編者按
自2001年起，MIT Technology Review 每年都會評選出年度“全球十大突破性技術(shù)”，不少在當年嶄露頭角的技術(shù)，如今已經(jīng)深刻地改變了我們的生活，推動了人類社會的進步。2022年2月23日，MIT Technology Review 評選出的年度“全球十大突破性技術(shù)”包括：終結(jié)口令、新冠變異追蹤、長時電網(wǎng)儲能電池、新冠口服藥和除碳工廠等。這些上榜的科學技術(shù)突破代表了當前時代科技的發(fā)展前沿和未來方向，為了讓廣大讀者深入了解這些突破性技術(shù)的科學價值及其背后的科學故事，《中國科學基金》編輯部特邀請各領(lǐng)域著名科學家對“十大突破性技術(shù)”中的九項分別進行深入解讀,推進科技資源科普化，構(gòu)建科學普及與科技創(chuàng)新“兩翼齊飛”新格局。
終結(jié)口令
The end of passwords
20世紀60年代，口令（Password，坊間稱為“密碼”）最早被圖靈獎得主費爾南多·科爾巴托教授用于大型機的本地文件訪問控制。20世紀90年代，互聯(lián)網(wǎng)開始進入千家萬戶，口令也在互聯(lián)網(wǎng)世界得到廣泛應用。隨著用戶網(wǎng)絡(luò)賬號的增多，用戶為了方便記憶，傾向使用流行口令、在口令中使用個人信息、在多個賬號重用口令，導致嚴重的安全隱患。自2000年以來，數(shù)以百計的新型身份認證方案陸續(xù)被提出。其中，無口令（Passwordless）方案近年來受到企業(yè)的青睞，比如谷歌、蘋果、微軟等公司，都為用戶提供了無需輸入口令就能登錄應用和服務(wù)的身份認證方案。在無口令身份認證方案中，要么用戶擁有一部帶攝像頭或指紋識別器的移動設(shè)備，并安裝相應的身份認證應用程序；要么用戶擁有專門的硬件設(shè)備（如U盾)，以存儲身份認證所需的密鑰及算法參數(shù)。當前無口令身份認證方案仍在初級階段，面臨可擴展性低、部署成本高和隱私泄漏等挑戰(zhàn)，這些問題亟待解決。在可預見的未來，口令將仍是最主要的身份認證方法，無口令方案可能會使普通用戶對口令的直接接觸變少，但口令仍在幕后保護著我們的網(wǎng)絡(luò)與信息安全
專家點評
汪 定
南開大學網(wǎng)絡(luò)空間安全學院教授、密碼科學與技術(shù)系主任，天津市網(wǎng)絡(luò)與數(shù)據(jù)安全技術(shù)重點實驗室副主任，研究方向為數(shù)字身份安全。以第一作者（或通訊作者）在IEEE Symposium on Security and Privacy、IEEE Transactions on Dependable and Secure Computing 等刊物發(fā)表論文80余篇。研究工作引起美國身份認證標準NIST SP800-63-3的修改。獲教育部自然科學獎一等獎、中國計算機學會（CCF）優(yōu)秀博士學位論文獎、ACM中國優(yōu)秀博士論文獎、中國密碼學會優(yōu)秀青年獎。
陳曉峰
西安電子科技大學網(wǎng)絡(luò)與信息安全學院教授，國家高層次人才，互聯(lián)網(wǎng)基金會網(wǎng)絡(luò)安全優(yōu)秀教師。主要研究領(lǐng)域為密碼學和云計算安全，已在重要國際會議和期刊發(fā)表學術(shù)論文200余篇。擔任IEEE Transactions on Dependable and Secure Computing、IEEE Transactions on Knowledge and Data Engineering 等著名國際期刊的編輯，Asia Conference on Computer and Communications Security 2016、International Conference on Network and System Security 2014 等多個國際會議的大會主席。獲2019年度教育部自然科學獎二等獎、2016年中國密碼學會密碼創(chuàng)新獎。
馬建峰
西安電子科技大學網(wǎng)絡(luò)與信息安全學院教授，國家高層次人才，互聯(lián)網(wǎng)基金會網(wǎng)絡(luò)安全優(yōu)秀人才，“網(wǎng)絡(luò)與信息安全”教育部創(chuàng)新團隊帶頭人，陜西省“網(wǎng)絡(luò)與信息安全”三秦學者創(chuàng)新團隊帶頭人。歷任西安電子科技大學計算機學院院長、網(wǎng)絡(luò)空間安全學部主任。擔任國務(wù)院學位委員會“網(wǎng)絡(luò)空間安全”學科評議組成員、陜西省網(wǎng)絡(luò)安全與信息化專家咨詢委員會副主任。曾以第一完成人身份獲得國家技術(shù)發(fā)明獎二等獎兩次。
身份認證是保障網(wǎng)絡(luò)安全的第一道防線，口令（Password，坊間稱為“密碼”）是最常用的身份認證方法。近年來頻頻發(fā)生的大規(guī)?？诹钚孤妒录瑸楹诳秃筒环ǚ肿悠平庥脩舻馁~號口令提供了源源不斷的素材，引起人們對口令安全性的擔憂。在這一背景下，美國Okta 和 Duo等面向企業(yè)用戶的公司，微軟和谷歌等面向個人用戶的公司，都為用戶提供了無需輸入口令就能登錄應用和服務(wù)的身份認證方案，引起社會廣泛關(guān)注，并入選此次MIT Technology Review“十大突破性技術(shù)”。
實際上，這是“終結(jié)口令”的第二次浪潮?？诹钭钤缭?0世紀60年代開始在大型機上使用[1]，設(shè)計初衷是用來控制大型計算機上本地文件的訪問權(quán)限，避免分時操作系統(tǒng)的時間片濫用問題。20世紀90年代以來，互聯(lián)網(wǎng)服務(wù)（如電子郵件、電子商務(wù)、社交網(wǎng)絡(luò)）蓬勃發(fā)展，口令成為互聯(lián)網(wǎng)世界里保護用戶信息安全的最主要手段之一。隨著用戶的口令賬號越來越多，為方便記憶，用戶傾向使用流行口令、在口令中使用個人信息（如姓名、生日）、在多個賬號間直接重用或簡單修改后重用口令，導致嚴重的安全隱患[2,3]。另一方面，攻擊者的計算能力不斷增強。在這一背景下，自2000年開始，數(shù)以百計的新型身份認證方案陸續(xù)被提出。
早在2004年，時任微軟董事長的比爾·蓋茨就對外宣稱微軟將不再使用口令[4]，掀起了“終結(jié)口令”的第一次浪潮。微軟與當時世界最大的安全公司RSA合作開發(fā)了一種名為SecurID的技術(shù)，這種技術(shù)本質(zhì)上是一種“硬件設(shè)備 驗證碼”的雙因子認證。與此同時，微軟也開發(fā)了一種名為“tamper-resistant”的生物ID卡識別技術(shù)，本質(zhì)是一種“生物特征 硬件設(shè)備”的雙因素認證。隨后，學術(shù)界也陸續(xù)指出了“安全的口令記不住，能記住的口令不安全”等問題，提出了數(shù)以百計的各類新型身份認證方法，如基于各類基于生物特征、行為特征的認證，基于圖形口令的認證和單點登錄[5]等。
出乎意料的是，始于2004年的這波“終結(jié)口令”的浪潮，到2009年左右逐漸悄無聲息地消失了，口令的地位不僅沒有被撼動，反而得到了更廣泛的應用。用戶平均擁有的賬號口令數(shù)量，也從2007年的25個增長到2020年的80個左右。這引起了學術(shù)界的反思。在數(shù)字世界里，信任不會憑空產(chǎn)生，而身份認證是構(gòu)建信任的主要環(huán)節(jié)。身份認證方法有成百上千種，但基本手段可分為以下三類[5,6]：（1） 基于用戶所知，如口令；（2） 基于用戶所有，如U盾；（3） 基于用戶所是，如生物特征。這些嘗試替代口令的新方法，有的在安全性方面優(yōu)于口令，有的在可用性方面見長，但幾乎都在可部署性上比口令差，并且在安全性、可用性、隱私保護方面幾乎都難以做到均衡。因此，學術(shù)界從2012年開始逐漸形成一個共識[5-7]：口令在可預見的未來仍將無可替代。
2015年至今，學術(shù)界逐漸認識到：除了用戶因素，導致口令安全問題的另一原因在于服務(wù)運營商的安全保障缺失。長期以來，運營商把保護口令的責任推給用戶，在最基本的口令策略設(shè)置、口令強度評價和口令存儲安全等方面都是穿著“皇帝的新衣”[7]。最近，微軟、谷歌和蘋果等公司加強了口令安全防護措施，并即將為用戶提供無需輸入口令就能登錄應用和服務(wù)的身份認證方案[8]。在這些無口令方案中，要么用戶擁有一部帶攝像頭或指紋識別器的移動設(shè)備（如智能手機、平板電腦等），并安裝相應的身份認證應用程序（如微軟的Authenticator App）；要么用戶擁有專門的硬件設(shè)備（如支持FIDO2 標準且能識別指紋的U盾)，以存儲身份認證所需的密鑰及算法參數(shù)。此外，這些方案仍把口令（或PIN碼）作為生物特征識別失效時的應急選項。
由此可以看出，當前無口令身份認證方案仍處于初級階段，存在明顯的缺陷：一方面，僅在大型公司的少數(shù)平臺和設(shè)備上應用（如iOS 16上或Win 10以上），未考慮舊版本的系統(tǒng)和不使用智能手機的人群；另一方面，由于需要特定版本的系統(tǒng)或平臺導致可擴展性低，涉及硬件導致部署成本高，由于生物特征的不可更改性導致存在隱私泄漏風險。此外，無口令認證方案降低了用戶對身份的控制權(quán)，52%的被調(diào)研用戶表示不接受把信任鏈條傳遞到手機等設(shè)備。截至2022年2月，78%的微軟云服務(wù)企業(yè)用戶仍僅使用賬號名和口令登錄，只有22%啟用了基于口令的多因素認證或無口令方案[9]。
綜上所述，在可預見的未來，口令仍將是最主要的身份認證方法之一，基于口令的認證技術(shù)仍不可替代。未來，隨著無口令方案的不斷成熟，在一些場景下（如使用智能手機）用戶對口令的直接接觸可能會變少，但口令不會消失，仍是應急認證手段，將在幕后保護著我們的網(wǎng)絡(luò)與信息安全。
圖1｜“終結(jié)口令”技術(shù)入選此次MIT Technology Review 2022“全球十大突破性技術(shù)”（圖片來源：MIT Technology Review 官網(wǎng)）
新冠變異追蹤
COVID variant tracking
2019新型冠狀病毒（SARS-CoV-2）仍在全球傳播，這場全球疫情使得病毒基因組測序受到了前所未有的資金青睞，并極大地擴大了全球?qū)Υ祟?span id="am8azrt" class="candidate-entity-word" data-gid="5798897">病毒監(jiān)測與預警的能力。2021年11月，南非一家實驗室的測序人員發(fā)現(xiàn)一個有50多個突變的病毒基因組，并首次發(fā)出警示信號，幾乎在瞬間，西雅圖、波士頓和倫敦的計算機都在利用這些數(shù)據(jù)做出預測：這種被命名為Omicron的新冠病毒變異體是個麻煩，它是一種可能逃避抗體的病毒突變體?？茖W家們借助于基因測序、分析技術(shù)，可繪制出SARS-CoV-2的基因組圖譜，可監(jiān)測病毒傳播過程中基因組發(fā)生的變化，并可進一步地快速發(fā)現(xiàn)并警告新的病毒變異體，如阿爾法（Alpha）、德爾塔（Delta），以及最近出現(xiàn)的奧密克戎（Omicron）。其中，Omicron被認為是迄今為止變異程度最高的病毒變種。這一項史無前例的努力，使SARS-CoV-2成為歷史上接受基因測序最多的生物體，超越了流感病毒、人類免疫缺陷病毒（Human Immunodeficiency Virus，HIV）甚至人類基因組，極大地提高了全球?qū)Υ祟惒《镜谋O(jiān)測、傳播跟蹤與預警能力。
專家點評
陸 劍
北京大學生命科學學院教授、博士生導師，教育部長江學者特聘教授，國家重點研發(fā)計劃重點專項首席科學家。目前擔任Science Bulletin 和Molecular Biology and Evolution 的副主編、中華預防醫(yī)學會生物信息學分會委員和北京市生物信息學會理事。研究方向為分子進化和基因組學，長期致力于群體遺傳學、進化基因組學和基因表達調(diào)控等領(lǐng)域的研究。參加中國—世界衛(wèi)生組織新冠病毒溯源聯(lián)合研究，獲得全國科技系統(tǒng)抗擊新冠肺炎疫情先進個人稱號。
錢朝暉
中國醫(yī)學科學院/協(xié)和醫(yī)學院病原生物學研究所研究員，博士生導師，國家病原微生物實驗室生物安全專家委員會委員。長期從事冠狀病毒入侵、復制以及致病機制研究。
吳愛平
中國醫(yī)學科學院系統(tǒng)醫(yī)學研究院、蘇州系統(tǒng)醫(yī)學研究所研究員，北京協(xié)和醫(yī)學院博士生導師。獲得全國科技系統(tǒng)抗擊新冠肺炎疫情先進個人稱號、中華醫(yī)學科技獎二等獎和江蘇省“雙創(chuàng)人才”等獎勵。研究方向為傳染病生物信息學，專注于開發(fā)新型計算方法，建立病毒性傳染病的生物信息分析框架，系統(tǒng)進行新發(fā)突發(fā)病毒的發(fā)現(xiàn)溯源、變異進化和免疫評估等。主持或參與了國家重點研發(fā)計劃、國防科技創(chuàng)新特區(qū)和國家自然科學基金等多項國家級科研項目。
新型冠狀病毒傳播引發(fā)的疫情給全球經(jīng)濟和公共衛(wèi)生帶來了極大的破壞。作為一種RNA病毒，新型冠狀病毒在流行過程中必然會不停地發(fā)生變異，導致新的變異株不斷涌現(xiàn)。世界衛(wèi)生組織已經(jīng)定義過5個密切關(guān)注變異株（Variant of Concern, VOC），分別是阿爾法（Alpha）、貝塔（Beta）、伽瑪（Gamma）、德爾塔（Delta）和奧密克戎（Omicron）。快速積累的大量病毒基因組，為大流行期間病毒的持續(xù)演化和流行病學研究提供了寶貴的數(shù)據(jù)基礎(chǔ)。
對新冠病毒不同變異株進行科學的譜系劃分和演化動態(tài)追蹤，不僅有助于流行病學的調(diào)查和疫情精準防控政策的制定，對病原體檢測，臨床診斷，疫苗和治療藥物的研發(fā)以及有效性評估也具有不可估量的重要意義。在新冠疫情暴發(fā)早期，新冠病毒基因組序列還非常有限的情況下，我國科學家就開展了新冠病毒基因組分型和譜系劃分的系統(tǒng)研究。例如，我國科學家準確地將新冠病毒分為L和S兩個主要譜系，推測S譜系較為古老，而L由S譜系進化而來。進一步的研究發(fā)現(xiàn)早期病例中S譜系病毒感染者中危重癥比例顯著高于L譜系病毒感染者。為了便于追蹤不同譜系病毒演化流行過程和特征，進一步構(gòu)建了新冠病毒分層次譜系劃分系統(tǒng)，繪制了完整的反映各個譜系之間親緣關(guān)系的單倍型網(wǎng)絡(luò)圖，揭示譜系演化關(guān)系，并建立新冠病毒譜系時空動態(tài)分布的可視化平臺（www.covid19evolution.net）。當前世界衛(wèi)生組織定義的VOC變異株均是L譜系的分支譜系。S和L譜系分別對應Pango Lineage分型系統(tǒng)的A型和B型。S和L譜系劃分已被科學界廣泛接受和認可，并被全球禽流感基因共享數(shù)據(jù)庫（GISAID）數(shù)據(jù)庫、國家基因組科學數(shù)據(jù)中心、中國疾病預防控制中心以及《中國—世界衛(wèi)生組織新冠病毒溯源聯(lián)合研究》中英文報告所采用。
我國科學家還發(fā)現(xiàn)，新冠病毒感染人數(shù)的不斷增加會加速新冠病毒變異的適應性演化，從而形成正反饋循環(huán)。龐大的全球感染人群，為新冠病毒的位點突變、片段插入/刪除以及基因重組等基因組結(jié)構(gòu)變異等提供了巨大空間。在可預期的一段時間內(nèi)，新冠病毒將會與人類共存。因此，對病毒變異規(guī)律的及時解析和譜系演化動態(tài)的及時追蹤仍然非常重要。如何科學地預測病毒的變異趨勢，對可能造成大流行的高風險株做到有效的先期預警尤為重要。早期新冠病毒變異的功能選擇主要表現(xiàn)為傳播力、受體結(jié)合能力以及病毒復制能力的增強。但是，在奧密克戎變異株高傳播力的背景下，突破性感染不停發(fā)生，感染人群比例不斷升高，病毒多樣性持續(xù)擴大，免疫逃逸已經(jīng)成為新冠病毒變異的主要驅(qū)動力。因此，如何在疫苗接種和突破感染形成的復雜免疫選擇壓力下，預測新冠病毒變異趨勢和流行動態(tài)將會是一個充滿挑戰(zhàn)但又亟需解決的重要科學問題。GISAID已經(jīng)收錄了超過1 000萬條新冠病毒全基因組序列及部分樣本的采集信息，基因組序列的超復雜性也為監(jiān)測和分析新冠病毒演化趨勢提出了巨大挑戰(zhàn)。開展病原學、免疫學、結(jié)構(gòu)生物學、群體遺傳學、分子演化以及計算生物學等多學科的合作，結(jié)合人工智能和機器學習等新興技術(shù)可能是解決這一問題的有效途徑。
圖2｜SARS-CoV-2病毒是地球上被測序最多的生物體，極大地增強了全球?qū)Υ祟惒《镜淖儺愖粉櫯c預警能力（圖片來源：MIT Technology Review 官網(wǎng)）
長時電網(wǎng)儲能電池
Long-lasting grid battery
2021年4月，可再生能源打破了加利福尼亞州主電網(wǎng)的紀錄，提供的電力足以滿足94.5%的需求，這一時刻被譽為低碳化道路上的一個里程碑。我們使用的可再生能源比以往任何時候都多。然而，可再生能源帶來的波動式電力需用一種廉價且長時（數(shù)小時甚至數(shù)天）的儲能電池保存，以備日后使用。新型的鐵基電池有望勝任這一任務(wù)?？偛课挥?span id="417uroj" class="candidate-entity-word" data-gid="2645771">俄勒岡州的ESS公司，其電池可實現(xiàn)4至12小時的儲能，并在2021年推出了其第一個電網(wǎng)規(guī)模的項目?？偛课挥隈R薩諸塞州的Form Energy公司稱其電池可儲存電能長達100小時，他們在2021年籌集了2.4億美元，在明尼蘇達州安裝一兆瓦級別的儲電工廠，預計2023年完成。這兩家公司都選擇使用鐵基電池，而鐵是地球上最豐富的材料之一。這意味著他們的產(chǎn)品最終可能比鋰離子電池和釩系液流電池等其他儲能電池更便宜。Form Energy公司表示，其電池最終的成本可能僅為20美元/千瓦時，甚至低于未來幾十年對鋰離子電池成本的樂觀預測。但鐵基電池也存在一些技術(shù)挑戰(zhàn)，如它們的效率通常較低，這意味著投入其中的相當一部分能量無法被回收；此外，副反應也會隨著時間的推移而使電池退化。但如果鐵基電池能以足夠低的成本被廣泛安裝使用，便可以為更多人提供來自可再生能源的電能。
專家點評
張新波
研究員，中國科學院長春應用化學研究所稀土資源利用國家重點實驗室主任，國家杰出青年科學基金獲得者。致力于能源存儲與轉(zhuǎn)化研究，目前主要聚焦于金屬—空氣電池、新型離子電池與能源電催化方面的關(guān)鍵材料設(shè)計和高性能器件研制，開發(fā)了具有完全自主知識產(chǎn)權(quán)的鋰空氣電池器件。在Nature Chemistry、Nature Energy 等國際權(quán)威期刊上發(fā)表論文200余篇，主編國際專著1部。授權(quán)發(fā)明專利20件。2019年獲吉林省自然科學獎一等獎。
未來在以可再生能源為主體的新型電力系統(tǒng)中，可再生能源的比例將超過50%，這必然會要求儲能設(shè)施具備十幾個小時乃至幾天的儲能時長，以滿足吉瓦（Gigawatt, GW）級別的再生能源并網(wǎng)和長時間削峰填谷的需求。然而，在目前的儲能電池技術(shù)水平下，鋰離子電池儲能時長以2小時居多，部分已經(jīng)提升至3到4小時，但要達到6小時及以上的儲能時長則會面臨成本與產(chǎn)品安全等方面的諸多挑戰(zhàn)。因此，低成本、長時儲能電池的發(fā)展將成為電力系統(tǒng)轉(zhuǎn)型的關(guān)鍵。
此次入選2022年MIT Technology Review “全球十大突破性技術(shù)”的水系鐵基電池是基于廉價和儲量豐富的鐵元素構(gòu)筑的，其具有高安全性和環(huán)境友好等特征。其中，美國俄勒岡州ESS公司的鐵基液流電池以氯化亞鐵為正負極電解液，通過電解液中鐵離子的氧化還原實現(xiàn)電能的儲存和釋放，可實現(xiàn)長達20 000次的穩(wěn)定循環(huán)。此外，該液流電池的儲能活性物質(zhì)與電極完全分開，功率和容量設(shè)計互相獨立，便于模塊組合設(shè)計和電池結(jié)構(gòu)放置，其電網(wǎng)規(guī)模的儲能模塊可以實現(xiàn)4至12小時的能量儲存。不同于液流電池，F(xiàn)orm Energy公司的鐵—空氣電池是一種靜態(tài)電池，其基本原理是基于鐵的可逆氧化（生銹），可持續(xù)多達10 000次的循環(huán)。相比于鐵基液流電池，鐵—空氣電池的儲能容量更大，其可儲存電能長達100小時（約可為電網(wǎng)提供超過4天的電力），這種電池將使具有成本效益的“多日儲能”成為可能。上述兩種鐵基電池在大規(guī)模儲能方面均具有明顯的優(yōu)勢：超長循環(huán)壽命、高安全穩(wěn)定性、可擴展性、低成本和綠色環(huán)保，可平衡可再生能源發(fā)電的波動式變化，實現(xiàn)低碳長時電網(wǎng)儲能。
鐵基長時電網(wǎng)儲能電池的發(fā)展，可以彌補鋰離子電池的一些不足，以科技創(chuàng)新的方式將電力系統(tǒng)從化石燃料發(fā)電轉(zhuǎn)變?yōu)榭稍偕茉窗l(fā)電，有利于在全球范圍內(nèi)減少碳排放，實現(xiàn)低碳電網(wǎng)碳的發(fā)展和碳中和的終極目標。然而，除了長時電網(wǎng)儲能電池外，還有一些其它可以提供穩(wěn)定電力服務(wù)的能源組合（核能、化石能源 碳捕捉與封存技術(shù)、氫能等）與之競爭，這些技術(shù)未來的發(fā)展，也會在一定程度上左右長時儲能電池在電網(wǎng)中的占比。此外，與其他儲能技術(shù)的發(fā)展一樣，長時儲能電池從研發(fā)、示范、落地到規(guī)模化，一路上必將面臨產(chǎn)能、供應鏈、建設(shè)、運營等多方面的挑戰(zhàn)，必須嚴格控制每一環(huán)的風險，才能實現(xiàn)既定的成本目標。
我國的長時電網(wǎng)儲能技術(shù)以全釩液流電池為主，其已經(jīng)過十多年的示范考核，并且其大規(guī)模儲能的工程效果已得到了充分的驗證，產(chǎn)業(yè)配套成熟，可支撐起百兆瓦級儲能項目的設(shè)計與開發(fā)。此外，全釩液流電池系統(tǒng)的單瓦時成本已可控制在2～3元的水平，具備了商業(yè)化應用的條件。2018年以來，我國液流電池的裝機量呈現(xiàn)爆發(fā)式增長。其中，2020年規(guī)劃的液流電池裝機量超過6 GW，容量超過20 GWh。與此同時，單個項目的規(guī)模也在不斷提升，如200 MW/800 MWh的全釩液流電池示范項目。整體而言，我國液流電池的產(chǎn)業(yè)研究和技術(shù)工藝處于國際領(lǐng)先水平，特別是國內(nèi)液流電池的龍頭企業(yè)，大連融科在海外市場的拓展也在如火如荼地進行。然而，全釩液流電池的低能量密度和釩高昂的價格，需要我們開發(fā)更具價格和能量密度優(yōu)勢的新型長時電網(wǎng)儲能技術(shù)。
儲能作為“雙碳”背景下構(gòu)建低碳電網(wǎng)的關(guān)鍵組成部分，跨天、跨月乃至跨季節(jié)的長時電網(wǎng)儲能系統(tǒng)的發(fā)展迫在眉睫。目前長時儲能技術(shù)仍處于百家爭鳴的中早期研發(fā)示范階段，孰勝孰劣尚未揭曉。電化學儲能由于動力電池產(chǎn)業(yè)的推動，不受地理環(huán)境的制約，暫時處于比較有利的競爭地位。未來電網(wǎng)儲能系統(tǒng)的發(fā)展需要以模型數(shù)據(jù)開源、學術(shù)產(chǎn)業(yè)結(jié)合等方式集思廣益，甄選出最具經(jīng)濟可靠性的電源儲能配置方案，形成多能互補的，新能源 儲能的電力系統(tǒng)，為實現(xiàn)“雙碳”目標提供強有力的支撐。
圖3｜廉價、儲能持久的鐵基電池有望分攤可再生能源的供應壓力，并擴大清潔能源的使用范圍（圖片來源：MIT Technology Review 官網(wǎng)）
AI蛋白質(zhì)折疊
Artificial intelligence for protein folding
作為生命體最重要的功能載體之一，蛋白質(zhì)在眾多生命活動中發(fā)揮著關(guān)鍵的作用。蛋白質(zhì)在行使功能時往往需要折疊成特定的三維結(jié)構(gòu)，因此對蛋白質(zhì)結(jié)構(gòu)的測定和解析不僅能幫助人們在分子層面上理解大多數(shù)生命活動的機理，而且可以有效輔助基于結(jié)構(gòu)的藥物開發(fā)以及相關(guān)疾病的診治。目前通過實驗手段解析蛋白質(zhì)結(jié)構(gòu)費時費力，遠遠無法滿足現(xiàn)實需求。2020年底，谷歌重組后的“傘形公司”Alphabet旗下名為DeepMind的人工智能實驗室采用多種深度學習技術(shù)，開發(fā)出了一款名為 AlphaFold2 的軟件，能根據(jù)蛋白質(zhì)的氨基酸序列準確預測其三維結(jié)構(gòu)。該軟件使用一種稱為深度學習的人工智能技術(shù)，可以預測蛋白質(zhì)的形狀，甚至精確到原子。由于大多數(shù)蛋白質(zhì)的氨基酸序列已知，該軟件可以在數(shù)個小時內(nèi)提供目標蛋白質(zhì)原子分辨率的結(jié)構(gòu)信息，而且其預測的結(jié)構(gòu)模型準確度很高，在很多蛋白上可以與實驗解析的真實結(jié)果媲美。世界各地的科學團隊已經(jīng)開始使用它來研究癌癥、抗生素抗性和新冠病毒。2022年，該技術(shù)被MIT Technology Review 評選為“全球十大突破技術(shù)”之一。
專家點評
龔海鵬
清華大學生命學院副教授，博士生導師，生物信息學教育部重點實驗室副主任。2009年加入清華大學生命學院，主要從事蛋白質(zhì)結(jié)構(gòu)相關(guān)的計算方法研究。近年來的研究興趣主要集中在結(jié)合人工智能技術(shù)發(fā)展蛋白質(zhì)結(jié)構(gòu)預測算法和分子模擬的采樣方法，以通訊作者身份在Nature Machine Intelligence、Advanced Science、Bioinformatics、PLoS Computational Biology、Journal of Chemical Theory and Computation 等計算生物學主流期刊上發(fā)表多篇論文。近5年主持國家自然科學基金項目3項。
生命體中的主要生命活動都通過蛋白質(zhì)分子完成，因此理解單個蛋白質(zhì)分子的工作機理至關(guān)重要。蛋白質(zhì)的多肽鏈是由氨基酸順序連接而成的線性分子，它往往折疊成特定的三維結(jié)構(gòu)來行使功能。換言之，蛋白質(zhì)的序列決定結(jié)構(gòu)，而結(jié)構(gòu)又決定功能。自20世紀五六十年代起，蛋白質(zhì)序列、結(jié)構(gòu)與功能間的關(guān)系就一直是生命科學的核心問題。作為這一信息鏈條的中心點，蛋白質(zhì)結(jié)構(gòu)既可以幫助人們理解生命活動的分子機理，也能有效地輔助蛋白質(zhì)設(shè)計和基于結(jié)構(gòu)的藥物設(shè)計，因而結(jié)構(gòu)解析已經(jīng)成為生物物理領(lǐng)域最重要的研究方向之一。過去二三十年來，結(jié)構(gòu)生物學取得了長足進展，包括蛋白質(zhì)晶體學和冷凍電鏡等技術(shù)的快速發(fā)展，使得人們可以較為快速地測定生物大分子的三維結(jié)構(gòu)。目前蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫（Protein Data Bank，PDB）中已經(jīng)積累了超過18萬個分子的結(jié)構(gòu)。但是，總體而言，蛋白質(zhì)結(jié)構(gòu)的實驗測定仍然較為耗時，往往至少要耗費數(shù)月時間。此外，由于新一代測序技術(shù)的發(fā)展，蛋白質(zhì)序列的積累速度遠遠大于結(jié)構(gòu)解析的速度。目前蛋白質(zhì)序列庫中的蛋白質(zhì)數(shù)目已經(jīng)超過結(jié)構(gòu)數(shù)據(jù)庫3~4個數(shù)量級，這一差距無法通過實驗方法彌補。
根據(jù)安芬森法則（Anfinsen’s dogma），大多數(shù)球狀蛋白的三維結(jié)構(gòu)由氨基酸序列唯一決定。自20世紀八九十年代起，人們就開始發(fā)展計算機算法，通過研究序列和結(jié)構(gòu)間的關(guān)系，根據(jù)氨基酸序列預測蛋白質(zhì)的三維結(jié)構(gòu)。1994年，約翰·莫爾特（John Moult）等人組織了第一屆國際蛋白質(zhì)結(jié)構(gòu)預測評估競賽（Critical Assessment of protein Structure Prediction, CASP），用于系統(tǒng)評測各種計算方法的預測準確性。該競賽每兩年舉辦一次，組委會收集未發(fā)表的結(jié)構(gòu)數(shù)據(jù)，對參賽者發(fā)布其序列信息，然后收集其預測結(jié)果進行雙盲評估。CASP競賽極大地促進了蛋白質(zhì)結(jié)構(gòu)預測領(lǐng)域的發(fā)展。在早期CASP競賽中，發(fā)展的基于模板的建模方法Modeller以及基于統(tǒng)計和物理模型的建模方法Rosetta和I-TASSER等程序，結(jié)合物理知識和對結(jié)構(gòu)數(shù)據(jù)庫的統(tǒng)計分析，可以對某些特定蛋白提供較為準確的預測模型。但是，隨著實驗解析蛋白質(zhì)數(shù)目的快速積累，這些方法的預測性能并未顯示出相應提升，反而達到了瓶頸。2015年，克里斯·桑德斯（Chris Sanders）等人提出可以從多重序列比對中獲得氨基酸殘基間的共進化關(guān)系，從而為結(jié)構(gòu)預測提供額外信息。2016年的CASP12競賽中，許錦波等人提出的RaptorX程序，首次使用深度卷積模型，根據(jù)多重序列比對預測氨基酸殘基間接觸，再根據(jù)預測結(jié)果折疊蛋白，從而顯著提升了結(jié)構(gòu)預測的平均準確率。其后，人工智能方法開始廣泛介入蛋白質(zhì)結(jié)構(gòu)預測領(lǐng)域。2018年的CASP13競賽中，DeepMind發(fā)展的 AlphaFold 采用了類似的方案預測殘基間距離并根據(jù)預測距離折疊蛋白。其后的大多數(shù)方法也主要沿這一思路進行。2020年CASP14競賽前，人們發(fā)現(xiàn)這類方法的性能并不能隨模型參數(shù)量增加而繼續(xù)提高，而且這類深度學習模型的預測準確性離現(xiàn)實需求尚有一段難以跨越的距離。但是，在2020年底CASP14結(jié)果公布時，DeepMind提出的 AlphaFold2 算法遠遠超越了其它深度學習模型，對絕大多數(shù)目標蛋白都可以提供高度精準的預測模型。對有些蛋白質(zhì)而言，AlphaFold2預測的結(jié)果與實驗解析的模型高度相似，甚至僅根據(jù)實驗數(shù)據(jù)都很難區(qū)分孰優(yōu)孰劣。這一結(jié)果也震驚了整個科學界。
后續(xù)的報告和論文顯示，DeepMind在設(shè)計 AlphaFold2 時完全摒棄了第一代 AlphaFold 的架構(gòu)，規(guī)避了殘基間接觸或距離的預測，采用了一種全新的端對端模型直接根據(jù)序列預測結(jié)構(gòu)。這一設(shè)計不僅能加快預測速度，而且可以有效抑制中間過程中的誤差積累。此外，DeepMind采用了近年來自然語言處理領(lǐng)域較流行的Transformer架構(gòu)。與以前常用的卷積架構(gòu)不同，這種基于注意力機制的模型允許所有氨基酸殘基在每一步操作中發(fā)生信息交互，能更好地模擬蛋白質(zhì)折疊過程中的殘基間相互作用。最后，AlphaFold2 還使用了重循環(huán)和自蒸餾等工程技術(shù)，進一步有效提升了預測準確率?？傊?AlphaFold2 中，DeepMind通過具有高度創(chuàng)新性的深度學習網(wǎng)絡(luò)架構(gòu)設(shè)計，初步解決了蛋白質(zhì)結(jié)構(gòu)預測（或折疊）這一困擾人類50年之久的科學難題，也因此入選MIT Technology Review 評選的2022年“全球十大突破技術(shù)”。
AlphaFold2 的提出顯然對生命科學有巨大的促進作用。一方面，它能夠快速準確地根據(jù)氨基酸序列預測蛋白質(zhì)的三維結(jié)構(gòu)，因此可以有效彌補現(xiàn)有結(jié)構(gòu)生物學技術(shù)的缺陷。另一方面，通過對 AlphaFold2 的進一步研究，人們可以更好地理解蛋白質(zhì)序列和結(jié)構(gòu)間的映射關(guān)系。目前已有很多研究組開始把 AlphaFold2 應用于藥物開發(fā)和蛋白質(zhì)設(shè)計領(lǐng)域。比如，清華大學的張林琦和彭健合作，通過進一步優(yōu)化的 AlphaFold2 模型預測抗原和抗體的結(jié)合能，并根據(jù)預測結(jié)果優(yōu)化抗體設(shè)計，最終開發(fā)出我國首款新冠特效藥。2021年，DeepMind與EBI合作，建立了基于 AlphaFold2 預測結(jié)果的數(shù)據(jù)庫 AlphaFold DB。該數(shù)據(jù)庫中已經(jīng)儲備了近一百萬蛋白質(zhì)的預測結(jié)構(gòu)，為生命科學各個領(lǐng)域的科學家們提供重要的蛋白質(zhì)結(jié)構(gòu)信息。這一行為很可能會改變很多領(lǐng)域的科研范式，促進分子層面的研究從以序列為基礎(chǔ)轉(zhuǎn)變?yōu)榛谛蛄泻徒Y(jié)構(gòu)的研究，從而加快生命科學定量化的步伐。
當然，AlphaFold2 還有一定的局限性。首先，它在很多蛋白上的預測精度還有待進一步提高，目前還不能完全滿足藥物開發(fā)等領(lǐng)域需要的結(jié)構(gòu)精度，特別是對蛋白質(zhì)復合體的預測精度較低。因此，AlphaFold2 還不能完全替代結(jié)構(gòu)生物學研究。其次，AlphaFold2 模擬的是從多重序列比對到三維結(jié)構(gòu)的映射關(guān)系，并沒有解決從單一序列到三維結(jié)構(gòu)的映射關(guān)系，因此蛋白質(zhì)折疊問題還沒有完美解決。最后，也是最重要的一點，針對一個特定的目標蛋白，AlphaFold2 僅提供有限的結(jié)構(gòu)模型，不能揭示其結(jié)構(gòu)的動態(tài)變化。而動態(tài)結(jié)構(gòu)才是真正決定功能的基礎(chǔ)。
無論如何，AlphaFold2 的提出展示了人工智能技術(shù)對生命科學研究的巨大促進作用。在蛋白質(zhì)結(jié)構(gòu)預測領(lǐng)域，預計人工智能技術(shù)將繼續(xù)引領(lǐng)后續(xù)的進展，解決目前 AlphaFold2 的局限性：（1） 提高蛋白質(zhì)復合體的結(jié)構(gòu)預測精度；（2） 發(fā)展根據(jù)單一序列預測蛋白質(zhì)結(jié)構(gòu)的人工智能算法；（3） 根據(jù)氨基酸序列預測蛋白質(zhì)的動態(tài)結(jié)構(gòu)。
我國在蛋白質(zhì)結(jié)構(gòu)預測領(lǐng)域的基礎(chǔ)整體上還比較薄弱。近年來雖然有多個學術(shù)研究組在殘基間距離預測、能量函數(shù)構(gòu)建和模型質(zhì)量評估等子領(lǐng)域做出了原創(chuàng)性的工作，但是由于學術(shù)研究組的規(guī)模和資金有限，還沒有形成完整的自主研發(fā)的程序算法，能達到與 AlphaFold2 持平的程度。但是，目前已有企業(yè)（如深勢科技、華深智藥、騰訊、百度、華為等）牽頭的研發(fā)小組以 AlphaFold2 為模板進行二次開發(fā)，并取得了一定的成績?？紤]到人工智能技術(shù)的飛速發(fā)展，我國在這一領(lǐng)域還有極大的潛力。希望在不久的將來，我國能通過多個學術(shù)研究組的聯(lián)合攻關(guān)，或企業(yè)和高校的合作研發(fā)模式，開發(fā)出原創(chuàng)性的、具有完全自主知識產(chǎn)權(quán)的蛋白質(zhì)結(jié)構(gòu)精準預測算法。
圖4｜人工智能實驗室DeepMind開發(fā)的 AlphaFold2 軟件初步解決了蛋白質(zhì)結(jié)構(gòu)預測這一科學難題（圖片來源：MIT Technology Review 官網(wǎng)）
瘧疾疫苗
Malaria vaccine
寄生蟲是復雜的多細胞生物，其基因組比大多數(shù)病毒和細菌中的基因組大500~1 000倍。使其能夠通過無數(shù)種方式的基因突變來躲避人體免疫系統(tǒng)的監(jiān)視。瘧疾是瘧原蟲所引起的嚴重危害人類生命健康的寄生蟲病。其主要集中在撒哈拉以南的非洲地區(qū)，該地區(qū)的病例約占全世界的95%。每年有60多萬人死于瘧疾，其中大部分是5歲以下的兒童。2021年10月，世界衛(wèi)生組織批準了世界上第一種對抗由蚊子傳播的致命疾病的疫苗—瘧疾疫苗。然而，這款由葛蘭素史克公司研發(fā)的瘧疾疫苗，RTS，S或Mosquirix，被認為不是一種特別有效的疫苗。它需要在5至17個月大的兒童中接種三劑，并在12至15個月后接種第四劑。此外，在肯尼亞、馬拉維和加納的80多萬名兒童中，這種疫苗在第一年對嚴重瘧疾的有效率約為50%，而且隨著時間的推移，其療效急劇下降。即便如此，公共衛(wèi)生官員仍將這種自1987年就開始測試的疫苗譽為非洲的“游戲改變者”，主要原因是當其與其它瘧疾控制措施（包括驅(qū)蟲蚊帳和在雨季使用的預防藥物）結(jié)合使用時，有望將瘧疾死亡人數(shù)減少多達70%。Mosquirix作為第一個被批準用于寄生蟲病的疫苗，旨在敲響免疫系統(tǒng)的警鐘，保護潛在的宿主免受感染，對鼓勵創(chuàng)新以及下一代瘧疾疫苗的開發(fā)具有重大意義。
專家點評
江陸斌
研究員，中國科學院上海巴斯德研究所副所長，上?？萍即髮W特聘教授，國家杰出青年科學基金獲得者，國家重點研發(fā)計劃項目首席科學家，美國國立衛(wèi)生研究院（National Institute of Health，NIH）R01項目首席。曾獲湖北省科技進步獎二等獎、上海市科技系統(tǒng)先進個人、中國科學院優(yōu)秀教師“朱李月華”獎等獎勵和榮譽。長期致力于惡性瘧原蟲致病的表觀遺傳學機制研究，首創(chuàng)了惡性瘧原蟲表觀遺傳基因編輯技術(shù)，揭示了惡性瘧原蟲免疫逃逸的調(diào)控網(wǎng)絡(luò)，闡明了線粒體功能抑制的表觀遺傳機制，鑒定到一批具有藥物開發(fā)潛力的表觀遺傳靶點，其中一種小分子候選藥物已進入臨床前研究。
RTS, S/AS01（RTS,S）是全球首款獲得世界衛(wèi)生組織（World Health Organization，WHO）批準的瘧疾疫苗。它是惡性瘧原蟲環(huán)子孢子蛋白CSP的C-末端序列（包括NANP抗原重復序列和T細胞表位序列）與乙型肝炎病毒表面抗原（HBsAg）融合、組裝成病毒樣顆粒結(jié)構(gòu)的亞單位疫苗，并通過新型脂質(zhì)體免疫佐劑AS01增強疫苗的免疫原性。自2021年10月起，RTS, S/AS01獲批在非洲瘧疾傳播的中、高風險地區(qū)5月齡以上兒童中使用。
瘧疾是嚴重危害人類健康的全球三大傳染病之一。隨著青蒿素等各類抗瘧藥的臨床耐藥性問題日益加劇，目前全世界仍有近一半人口面臨瘧疾感染風險。致死性最強的惡性瘧疾原蟲每年造成2億～3億的感染病例和近60萬的死亡病例，是實現(xiàn)“人類衛(wèi)生健康共同體”目標的關(guān)鍵阻礙之一。21世紀以來，全球每年約有10項瘧疾疫苗項目獲批開展臨床試驗，約150項已完成或提前終止臨床試驗。其中，RTS, S/AS01在非洲地區(qū)的多中心Ⅲ期臨床試驗數(shù)據(jù)顯示，5～17月齡兒童接種4劑疫苗后，臨床發(fā)病的平均保護效率為36.3%，部分地區(qū)可實現(xiàn)約50%的臨床保護效率。迄今為止，RTS, S/AS01是唯一被證明可降低瘧疾患兒臨床發(fā)病率和死亡率的疫苗。需要指出的是，RTS, S/AS01僅在接種4劑后的1年內(nèi)對5~17月齡兒童具有較高的保護效率。隨后，其免疫保護效率快速下降，接種1年半后平均保護效率已低于30%。作為瘧疾疫苗研究領(lǐng)域零的突破，RTS, S/AS01具有重大的現(xiàn)實意義，WHO預期它在未來每年可以挽救數(shù)萬名5歲以下非洲兒童的生命。
不可否認，RTS, S/AS01并沒有達到瘧疾疫苗的WHO官方標準（保護率>50%，保護時間>1年）。因此，如何有效遏制瘧疾在熱帶、亞熱帶等國家和地區(qū)的流行與傳播，依然是全球瘧疾研究人員亟需解決的科學問題。雖然在幾代疾控工作者的不懈努力下，我國已于2021年正式獲得由WHO頒布的消除瘧疾認證，但輸入性瘧疾在華中、華南和西南省份呈上升趨勢。而且，在我國云南、東南亞以及非洲等地已出現(xiàn)了具有青蒿素潛在抗性的惡性瘧原蟲。因此，研制新型瘧疾疫苗刻不容緩，并具有重大的社會和經(jīng)濟意義。
與瘧疾作為國際傳染病學研究熱點極不協(xié)調(diào)的是，相關(guān)寄生蟲學研究在國內(nèi)普遍不被重視，瘧疾疫苗研究也多為靶向瘧原蟲單一抗原的亞單位疫苗策略。由于瘧原蟲生活史包括肝（細胞）內(nèi)期、紅（細胞）內(nèi)期和蚊期等復雜的生長時期，惡性瘧原蟲具有高度變異的抗原蛋白和多變的免疫逃逸策略，這既限制了國內(nèi)外瘧疾疫苗的研發(fā)，同時也是導致RTS, S/AS01并不完美的主要原因。近年來，隨著多種新型基因編輯技術(shù)在惡性瘧原蟲關(guān)鍵生物標志物功能鑒定中的廣泛應用，使研究人員針對惡性瘧原蟲不同生長時期設(shè)計多價疫苗成為可能。同時，與傳統(tǒng)疫苗相比，新興的信使核糖核酸（Messenger Ribonucleic Acid，mRNA）疫苗技術(shù)、疫苗佐劑和抗原遞送系統(tǒng)的技術(shù)革新也將為瘧疾疫苗研究提供更多的潛在方案，使得新一代高效瘧疾疫苗的研發(fā)有望在未來5~10年內(nèi)取得關(guān)鍵性突破。
圖5｜世界上第一種對抗由蚊子傳播的致命疾病的疫苗—瘧疾疫苗獲批。（圖片來源：MIT Technology Review 官網(wǎng)）
權(quán)益證明
Proof of Stake，PoS
共識算法是區(qū)塊鏈技術(shù)的核心，通過算力競爭的“挖礦”工作量證明機制消耗了全球太多的電力和計算資源，一直為人詬病。而PoS權(quán)益證明機制則有望徹底擺脫這一困境。PoS算法的突出特點是引入了幣齡的概念，幣齡越長，權(quán)力越大，挖礦難度越低，所獲獎勵越多。這樣節(jié)點不需要消耗過多的外部算力和資源去競爭記賬權(quán)，一定程度上還縮短了達成共識的時間，提升了系統(tǒng)運行性能。2022年2月，MIT Technology Review 發(fā)布了2022年“全球十大突破性技術(shù)”，“PoS權(quán)益證明”與“新冠口服藥”“實用型聚變反應堆”“終結(jié)口令”“AI 蛋白質(zhì)折疊”等技術(shù)一起名列其中。
專家點評
張小松
教育部“長江學者”特聘教授，電子科技大學網(wǎng)絡(luò)空間安全研究院院長，博士生導師，中國電子學會區(qū)塊鏈分會副主任委員。長期從事計算機網(wǎng)絡(luò)與系統(tǒng)安全技術(shù)的研究。以第一完成人先后獲國家科技進步獎一等獎、二等獎各1項，省部級科技進步獎一等獎3項、發(fā)明獎2項。
2008年題名為“Bitcoin：a peer-to-peer electronic cash system”的論文發(fā)表至今，基于分布式賬本技術(shù)的區(qū)塊鏈在全球產(chǎn)生了巨大深遠的影響，而實現(xiàn)分布式系統(tǒng)強一致性及最終一致性達成的共識算法無疑是區(qū)塊鏈技術(shù)體系的核心，其本質(zhì)是要解決在分布式網(wǎng)絡(luò)環(huán)境下，如何讓所有的節(jié)點對窗口內(nèi)發(fā)生事務(wù)的順序和內(nèi)容正確性達成共識，確保系統(tǒng)內(nèi)同一個事務(wù)處理的可靠和可信，為實現(xiàn)區(qū)塊鏈去中心化、開放自治提供機制的支撐和保障。
對于嚴格維護去中心化機制的“公有鏈”（Public Blockchain）系統(tǒng)，工作量證明（Proof of Work, PoW）毫無爭議是目前最具認可度的共識算法，在全球影響力最大公有鏈比特幣和以太坊系統(tǒng)中均予以采用。PoW的原理是區(qū)塊鏈中各個節(jié)點通過算力計算哈希（Hash）難題，其中最先解決難題的節(jié)點將獲得區(qū)塊記賬權(quán)，從而以算力競爭的方式保證數(shù)據(jù)的一致性，這一過程又俗稱“挖礦”。PoW機制可以表達為：H（param||nonce）<target，其中，h表示哈希函數(shù)，param是區(qū)塊相關(guān)的數(shù)據(jù)，nonce是隨機值，target是由當前計算難度值決定的目標值。顯然，要找到符合條件的nonce，只能通過窮舉的方法來實現(xiàn)，然而，公鏈節(jié)點規(guī)模的擴大和挖礦難度的不斷增大，PoW共識機制越來越暴露出無法克服的問題：
（1） 能源浪費巨大。截至目前，采用PoW共識算法“挖礦”的比特幣系統(tǒng)，產(chǎn)生一枚比特幣的耗電量大約在20萬度到30萬度之間，導致全球范圍內(nèi)的比特幣挖礦能源消耗非常巨大，劍橋大學替代金融研究中心數(shù)據(jù)顯示，僅比特幣挖礦年度消耗的電量高達1 300多億度電，比很多國家的年度用電總量都要高。
（2） 業(yè)務(wù)性能很低。PoW共識算法要求每筆交易及其區(qū)塊都要獲得所有節(jié)點的確認，才會被記錄到賬本中，而隨著網(wǎng)絡(luò)規(guī)模的擴大，共識的耗時必然提升，目前比特幣和以太坊系統(tǒng)的共識速度平均僅約5筆/秒左右。雖然有試圖以增加區(qū)塊大小和降低出塊時間間隔來提升交易速度的其它衍生公鏈系統(tǒng)，但是它們?nèi)詿o法避免出現(xiàn)分叉概率上升的風險和交易效率降低等問題。
（3） 算力集中風險。在巨大的利益驅(qū)動下，越來越多的專業(yè)挖礦算力節(jié)點加入到比特幣和以太坊系統(tǒng)，甚至出現(xiàn)多個節(jié)點聯(lián)合挖礦形成了的幾大礦池占據(jù)多數(shù)算力的局面，明顯違背了區(qū)塊鏈去中心化基本原則和設(shè)計初衷。
權(quán)益證明算法正是為彌補PoW不足應運而生。PoS算法由PeerCoin創(chuàng)始人Sunny King和Scott Nadal提出并實現(xiàn)，其突出特點是引入了幣齡的概念，將消耗幣齡（代幣數(shù)量與時間的乘積）與計算hash散列的工作量一起作為記賬權(quán)分配的準則，從而等比例的降低hash運算的難度。PoS機制可以表達為：工作量證明hash<總目標值，而總目標值=幣齡X目標值target。因此節(jié)點不再是僅依靠算力去競爭記賬權(quán)，而是通過長期持有或者獲得更多的幣去增加幣齡。與PoW算法相比，PoS算法是在一個有限的空間里進行共識，不需要消耗過多的外部算力和資源，可以有效地彌補PoW的劣勢，并且能夠在一定程度上縮短達成共識的時間，提升系統(tǒng)運行性能。
股權(quán)授權(quán)證明（Delegated Proof of Stake，DPoS）基于PoS演化而來，由Block.one公司開發(fā)的企業(yè)操作系統(tǒng)（Enterprise Operating System，EOS）是第一個采用DPoS的公鏈項目。DPoS在完成共識的過程中不需要消耗大量的算力，大大提高了區(qū)塊的生成速度和交易確認效率，同時不會出現(xiàn)PoS機制中富有節(jié)點長期支配記賬權(quán)的情況。
以太坊由于其率先實現(xiàn)了圖靈完備的智能合約子系統(tǒng)，目前已經(jīng)是全世界應用生態(tài)發(fā)展最好的公有鏈系統(tǒng)，為解決以太坊面臨的網(wǎng)絡(luò)擁堵、運行節(jié)點的算力要求門檻高、PoW機制能耗巨大等困境，從2015年以來以太坊開發(fā)團隊就一直致力于共識機制的切換研發(fā)：（1） 利用分片鏈來減輕節(jié)點驗證者的工作量，解決可擴展性問題；（2） 利用信標鏈隨機分配驗證者降低作惡概率，保證安全；（3） 利用PoS機制降低節(jié)點門檻并保障生態(tài)的可持續(xù)發(fā)展，并最大程度上實現(xiàn)去中心化。
以太坊信標鏈已于2020年底上線。2022年4月11日，以太坊完成了網(wǎng)絡(luò)的第一個影子分叉（Mainnet Shadow Fork），啟動了一個從PoW過渡到PoS的合并測試網(wǎng)。預計2022年以太坊將完成由PoW到PoS的切換，并由此形成世界范圍內(nèi)節(jié)點數(shù)最多，應用生態(tài)最大的公有鏈系統(tǒng)，并將進一步推動區(qū)塊鏈技術(shù)發(fā)展。
圖6｜一種確保數(shù)字貨幣安全的替代方法可以結(jié)束加密貨幣的能源消耗困境（圖片來源：MIT Technology Review 官網(wǎng)）
新冠口服藥
A pill for COVID
吞下一粒藥丸就能使新型冠狀病毒消失，這是人們的愿望?，F(xiàn)在，這個愿望變成了現(xiàn)實。感染新型冠狀病毒幾天的病人服用輝瑞公司的一種抗病毒藥物后，可將住院的幾率降低89%。美國政府已經(jīng)訂購了價值100億美元的這種名為Paxlovid的新藥。這款新藥的成功研制并不只是黑暗中一次幸運的嘗試。針對一種能夠調(diào)控新冠病毒進行威脅性復制的關(guān)鍵蛋白酶，化學家們設(shè)計了這款藥物，用于阻斷病毒的自我復制能力。事實上，其它類型的冠狀病毒中也存在類似的蛋白酶，這也就意味著輝瑞公司的藥物有望抵御下一次冠狀病毒流行病?？共《拘滤幍难邪l(fā)周期比病毒疫苗的設(shè)計、合成和測試時間更長，以前從未有一種全新的戰(zhàn)勝疾病的分子能如此迅速地從化學家的實驗室進入志愿者的口中，并獲得美國食品和藥物管理局的批準。該藥物將防止許多人死于新型冠狀病毒肺炎（Corona Virus Disease 2019，COVID-19），包括免疫系統(tǒng)較弱而疫苗對其無效的人。而且如果出現(xiàn)了能夠打敗疫苗的新變種，抗病毒藥物可能是我們的最后手段。
專家點評
李 巖
華中科技大學同濟醫(yī)學院教授、博士生導師。入選國家高層次青年人才項目及湖北省公共衛(wèi)生青年拔尖人才。主要從事重要傳染病的致病機制及新藥研究工作。在Science、Nature Communications、Journal of Virology、Journal of Infection 等期刊發(fā)表SCI論文50余篇。
自2019年新冠肺炎疫情爆發(fā)以來，國內(nèi)外已有多種新冠肺炎治療藥物和疫苗陸續(xù)被開發(fā)出來。由于專業(yè)醫(yī)療資源在新冠肺炎疫情中的緊缺性，許多生物制藥研究機構(gòu)將療效好、副作用低、給藥條件要求較低的新冠口服藥作為新型冠狀病毒藥物開發(fā)的重點方向。
近期，由輝瑞公司開發(fā)的新冠口服藥Paxlovid受到了廣泛關(guān)注。2022年，發(fā)表在The New England Journal of Medicine 雜志上的臨床 2/3 期雙盲隨機對照試驗結(jié)果表明，蛋白酶抑制劑奈瑪特韋（Nirmatrelvir/PF-07321332）和利托那韋（Ritonavir）聯(lián)用，可導致進展為嚴重COVID-19的風險比安慰劑低89%，并且無明顯的安全性問題[10]。Paxlovid實質(zhì)上是兩種藥物的聯(lián)合包裝，即蛋白酶抑制劑奈瑪特韋（Nirmatrelvir/PF-07321332）和能夠改善奈瑪特韋藥代動力學行為的利托那韋（Ritonavir）。新型冠狀病毒SARS-CoV-2依賴一種蛋白酶Mpro來切割蛋白前體，而奈瑪特韋是一種針對Mpro蛋白酶的小分子抑制劑，能夠通過競爭結(jié)合Mpro來抑制SARS-CoV-2的復制。一方面，奈瑪特韋對重組Mpro的抑制常數(shù)（Ki）以及對SARS-CoV-2抗病毒指標半最大效應濃度（Concentration for 50% of Maximal Effect，EC50）均達到了納摩爾每升的水平，同時其在小鼠適應的SARS-CoV-2模型中證明了口服活性，并在臨床I期試驗中達到了超過體外抗病毒細胞效力的口服血漿濃度；另一方面，奈瑪特韋具備了可接受的溶解度、改進過的大規(guī)模合成潛力、與簡單制劑載體的兼容性等特點，這些因素構(gòu)成了奈瑪特韋作為新冠口服藥組分的分子基礎(chǔ)[11]。利托那韋是一種酶抑制劑，其本身對SARS-CoV-2無明顯活性，但它能抑制負責代謝奈瑪特韋的酶CYP3A4的活性，從而提高奈瑪特韋的血清濃度和半衰期，輔助奈瑪特韋發(fā)揮功能[12]。
值得注意的是，自2019年以來，SARS-CoV-2已發(fā)展出數(shù)種比原始株具有更強傳播力的突變株。因此，開發(fā)抗新冠藥物時，其對突變株和潛在新突變株的效力留存水平是必須考慮的問題。奈瑪特韋的靶點Mpro是SARS-CoV-2復制過程必需的重要蛋白酶，這種酶依賴一些高度保守的位點組成的口袋行使催化功能[13]。理論上發(fā)生在Mpro上的突變有可能對SARS-CoV-2的復制能力造成直接的損害，從而使這種突變株難以獲得遺傳優(yōu)勢。但目前尚無明確證據(jù)表明Paxlovid不易引起SARS-CoV-2的耐藥性。此外，盡管體外研究和動物實驗結(jié)果提示，奈瑪特韋對奧密克戎突變株仍具有抗病毒活性[14,15]，Paxlovid對奧密克戎及將來可能出現(xiàn)的新毒株引發(fā)的新冠肺炎感染是否仍有較好的臨床療效仍需進一步驗證。同時，我們也注意到已有研究表明，在其他藥物存在的情況下，利托那韋對奈瑪特韋的藥代動力學助推效應可能會引入有害的藥物藥物相互作用，因此對具有特定用藥史的輕度~中度新冠患者開具Paxlovid處方可能需要高度謹慎[16]。
總的來說，如其他重要的新冠藥物一般，新冠口服藥Paxlovid的開發(fā)和上市也為新冠防治事業(yè)打入了一針強心劑。然而，隨著新冠口服藥的深入研發(fā)，是否能有進一步新的突破？讓我們拭目以待。
圖7｜易于服用的治療嚴重的 COVID-19 的藥片也可能對下一次大流行病起作用（圖片來源：MIT Technology Review 官網(wǎng)）
人工智能合成數(shù)據(jù)
Synthetic data for AI
訓練人工智能模型需要大量的數(shù)據(jù)。2021年，尼日利亞數(shù)據(jù)科學公司的研究人員注意到，旨在訓練計算機視覺算法的工程師可以選用大量以西方服裝為特色的數(shù)據(jù)集，但卻沒有非洲服裝的數(shù)據(jù)集。于是，該團隊通過人工智能算法人為生成由非洲時尚服裝的圖像組成的數(shù)據(jù)來解決這一不平衡問題。這種通過算法人為合成出的符合真實世界情況的數(shù)據(jù)，具有與真實數(shù)據(jù)相似的統(tǒng)計學特征，且在數(shù)據(jù)饑渴的機器學習領(lǐng)域的應用越來越普遍。在真實數(shù)據(jù)稀缺或過于敏感的領(lǐng)域，如醫(yī)療記錄或個人財務(wù)數(shù)據(jù)，這些“合成數(shù)據(jù)”可用于訓練人工智能模型。實際上，合成數(shù)據(jù)的想法并不新鮮，例如，無人駕駛汽車已經(jīng)在虛擬街道上進行了許多訓練。2021年，“合成數(shù)據(jù)”技術(shù)已經(jīng)變得很普遍，許多初創(chuàng)公司和大學都在提供這種服務(wù)。例如，Datagen和Synthesis AI可根據(jù)需要提供數(shù)字人臉，其他公司可為金融和保險業(yè)提供合成數(shù)據(jù)。
特別地，2021年麻省理工學院發(fā)布了名為“Synthetic Data Vault”的開源工具，支持便捷生成不同領(lǐng)域、不同模態(tài)的數(shù)據(jù)。MIT Technology Review 關(guān)注到了數(shù)據(jù)合成方向的技術(shù)動態(tài)，并鑒于數(shù)據(jù)對智能算法的源頭作用，將其列入2022“全球十大突破性技術(shù)”。
專家點評
程學旗
中國科學院計算技術(shù)研究所研究員、博士生導師，國家杰出青年科學基金獲得者。主要研究方向為數(shù)據(jù)科學基礎(chǔ)理論，大數(shù)據(jù)分析技術(shù)與系統(tǒng)，網(wǎng)絡(luò)與社會治理大數(shù)據(jù)應用等。在國內(nèi)外學術(shù)期刊與會議上發(fā)表論文200余篇，授權(quán)發(fā)明專利80余項，谷歌學術(shù)引用20 000余次。在數(shù)據(jù)表征學習、異構(gòu)大數(shù)據(jù)廣譜關(guān)聯(lián)、信息檢索與排序、群體分析與群智眾包系統(tǒng)等方面取得突出成果，5次獲得本領(lǐng)域國際學術(shù)會議最佳論文獎。獲國家科技進步獎二等獎3次、國家技術(shù)發(fā)明獎二等獎1次。
陳 薇
中國科學院計算技術(shù)研究所研究員，博士生導師。主要研究領(lǐng)域為機器學習理論與算法，可信機器學習技術(shù)及其在智能算法安全中的應用。在International Conference on Machine Learning、Conference on Neural Information Processing Systems、International Conference on Learning Representations 等機器學習和人工智能國際會議/期刊發(fā)表學術(shù)論文50余篇。2021年入選福布斯“中國科技女性榜”。
人工智能技術(shù)已經(jīng)在百姓生活和社會管理中廣泛應用，例如日常購物娛樂和網(wǎng)絡(luò)社交中的智能算法推薦、生活工作中的智能穿戴和智能算法助手、以及幫助規(guī)劃調(diào)度城市高效運轉(zhuǎn)的城市大腦。人工智能技術(shù)浸潤著現(xiàn)代社會的每一個角落，已然成為世界科技與社會發(fā)展的一大支柱。
2022年MIT Technology Review 評選出“全球十大突破性技術(shù)”，“人工智能合成數(shù)據(jù)（Synthetic Data for AI）”入選其中。如果說以深度學習為代表的智能算法是人工智能技術(shù)應用和發(fā)展的“引擎”，那么數(shù)據(jù)就是用于驅(qū)動“引擎”的“燃料”。雖然人工智能與機器學習領(lǐng)域的專家吳恩達認為，未來技術(shù)落地的重點將會轉(zhuǎn)向數(shù)據(jù)，形成以“數(shù)據(jù)為中心的人工智能”[17]，但過去幾年研究人員還是主要聚焦在模型、訓練算法、或者是算力的改進上，對數(shù)據(jù)本身的關(guān)注相對較少。
有觀點認為，在大數(shù)據(jù)時代，數(shù)據(jù)本身是廉價的，富有價值的是從數(shù)據(jù)中挖掘到的知識。這個觀點并不完全正確。知識是寶貴的，但數(shù)據(jù)卻并非廉價。人工智能模型的效果很大程度上取決于數(shù)據(jù)質(zhì)量，“無效輸入（Garbage In）”往往會導致“無效輸出（Garbage Out）”[18,19]。為了得到高質(zhì)量的數(shù)據(jù)，需要對數(shù)據(jù)進行預處理，包括處理缺失數(shù)據(jù)和異常數(shù)據(jù)等。此外，為了提高模型訓練的效果，還需要邀請領(lǐng)域?qū)＜胰斯槊恳环輸?shù)據(jù)附上標簽，這大大地提高了數(shù)據(jù)的獲取成本并制約了數(shù)據(jù)集的規(guī)模。除去獲取成本高昂以外，特定領(lǐng)域的數(shù)據(jù)集還受限于用戶隱私，極難采集。以醫(yī)學影像領(lǐng)域為例，患者的醫(yī)學影像（如X光片）被醫(yī)院保管，醫(yī)院無權(quán)泄露。這很好地保障了患者的隱私，但同時增添了領(lǐng)域研究者獲取數(shù)據(jù)的難度。
因此，如何高效、廉價并在不侵犯隱私的情況下獲取大量數(shù)據(jù)，是人工智能領(lǐng)域的關(guān)鍵問題之一。為了實現(xiàn)這一目標，研究人員提出了“合成數(shù)據(jù)（Synthetic Data）”的方法，即通過算法人為生成出符合真實世界情況的數(shù)據(jù)集[20-22]。合成得到的數(shù)據(jù)集可以用于人工智能模型的訓練，且具有獲取成本低、質(zhì)量高、避免侵犯隱私等優(yōu)點，有望解決目前模型訓練中數(shù)據(jù)缺乏這一瓶頸問題。綜上，筆者認為，MIT Technology Review 關(guān)注到了數(shù)據(jù)生成方向的技術(shù)動態(tài)，并鑒于數(shù)據(jù)對智能算法的源頭作用，將其列入“全球十大突破性技術(shù)”。
國際上，“合成數(shù)據(jù)”技術(shù)研究的價值已經(jīng)正在得到廣泛認可，許多知名研究機構(gòu)及科研院校都正在開展關(guān)于合成數(shù)據(jù)的項目。特別地，2021年麻省理工學院發(fā)布了名為“Synthetic Data Vault”的開源工具，支持便捷生成不同領(lǐng)域、不同模態(tài)的數(shù)據(jù)[23]。此外，國際資本市場也提早預期到了“合成數(shù)據(jù)”技術(shù)的潛在價值，催生出了一批初創(chuàng)公司， 如AI.Reverie、Sky Engine、Datagen等。其中，AI.Reverie在2021年被Meta公司收購，用于支持元宇宙的開發(fā)；Datagen在2022年3月獲得5 000萬美元的B輪融資。成功的商業(yè)模式正在表明“合成數(shù)據(jù)”這項技術(shù)并非只能用于實驗室場景，在實際場景中也能夠發(fā)揮重要作用。高納德咨詢公司在2021年6月的報告中甚至預測，到2030年，絕大部分用于訓練人工智能模型的數(shù)據(jù)將是合成數(shù)據(jù)[24]。
我國的科研院所及商業(yè)公司也在“合成數(shù)據(jù)”領(lǐng)域積極進行研究探索，并取得了優(yōu)秀的成果。例如，中國科學院的研究人員提出了對偶生成模型（Dual Variational Generation, DVG），該模型能夠高效地生成大量現(xiàn)實中不存在的人臉虛擬圖像，從而有效緩解異質(zhì)人臉識別任務(wù)中缺乏數(shù)據(jù)及數(shù)據(jù)采集成本過高的問題[25]。商業(yè)公司也正在該領(lǐng)域進行有效探索，例如，支付寶公司基于實物建模技術(shù)與渲染技術(shù)提出了一套用于合成三維數(shù)據(jù)的方案，有效降低了模型訓練中的數(shù)據(jù)成本，并且避免了人工標注數(shù)據(jù)帶來的不可靠性[26]。相對而言，我國關(guān)于“合成數(shù)據(jù)”的研究主要著眼于服務(wù)下游任務(wù)，對“合成數(shù)據(jù)”技術(shù)本身的研究仍有待開拓。
“合成數(shù)據(jù)”領(lǐng)域的技術(shù)發(fā)展趨勢迅猛，正在被期待對人工智能產(chǎn)生“再次點火”的作用。本次入選MIT Technology Review “全球十大突破性技術(shù)”榜單，也將使其受到社會各界的更多關(guān)注。然而，筆者認為我們?nèi)匀恍枰攸c關(guān)注以下幾個問題：
（1） “合成數(shù)據(jù)”的評估問題。研究者們逐漸意識到，高質(zhì)量的合成數(shù)據(jù)集不僅僅可以作為真實數(shù)據(jù)集的補充，更可以作為訓練人工智能模型的主要數(shù)據(jù)來源。但在全面應用合成數(shù)據(jù)集之前，需要充分研究合成數(shù)據(jù)集與真實數(shù)據(jù)集的差異，從而避免應用合成數(shù)據(jù)集帶來的偏差。如何評估合成數(shù)據(jù)集與真實數(shù)據(jù)集的差異仍是一個亟待解決的問題。
（2） “合成數(shù)據(jù)”仍存在“非自然數(shù)據(jù)”的問題。目前大多合成數(shù)據(jù)技術(shù)是基于統(tǒng)計機器學習方法的，由于經(jīng)典統(tǒng)計學只關(guān)注了數(shù)據(jù)中蘊含的相關(guān)性，而忽視了因果性，因此有可能會生成不合邏輯的數(shù)據(jù)。例如，合成圖像中可能會出現(xiàn)具有異常背景的圖像，這類數(shù)據(jù)被稱為“非自然數(shù)據(jù)”[27]?！胺亲匀粩?shù)據(jù)”對智能算法的影響目前仍然未知，尤其對算法的魯棒性和可靠性。刻畫影響的邊界并提早思考應對辦法將會是“合成數(shù)據(jù)”能否進入風險敏感領(lǐng)域的關(guān)鍵。
（3） “合成數(shù)據(jù)”的“隱式隱私”泄露問題。雖然“合成數(shù)據(jù)”并不由某個用戶產(chǎn)生，但是目前的“合成數(shù)據(jù)”仍然需要借用數(shù)據(jù)來訓練用于合成數(shù)據(jù)的模型，比如生成對抗網(wǎng)絡(luò)。由于生成對抗網(wǎng)絡(luò)結(jié)構(gòu)的復雜度較高，因此在模型訓練的過程中，存在記憶原始訓練樣本分布的可能。已經(jīng)有最新研究結(jié)果表明，可以通過合成的數(shù)據(jù)反向推斷出原始訓練樣本[28]。所以，數(shù)據(jù)合成技術(shù)存在上述“隱式隱私”泄露問題，如何更嚴密地保護隱私仍是有待探究的問題。
圖8｜人工智能的好處主要集中在數(shù)據(jù)資源豐富的領(lǐng)域，而“合成數(shù)據(jù)”有望填補領(lǐng)域空白。（圖片來源：MIT Technology Review 官網(wǎng)）
除碳工廠
Carbon removal factory
減少碳排放是緩解氣候變化的關(guān)鍵步驟，但據(jù)聯(lián)合國稱，這還不夠。為了避免未來發(fā)生災難性的氣候變暖，我們還應采取一定的措施清除空氣中的二氧化碳。2021年9月，瑞士科技公司Climeworks開啟了迄今為止最大的二氧化碳捕獲工廠Orca的開關(guān)。該設(shè)施位于冰島雷克雅未克的郊外，每年可捕獲4 000噸的二氧化碳。該“除碳工廠”工作流程為：大型風扇將空氣吸過一個過濾器，在那里碳捕獲材料與二氧化碳分子結(jié)合；然后，該公司的合作伙伴Carbfix，將二氧化碳與水混合，并將其泵入地下，進而與玄武巖反應，最終變成石頭。該設(shè)施完全依靠無碳電力運行，電力主要來自于附近的地熱發(fā)電廠?？梢钥隙ǖ氖?，4 000噸的年處理量并不是那么多，比900輛汽車的年排放量還要少。實際上，更大的“除碳”設(shè)施也在計劃建設(shè)中。位于加拿大不列顛哥倫比亞省斯夸米什（Squamish）的碳工程公司，計劃今年在美國西南部開始建設(shè)一個二氧化碳年處理量可達100萬噸的工廠。此外，該公司與合作伙伴一起，也啟動了蘇格蘭和挪威除碳工廠的工程設(shè)計工作，這些工廠將每年捕獲50萬~100萬噸二氧化碳?！俺肌逼髽I(yè)也希望通過更多更大的“除碳工廠”建設(shè)、運行調(diào)試和操作優(yōu)化，進一步降低運行成本，并實現(xiàn)規(guī)模經(jīng)濟效益。Climeworks公司估計，到21世紀 30 年代末，捕集每噸碳的成本將從現(xiàn)階段的600~800美元之間降低至約100~150美元?，F(xiàn)如今，越來越多的個人及公司，包括微軟、Stripe和Square，已經(jīng)在支付高額費用來吸走空氣中的二氧化碳，以努力抵消他們所產(chǎn)生的碳排放。而這些資金為“除碳工廠”提供了關(guān)鍵的早期收入。
專家點評
單文坡
中國科學院城市環(huán)境研究所研究員，博士生導師。主要從事環(huán)境催化與大氣污染控制研究，在國內(nèi)外學術(shù)期刊發(fā)表論文100余篇。國家自然科學基金優(yōu)秀青年科學基金和浙江省“萬人計劃”青年拔尖人才項目獲得者。2019年，以第三完成人身份獲國家自然科學獎二等獎。
工業(yè)革命以來，人類活動大量排放二氧化碳（Carbon Dioxide，CO2）等溫室氣體，使得溫室效應持續(xù)加強，導致全球平均氣溫不斷升高。2022年4月4日，聯(lián)合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）發(fā)布了題為《氣候變化2022：減緩氣候變化》的第三工作組報告，指出2010—2019年全球溫室氣體年均排放量處于人類歷史最高水平，排放量增速雖然放緩，但上升趨勢并未改變；全球碳排放量必須在2025年達到頂峰，并在2030年之前削減43%，才有機會將全球氣溫上升幅度控制在1.5 ℃（與工業(yè)革命之前相比）之內(nèi)。實際上，即使全世界達到了碳中和，由于工業(yè)革命以來人類已經(jīng)排放了超過萬億噸的CO2，如果僅僅依靠自然過程，大氣CO2濃度降低至工業(yè)革命前的水平也將是一個非常緩慢的過程。
作為一項利用工程系統(tǒng)從大氣中去除CO2的技術(shù)，直接空氣碳捕獲（Direct Air Capture，DAC）技術(shù)的大規(guī)模應用對于有效降低大氣中CO2濃度，遏制氣候變化具有重要意義。該技術(shù)主要利用引風機將空氣抽入，通過吸附、吸收或膜分離裝置捕集CO2，并將貧CO2的空氣排回大氣，而捕獲的CO2可以進行封存或利用，整個過程可以理解為一種工業(yè)“光合作用”。不同于針對工業(yè)固定源的CO2捕獲技術(shù)，DAC可以部署在世界上任何有電力供應的地方，選址更靈活，且可以模塊化建設(shè)。自1999年被提出以來，DAC技術(shù)經(jīng)過20余年的發(fā)展，已經(jīng)初具實際應用的可能性。2021年9月，瑞士Climeworks公司在冰島啟動了名為Orca的除碳工廠，以地熱發(fā)電為主要能量來源，利用目前最大的DAC裝置，每年可捕獲4 000噸CO2。此次除碳工廠能夠入選MIT Technology Review2022年“全球十大突破性技術(shù)”，充分說明DAC技術(shù)工業(yè)化實踐的重要意義。
DAC在除碳方面具有明顯的技術(shù)優(yōu)勢，對Climeworks公司DAC工藝的全生命周期分析也證實了其負碳排放效果[29]，但目前高昂的運行成本仍是限制DAC大規(guī)模應用的關(guān)鍵因素。近期，加州大學伯克利分校的研究人員對DAC技術(shù)的發(fā)展前景進行了展望，并提出了適于該技術(shù)發(fā)展的政策路線圖，他們認為DAC的全球推廣不能依賴市場杠桿效應，而應通過持續(xù)的“財政激勵 強制部署”政策推進其大規(guī)模部署[30]。另一方面，從技術(shù)角度來看，DAC發(fā)展的關(guān)鍵在于高效低成本的碳捕集材料與工藝系統(tǒng)的研發(fā)，其商業(yè)化應用仍然需要依靠技術(shù)進步來大幅降低運行成本。
近年來，歐美發(fā)達國家已陸續(xù)開展DAC技術(shù)的研發(fā)與應用，通過材料與技術(shù)的進步不斷降低運行成本，2021年8月美國能源部宣布撥款2 400萬美元支持DAC技術(shù)，一些比Orca更大型的除碳工廠也正在建設(shè)之中。這些先行工作可能使得發(fā)達國家更早掌握DAC前沿技術(shù)和核心知識產(chǎn)權(quán)，并為未來獲取經(jīng)濟效益搶得先機。2020年9月，在第75屆聯(lián)合國大會上，我國提出CO2排放力爭在2030年前達峰，努力爭取2060年實現(xiàn)碳中和的“雙碳”目標，這也將我國綠色發(fā)展之路提升到了新的高度，為低碳、零碳、負碳技術(shù)的發(fā)展提供了重大機遇。當前，從實際國情出發(fā)，我國主要以產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)低碳轉(zhuǎn)型來推動綠色發(fā)展，對DAC等負碳排放技術(shù)的創(chuàng)新和儲備還相對不足。目前我國在碳捕集材料研發(fā)方面有著較為豐富的研究成果，但嚴重缺乏類似除碳工廠的工業(yè)化實踐，以及以DAC為核心技術(shù)的商業(yè)化公司。為確?！半p碳”目標的有序推進，我國應進一步鼓勵和推動DAC等負碳排放技術(shù)的科技創(chuàng)新與應用實踐，加強技術(shù)儲備，搶占技術(shù)前沿，更好地參與引領(lǐng)全球氣候治理。
圖9｜一個從空氣中捕獲CO2的大型工廠將有助于創(chuàng)建一個世界需要的產(chǎn)業(yè)，以規(guī)避本世紀氣候變暖的風險（圖片來源：MIT Technology Review 官網(wǎng)）
【本文來源：《中國科學基金》2022年第3期】
參 考 文 獻
[1] Buecker A, Chakrabarty B, Dymoke-Bradshaw B, et al. Reduce risk and improve security on IBM mainframes: volume 1 architecture and platform security.(2014-12-09)/[2022-06-14].http://www.redbooks.ibm.com/redbooks/pdfs/sg247803.pdf.
[2] Wang D, Zhang ZJ, Wang P, et al. Targeted online password guessing: an underestimated threat.(2016-10-24)/[2022-06-14].https://dl.acm.org/doi/10.1145/2976749.2978339.
[3] Lyons K. Hackers reportedly used a compromised password in Colonial Pipeline cyberattack.(2021-06-05)/[2022-06-14].https://www.theverge.com/2021/6/5/22520297/compromised-password-reportedly-allowed-hackers-colonial-pipeline-cyberattack.
[4] Kotadia M. Gates predicts death of the password.(2004-02-25)/[2022-06-14].https://www.cnet.com/news/privacy/gates-predicts-death-of-the-password/.
[5] Bonneau J, Herley C, van Oorschot PC, et al. The quest to replace passwords: a framework for comparative evaluation of web authentication schemes//2012 IEEE Symposium on Security and Privacy. San Francisco: IEEE, 2012: 553—567.
[6] Bonneau J, Herley C, van Oorschot PC, et al. Passwords and the evolution of imperfect authentication. Communications of the ACM, 2015, 58(7): 78—87.
[7] 汪定. 口令安全關(guān)鍵問題研究. 北京: 北京大學, 2017.
[8] Vijayan J. Apple, Microsoft are pushing passwordless; here’s a reality check.(2022-02-15)/[2022-06-14].https://techbeacon.com/security/apple-microsoft-are-pushing-passwordless-heres-reali
ty-check.
[9] Micorsoft. Identity is the new battleground.(2022-02)/[2022-06-14].https://news.microsoft.com/wp-content/uploads/prod/sites/626/2022/02/Cyber-Signals-E-1.pdf.
[10] Hammond J, Leister-Tebbe H, Gardner A, et al. Oral nirmatrelvir for high-risk, nonhospitalized adults with covid-19. The New England Journal of Medicine, 2022, 386(15): 1397—1408.
[11] Owen DR, Allerton CMN, Anderson AS, et al. An oral SARS-CoV-2 Mpro inhibitor clinical candidate for the treatment of COVID-19. Science, 2021, 374(6575): 1586—1593.
[12] McDonald EG, Lee TC. Nirmatrelvir-ritonavir for COVID-19. Canadian Medical Association Journal, 2022, 194(6): E218.
[13] Hegyi A, Ziebuhr J. Conservation of substrate specificities among coronavirus main proteases. The Journal of General Virology, 2002, 83(Pt 3): 595—599.
[14] Abdelnabi R, Foo CS, Jochmans D, et al. The oral protease inhibitor (PF-07321332) protects Syrian hamsters against infection with SARS-CoV-2 variants of concern. Nature Communications, 2022, 13: 719.
[15] Li PF, Wang YN, Lavrijsen M, et al. SARS-CoV-2 Omicron variant is highly sensitive to molnupiravir, nirmatrelvir, and the combination. Cell Research, 2022, 32(3): 322—324.
[16] Girardin F, Manuel O, Marzolini C, et al. Evaluating the risk of drug-drug interactions with pharmacokinetic boosters: the case of ritonavir-enhanced nirmatrelvir to prevent severe COVID-19. Clinical Microbiology and Infection, 2022, doi: 10.1016/j.cmi.2022.03.030.
[17] Strickland E. Andrew ng, AI minimalist: the machine-learning pioneer says small is the new big. IEEE Spectrum, 2022, 59(4): 22—50.
[18] Rose LT, Fischer KW. Garbage in, garbage out: having useful data is everything. Measurement: Interdisciplinary Research & Perspective, 2011, 9(4): 222—226.
[19] Kilkenny MF, Robinson KM. Data quality: “garbage in-garbage out”. Health Information Management Journal, 2018, 47(3): 103—105.
[20] Gupta A, Vedaldi A, Zisserman A. Synthetic data for text localisation in natural images. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Las Vegas: IEEE, 2016: 2315—2324.
[21] Jaderberg M, Simonyan K, Vedaldi A, et al. Synthetic data and artificial neural networks for natural scene text recognition.(2014-12-09)/[2022-06-15].https://arxiv.org/abs/1406.2227.
[22] Frid-Adar M, Klang E, Amitai M, et al. Synthetic data augmentation using GAN for improved liver lesion classification// 2018 IEEE 15th International Symposium on Biomedical Imaging (ISBI 2018). Washington, DC: IEEE, 2018: 289—293.
[23] Patki N, Wedge R, Veeramachaneni K. The synthetic data vault// 2016 IEEE International Conference on Data Science and Advanced Analytics. Montreal, QC: IEEE, 2016: 399—410.
[24] Gartner. Maverick* Research: Forget About Your Real Data—Synthetic Data Is the Future of AI.(2021-06-24)/[2022-04-16].https://www.gartner.com/en/documents/4002912.
[25] Fu CY, Wu X, Hu YB, et al. DVG-face: dual variational generation for heterogeneous face recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2022, 44(6): 2938—2952.
[26] 阿里云開發(fā)者社區(qū)阿里技術(shù). AI 訓練數(shù)據(jù)不夠用? 支付寶 3D 合成數(shù)據(jù)方案揭秘.(2020-03-25)/[2022-04-16].https://developer.aliyun.com/article/751561.
[27] Varga T, Bunke H. Perturbation models for generating synthetic training data in handwriting recognition machine learning in document analysis and recognition// Marinai S, Fujisawa H, eds. Machine Learning in Document Analysis and Recognition and Berlin, Heidelberg: Springer, 2008. 333—360.
[28] Hitaj B, Ateniese G, Perez-Cruz F. Deep models under the GAN: information leakage from collaborative deep learning//CCS \’17: Proceedings of the 2017 ACM SIGSAC Conference on Computer and Communications Security. New York: Association for Computing Machinery Digital Library, 2017: 603—618.
[29] Deutz S, Bardow A. Life-cycle assessment of an industrial direct air capture process based on temperature—vacuum swing adsorption. Nature Energy, 2021, 6(2): 203—213.
[30] Meckling J, Biber E. A policy roadmap for negative emissions using direct air capture. Nature Communications, 2021, 12: 2051.
版權(quán)聲明：本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻，該文觀點僅代表作者本人。本站僅提供信息存儲空間服務(wù)，不擁有所有權(quán)，不承擔相關(guān)法律責任。如發(fā)現(xiàn)本站有涉嫌抄襲侵權(quán)/違法違規(guī)的內(nèi)容， 請發(fā)送郵件至 舉報，一經(jīng)查實，本站將立刻刪除。