本期前沿洞察又来啦，这次望潮君带来了三个新鲜技术：可以让物品速成“变色龙”，重复编程的特殊染料；未来可以协助警察、安保的狗型机器人；用心电图前15分钟，就可以预测患者心血管疾病死亡风险的系统……

一起来看看吧：

特殊染料让物品速成“变色龙”，光致变色，可重复编程

麻省理工学院计算机科学和人工智能实验室（CSAIL）的一个科研团队创造出一种新型的可重复编程的“墨水”，它可以让物体利用光来改变自身的颜色。未来，“五彩斑斓的黑”或许也不再是一个玩笑。

MIT的研究团队通过设计一种名为“PhotoChromeleon”（光致变色）的系统，让人们距离实现变色龙的能力更近了一步。该系统使用一种混合的光致变色染料作为“墨水”，它可以喷涂到任何物体的表面，并通过紫外线或可见光的照射来改变其颜色。更为关键的是，这个变色过程是完全可逆的，还可以无限地重复。

研究人员表示，PhotoChromeleon可以用于定制任何产品，不论是手机外壳、运动鞋等小型生活用品，还是汽车、飞机等大型设备的表面，只要客户对颜色和设计有更新的需求，这个系统就都能够满足。做到让你的物品“一天一变样”。而且，这些颜色在自然环境中不会褪色。

图

PhotoChromeleon系统——光致变色（来源：MITCSAIL）

视频

物品变色效果，以及实现其功能的实验过程（来源：YouTube，MITCSAIL）

在视频中，研究团队在一只鞋、一个手机壳、一个汽车模型和一个小变色龙玩具上展示了该系统。根据物体的形状和方向的不同，在表面“绘图”的时间在15分钟~40分钟之间不等。所有图案都有很高的分辨率，还可以在需要的时候完全擦除，不留痕迹；或者随意换成其他图案。

具体来说，研究人员使用了三种不同波长的光，来分别消除每一种原色。例如，如果使用蓝光，它大部分会被黄色染料吸收并失去活性，而品红和青色会保留下来，从而产生蓝色；如果使用绿光，品红色染料会吸收并灭活它，最后黄色和青色都会保留下来，并产生绿色。

在物体表面涂抹上该溶液之后，用户只需要把物体放到一个装有投影仪和紫外线（UVlight）的盒子中就可以静候图案成型了。紫外线会让颜色从透明变为完全饱和，投影仪则会根据需要降低颜色的饱和度。一旦光线激活了颜色，新图案就会出现。

如果你对设计的图案不满意，所要做的也十分简单——就是用紫外线来擦除它，然后就可以重新开始设计了。

图

通过PhotoChromeleon设计的不同图案的鞋子（来源：MITCSAIL）

这一次研究团队设计的PhotoChromeleon的可重复编程墨水，你可以用它创造任何图案，从各种动物到广阔的景观，再到五彩缤纷的火焰等等，有更为丰富的色彩可供选择。

当然，这项研究仍有部分问题需要解决。目前的光致变色染料虽然色域已经很广，但也并不能表现出所有的颜色。例如，品红和青色就没有很好地匹配项。所以，研究团队还需要估算出最接近的颜色来弥补空缺。他们表示，未来计划通过与材料科学家合作来扩大这方面的研究，以便创造出更好的染料。

可以协助警察，军队和安保人员的狗型机器人

如果你将Apple的Siri和亚马逊的Alexa与BostonDynamic的四头机器人结合起来，你会得到什么？

Astro，就是这样一个四足视听智能机器人。它是佛罗里达大西洋大学机器感知和认知机器人实验室（MPCR）的科学家正在研发一个独一无二的狗型机器人，将拥有3D打印的类似杜宾犬的头部，和（计算机化的）大脑。

这款磅重的“训练中的小狗”可回应“坐下”，“站立”和“躺下”等简单命令，也能够在粗糙的地形中进行导航并应对危险情况，以防止人类和动物受到伤害。

Astro将配备十几个传感器，内含光学，声音，气体甚至雷达等信息，使用经验数据库快速查看和搜索数据库中的数千个面孔，闻到空气以检测异物，听到并响应落在人类听觉范围之外的遇险呼叫，并快速做出决定。

作为一名信息侦察员，Astro的主要任务将包括检测枪支，爆炸物和枪支残留物，以协助警察，军队和安保人员。他还可以为视力障碍者提供服务，或提供医疗诊断监测。MPCR团队还在培训Astro参与飓风检测和军事演习等。

用心电图前15分钟，就可以预测患者心血管疾病死亡风险

麻省理工学院计算机科学与人工智能实验室（CSAIL）的团队提出了一个新的系统来更好地预测健康结果：这是一种机器学习模型，可以根据心脏的电活动来估计患者心血管死亡的风险。

该系统名为“RiskCardio”，专注于在急性冠状动脉综合征（ACS）中存活的患者，仅通过患者原始心电图（ECG）信号的前15分钟，该工具就会产生一个分数，将患者置于不同的风险类别。

以前的机器学习模型试图通过利用外部患者信息（如年龄或体重），或使用特定领域的知识来帮助他们的模型选择不同的风险特征。

然而，RiskCardio仅使用患者的原始ECG信号，没有其他信息。

RiskCardio旨在改善风险评估的第一步。在未来，该团队希望使患者的数据集更具包容性，以适应不同的年龄、种族、性别和不同的医疗情况等。

—END—