数相关应用的大门，这些应用可能在未来三到五年甚至更短的时间内出现。例如，这样的系统可以帮助医生迅速找到与复杂病例相关的研究，然后讨论给定治疗方案的优点。这些智能系统将只对组合现有知识有用，而不是像实验室科学家或专家那样创造知识。尽管如此，随着机器变得越来越智能，它们还是增加了失业担忧。

5.植入式制药细胞

许多糖尿病患者每天会刺几次手指来测量血糖水平，并决定他们需要的胰岛素剂量。通常在体内制造胰岛素的胰脏细胞植入物，也就是所谓的胰岛细胞，会取代这个繁琐的过程。同样，细胞植入物可以改变其他疾病的治疗，包括癌症、心力衰竭、血友病、青光眼和帕金森氏症。但是细胞植入有个缺点，即接受者必须无限期地服用免疫抑制剂来防止免疫系统的排斥反应。这类药物会导致严重的副作用，包括增加感染或恶性肿瘤的风险。

几十年来，科学家们发明了一种方法，将细胞包裹在半透性的保护膜中，防止免疫系统攻击植入的细胞。这些胶囊仍然允许营养物质和其他小分子流入，需要激素或其他治疗蛋白流出。然而，不让这些细胞受到伤害是不够的，如果免疫系统认为这种保护性物质本身是外来的，它将导致疤痕组织在胶囊上生长。这种“纤维化”会阻止营养物质到达细胞，从而杀死它们。

现在研究人员开始解决“纤维化”挑战。例如，2016年，麻省理工学院的研究人员发现了新方法，可以使植入物对免疫系统不可见。在生产和筛选了数百种材料后，研究人员确定了一种名为藻酸盐的凝胶化学物质，它在人体中有很长的安全使用历史。当他们将这种凝胶中的胰岛细胞植入糖尿病小鼠体内时，它们会立即释放胰岛素，以应对血糖水平的变化，在6个月的研究过程中成功控制了血糖水平，未见纤维化。在另一项研究中，研究人员后来报告说，在巨噬细胞上阻断一个特定的分子可以抑制瘢痕形成，巨噬细胞是重要的纤维化免疫细胞，添加这种阻滞剂可以进一步提高植入物的存活率。

现在已经有公司专门开发封装细胞疗法。其中Sigilon Therapeutics公司正在推进麻省理工学院开发的用于糖尿病、血友病等代谢紊乱疾病的治疗技术。美国礼来制药公司(Eli Lilly)正与Sigilon合作开展糖尿病研究。此外，Semma Therapeutics公司也在使用自己的技术关注糖尿病，Neurotech Pharmaceuticals公司在青光眼和各种以视网膜变性为特征的眼部疾病的临床试验中植入了植入物，Living Cell Technologies公司则在进行帕金森氏症植入物的临床试验，并正在开发其他神经退行性疾病的治疗方法。

如今，被整合到胶囊中的细胞是从动物或人类尸体中提取的，或者是从人类干细胞中提取的。将来，植入性细胞疗法可能会包含更广泛的细胞类型，包括通过合成生物技术改造而成的细胞，这些生物技术可以重组细胞的遗传基因，使其执行新的功能，比如控制特定药物分子按需释放到组织中。封装细胞疗法的安全性和有效性都没有在大型临床试验中得到证实，但这些迹象令人鼓舞。

6.人造肉

想象一下，你咬下多汁牛肉汉堡的感觉，而它却是在不杀死动物的情况下制作而成的。利用实验室里的细胞培育出来的肉正在把这种设想变成现实。多家初创企业正在开发实验室培育的牛肉、猪肉、家禽和海鲜，其中包括Mosa Meat、Memphis Meats、SuperMeat以及Finless Foods等公司。这个领域正在吸引大量资金。例如，在2017年，Memphis Meats从比尔·盖茨(Bill Gates)和农业公司Cargill处获得了1700万美元投资。

如果被广泛采用，人造肉可以消除许多残忍的、不道德的屠杀动物的行为。它还可以减少肉类生产的可观环境成本。只需要生产和维持培养的细胞，而不需要从出生起就维持整个生物体。这种肉是先从动物身上提取肌肉样本制成的。技术人员从组织中收集干细胞，让它们进行增殖，并且分化成原始纤维，然后膨胀成肌肉组织。Mosa Meat公司说，从一头牛身上提取的一份组织样本可以产生足够多的肌肉组织。

许多初创企业表示，它们预计未来几年将有产品出售。但是，人造肉要想在商业上可行，就必须克服许多障碍，包括成本和味道。2013年，当记者们看到人造肉制作的汉堡时，肉饼的制作成本超过30万美元，而且过于干燥(因为脂肪太少)。自那以后，费用已经大幅下降。Memphis Meats今年报告称，113克重的绞碎人造牛肉价格约为600美元。考虑到这一趋势，人造肉可能在几年内成为传统肉类的竞争对手。更加注意质地，并补充其他成分可以解决口味问题。

为了获得市场的批准，人造肉必须被证明是安全的。虽然没有理由认为实验室生产的肉类会对健康造成危害，但FDA直到现在才开始考虑如何对其进行监管。与此同时，传统的肉类生产商正在反击，他们辩称人造肉根本不是肉类，不应该被贴上肉类标签。调查显示，公众对食用人造肉兴趣不大。尽管面临这些挑战，人造肉公司仍在稳步前进。如果他们能成功地制造出价格实惠、口味纯正的产品，人造肉就能使我们的日常饮食习惯更加符合伦理和环境可持续性发展标准。

7.电休克疗法

电休克疗法在医学上有着悠久的历史，比如心脏起搏器、耳蜗植入和帕金森病的大脑深层刺激。其中一种治疗方法将变得更加多样化，显著改善对多种疾病的治疗。它包括向迷走神经传递信号，将脑干的脉冲发送给大多数器官，然后再返回。迷走神经刺激(VNS)的新用途已经成为可能，部分原因是范因斯坦医学研究院的凯文·特蕾西(Kevin Tracey)等人的研究表明，迷走神经释放出有助于调节免疫系统的化学物质。例如，在脾脏释放的特定神经递质，就会使全身炎症的免疫细胞安静下来。

这些研究结果表明，VNS可能对自身免疫和炎症条件等电信号紊乱的疾病有益。对于那些患有这些疾病的患者来说，这可能是个福音，因为现有的药物常常会失效或导致严重的副作用。VNS可能更容易耐受，因为它作用于特定的神经，而药物通常在全身传播，会潜在地扰乱治疗目标以外的组织。

迄今为止，有关炎症相关应用的研究令人鼓舞。由SetPoint Medical公司开发的VNS设备在早期的人体试验中已经证明是安全的，用于治疗风湿性关节炎和克罗恩病(Crohn’s)。目前正在对这两项技术进行更多的试验。电休克疗法也被用于治疗其他具有炎症成分的疾病，如心血管疾病、代谢失调和痴呆，以及狼疮等自身免疫性疾病。在这种疾病中，迷走神经本身变得不活跃。

防止移植组织的免疫排斥是另一项潜在应用。大多数迷走神经刺激器，包括SetPoint的设备和那些已经用于治疗癫痫和抑郁症的设备，都属于植入物。医生通常把这个装置放在锁骨下的皮肤下面。植入物的导线缠绕在迷走神经的一个分支上，并以预设的间隔向它传送电脉冲，频率和其他性能通过外部磁棒编程控制。如今的植入物直径约为1.5英寸，但随着时间的推移，预计会变得更小，可编程性更强。

旨在缓解丛集性头痛和偏头痛的无创手持式迷走神经刺激器最近也获得了FDA的批准，尽管尚不清楚迷走神经刺激究竟是如何帮助这些症状的。这种手持设备通过颈部皮肤或耳朵向神经传递温和的电刺激。迷走神经并不是唯一一个被新型电疗法治疗的目标。在2017年底，FDA批准了一种非植入装置，可以通过耳后皮肤向颅枕神经和枕神经的分支发送信号，从而缓解阿片类药物的戒断反应。在73名阿片类药物戒断患者症状严重程度降低31%或更高之后，该设备获得了FDA的认可。

植入物和手术的成本可能会阻碍VNS疗法的广泛应用，但随着该技术的侵入性降低，这一问题应该会得到缓解。但成本并不是唯一的挑战。研究人员仍然需要了解更多关于迷走神经刺激在每种情况下是如何产生效果的，以及如何最好地确定个体患者的最佳刺激模式。此外，他们还需要研究迷走神经的脉冲是否会以不受欢迎的方式影响周围的神经。然而，随着更多的研究和试验检验其机制和效果，VNS和其他的电子疗法最终可能更好地治疗广泛的慢性疾病，潜在地减少数百万患者的用药需求。

8.基因驱动

可以永久性地改变某个种群甚至整个物种特征的基因驱动技术正在迅速进步。所谓基因驱动是指基因元素从父母传给后代的数量异常高，从而在种群中迅速传播。基因驱动是自然发生的，但也可以被改造，这样做在很多方面对人类来说都是一种恩惠。这项技术有潜力阻止昆虫传播疟疾和其他可怕的感染，通过改造攻击植物的害虫提高作物产量，使珊瑚对环境压力产生抵抗力，并防止入侵植物和动物破坏生态系统。

然而，研究人员深切地意识到，改变甚至消灭某个物种可能会产生深远的后果。作为回应，他们正在制定规则来管理基因驱动被从实验室应用到现场测试和更广泛的使用中。几十年来，研究人员一直在考虑如何利用基因驱动来对抗疾病和其他问题。近年来，CRISPR基因编辑技术的引入使得将遗传物质插入染色体上的特定位置变得更加容易，从而推动了这项研究的快速发展。

2015年，几篇论文报道了基于CRISPR的基因驱动在酵母、果蝇和蚊子中的成功传播。一项演示通过蚊子种群驱动了对疟原虫的抗性基因，理论上这应该会限制疟原虫的传播。另一项研究干扰了另一种蚊子的雌性生殖能力。今年，一种CRISPR基因驱动系统在老鼠身上进行了试验，试图操纵它们的皮毛颜色。这种方法只对雌性有效。即便如此，研究结果也支持了这样一种可能性，即这项技术可能有助于消灭或改变侵入性小鼠或其他哺乳动物的种群，这些种群会威胁到农作物、野生动物或传播疾病。

美国国防高级研究计划局(DARPA)对这项技术充满热情，它投入了1亿美元用于基因驱动研究，旨在对抗蚊子传播的疾病和入侵啮齿类动物。比尔和梅林达·盖茨基金会(Bill & Melinda Gates Foundation)也向一个研究疟疾基因驱动的研究财团投资了7500万美元。尽管前景光明，但基因驱动还是引起了很多担忧。它们会无意中跳到其他野生物种并破坏它们吗？从生态系统中淘汰选定物种的风险是什么？恶毒势力会不会把基因驱动当作武器来干扰农业？

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。