制作一張木桌,絕對(duì)過程漫長且價(jià)格不菲。先種出一棵樹、砍伐完成、運(yùn)輸木料、碾磨型材……顯然,這是個(gè)長達(dá)數(shù)十年的過程。為此,Luis Fernando Velásquez-García提出了更簡單的解決方案:既然想要一張桌子,為什么不直接長出一張桌子來?
Velásquez-García的研究團(tuán)隊(duì)提出一種在實(shí)驗(yàn)室環(huán)境中培養(yǎng)某些植物組織(例如木質(zhì)及纖維)的方法。整個(gè)想法仍處于早期階段,其在一定程度上類似于肉類培養(yǎng),同樣有望簡化生物類材料的生產(chǎn)流程。該小組從百日菊葉子中提取到的細(xì)胞樣品,培養(yǎng)出了木質(zhì)細(xì)胞結(jié)構(gòu),由此證明了這一概念的可行性。
雖然離“直接種出一張桌子”還有很長的路要走,但這項(xiàng)工作已經(jīng)為生物材料的全新生產(chǎn)方法提供了可能的起點(diǎn),有望減輕林業(yè)與農(nóng)業(yè)承受的環(huán)境負(fù)擔(dān)。Velásquez-García提到,“數(shù)百年來,我們獲取這些材料的方式一直沒有改變,而且效率很低。最終,這將繞過一切低效率的陳舊要素。”
這篇論文發(fā)表在《清潔生產(chǎn)雜志(Journal of Cleaner Production)》上。文章主要作者為機(jī)械工程博士Ashley Beckwith,共同作者包括來自麻省理工學(xué)院微系統(tǒng)技術(shù)實(shí)驗(yàn)室首席科學(xué)家兼聯(lián)合顧問Velásquez-García、以及查爾斯·史塔克·德雷珀實(shí)驗(yàn)室生物醫(yī)學(xué)工程師Jeffrey Borenstein。
Bechwith提到,她一直對(duì)植物深深著迷,項(xiàng)目的靈感也來自她之前在農(nóng)場(chǎng)度過的時(shí)光。她發(fā)現(xiàn),農(nóng)業(yè)中存在很多固有的效率低下問題,肥料流失這類問題可以加以解決,但天氣與季節(jié)性因素則完全不受農(nóng)民的控制。另外,生長出的植物實(shí)際上只有一小部分可以作為食品或生產(chǎn)材料。
Beckwith提到,“這不禁讓我陷入了思考:我們能設(shè)計(jì)出自己的流程,讓整個(gè)產(chǎn)出流程變得更有戰(zhàn)略性嗎?我們能不能通過投入獲得更多收益?我想找到一種更高效的土地與資源利用方式,借此讓更多的耕地回歸自然狀態(tài)、或者保持較低的產(chǎn)量,借此提高生物多樣性。”為此,她決定將植物生產(chǎn)引入實(shí)驗(yàn)室環(huán)境。
于是,研究人員們開始在沒有土壤或陽光的室內(nèi)環(huán)境下,種植木本植物組織。他們決定從百日菊植物開始,從葉子中提取活體細(xì)胞,通過培養(yǎng)液培植細(xì)胞、引導(dǎo)其完成代謝與增殖。Velásquez-García解釋道,接下來,他們會(huì)將細(xì)胞轉(zhuǎn)移到凝膠中進(jìn)行“調(diào)節(jié)”。“植物細(xì)胞與干細(xì)胞有不少相似之處,即通過引導(dǎo),它們可以變成任何其他細(xì)胞。”
研究人員使用兩種植物激素(生長素與細(xì)胞分裂素)的混合物,誘使這些細(xì)胞生長出堅(jiān)實(shí)的木質(zhì)結(jié)構(gòu)。通過改變凝膠中的激素含量,他們成功控制了細(xì)胞木質(zhì)素的產(chǎn)生。木質(zhì)素是一種有機(jī)聚合物,也正是木材維持堅(jiān)硬形態(tài)的關(guān)鍵所在。Beckwith提到,她使用熒光顯微鏡觀察了最終產(chǎn)物的細(xì)胞組成一結(jié)構(gòu)。“我們可以直觀評(píng)估哪些細(xì)胞實(shí)現(xiàn)了木質(zhì)化,并測(cè)量細(xì)胞的擴(kuò)增與延伸態(tài)勢(shì)。”項(xiàng)目證明植物細(xì)胞在受控生產(chǎn)過程中,確實(shí)能夠針對(duì)特定目標(biāo)實(shí)現(xiàn)材料的產(chǎn)出與優(yōu)化。
Velásquez-García認(rèn)為這項(xiàng)工作,實(shí)際上是對(duì)實(shí)驗(yàn)室此前進(jìn)行的細(xì)胞級(jí)微細(xì)加工與3D打印等增材制造技術(shù)的擴(kuò)展。在此項(xiàng)目中,植物細(xì)胞自身會(huì)借助凝膠生長培養(yǎng)基進(jìn)行“打印”。而且與非結(jié)構(gòu)化的液體介質(zhì)不同,凝膠能夠充當(dāng)細(xì)胞生長為特定形狀的“支架”。Velásquez-García指出,“其中的重要意義不僅在于調(diào)整材料的性質(zhì),同時(shí)也得以從概念上完成形態(tài)引導(dǎo)。”因此,他認(rèn)為終有一天人類可以直接種出一張桌子,由此擺脫切割板材、打膠定型等步驟。
當(dāng)然,這項(xiàng)技術(shù)還遠(yuǎn)遠(yuǎn)無法投入市場(chǎng)。植物生物學(xué)家、博伊斯·湯普森研究院院長David Stern指出,“問題在于,這項(xiàng)技術(shù)能否在經(jīng)濟(jì)或生命周期等領(lǐng)域?qū)崿F(xiàn)生產(chǎn)級(jí)別的擴(kuò)展,并帶來強(qiáng)勁的競(jìng)爭力。”在他看來,擴(kuò)大這種種植方法“需要投入大量的財(cái)力與人才資源”,沒有政府及大型私營企業(yè)的扶持恐怕很難實(shí)現(xiàn)。Stern還強(qiáng)調(diào),將林業(yè)與農(nóng)業(yè)納入實(shí)驗(yàn)室環(huán)境本身也需要斟酌。“農(nóng)業(yè)會(huì)通過光合作用利用太陽的能量。植物吸收必要的水分之后,會(huì)將多余的部分蒸發(fā)出去,以引發(fā)自然降雨。整個(gè)過程自然順暢,不需要任何建筑物、加溫或人造光源。”
研究人員們也承認(rèn),在實(shí)驗(yàn)室中培養(yǎng)植物組織還處于早期階段——該小組將不斷調(diào)整控制因素,例如激素水平與凝膠的pH值,借此提高最終產(chǎn)出材料的性能。Velásquez-García表示,“這代表著一個(gè)未知的領(lǐng)域。其中最懸而未決的核心問題在于——我們究竟是怎么實(shí)現(xiàn)植物細(xì)胞的物種轉(zhuǎn)化的?很明顯,我們不可能在所有不同的植物物種上實(shí)現(xiàn)同樣的效果,也許它們各有不同的「控制旋鈕」。”
Beckwith還預(yù)見到大規(guī)模培養(yǎng)植物組織的挑戰(zhàn)所在,例如該怎么促進(jìn)氣體與細(xì)胞間的交換。該團(tuán)隊(duì)希望通過進(jìn)一步實(shí)驗(yàn)克服這些障礙,最終建立起在實(shí)驗(yàn)室內(nèi)培養(yǎng)木材、纖維乃至更多植物材料的生產(chǎn)藍(lán)圖。
無論如何,此次實(shí)驗(yàn)都代表著一種激進(jìn)而又充滿吸引力的愿景,或者說“新范式”。Borenstein認(rèn)為,“也許我們終將找到微細(xì)加工與增材制造技術(shù)領(lǐng)域的新方向,并利用它們解決農(nóng)業(yè)領(lǐng)域中那些真正重要的問題。”
這項(xiàng)研究由Draper Fellow項(xiàng)目提供部分資助。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。