科大讯飞两项技术入选《麻省理工科技评论》全球十大突破性技术榜单.docx
《科大讯飞两项技术入选《麻省理工科技评论》全球十大突破性技术榜单.docx》由会员分享，可在线阅读，更多相关《科大讯飞两项技术入选《麻省理工科技评论》全球十大突破性技术榜单.docx（16页珍藏版）》请在冰豆网上搜索。
科大讯飞两项技术入选《麻省理工科技评论》全球十大突破性技术榜单
科大讯飞两项技术入选《麻省理工科技评论》2017全球十大突破性技术榜单
2月21日，2017年《麻省理工科技评论》全球十大突破性技术榜单发布会在北京举行，科大讯飞、XX、驭势科技、乐视、地平线、中科创星、华创资本、和米资本、清华大学、中国科技大学、中科院合生基因、元码基因、等数十家机构的嘉宾参与了这次发布会，科大讯飞研究院院长胡国平做开幕致辞并参加圆桌讨论。
在今年的榜单中，科大讯飞入选强化学习、刷脸支付两大突破性技术研究者名单。
MIT科技评论 《麻省理工科技评论》创刊于1899年，是世界上历史最悠久、影响力最大的技术商业类杂志，现已发展为具有全球影响力的数字化平台。
自2001年起，《麻省理工科技评论》每年遴选并公布10项即将对人们工作生活产生深远影响的新兴技术，2003年开始以“突破性技术”替代“新兴技术”。
“十大突破性技术”代表了当前世界科技的发展前沿和未来发展方向，集中反映了世界科技发展的新特点和新趋势，具有巨大的影响力。
MITTechnologyReview出版人兼主编就十大突破技术中国首发进行专门的致辞，并就榜单内容做了简单的介绍。
2017全球十大突破性技术榜单
强化学习（ReinforcementLearning）360°自拍（The360-DegreeSelfie）基因疗法2.0（GeneTherapy2.0）细胞图谱（TheCellAtlas）自动驾驶货车（Self-DrivingTrucks）刷脸支付（PayingwithYourFace）太阳能热光伏电池（HotSolarCells）实用型量子计算机（PracticalQuantumComputers）治愈瘫痪（ReversingParalysis）僵尸物联网（BotnetsofThings）
以下为《麻省理工科技评论》2017全球十大突破性技术详细榜单（文字整理自DeepTech深科技）：
强化学习ReinforcementLearning
技术突破：
强化学习（ReinforcementLearning，RL）是一种人工智能方法，能使计算机在没有明确指导的情况下像人一样自主学习。
重要意义：
假如机器不能够自主通过环境经验磨练技能，自动驾驶汽车以及其他自动化领域的进展速度将受到极大地限制。
主要研究者：
-DeepMind-科大讯飞-Mobileye-阿里巴巴-OpenAI-微软亚洲研究院-Google-中科院-Uber-XX成熟期：
1~2年
强化学习技术，正是AlphaGo能够掌握复杂的围棋游戏，并击败世界最强职业选手的关键。
如今，强化学习正在迅速发展，并逐步将人工智能渗透到除了游戏之外的各个领域。
除了能够提升自动驾驶汽车性能，该技术还能让机器人领会并掌握以前从未训练过的技能。
本质上，强化学习技术是从自然界中学习的一种基本法则。
心理学家爱德华·桑代克（EdwardThorndike）在100多年前也注意到了这一点。
在最著名的迷箱实验中，桑代克将猫放在一个迷箱中，猫只能通过按压一个控制杆才能逃脱。
观察结果显示，经过相当长时间的来回徘徊，动物最终总会偶然地踩到控制杆，然后逃脱。
一些最早期的人工智能研究者认为，迷箱实验的过程有可能在机器中有效地重现。
早在1951年，马文·明斯基（MarvinMinsky）创造了世界上第一台具有学习能力的机器，利用简单形式的强化学习方法模拟了一只老鼠如何学习走出迷宫。
然而，随后的几十年里这个领域几乎没有什么喜人的成绩。
1992年，IBM的研究员杰拉尔德·特索罗（GeraldTesauro）演示了一个使用人工智能技术玩西洋双陆棋的程序。
很快，这个程序就玩的非常熟练，并足以与最好的人类玩家竞赛。
这是人工智能发展史上一个里程碑式的成就。
强化学习技术之所以行得通，是因为研究人员找出了如何让计算机程序计算出每种状态下应该分配的强化值的方法。
还是以迷箱实验为例，在走出迷宫的过程中，“模拟老鼠”每一次做出“向左转”或者“向右转”动作时，计算机程序会做出奖或惩的评价。
并且，所有分配的强化值都存储在一张大表格中，然后计算程序会随着学习的过程逐步更新这些数据。
但对于大型复杂的任务，这种方法在计算上是不切实际的。
然而，近几年来，深度学习技术被证明是一种用来识别数据模式的极其高效的方式，无论这里的数据指的是迷宫中的转弯、围棋棋盘上的位点，还是计算机游戏中屏幕上的像素，亦或是自动驾驶时面临的复杂路况。
在国内，以科大讯飞为例，这家公司已经针对强化学习在多个方向展开了研究和应用，包括人机对话系统、智能客服系统、机器辅助驾驶、机器人控制等方向，都已有了应用研究。
以对话系统这样一个多轮人机交互系统为例，它就是一个非常典型的强化学习应用案例。
传统的任务完成型对话系统，用户需要在一次交互过程中把自己的需求描述清楚，这样的交互不是自然的。
在讯飞的AIUI交互系统框架中，引入了多轮交互的思想，由一个深度强化学习（马尔科夫决策过程）模型来引导用户输入需求，从而快速、自然流畅地完成用户任务。
同时，许多工业机器人制造商也将目光投向了强化学习技术，测试该技术在无手工编程情况下训练机器执行新任务的效果。
此外，Google公司的研究人员也正与DeepMind合作，试图利用深度强化学习（deepreinforcementlearning）技术使其数据中心更加节能。
通常，找出数据中心各个单元如何影响系统总能耗是十分困难的，但是强化学习算法能够从收集的数据以及模拟实验中学习经验并提出优化建议，比如说，如何以及何时启动冷却系统。
360°自拍The360-DegreeSelfie
突破技术：
消费级360°全景相机，能够更真实的还原事件和场景。
重要意义：
能提供360°全景拍摄的廉价相机将开启摄影的新篇章，也将改变人们分享故事的方式。
主要研究者：
-日本理光（Ricoh）-360fly-三星-JKImaging（柯达Pixpro相机的制造厂商）-ICRealTech（ALLie相机的制造厂商）-HumaneyesTechnologies（全景相机Vuze的制造厂商）成熟期：
现在
360°全景拍摄的热潮最早是由一位哈佛大学的生态学者柯恩·霍夫肯斯（KoenHufkens）掀起的。
去年秋天他前往马萨诸塞州的一片丛林中探险，并在网站上实时直播了探险的过程。
当时，他使用的就是一台价值350美元的名为“theRicohThetaScamera”的360°全景相机。
在这一过程中，观众可以通过使用鼠标或者点击移动设备的屏幕将直播图像区域放大，借此看到森林的全貌。
按道理说，我们所生活的世界就是一个充斥着声光的三维世界，360°的场景随处可见。
但迄今为止，已有的两种主流全景拍摄技术：
拼接多个相机拍摄或者是采用价值不菲的（10000美金）特种相机都有很大的缺陷。
使用这两种方法操作的图像处理过程都是十分繁琐，且很耗时。
好在现在大多数人都能买得起更方便好用的360°全景相机了，500美金的售价就相当于入门级的单反。
现在，纽约时报（NewYorkTimes）以及路透社（Reuters）的记者在采访海地飓风灾情以及加沙难民营时都使用了三星的Gear360全景相机（价值350美金）。
Gear360拍摄的画面在学术圈，这样的全景相机也大有用处，一家位于洛杉矶的初创公司Giblib就开发了专供医用的4k全景相机，医学院的学生已经可以通过它传来的影像学习外科手术了。
此外，类似柯达PixproSP360-4K的全景相机也应用在了体育直播以及体育训练上，例如篮球、足球以及冰球，有价值的360°全景回放都可以被保存下来。
柯达PixproSP360-4K全景相机元器件的革新一项技术的革命往往得益于很多技术的创新，全景相机技术的出现也不例外。
由于全景相机相较普通相机而言功率更大，也就会产生更多的热量，而采用智能手机处理器就可以很好地解决这一问题，例如“360fly”以及“ALLie”相机都采用了骁龙的处理器。
同时，智能手机市场的蓬勃发展也为相机制造厂商创造了一个良性的竞争环境，“迫使”他们开发出新技术。
例如，索尼近年来就不断将自己的图像传感器集成化，并保证了在微光条件下照片拍摄的质量。
而智能手机市场激烈的竞争也将元器件的价格压低，又进一步拉低了全景相机的价格。
360fly全景相机
现在大多数的全景相机都有对应的手机App来查看取景的情况以及拍摄的照片，拍摄完的照片及影片上传到网络也变得十分容易。
而最新的算法将全景相机拼接照片的过程简化，延迟大大缩短，图像处理甚至可以在相机端就完成，由此开启了全民直播时代。
市场方面，在2016年球状全景相机的市场份额占全球相机的1%，而到2017年年初就已经增至4%，全景相机的兴起之势已不可阻挡。
根据YouTube官方的反馈，很多人都会使用谷歌的Cardboard和Daydream设备搭配手机来观看虚拟现实视频，虚拟现实和全景拍摄已形成相互促进的局面。
OculusVR的首席技术官约翰·卡马克（JohnCarmack）就预测：
“未来，人们使用虚拟现实的时间中只有一半是玩游戏，另一半则是进行旅行观光或者是做一些现实的事情，例如参加一场婚礼。
”
基因疗法2.0GeneTherapy2.0
技术突破：
美国即将批准首个基因治疗技术，更多基因疗法正在开发与批准的进程中。
重要意义：
很多疾病都是由单个基因突变导致的，新型基因疗法能够彻底治愈这些疾病。
主要研究者：
-SparkTherapeutics-BioMarin-GenSightBiologics-BlueBirdBio-UniQure成熟期：
现在数十年来，研究人员一直在追求基因疗法的梦想。
基因疗法的前景非常美好：
利用改造过的病毒将相关基因的健康副本递送至携带有缺陷基因的患者体内。
然而，至今为止，基因疗法带来的失望远大于希望。
1999年，一名18岁的肝病患者杰西·基辛格（JesseGelsinger）在一场基因治疗实验中死亡，从此整个基因疗法领域的发展就开始停滞不前。
早期基因疗法失败的原因部分是源于其递送机制，因为新的遗传物质（改造基因）、以及将其携带至细胞的载体病毒，被错误地递送到基因组的其他位置，这会激活某些患者体内的致癌基因，或者引起患者免疫系统的过度反应，从而导致多器官功能衰竭以及脑死亡。
但是现在，一些关键的难题已经解决，基因治疗也将迎来曙光。
研究人员使用了更高效的病毒将新的功能基因转运到细胞中。
现在，两种遗传性疾病的基因疗法：
治疗一种SCID病的Strimvelis，以及治疗一种引起脂肪在血液中堆积的失调症的Glybera，已在欧洲获得相关管理部门的批准。
在美国，SparkTherapeutics有望成为第一家迈入市场的基因疗法新创公司，该公司开发出针对渐进式失明的基因治疗方法。
还有很多其他正在研究的基因疗法，正将目光投向血友病的治疗，以及一种称为表皮溶解水皰症的遗传性皮肤失能症。
但是，挑战依然存在。
虽然目前已经针对几种相对罕见的疾病开发了基因疗法，但是对于那些具有复杂遗传病因的常见疾病，开发对应的基因疗法则更加困难。
对于像SCID和血友病这样的疾病，科学家明确知道引起疾病的精确基因突变。
但是，诸如阿尔茨海默病、糖尿病和心力衰竭等疾病，它们不仅涉及到多个基因，并且在患有同种疾病的不同病人中，对应的基因突变还不完全相同。
细胞图谱TheCellAtlas技术突破：
这是人体中各种细胞类型的完全目录。
为什么重要：
超精确的人类生理学模型将加速新药研发与试验。
主要研究者：
-布罗德研究所（BroadInstitute）-桑格研究所（SangerInstitute）-陈—扎克伯格的Biohub（ChanZuckerbergBiohub）
成熟期：
5年我们究竟是什么组成的？
下一个生物学上的巨型项目将会回答。
科学家正在建立一个超详细的“人类细胞图谱”，即通过细胞内部的内容来定义活细胞。
在1665年，罗伯特·胡克（RobertHooke）凝视着显微镜下的一块软木，在其中发现了无数像房间一样的小格子。
作为第一个描述细胞的科学家，胡克一定会被生物学的下一个大型项目震惊到：
这是一个使用现代基因组学和细胞生物学中最强大的工具，来单独捕获和端详数百万个细胞的计划。
这个项目的目标是构建第一个全面的“细胞图谱”，或者人类细胞地图。
这个项目的实现将成为一个技术奇迹，因为它将首次全面揭示人体是由什么所组成的，并为科学家们提供一个新的复杂生物学模型，以提升药物研发的速度。
罗伯特·胡克通过显微镜看到并画下的软木栓细胞（1665年）
为了执行这个解码人体37.2万亿细胞的任务，由来自美国、英国、瑞典、以色列、荷兰和日本的国际科学家组成的联合会正在分配任务，包括检测每个细胞的分子特征，并给每种细胞一个在人体空间中特定的“邮政编码”。
“我们将会看到我们所期望的东西，我们已知存在的东西，但我确信，除此之外我们还会发现全新的东西，”英国桑格研究所的细胞图谱团队的负责人MikeStubbington说。
“我认为，会有惊喜出现。
”从填充大脑和脊髓的毛状神经元，到皮肤的粘脂肪细胞（glutinousfatcells），先前描述细胞的尝试表明，人体总共有约300种细胞，但真正的数字无疑会更大。
人类、骆驼和蟾蜍的血液细胞Daguerreotypes（A.Donné，1845年）实际上，分析细胞之间的分子差异已经揭示了一些发现。
举例而言，我们已经揭示了数十年来眼部研究都没能发现的两种新类型的视网膜细胞：
一种在每10,000个血细胞中只占4个，却在对抗病原体的第一防线起着重要作用的细胞；以及新发现的一种十分独特、通过产生的类固醇来抑制免疫应答的免疫细胞。
这个新项目的研究主要运用了三种技术。
第一种叫做“细胞微流体”，即通过分离单独的细胞并用微珠标记后，使其被油滴包裹后再进行研究和分析，选择油滴的原因是因为油滴可以如同汽车一样载着细胞，沿着被蚀刻在微小芯片上、狭窄的毛细管单向“街道”分流，使得细胞被聚集在特定的地方，裂解并逐一研究。
第二种技术是使用超快、高效的测序仪来解码那些在单个细胞中活化的基因。
这项技术的花费并不高，每个细胞仅需几美分即可。
其高效性使得一个科学家可以在一天内处理10000个细胞。
第三种技术则是使用全新的标记和染色技术，基于基因活动来定位各种细胞在人体器官或组织中的“邮政编码”。
细胞图谱研究的执行者主要是顶尖研究所，包括英国桑格研究所、麻省理工学院和哈佛大学的布罗德研究所、以及由Facebook首席执行官马克·扎克伯格（MarkZuckerberg）资助的位于加利福尼亚州的一个全新的“Biohub研究所”。
在去年9月，扎克伯格和他的妻子PriscillaChan将细胞图谱研究作为了30亿美元医疗研究捐赠的首个目标。
自动驾驶货车Self-DrivingTrucks
技术突破：
可以在高速路上自动驾驶的长途货车。
重要意义：
这项技术的发展将帮助货车司机更高效地完成运输任务，但这一岗位的薪酬可能会因此下降，货车司机最终也将失业。
主要公司：
-Otto-沃尔沃（Volvo）-戴姆勒（DaimlerAG）-皮特比尔特（Peterbilt）-XX（Baidu）成熟期：
5年到10年未来，自动驾驶货车将在高速上与其它车辆并驾齐驱，美国170万的货车司机又将何去何从？
研究自动驾驶系统的Otto公司成立于2016年，总部位于旧金山南市。
公司的创始人安东尼·莱万多夫斯基（AnthonyLevandowski）曾为谷歌的自动驾驶汽车团队效力，利奥尔·罗恩（LiorRon）则曾是谷歌地图的负责人。
截至目前，谷歌自动驾驶汽车已经在美国多个州行驶了超过两百万英里。
对莱万多夫斯基和罗恩来说，借助为谷歌工作积累的大量经验创立一家自动驾驶公司是很自然的一件事。
Otto最新一代的传感器和处理器阵列被安装在沃尔沃车内，很自然地和驾驶室融为了一体。
全套设备包括四个面向前方的摄像机、雷达和一盒加速度传感器。
Otto的关键技术是一种激光雷达系统，该系统使用脉冲激光器记录下货车周围环境的详细数据。
Otto从第三方买激光雷达的成本在10万美元左右，但该公司已经成立了一个团队，旨在制造Otto自己的激光雷达，并将成本控制在1万美元以内。
Otto驾驶室内有一个液冷式的定制微型超级计算机，大小跟面包箱差不多。
这台计算机将会处理来自传感器海量的数据，然后通过制导算法，根据货车的载货量调整刹车和转向指令。
该硬件系统的最后一环是利用电子线控技术，将计算机输出的指令转化为货车的机械动作。
这一环的执行借助了机电作动器，它们被安装在货车的转向、节流和刹车设备上。
驾驶室内还有两个红色按钮——Otto将它们称为“大红钮”——只要一按，自动驾驶功能就会被关闭。
不过，即使没有这个关闭功能，只要司机在驾驶席稍微转一下方向盘，或者重重地踩一下刹车，货车就会“乖乖照做”。
沃尔沃、戴勒姆和皮特比尔特（Peterbilt）都开始研发自己的自动驾驶货车技术。
对自动驾驶技术感兴趣的也不仅仅是货运公司，Uber在去年八月收购了Otto（据报道收购价高达6.8亿美元）。
收购以后，Otto团队可以和Uber的500多位工程师合作，共同研发自动驾驶技术。
莱万多夫斯基如今成为了Uber该技术研发团队的负责人，他表示Uber的目标是创建一个强大的自动运输交通网，让人和货物在多地之间的交通更加方便、安全且成本更低。
去年十月，一台装载了Otto自动驾驶系统的货车将2000箱百威啤酒从科罗拉多州的科林斯堡（FortCollins）送达科罗拉多泉（ColoradoSprings），全程共行驶了200千米。
车上唯一的真人司机始终都在驾驶室后面的休息室坐着，一刻也没有碰过方向盘。
这是自动驾驶货车第一次完成商用运输任务——这个里程碑事件无疑向世人证明了这项技术的巨大潜力，但人们同时也意识到了它的局限性。
因为这项技术还无法让货车在狭窄的田间土路和城市道路上自动行驶，货车上高速之前以及下高速之后都要由真正的司机负责开车，只有在高速上时才能切换为自动驾驶模式。
乍一看，自动驾驶货车所面临的机遇和挑战与一般的自动驾驶汽车没有什么不同，然而事实远非如此——货车不仅仅是“加长版”的汽车这么简单。
使用自动驾驶货车在经济上的合理性可能更甚于普通的自动驾驶汽车。
好几台自动驾驶货车可以组成“排”在高速上互相协作，从而在长途运输中减少风阻和节省汽油。
此外，让货车在一段时间里自动驾驶也能让司机有更多休息时间，更快地完成运输任务。
况且，最棘手的问题是，比起一般的自动驾驶汽车，自动驾驶货车的普及会带来更大的社会动荡。
实际上，“自动化对工人带来威胁”这个问题已经极大地影响了全球政治和经济格局。
如果再来一个自动驾驶货车，蓝领工人的生活必定受到影响。
根据美国劳工统计局的数据，全美有170万个货车司机岗位。
自动驾驶货车的应用不会代替所有的货车司机，但这项技术必定改变这个岗位的工作性质——而这种改变不一定被每个人都接受。
中国的自动驾驶货车
目前，中国有720万台货车和1600万个长途司机负责城际公路上的物资运输——这个产业的价值高达3000亿美元，而司机的工资成本占运输总成本的40%。
如果使用自动驾驶货车，一些原本需要两到三位司机合作完成的长途运输任务可以由一位司机完成。
目前，中国的货运服务良莠不齐，公众普遍期待这个行业能进行大整改。
此外，由于该行业的监管较松，给了企业很大的创新空间。
在这两个因素的驱动下，中国的自动驾驶货车产业有望得到快速发展。
互联网巨头XX与货车制造商福田汽车展开了合作，并在2016年11月于上海新国际会展中心发布了国内首款自动驾驶卡车。
中国针对自动驾驶车辆的监管才刚刚开始：
政府正试图在保证公众安全和鼓励公司创新中寻求一种平衡。
2016年7月，政府宣布正在起草监管自动驾驶车辆的相关文件，并呼吁该产业在文件正式出台前减少试验的次数。
即便如此，很多人还是相信，政府最终会放松对自动驾驶货车测试的监管，并对这种货车的商用保持开放的态度。
刷脸支付PayingwithYourFace
技术突破：
人脸识别技术如今已经可以十分精确，在网络交易等相关领域已被广泛使用。
重大意义：
该技术提供了一种安全并且十分方便的支付方式，但是或许仍存在隐私泄露问题。
主要公司：
-旷视Face-XX-科大讯飞-阿里巴巴成熟期：
现在在中国，人脸识别系统现在应用于授权支付、设备访问以及罪犯追踪。
那么问题来了，其他国家会效仿么？
Face是一家估值超过10亿美金的中国初创公司，当笔者走进公司大门时，发现我那满是胡茬的脸呈现在了入口的大屏幕上。
从那一刻起，我的脸已经进入了公司的数据库，我也可以靠着“刷脸”自由出入公司大门了。
不仅如此，人脸识别系统还能对于我在各个房间内的活动进行监控。
当我走进Face的办公室，我发现里面有很多屏幕，这些屏幕上有着以各种角度拍摄的办公室画面。
这时，我瞥见我的脸出现在一个屏幕上，软件自动识别我脸上的83个点，那画面有点惊悚，但这就是技术带给我们的震撼感觉。
在过去的几年里，计算机技术突飞猛进，人脸识别技术的发展也是日新月异。
特别在中国，由于监控和便民应用的推动，人脸识别技术得到了长足的进步，已经在交通监管、银行交易、日常生活交易以及公共交通等各个方面改变人们的生活。
其实，Face的人脸识别技术登陆手机app已有一段时间了。
现在，支付宝也已经可以使用人脸识别进行授权支付了。
另外，在“滴滴打车”软件中，用户能够看到司机的实名认证以及人脸认证信息。
任何想注册成为“滴滴司机”的用户都需要在摄像头前扫描并进行人脸识别认证。
作为全世界首批上线人脸识别技术的国家，中国对于监控以及隐私方面的政策对此有很大的与推动。
与其他国家不一样的是，中国有一个庞大的身份证数据库。
笔者在Face访问的时候就见到当地政府利用人脸识别技术识别监控里的嫌疑人。
相比于尚不成熟的足迹分析技术和早已过时的嫌犯存档照片等其它刑事鉴定技术，人脸识别显然更加有效。
经过了几十年的发展，人脸识别技术的精度已经达到金融交易的级别。
另一方面，人脸识别还与深度学习进行了紧密的结合。
在我们已经公布的《麻省理工科技评论》2013年十大突破技术中，就有对深度学习的介绍，这种人工智能技术能使得图像识别技术更加高效。
“人脸识别是一个巨大的市场。
”一位来自北京大学从事机器学习和图像处理研究的教授表示，“中国人口众多，公共安全是十分重要的，很多公司都涉足到了这个领域。
”比如，全中国最大搜索引擎XX的研究人员也在将人脸识别和机器学习进行结合，并进行了软件识别人脸与真人识别人脸的对比。
今年一月份，在一档电视节目上，XX开发的人脸识别软件与人展开了一场对决，双方同时观察嘉宾幼时的照片并以此识别真人，结果XX的人脸识别系统完胜。
现在，XX正在开发一种人脸识别取火车票的系统，试点选在了乌镇。
这座旅游城市足够的人流量将为系统实验提供充足的数据。
据悉，这将需要将数百万张人脸输入数据库中才能达到99%的正确识别率。
另外一个具代表性的例子就是科大讯飞。
这家公司与中国最大的银行卡联合组织合作开发了“声纹人脸P2P转帐”产品：
'声纹人脸'融合认证个人转账应用。
通过该应用，用户只需说出类似'我要给（姓名）转（金额）'这样的指令，再通过'声纹人脸'相结合的融合生物认证，就能完成转账操作。
对于人脸识别的发展前景，清华大学的唐杰教授说：
“其实不只是刷脸支付，人脸识别还能应用于很多地方。
”
太阳能热光伏电池HotSolarCells
技术突破：
一种可以让太阳能电池效率翻倍的技术。
重要意义：
这项新设计可能会催生出在日落后依然可以工作的廉价太阳能发电技术。
主要研究者：
-DavidBierman、MarinSoljacic、EvelynWang（麻省理工学院）-VladimirShalaev（普
升级会员 