編者按

自2001年起，MIT Technology Review 每年都會(huì)評(píng)選出年度“全球十大突破性技術(shù)”，不少在當(dāng)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(dòng)了人類(lèi)社會(huì)的進(jìn)步。2022年2月23日，MIT Technology Review 評(píng)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(zhǎng)時(shí)電網(wǎng)儲(chǔ)能電池、新冠口服藥和除碳工廠等。這些上榜的科學(xué)技術(shù)突破代表了當(dāng)前時(shí)代科技的發(fā)展前沿和未來(lái)方向，為了讓廣大讀者深入了解這些突破性技術(shù)的科學(xué)價(jià)值及其背后的科學(xué)故事，《中國(guó)科學(xué)基金》編輯部特邀請(qǐng)各領(lǐng)域著名科學(xué)家對(duì)“十大突破性技術(shù)”中的九項(xiàng)分別進(jìn)行深入解讀,推進(jìn)科技資源科普化，構(gòu)建科學(xué)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(jì)60年代，口令（Password，坊間稱(chēng)為“密碼”）最早被圖靈獎(jiǎng)得主費(fèi)爾南多·科爾巴托教授用于大型機(jī)的本地文件訪問(wèn)控制。20世紀(jì)90年代，互聯(lián)網(wǎng)開(kāi)始進(jìn)入千家萬(wàn)戶(hù)，口令也在互聯(lián)網(wǎng)世界得到廣泛應(yīng)用。隨著用戶(hù)網(wǎng)絡(luò)賬號(hào)的增多，用戶(hù)為了方便記憶，傾向使用流行口令、在口令中使用個(gè)人信息、在多個(gè)賬號(hào)重用口令，導(dǎo)致嚴(yán)重的安全隱患。自2000年以來(lái)，數(shù)以百計(jì)的新型身份認(rèn)證方案陸續(xù)被提出。其中，無(wú)口令（Passwordless）方案近年來(lái)受到企業(yè)的青睞，比如谷歌、蘋(píng)果、微軟等公司，都為用戶(hù)提供了無(wú)需輸入口令就能登錄應(yīng)用和服務(wù)的身份認(rèn)證方案。在無(wú)口令身份認(rèn)證方案中，要么用戶(hù)擁有一部帶攝像頭或指紋識(shí)別器的移動(dòng)設(shè)備，并安裝相應(yīng)的身份認(rèn)證應(yīng)用程序；要么用戶(hù)擁有專(zhuān)門(mén)的硬件設(shè)備（如U盾)，以存儲(chǔ)身份認(rèn)證所需的密鑰及算法參數(shù)。當(dāng)前無(wú)口令身份認(rèn)證方案仍在初級(jí)階段，面臨可擴(kuò)展性低、部署成本高和隱私泄漏等挑戰(zhàn)，這些問(wèn)題亟待解決。在可預(yù)見(jiàn)的未來(lái)，口令將仍是最主要的身份認(rèn)證方法，無(wú)口令方案可能會(huì)使普通用戶(hù)對(duì)口令的直接接觸變少，但口令仍在幕后保護(hù)著我們的網(wǎng)絡(luò)與信息安全

專(zhuān)家點(diǎn)評(píng)

汪 定

南開(kāi)大學(xué)網(wǎng)絡(luò)空間安全學(xué)院教授、密碼科學(xué)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(diǎn)實(shí)驗(yàn)室副主任，研究方向?yàn)閿?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(guó)身份認(rèn)證標(biāo)準(zhǔn)NIST SP800-63-3的修改。獲教育部自然科學(xué)獎(jiǎng)一等獎(jiǎng)、中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）優(yōu)秀博士學(xué)位論文獎(jiǎng)、ACM中國(guó)優(yōu)秀博士論文獎(jiǎng)、中國(guó)密碼學(xué)會(huì)優(yōu)秀青年獎(jiǎng)。

陳曉峰

西安電子科技大學(xué)網(wǎng)絡(luò)與信息安全學(xué)院教授，國(guó)家高層次人才，互聯(lián)網(wǎng)基金會(huì)網(wǎng)絡(luò)安全優(yōu)秀教師。主要研究領(lǐng)域?yàn)?span id="fffffff" class="candidate-entity-word" data-gid="9722944">密碼學(xué)和云計(jì)算安全，已在重要國(guó)際會(huì)議和期刊發(fā)表學(xué)術(shù)論文200余篇。擔(dān)任IEEE Transactions on Dependable and Secure Computing、IEEE Transactions on Knowledge and Data Engineering 等著名國(guó)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(gè)國(guó)際會(huì)議的大會(huì)主席。獲2019年度教育部自然科學(xué)獎(jiǎng)二等獎(jiǎng)、2016年中國(guó)密碼學(xué)會(huì)密碼創(chuàng)新獎(jiǎng)。

馬建峰

西安電子科技大學(xué)網(wǎng)絡(luò)與信息安全學(xué)院教授，國(guó)家高層次人才，互聯(lián)網(wǎng)基金會(huì)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(tuán)隊(duì)帶頭人，陜西省“網(wǎng)絡(luò)與信息安全”三秦學(xué)者創(chuàng)新團(tuán)隊(duì)帶頭人。歷任西安電子科技大學(xué)計(jì)算機(jī)學(xué)院院長(zhǎng)、網(wǎng)絡(luò)空間安全學(xué)部主任。擔(dān)任國(guó)務(wù)院學(xué)位委員會(huì)“網(wǎng)絡(luò)空間安全”學(xué)科評(píng)議組成員、陜西省網(wǎng)絡(luò)安全與信息化專(zhuān)家咨詢(xún)委員會(huì)副主任。曾以第一完成人身份獲得國(guó)家技術(shù)發(fā)明獎(jiǎng)二等獎(jiǎng)兩次。

身份認(rèn)證是保障網(wǎng)絡(luò)安全的第一道防線(xiàn)，口令（Password，坊間稱(chēng)為“密碼”）是最常用的身份認(rèn)證方法。近年來(lái)頻頻發(fā)生的大規(guī)?？诹钚孤妒录?，為黑客和不法分子破解用戶(hù)的賬號(hào)口令提供了源源不斷的素材，引起人們對(duì)口令安全性的擔(dān)憂(yōu)。在這一背景下，美國(guó)Okta 和 Duo等面向企業(yè)用戶(hù)的公司，微軟和谷歌等面向個(gè)人用戶(hù)的公司，都為用戶(hù)提供了無(wú)需輸入口令就能登錄應(yīng)用和服務(wù)的身份認(rèn)證方案，引起社會(huì)廣泛關(guān)注，并入選此次MIT Technology Review“十大突破性技術(shù)”。

實(shí)際上，這是“終結(jié)口令”的第二次浪潮?？诹钭钤缭?0世紀(jì)60年代開(kāi)始在大型機(jī)上使用^[1]，設(shè)計(jì)初衷是用來(lái)控制大型計(jì)算機(jī)上本地文件的訪問(wèn)權(quán)限，避免分時(shí)操作系統(tǒng)的時(shí)間片濫用問(wèn)題。20世紀(jì)90年代以來(lái)，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(hù)用戶(hù)信息安全的最主要手段之一。隨著用戶(hù)的口令賬號(hào)越來(lái)越多，為方便記憶，用戶(hù)傾向使用流行口令、在口令中使用個(gè)人信息（如姓名、生日）、在多個(gè)賬號(hào)間直接重用或簡(jiǎn)單修改后重用口令，導(dǎo)致嚴(yán)重的安全隱患^[2,3]。另一方面，攻擊者的計(jì)算能力不斷增強(qiáng)。在這一背景下，自2000年開(kāi)始，數(shù)以百計(jì)的新型身份認(rèn)證方案陸續(xù)被提出。

早在2004年，時(shí)任微軟董事長(zhǎng)的比爾·蓋茨就對(duì)外宣稱(chēng)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(dāng)時(shí)世界最大的安全公司RSA合作開(kāi)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(yàn)證碼”的雙因子認(rèn)證。與此同時(shí)，微軟也開(kāi)發(fā)了一種名為“tamper-resistant”的生物ID卡識(shí)別技術(shù)，本質(zhì)是一種“生物特征 硬件設(shè)備”的雙因素認(rèn)證。隨后，學(xué)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(wèn)題，提出了數(shù)以百計(jì)的各類(lèi)新型身份認(rèn)證方法，如基于各類(lèi)基于生物特征、行為特征的認(rèn)證，基于圖形口令的認(rèn)證和單點(diǎn)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(wú)聲息地消失了，口令的地位不僅沒(méi)有被撼動(dòng)，反而得到了更廣泛的應(yīng)用。用戶(hù)平均擁有的賬號(hào)口令數(shù)量，也從2007年的25個(gè)增長(zhǎng)到2020年的80個(gè)左右。這引起了學(xué)術(shù)界的反思。在數(shù)字世界里，信任不會(huì)憑空產(chǎn)生，而身份認(rèn)證是構(gòu)建信任的主要環(huán)節(jié)。身份認(rèn)證方法有成百上千種，但基本手段可分為以下三類(lèi)^[5,6]：（1） 基于用戶(hù)所知，如口令；（2） 基于用戶(hù)所有，如U盾；（3） 基于用戶(hù)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(jiàn)長(zhǎng)，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(hù)方面幾乎都難以做到均衡。因此，學(xué)術(shù)界從2012年開(kāi)始逐漸形成一個(gè)共識(shí)^[5-7]：口令在可預(yù)見(jiàn)的未來(lái)仍將無(wú)可替代。

2015年至今，學(xué)術(shù)界逐漸認(rèn)識(shí)到：除了用戶(hù)因素，導(dǎo)致口令安全問(wèn)題的另一原因在于服務(wù)運(yùn)營(yíng)商的安全保障缺失。長(zhǎng)期以來(lái)，運(yùn)營(yíng)商把保護(hù)口令的責(zé)任推給用戶(hù)，在最基本的口令策略設(shè)置、口令強(qiáng)度評(píng)價(jià)和口令存儲(chǔ)安全等方面都是穿著“皇帝的新衣”^[7]。最近，微軟、谷歌和蘋(píng)果等公司加強(qiáng)了口令安全防護(hù)措施，并即將為用戶(hù)提供無(wú)需輸入口令就能登錄應(yīng)用和服務(wù)的身份認(rèn)證方案^[8]。在這些無(wú)口令方案中，要么用戶(hù)擁有一部帶攝像頭或指紋識(shí)別器的移動(dòng)設(shè)備（如智能手機(jī)、平板電腦等），并安裝相應(yīng)的身份認(rèn)證應(yīng)用程序（如微軟的Authenticator App）；要么用戶(hù)擁有專(zhuān)門(mén)的硬件設(shè)備（如支持FIDO2 標(biāo)準(zhǔn)且能識(shí)別指紋的U盾)，以存儲(chǔ)身份認(rèn)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(shí)別失效時(shí)的應(yīng)急選項(xiàng)。

由此可以看出，當(dāng)前無(wú)口令身份認(rèn)證方案仍處于初級(jí)階段，存在明顯的缺陷：一方面，僅在大型公司的少數(shù)平臺(tái)和設(shè)備上應(yīng)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(jī)的人群；另一方面，由于需要特定版本的系統(tǒng)或平臺(tái)導(dǎo)致可擴(kuò)展性低，涉及硬件導(dǎo)致部署成本高，由于生物特征的不可更改性導(dǎo)致存在隱私泄漏風(fēng)險(xiǎn)。此外，無(wú)口令認(rèn)證方案降低了用戶(hù)對(duì)身份的控制權(quán)，52%的被調(diào)研用戶(hù)表示不接受把信任鏈條傳遞到手機(jī)等設(shè)備。截至2022年2月，78%的微軟云服務(wù)企業(yè)用戶(hù)仍?xún)H使用賬號(hào)名和口令登錄，只有22%啟用了基于口令的多因素認(rèn)證或無(wú)口令方案^[9]。

綜上所述，在可預(yù)見(jiàn)的未來(lái)，口令仍將是最主要的身份認(rèn)證方法之一，基于口令的認(rèn)證技術(shù)仍不可替代。未來(lái)，隨著無(wú)口令方案的不斷成熟，在一些場(chǎng)景下（如使用智能手機(jī)）用戶(hù)對(duì)口令的直接接觸可能會(huì)變少，但口令不會(huì)消失，仍是應(yīng)急認(rèn)證手段，將在幕后保護(hù)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(lái)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(chǎng)全球疫情使得病毒基因組測(cè)序受到了前所未有的資金青睞，并極大地?cái)U(kuò)大了全球?qū)Υ祟?lèi)病毒監(jiān)測(cè)與預(yù)警的能力。2021年11月，南非一家實(shí)驗(yàn)室的測(cè)序人員發(fā)現(xiàn)一個(gè)有50多個(gè)突變的病毒基因組，并首次發(fā)出警示信號(hào)，幾乎在瞬間，西雅圖、波士頓和倫敦的計(jì)算機(jī)都在利用這些數(shù)據(jù)做出預(yù)測(cè)：這種被命名為Omicron的新冠病毒變異體是個(gè)麻煩，它是一種可能逃避抗體的病毒突變體?？茖W(xué)家們借助于基因測(cè)序、分析技術(shù)，可繪制出SARS-CoV-2的基因組圖譜，可監(jiān)測(cè)病毒傳播過(guò)程中基因組發(fā)生的變化，并可進(jìn)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?tīng)査?/span>（Delta），以及最近出現(xiàn)的奧密克戎（Omicron）。其中，Omicron被認(rèn)為是迄今為止變異程度最高的病毒變種。這一項(xiàng)史無(wú)前例的努力，使SARS-CoV-2成為歷史上接受基因測(cè)序最多的生物體，超越了流感病毒、人類(lèi)免疫缺陷病毒（Human Immunodeficiency Virus，HIV）甚至人類(lèi)基因組，極大地提高了全球?qū)Υ祟?lèi)病毒的監(jiān)測(cè)、傳播跟蹤與預(yù)警能力。

專(zhuān)家點(diǎn)評(píng)

陸 劍

北京大學(xué)生命科學(xué)學(xué)院教授、博士生導(dǎo)師，教育部長(zhǎng)江學(xué)者特聘教授，國(guó)家重點(diǎn)研發(fā)計(jì)劃重點(diǎn)專(zhuān)項(xiàng)首席科學(xué)家。目前擔(dān)任Science Bulletin 和Molecular Biology and Evolution 的副主編、中華預(yù)防醫(yī)學(xué)會(huì)生物信息學(xué)分會(huì)委員和北京市生物信息學(xué)會(huì)理事。研究方向?yàn)榉肿舆M(jìn)化和基因組學(xué)，長(zhǎng)期致力于群體遺傳學(xué)、進(jìn)化基因組學(xué)和基因表達(dá)調(diào)控等領(lǐng)域的研究。參加中國(guó)—世界衛(wèi)生組織新冠病毒溯源聯(lián)合研究，獲得全國(guó)科技系統(tǒng)抗擊新冠肺炎疫情先進(jìn)個(gè)人稱(chēng)號(hào)。

錢(qián)朝暉

中國(guó)醫(yī)學(xué)科學(xué)院/協(xié)和醫(yī)學(xué)院病原生物學(xué)研究所研究員，博士生導(dǎo)師，國(guó)家病原微生物實(shí)驗(yàn)室生物安全專(zhuān)家委員會(huì)委員。長(zhǎng)期從事冠狀病毒入侵、復(fù)制以及致病機(jī)制研究。

吳愛(ài)平

中國(guó)醫(yī)學(xué)科學(xué)院系統(tǒng)醫(yī)學(xué)研究院、蘇州系統(tǒng)醫(yī)學(xué)研究所研究員，北京協(xié)和醫(yī)學(xué)院博士生導(dǎo)師。獲得全國(guó)科技系統(tǒng)抗擊新冠肺炎疫情先進(jìn)個(gè)人稱(chēng)號(hào)、中華醫(yī)學(xué)科技獎(jiǎng)二等獎(jiǎng)和江蘇省“雙創(chuàng)人才”等獎(jiǎng)勵(lì)。研究方向?yàn)閭魅静∩镄畔W(xué)，專(zhuān)注于開(kāi)發(fā)新型計(jì)算方法，建立病毒性傳染病的生物信息分析框架，系統(tǒng)進(jìn)行新發(fā)突發(fā)病毒的發(fā)現(xiàn)溯源、變異進(jìn)化和免疫評(píng)估等。主持或參與了國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)防科技創(chuàng)新特區(qū)和國(guó)家自然科學(xué)基金等多項(xiàng)國(guó)家級(jí)科研項(xiàng)目。

新型冠狀病毒傳播引發(fā)的疫情給全球經(jīng)濟(jì)和公共衛(wèi)生帶來(lái)了極大的破壞。作為一種RNA病毒，新型冠狀病毒在流行過(guò)程中必然會(huì)不停地發(fā)生變異，導(dǎo)致新的變異株不斷涌現(xiàn)。世界衛(wèi)生組織已經(jīng)定義過(guò)5個(gè)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?tīng)査―elta）和奧密克戎（Omicron）?？焖俜e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(xué)研究提供了寶貴的數(shù)據(jù)基礎(chǔ)。

對(duì)新冠病毒不同變異株進(jìn)行科學(xué)的譜系劃分和演化動(dòng)態(tài)追蹤，不僅有助于流行病學(xué)的調(diào)查和疫情精準(zhǔn)防控政策的制定，對(duì)病原體檢測(cè)，臨床診斷，疫苗和治療藥物的研發(fā)以及有效性評(píng)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(guó)科學(xué)家就開(kāi)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(guó)科學(xué)家準(zhǔn)確地將新冠病毒分為L(zhǎng)和S兩個(gè)主要譜系，推測(cè)S譜系較為古老，而L由S譜系進(jìn)化而來(lái)。進(jìn)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(guò)程和特征，進(jìn)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(gè)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(shí)空動(dòng)態(tài)分布的可視化平臺(tái)（www.covid19evolution.net）。當(dāng)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(duì)應(yīng)Pango Lineage分型系統(tǒng)的A型和B型。S和L譜系劃分已被科學(xué)界廣泛接受和認(rèn)可，并被全球禽流感基因共享數(shù)據(jù)庫(kù)（GISAID）數(shù)據(jù)庫(kù)、國(guó)家基因組科學(xué)數(shù)據(jù)中心、中國(guó)疾病預(yù)防控制中心以及《中國(guó)—世界衛(wèi)生組織新冠病毒溯源聯(lián)合研究》中英文報(bào)告所采用。

我國(guó)科學(xué)家還發(fā)現(xiàn)，新冠病毒感染人數(shù)的不斷增加會(huì)加速新冠病毒變異的適應(yīng)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(diǎn)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(yù)期的一段時(shí)間內(nèi)，新冠病毒將會(huì)與人類(lèi)共存。因此，對(duì)病毒變異規(guī)律的及時(shí)解析和譜系演化動(dòng)態(tài)的及時(shí)追蹤仍然非常重要。如何科學(xué)地預(yù)測(cè)病毒的變異趨勢(shì)，對(duì)可能造成大流行的高風(fēng)險(xiǎn)株做到有效的先期預(yù)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(fù)制能力的增強(qiáng)。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(kuò)大，免疫逃逸已經(jīng)成為新冠病毒變異的主要驅(qū)動(dòng)力。因此，如何在疫苗接種和突破感染形成的復(fù)雜免疫選擇壓力下，預(yù)測(cè)新冠病毒變異趨勢(shì)和流行動(dòng)態(tài)將會(huì)是一個(gè)充滿(mǎn)挑戰(zhàn)但又亟需解決的重要科學(xué)問(wèn)題。GISAID已經(jīng)收錄了超過(guò)1 000萬(wàn)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(fù)雜性也為監(jiān)測(cè)和分析新冠病毒演化趨勢(shì)提出了巨大挑戰(zhàn)。開(kāi)展病原學(xué)、免疫學(xué)、結(jié)構(gòu)生物學(xué)、群體遺傳學(xué)、分子演化以及計(jì)算生物學(xué)等多學(xué)科的合作，結(jié)合人工智能和機(jī)器學(xué)習(xí)等新興技術(shù)可能是解決這一問(wèn)題的有效途徑。

圖2｜SARS-CoV-2病毒是地球上被測(cè)序最多的生物體，極大地增強(qiáng)了全球?qū)Υ祟?lèi)病毒的變異追蹤與預(yù)警能力（圖片來(lái)源：MIT Technology Review 官網(wǎng)）

長(zhǎng)時(shí)電網(wǎng)儲(chǔ)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(jì)錄，提供的電力足以滿(mǎn)足94.5%的需求，這一時(shí)刻被譽(yù)為低碳化道路上的一個(gè)里程碑。我們使用的可再生能源比以往任何時(shí)候都多。然而，可再生能源帶來(lái)的波動(dòng)式電力需用一種廉價(jià)且長(zhǎng)時(shí)（數(shù)小時(shí)甚至數(shù)天）的儲(chǔ)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="f3f5ff3" class="candidate-entity-word" data-gid="2645771">俄勒岡州的ESS公司，其電池可實(shí)現(xiàn)4至12小時(shí)的儲(chǔ)能，并在2021年推出了其第一個(gè)電網(wǎng)規(guī)模的項(xiàng)目。總部位于馬薩諸塞州的Form Energy公司稱(chēng)其電池可儲(chǔ)存電能長(zhǎng)達(dá)100小時(shí)，他們?cè)?021年籌集了2.4億美元，在明尼蘇達(dá)州安裝一兆瓦級(jí)別的儲(chǔ)電工廠，預(yù)計(jì)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(chǔ)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(shí)，甚至低于未來(lái)幾十年對(duì)鋰離子電池成本的樂(lè)觀預(yù)測(cè)。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(dāng)一部分能量無(wú)法被回收；此外，副反應(yīng)也會(huì)隨著時(shí)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(lái)自可再生能源的電能。

專(zhuān)家點(diǎn)評(píng)

張新波

研究員，中國(guó)科學(xué)院長(zhǎng)春應(yīng)用化學(xué)研究所稀土資源利用國(guó)家重點(diǎn)實(shí)驗(yàn)室主任，國(guó)家杰出青年科學(xué)基金獲得者。致力于能源存儲(chǔ)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(jì)和高性能器件研制，開(kāi)發(fā)了具有完全自主知識(shí)產(chǎn)權(quán)的鋰空氣電池器件。在Nature Chemistry、Nature Energy 等國(guó)際權(quán)威期刊上發(fā)表論文200余篇，主編國(guó)際專(zhuān)著1部。授權(quán)發(fā)明專(zhuān)利20件。2019年獲吉林省自然科學(xué)獎(jiǎng)一等獎(jiǎng)。

未來(lái)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(guò)50%，這必然會(huì)要求儲(chǔ)能設(shè)施具備十幾個(gè)小時(shí)乃至幾天的儲(chǔ)能時(shí)長(zhǎng)，以滿(mǎn)足吉瓦（Gigawatt, GW）級(jí)別的再生能源并網(wǎng)和長(zhǎng)時(shí)間削峰填谷的需求。然而，在目前的儲(chǔ)能電池技術(shù)水平下，鋰離子電池儲(chǔ)能時(shí)長(zhǎng)以2小時(shí)居多，部分已經(jīng)提升至3到4小時(shí)，但要達(dá)到6小時(shí)及以上的儲(chǔ)能時(shí)長(zhǎng)則會(huì)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(zhǎng)時(shí)儲(chǔ)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(jià)和儲(chǔ)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(guó)俄勒岡州ESS公司的鐵基液流電池以氯化亞鐵為正負(fù)極電解液，通過(guò)電解液中鐵離子的氧化還原實(shí)現(xiàn)電能的儲(chǔ)存和釋放，可實(shí)現(xiàn)長(zhǎng)達(dá)20 000次的穩(wěn)定循環(huán)。此外，該液流電池的儲(chǔ)能活性物質(zhì)與電極完全分開(kāi)，功率和容量設(shè)計(jì)互相獨(dú)立，便于模塊組合設(shè)計(jì)和電池結(jié)構(gòu)放置，其電網(wǎng)規(guī)模的儲(chǔ)能模塊可以實(shí)現(xiàn)4至12小時(shí)的能量?jī)?chǔ)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(dá)10 000次的循環(huán)。相比于鐵基液流電池，鐵—空氣電池的儲(chǔ)能容量更大，其可儲(chǔ)存電能長(zhǎng)達(dá)100小時(shí)（約可為電網(wǎng)提供超過(guò)4天的電力），這種電池將使具有成本效益的“多日儲(chǔ)能”成為可能。上述兩種鐵基電池在大規(guī)模儲(chǔ)能方面均具有明顯的優(yōu)勢(shì)：超長(zhǎng)循環(huán)壽命、高安全穩(wěn)定性、可擴(kuò)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(dòng)式變化，實(shí)現(xiàn)低碳長(zhǎng)時(shí)電網(wǎng)儲(chǔ)能。

鐵基長(zhǎng)時(shí)電網(wǎng)儲(chǔ)能電池的發(fā)展，可以彌補(bǔ)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(shí)現(xiàn)低碳電網(wǎng)碳的發(fā)展和碳中和的終極目標(biāo)。然而，除了長(zhǎng)時(shí)電網(wǎng)儲(chǔ)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(jìng)爭(zhēng)，這些技術(shù)未來(lái)的發(fā)展，也會(huì)在一定程度上左右長(zhǎng)時(shí)儲(chǔ)能電池在電網(wǎng)中的占比。此外，與其他儲(chǔ)能技術(shù)的發(fā)展一樣，長(zhǎng)時(shí)儲(chǔ)能電池從研發(fā)、示范、落地到規(guī)?；?，一路上必將面臨產(chǎn)能、供應(yīng)鏈、建設(shè)、運(yùn)營(yíng)等多方面的挑戰(zhàn)，必須嚴(yán)格控制每一環(huán)的風(fēng)險(xiǎn)，才能實(shí)現(xiàn)既定的成本目標(biāo)。

我國(guó)的長(zhǎng)時(shí)電網(wǎng)儲(chǔ)能技術(shù)以全釩液流電池為主，其已經(jīng)過(guò)十多年的示范考核，并且其大規(guī)模儲(chǔ)能的工程效果已得到了充分的驗(yàn)證，產(chǎn)業(yè)配套成熟，可支撐起百兆瓦級(jí)儲(chǔ)能項(xiàng)目的設(shè)計(jì)與開(kāi)發(fā)。此外，全釩液流電池系統(tǒng)的單瓦時(shí)成本已可控制在2～3元的水平，具備了商業(yè)化應(yīng)用的條件。2018年以來(lái)，我國(guó)液流電池的裝機(jī)量呈現(xiàn)爆發(fā)式增長(zhǎng)。其中，2020年規(guī)劃的液流電池裝機(jī)量超過(guò)6 GW，容量超過(guò)20 GWh。與此同時(shí)，單個(gè)項(xiàng)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(xiàng)目。整體而言，我國(guó)液流電池的產(chǎn)業(yè)研究和技術(shù)工藝處于國(guó)際領(lǐng)先水平，特別是國(guó)內(nèi)液流電池的龍頭企業(yè)，大連融科在海外市場(chǎng)的拓展也在如火如荼地進(jìn)行。然而，全釩液流電池的低能量密度和釩高昂的價(jià)格，需要我們開(kāi)發(fā)更具價(jià)格和能量密度優(yōu)勢(shì)的新型長(zhǎng)時(shí)電網(wǎng)儲(chǔ)能技術(shù)。

儲(chǔ)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(zhǎng)時(shí)電網(wǎng)儲(chǔ)能系統(tǒng)的發(fā)展迫在眉睫。目前長(zhǎng)時(shí)儲(chǔ)能技術(shù)仍處于百家爭(zhēng)鳴的中早期研發(fā)示范階段，孰勝孰劣尚未揭曉。電化學(xué)儲(chǔ)能由于動(dòng)力電池產(chǎn)業(yè)的推動(dòng)，不受地理環(huán)境的制約，暫時(shí)處于比較有利的競(jìng)爭(zhēng)地位。未來(lái)電網(wǎng)儲(chǔ)能系統(tǒng)的發(fā)展需要以模型數(shù)據(jù)開(kāi)源、學(xué)術(shù)產(chǎn)業(yè)結(jié)合等方式集思廣益，甄選出最具經(jīng)濟(jì)可靠性的電源儲(chǔ)能配置方案，形成多能互補(bǔ)的，新能源 儲(chǔ)能的電力系統(tǒng)，為實(shí)現(xiàn)“雙碳”目標(biāo)提供強(qiáng)有力的支撐。

圖3｜廉價(jià)、儲(chǔ)能持久的鐵基電池有望分?jǐn)偪稍偕茉吹墓?yīng)壓力，并擴(kuò)大清潔能源的使用范圍（圖片來(lái)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(dòng)中發(fā)揮著關(guān)鍵的作用。蛋白質(zhì)在行使功能時(shí)往往需要折疊成特定的三維結(jié)構(gòu)，因此對(duì)蛋白質(zhì)結(jié)構(gòu)的測(cè)定和解析不僅能幫助人們?cè)诜肿訉用嫔侠斫獯蠖鄶?shù)生命活動(dòng)的機(jī)理，而且可以有效輔助基于結(jié)構(gòu)的藥物開(kāi)發(fā)以及相關(guān)疾病的診治。目前通過(guò)實(shí)驗(yàn)手段解析蛋白質(zhì)結(jié)構(gòu)費(fèi)時(shí)費(fèi)力，遠(yuǎn)遠(yuǎn)無(wú)法滿(mǎn)足現(xiàn)實(shí)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(shí)驗(yàn)室采用多種深度學(xué)習(xí)技術(shù)，開(kāi)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(zhǔn)確預(yù)測(cè)其三維結(jié)構(gòu)。該軟件使用一種稱(chēng)為深度學(xué)習(xí)的人工智能技術(shù)，可以預(yù)測(cè)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(gè)小時(shí)內(nèi)提供目標(biāo)蛋白質(zhì)原子分辨率的結(jié)構(gòu)信息，而且其預(yù)測(cè)的結(jié)構(gòu)模型準(zhǔn)確度很高，在很多蛋白上可以與實(shí)驗(yàn)解析的真實(shí)結(jié)果媲美。世界各地的科學(xué)團(tuán)隊(duì)已經(jīng)開(kāi)始使用它來(lái)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(píng)選為“全球十大突破技術(shù)”之一。

專(zhuān)家點(diǎn)評(píng)

龔海鵬

清華大學(xué)生命學(xué)院副教授，博士生導(dǎo)師，生物信息學(xué)教育部重點(diǎn)實(shí)驗(yàn)室副主任。2009年加入清華大學(xué)生命學(xué)院，主要從事蛋白質(zhì)結(jié)構(gòu)相關(guān)的計(jì)算方法研究。近年來(lái)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(yù)測(cè)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(jì)算生物學(xué)主流期刊上發(fā)表多篇論文。近5年主持國(guó)家自然科學(xué)基金項(xiàng)目3項(xiàng)。

生命體中的主要生命活動(dòng)都通過(guò)蛋白質(zhì)分子完成，因此理解單個(gè)蛋白質(zhì)分子的工作機(jī)理至關(guān)重要。蛋白質(zhì)的多肽鏈?zhǔn)怯砂被犴樞蜻B接而成的線(xiàn)性分子，它往往折疊成特定的三維結(jié)構(gòu)來(lái)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(jì)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(xué)的核心問(wèn)題。作為這一信息鏈條的中心點(diǎn)，蛋白質(zhì)結(jié)構(gòu)既可以幫助人們理解生命活動(dòng)的分子機(jī)理，也能有效地輔助蛋白質(zhì)設(shè)計(jì)和基于結(jié)構(gòu)的藥物設(shè)計(jì)，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(guò)去二三十年來(lái)，結(jié)構(gòu)生物學(xué)取得了長(zhǎng)足進(jìn)展，包括蛋白質(zhì)晶體學(xué)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(cè)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(kù)（Protein Data Bank，PDB）中已經(jīng)積累了超過(guò)18萬(wàn)個(gè)分子的結(jié)構(gòu)。但是，總體而言，蛋白質(zhì)結(jié)構(gòu)的實(shí)驗(yàn)測(cè)定仍然較為耗時(shí)，往往至少要耗費(fèi)數(shù)月時(shí)間。此外，由于新一代測(cè)序技術(shù)的發(fā)展，蛋白質(zhì)序列的積累速度遠(yuǎn)遠(yuǎn)大于結(jié)構(gòu)解析的速度。目前蛋白質(zhì)序列庫(kù)中的蛋白質(zhì)數(shù)目已經(jīng)超過(guò)結(jié)構(gòu)數(shù)據(jù)庫(kù)3~4個(gè)數(shù)量級(jí)，這一差距無(wú)法通過(guò)實(shí)驗(yàn)方法彌補(bǔ)。

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(jì)八九十年代起，人們就開(kāi)始發(fā)展計(jì)算機(jī)算法，通過(guò)研究序列和結(jié)構(gòu)間的關(guān)系，根據(jù)氨基酸序列預(yù)測(cè)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(guó)際蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)評(píng)估競(jìng)賽（Critical Assessment of protein Structure Prediction, CASP），用于系統(tǒng)評(píng)測(cè)各種計(jì)算方法的預(yù)測(cè)準(zhǔn)確性。該競(jìng)賽每?jī)赡昱e辦一次，組委會(huì)收集未發(fā)表的結(jié)構(gòu)數(shù)據(jù)，對(duì)參賽者發(fā)布其序列信息，然后收集其預(yù)測(cè)結(jié)果進(jìn)行雙盲評(píng)估。CASP競(jìng)賽極大地促進(jìn)了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域的發(fā)展。在早期CASP競(jìng)賽中，發(fā)展的基于模板的建模方法Modeller以及基于統(tǒng)計(jì)和物理模型的建模方法Rosetta和I-TASSER等程序，結(jié)合物理知識(shí)和對(duì)結(jié)構(gòu)數(shù)據(jù)庫(kù)的統(tǒng)計(jì)分析，可以對(duì)某些特定蛋白提供較為準(zhǔn)確的預(yù)測(cè)模型。但是，隨著實(shí)驗(yàn)解析蛋白質(zhì)數(shù)目的快速積累，這些方法的預(yù)測(cè)性能并未顯示出相應(yīng)提升，反而達(dá)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(duì)中獲得氨基酸殘基間的共進(jìn)化關(guān)系，從而為結(jié)構(gòu)預(yù)測(cè)提供額外信息。2016年的CASP12競(jìng)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(duì)預(yù)測(cè)氨基酸殘基間接觸，再根據(jù)預(yù)測(cè)結(jié)果折疊蛋白，從而顯著提升了結(jié)構(gòu)預(yù)測(cè)的平均準(zhǔn)確率。其后，人工智能方法開(kāi)始廣泛介入蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域。2018年的CASP13競(jìng)賽中，DeepMind發(fā)展的 AlphaFold 采用了類(lèi)似的方案預(yù)測(cè)殘基間距離并根據(jù)預(yù)測(cè)距離折疊蛋白。其后的大多數(shù)方法也主要沿這一思路進(jìn)行。2020年CASP14競(jìng)賽前，人們發(fā)現(xiàn)這類(lèi)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(lèi)深度學(xué)習(xí)模型的預(yù)測(cè)準(zhǔn)確性離現(xiàn)實(shí)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(shí)，DeepMind提出的 AlphaFold2 算法遠(yuǎn)遠(yuǎn)超越了其它深度學(xué)習(xí)模型，對(duì)絕大多數(shù)目標(biāo)蛋白都可以提供高度精準(zhǔn)的預(yù)測(cè)模型。對(duì)有些蛋白質(zhì)而言，AlphaFold2預(yù)測(cè)的結(jié)果與實(shí)驗(yàn)解析的模型高度相似，甚至僅根據(jù)實(shí)驗(yàn)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(gè)科學(xué)界。

后續(xù)的報(bào)告和論文顯示，DeepMind在設(shè)計(jì) AlphaFold2 時(shí)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(yù)測(cè)，采用了一種全新的端對(duì)端模型直接根據(jù)序列預(yù)測(cè)結(jié)構(gòu)。這一設(shè)計(jì)不僅能加快預(yù)測(cè)速度，而且可以有效抑制中間過(guò)程中的誤差積累。此外，DeepMind采用了近年來(lái)自然語(yǔ)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(jī)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(guò)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(jìn)一步有效提升了預(yù)測(cè)準(zhǔn)確率?？傊?，在 AlphaFold2 中，DeepMind通過(guò)具有高度創(chuàng)新性的深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)，初步解決了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)（或折疊）這一困擾人類(lèi)50年之久的科學(xué)難題，也因此入選MIT Technology Review 評(píng)選的2022年“全球十大突破技術(shù)”。

AlphaFold2 的提出顯然對(duì)生命科學(xué)有巨大的促進(jìn)作用。一方面，它能夠快速準(zhǔn)確地根據(jù)氨基酸序列預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)，因此可以有效彌補(bǔ)現(xiàn)有結(jié)構(gòu)生物學(xué)技術(shù)的缺陷。另一方面，通過(guò)對(duì) AlphaFold2 的進(jìn)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(kāi)始把 AlphaFold2 應(yīng)用于藥物開(kāi)發(fā)和蛋白質(zhì)設(shè)計(jì)領(lǐng)域。比如，清華大學(xué)的張林琦和彭健合作，通過(guò)進(jìn)一步優(yōu)化的 AlphaFold2 模型預(yù)測(cè)抗原和抗體的結(jié)合能，并根據(jù)預(yù)測(cè)結(jié)果優(yōu)化抗體設(shè)計(jì)，最終開(kāi)發(fā)出我國(guó)首款新冠特效藥。2021年，DeepMind與EBI合作，建立了基于 AlphaFold2 預(yù)測(cè)結(jié)果的數(shù)據(jù)庫(kù) AlphaFold DB。該數(shù)據(jù)庫(kù)中已經(jīng)儲(chǔ)備了近一百萬(wàn)蛋白質(zhì)的預(yù)測(cè)結(jié)構(gòu)，為生命科學(xué)各個(gè)領(lǐng)域的科學(xué)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(huì)改變很多領(lǐng)域的科研范式，促進(jìn)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(xué)定量化的步伐。

當(dāng)然，AlphaFold2 還有一定的局限性。首先，它在很多蛋白上的預(yù)測(cè)精度還有待進(jìn)一步提高，目前還不能完全滿(mǎn)足藥物開(kāi)發(fā)等領(lǐng)域需要的結(jié)構(gòu)精度，特別是對(duì)蛋白質(zhì)復(fù)合體的預(yù)測(cè)精度較低。因此，AlphaFold2 還不能完全替代結(jié)構(gòu)生物學(xué)研究。其次，AlphaFold2 模擬的是從多重序列比對(duì)到三維結(jié)構(gòu)的映射關(guān)系，并沒(méi)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(wèn)題還沒(méi)有完美解決。最后，也是最重要的一點(diǎn)，針對(duì)一個(gè)特定的目標(biāo)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(dòng)態(tài)變化。而動(dòng)態(tài)結(jié)構(gòu)才是真正決定功能的基礎(chǔ)。

無(wú)論如何，AlphaFold2 的提出展示了人工智能技術(shù)對(duì)生命科學(xué)研究的巨大促進(jìn)作用。在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域，預(yù)計(jì)人工智能技術(shù)將繼續(xù)引領(lǐng)后續(xù)的進(jìn)展，解決目前 AlphaFold2 的局限性：（1） 提高蛋白質(zhì)復(fù)合體的結(jié)構(gòu)預(yù)測(cè)精度；（2） 發(fā)展根據(jù)單一序列預(yù)測(cè)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(yù)測(cè)蛋白質(zhì)的動(dòng)態(tài)結(jié)構(gòu)。

我國(guó)在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域的基礎(chǔ)整體上還比較薄弱。近年來(lái)雖然有多個(gè)學(xué)術(shù)研究組在殘基間距離預(yù)測(cè)、能量函數(shù)構(gòu)建和模型質(zhì)量評(píng)估等子領(lǐng)域做出了原創(chuàng)性的工作，但是由于學(xué)術(shù)研究組的規(guī)模和資金有限，還沒(méi)有形成完整的自主研發(fā)的程序算法，能達(dá)到與 AlphaFold2 持平的程度。但是，目前已有企業(yè)（如深勢(shì)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(jìn)行二次開(kāi)發(fā)，并取得了一定的成績(jī)。考慮到人工智能技術(shù)的飛速發(fā)展，我國(guó)在這一領(lǐng)域還有極大的潛力。希望在不久的將來(lái)，我國(guó)能通過(guò)多個(gè)學(xué)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(kāi)發(fā)出原創(chuàng)性的、具有完全自主知識(shí)產(chǎn)權(quán)的蛋白質(zhì)結(jié)構(gòu)精準(zhǔn)預(yù)測(cè)算法。

圖4｜人工智能實(shí)驗(yàn)室DeepMind開(kāi)發(fā)的 AlphaFold2 軟件初步解決了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)這一科學(xué)難題（圖片來(lái)源：MIT Technology Review 官網(wǎng)）

瘧疾疫苗

Malaria vaccine

寄生蟲(chóng)是復(fù)雜的多細(xì)胞生物，其基因組比大多數(shù)病毒和細(xì)菌中的基因組大500~1 000倍。使其能夠通過(guò)無(wú)數(shù)種方式的基因突變來(lái)躲避人體免疫系統(tǒng)的監(jiān)視。瘧疾是瘧原蟲(chóng)所引起的嚴(yán)重危害人類(lèi)生命健康的寄生蟲(chóng)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(wàn)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(zhǔn)了世界上第一種對(duì)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(rèn)為不是一種特別有效的疫苗。它需要在5至17個(gè)月大的兒童中接種三劑，并在12至15個(gè)月后接種第四劑。此外，在肯尼亞、馬拉維和加納的80多萬(wàn)名兒童中，這種疫苗在第一年對(duì)嚴(yán)重瘧疾的有效率約為50%，而且隨著時(shí)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(kāi)始測(cè)試的疫苗譽(yù)為非洲的“游戲改變者”，主要原因是當(dāng)其與其它瘧疾控制措施（包括驅(qū)蟲(chóng)蚊帳和在雨季使用的預(yù)防藥物）結(jié)合使用時(shí)，有望將瘧疾死亡人數(shù)減少多達(dá)70%。Mosquirix作為第一個(gè)被批準(zhǔn)用于寄生蟲(chóng)病的疫苗，旨在敲響免疫系統(tǒng)的警鐘，保護(hù)潛在的宿主免受感染，對(duì)鼓勵(lì)創(chuàng)新以及下一代瘧疾疫苗的開(kāi)發(fā)具有重大意義。

專(zhuān)家點(diǎn)評(píng)

江陸斌

研究員，中國(guó)科學(xué)院上海巴斯德研究所副所長(zhǎng)，上?？萍即髮W(xué)特聘教授，國(guó)家杰出青年科學(xué)基金獲得者，國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目首席科學(xué)家，美國(guó)國(guó)立衛(wèi)生研究院（National Institute of Health，NIH）R01項(xiàng)目首席。曾獲湖北省科技進(jìn)步獎(jiǎng)二等獎(jiǎng)、上海市科技系統(tǒng)先進(jìn)個(gè)人、中國(guó)科學(xué)院優(yōu)秀教師“朱李月華”獎(jiǎng)等獎(jiǎng)勵(lì)和榮譽(yù)。長(zhǎng)期致力于惡性瘧原蟲(chóng)致病的表觀遺傳學(xué)機(jī)制研究，首創(chuàng)了惡性瘧原蟲(chóng)表觀遺傳基因編輯技術(shù)，揭示了惡性瘧原蟲(chóng)免疫逃逸的調(diào)控網(wǎng)絡(luò)，闡明了線(xiàn)粒體功能抑制的表觀遺傳機(jī)制，鑒定到一批具有藥物開(kāi)發(fā)潛力的表觀遺傳靶點(diǎn)，其中一種小分子候選藥物已進(jìn)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(zhǔn)的瘧疾疫苗。它是惡性瘧原蟲(chóng)環(huán)子孢子蛋白CSP的C-末端序列（包括NANP抗原重復(fù)序列和T細(xì)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(guò)新型脂質(zhì)體免疫佐劑AS01增強(qiáng)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(fēng)險(xiǎn)地區(qū)5月齡以上兒童中使用。

瘧疾是嚴(yán)重危害人類(lèi)健康的全球三大傳染病之一。隨著青蒿素等各類(lèi)抗瘧藥的臨床耐藥性問(wèn)題日益加劇，目前全世界仍有近一半人口面臨瘧疾感染風(fēng)險(xiǎn)。致死性最強(qiáng)的惡性瘧疾原蟲(chóng)每年造成2億～3億的感染病例和近60萬(wàn)的死亡病例，是實(shí)現(xiàn)“人類(lèi)衛(wèi)生健康共同體”目標(biāo)的關(guān)鍵阻礙之一。21世紀(jì)以來(lái)，全球每年約有10項(xiàng)瘧疾疫苗項(xiàng)目獲批開(kāi)展臨床試驗(yàn)，約150項(xiàng)已完成或提前終止臨床試驗(yàn)。其中，RTS, S/AS01在非洲地區(qū)的多中心Ⅲ期臨床試驗(yàn)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(hù)效率為36.3%，部分地區(qū)可實(shí)現(xiàn)約50%的臨床保護(hù)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(duì)5~17月齡兒童具有較高的保護(hù)效率。隨后，其免疫保護(hù)效率快速下降，接種1年半后平均保護(hù)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(shí)意義，WHO預(yù)期它在未來(lái)每年可以挽救數(shù)萬(wàn)名5歲以下非洲兒童的生命。

不可否認(rèn)，RTS, S/AS01并沒(méi)有達(dá)到瘧疾疫苗的WHO官方標(biāo)準(zhǔn)（保護(hù)率>50%，保護(hù)時(shí)間>1年）。因此，如何有效遏制瘧疾在熱帶、亞熱帶等國(guó)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(xué)問(wèn)題。雖然在幾代疾控工作者的不懈努力下，我國(guó)已于2021年正式獲得由WHO頒布的消除瘧疾認(rèn)證，但輸入性瘧疾在華中、華南和西南省份呈上升趨勢(shì)。而且，在我國(guó)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(chóng)。因此，研制新型瘧疾疫苗刻不容緩，并具有重大的社會(huì)和經(jīng)濟(jì)意義。

與瘧疾作為國(guó)際傳染病學(xué)研究熱點(diǎn)極不協(xié)調(diào)的是，相關(guān)寄生蟲(chóng)學(xué)研究在國(guó)內(nèi)普遍不被重視，瘧疾疫苗研究也多為靶向瘧原蟲(chóng)單一抗原的亞單位疫苗策略。由于瘧原蟲(chóng)生活史包括肝（細(xì)胞）內(nèi)期、紅（細(xì)胞）內(nèi)期和蚊期等復(fù)雜的生長(zhǎng)時(shí)期，惡性瘧原蟲(chóng)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(guó)內(nèi)外瘧疾疫苗的研發(fā)，同時(shí)也是導(dǎo)致RTS, S/AS01并不完美的主要原因。近年來(lái)，隨著多種新型基因編輯技術(shù)在惡性瘧原蟲(chóng)關(guān)鍵生物標(biāo)志物功能鑒定中的廣泛應(yīng)用，使研究人員針對(duì)惡性瘧原蟲(chóng)不同生長(zhǎng)時(shí)期設(shè)計(jì)多價(jià)疫苗成為可能。同時(shí)，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(lái)5~10年內(nèi)取得關(guān)鍵性突破。

圖5｜世界上第一種對(duì)抗由蚊子傳播的致命疾病的疫苗—瘧疾疫苗獲批。（圖片來(lái)源：MIT Technology Review 官網(wǎng)）

權(quán)益證明

Proof of Stake，PoS

共識(shí)算法是區(qū)塊鏈技術(shù)的核心，通過(guò)算力競(jìng)爭(zhēng)的“挖礦”工作量證明機(jī)制消耗了全球太多的電力和計(jì)算資源，一直為人詬病。而PoS權(quán)益證明機(jī)制則有望徹底擺脫這一困境。PoS算法的突出特點(diǎn)是引入了幣齡的概念，幣齡越長(zhǎng)，權(quán)力越大，挖礦難度越低，所獲獎(jiǎng)勵(lì)越多。這樣節(jié)點(diǎn)不需要消耗過(guò)多的外部算力和資源去競(jìng)爭(zhēng)記賬權(quán)，一定程度上還縮短了達(dá)成共識(shí)的時(shí)間，提升了系統(tǒng)運(yùn)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(shí)用型聚變反應(yīng)堆”“終結(jié)口令”“AI 蛋白質(zhì)折疊”等技術(shù)一起名列其中。

專(zhuān)家點(diǎn)評(píng)

張小松

教育部“長(zhǎng)江學(xué)者”特聘教授，電子科技大學(xué)網(wǎng)絡(luò)空間安全研究院院長(zhǎng)，博士生導(dǎo)師，中國(guó)電子學(xué)會(huì)區(qū)塊鏈分會(huì)副主任委員。長(zhǎng)期從事計(jì)算機(jī)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(guó)家科技進(jìn)步獎(jiǎng)一等獎(jiǎng)、二等獎(jiǎng)各1項(xiàng)，省部級(jí)科技進(jìn)步獎(jiǎng)一等獎(jiǎng)3項(xiàng)、發(fā)明獎(jiǎng)2項(xiàng)。

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(yuǎn)的影響，而實(shí)現(xiàn)分布式系統(tǒng)強(qiáng)一致性及最終一致性達(dá)成的共識(shí)算法無(wú)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(diǎn)對(duì)窗口內(nèi)發(fā)生事務(wù)的順序和內(nèi)容正確性達(dá)成共識(shí)，確保系統(tǒng)內(nèi)同一個(gè)事務(wù)處理的可靠和可信，為實(shí)現(xiàn)區(qū)塊鏈去中心化、開(kāi)放自治提供機(jī)制的支撐和保障。

對(duì)于嚴(yán)格維護(hù)去中心化機(jī)制的“公有鏈”（Public Blockchain）系統(tǒng)，工作量證明（Proof of Work, PoW）毫無(wú)爭(zhēng)議是目前最具認(rèn)可度的共識(shí)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(gè)節(jié)點(diǎn)通過(guò)算力計(jì)算哈希（Hash）難題，其中最先解決難題的節(jié)點(diǎn)將獲得區(qū)塊記賬權(quán)，從而以算力競(jìng)爭(zhēng)的方式保證數(shù)據(jù)的一致性，這一過(guò)程又俗稱(chēng)“挖礦”。PoW機(jī)制可以表達(dá)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(jī)值，target是由當(dāng)前計(jì)算難度值決定的目標(biāo)值。顯然，要找到符合條件的nonce，只能通過(guò)窮舉的方法來(lái)實(shí)現(xiàn)，然而，公鏈節(jié)點(diǎn)規(guī)模的擴(kuò)大和挖礦難度的不斷增大，PoW共識(shí)機(jī)制越來(lái)越暴露出無(wú)法克服的問(wèn)題：

（1） 能源浪費(fèi)巨大。截至目前，采用PoW共識(shí)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(wàn)度到30萬(wàn)度之間，導(dǎo)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(xué)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(dá)1 300多億度電，比很多國(guó)家的年度用電總量都要高。

（2） 業(yè)務(wù)性能很低。PoW共識(shí)算法要求每筆交易及其區(qū)塊都要獲得所有節(jié)點(diǎn)的確認(rèn)，才會(huì)被記錄到賬本中，而隨著網(wǎng)絡(luò)規(guī)模的擴(kuò)大，共識(shí)的耗時(shí)必然提升，目前比特幣和以太坊系統(tǒng)的共識(shí)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(shí)間間隔來(lái)提升交易速度的其它衍生公鏈系統(tǒng)，但是它們?nèi)詿o(wú)法避免出現(xiàn)分叉概率上升的風(fēng)險(xiǎn)和交易效率降低等問(wèn)題。

（3） 算力集中風(fēng)險(xiǎn)。在巨大的利益驅(qū)動(dòng)下，越來(lái)越多的專(zhuān)業(yè)挖礦算力節(jié)點(diǎn)加入到比特幣和以太坊系統(tǒng)，甚至出現(xiàn)多個(gè)節(jié)點(diǎn)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(jì)初衷。

權(quán)益證明算法正是為彌補(bǔ)PoW不足應(yīng)運(yùn)而生。PoS算法由PeerCoin創(chuàng)始人Sunny King和Scott Nadal提出并實(shí)現(xiàn)，其突出特點(diǎn)是引入了幣齡的概念，將消耗幣齡（代幣數(shù)量與時(shí)間的乘積）與計(jì)算hash散列的工作量一起作為記賬權(quán)分配的準(zhǔn)則，從而等比例的降低hash運(yùn)算的難度。PoS機(jī)制可以表達(dá)為：工作量證明hash<總目標(biāo)值，而總目標(biāo)值=幣齡X目標(biāo)值target。因此節(jié)點(diǎn)不再是僅依靠算力去競(jìng)爭(zhēng)記賬權(quán)，而是通過(guò)長(zhǎng)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(gè)有限的空間里進(jìn)行共識(shí)，不需要消耗過(guò)多的外部算力和資源，可以有效地彌補(bǔ)PoW的劣勢(shì)，并且能夠在一定程度上縮短達(dá)成共識(shí)的時(shí)間，提升系統(tǒng)運(yùn)行性能。

股權(quán)授權(quán)證明（Delegated Proof of Stake，DPoS）基于PoS演化而來(lái)，由Block.one公司開(kāi)發(fā)的企業(yè)操作系統(tǒng)（Enterprise Operating System，EOS）是第一個(gè)采用DPoS的公鏈項(xiàng)目。DPoS在完成共識(shí)的過(guò)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(rèn)效率，同時(shí)不會(huì)出現(xiàn)PoS機(jī)制中富有節(jié)點(diǎn)長(zhǎng)期支配記賬權(quán)的情況。

以太坊由于其率先實(shí)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(yīng)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(yùn)行節(jié)點(diǎn)的算力要求門(mén)檻高、PoW機(jī)制能耗巨大等困境，從2015年以來(lái)以太坊開(kāi)發(fā)團(tuán)隊(duì)就一直致力于共識(shí)機(jī)制的切換研發(fā)：（1） 利用分片鏈來(lái)減輕節(jié)點(diǎn)驗(yàn)證者的工作量，解決可擴(kuò)展性問(wèn)題；（2） 利用信標(biāo)鏈隨機(jī)分配驗(yàn)證者降低作惡概率，保證安全；（3） 利用PoS機(jī)制降低節(jié)點(diǎn)門(mén)檻并保障生態(tài)的可持續(xù)發(fā)展，并最大程度上實(shí)現(xiàn)去中心化。

以太坊信標(biāo)鏈已于2020年底上線(xiàn)。2022年4月11日，以太坊完成了網(wǎng)絡(luò)的第一個(gè)影子分叉（Mainnet Shadow Fork），啟動(dòng)了一個(gè)從PoW過(guò)渡到PoS的合并測(cè)試網(wǎng)。預(yù)計(jì)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(diǎn)數(shù)最多，應(yīng)用生態(tài)最大的公有鏈系統(tǒng)，并將進(jìn)一步推動(dòng)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(lái)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(gè)愿望變成了現(xiàn)實(shí)。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(guó)政府已經(jīng)訂購(gòu)了價(jià)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(yùn)的嘗試。針對(duì)一種能夠調(diào)控新冠病毒進(jìn)行威脅性復(fù)制的關(guān)鍵蛋白酶，化學(xué)家們?cè)O(shè)計(jì)了這款藥物，用于阻斷病毒的自我復(fù)制能力。事實(shí)上，其它類(lèi)型的冠狀病毒中也存在類(lèi)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(jì)、合成和測(cè)試時(shí)間更長(zhǎng)，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(xué)家的實(shí)驗(yàn)室進(jìn)入志愿者的口中，并獲得美國(guó)食品和藥物管理局的批準(zhǔn)。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(duì)其無(wú)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(zhuān)家點(diǎn)評(píng)

李 巖

華中科技大學(xué)同濟(jì)醫(yī)學(xué)院教授、博士生導(dǎo)師。入選國(guó)家高層次青年人才項(xiàng)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(jī)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(lái)，國(guó)內(nèi)外已有多種新冠肺炎治療藥物和疫苗陸續(xù)被開(kāi)發(fā)出來(lái)。由于專(zhuān)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(jī)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(kāi)發(fā)的重點(diǎn)方向。

近期，由輝瑞公司開(kāi)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(jī)對(duì)照試驗(yàn)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(dǎo)致進(jìn)展為嚴(yán)重COVID-19的風(fēng)險(xiǎn)比安慰劑低89%，并且無(wú)明顯的安全性問(wèn)題^[10]。Paxlovid實(shí)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(dòng)力學(xué)行為的利托那韋（Ritonavir）。新型冠狀病毒SARS-CoV-2依賴(lài)一種蛋白酶M^pro來(lái)切割蛋白前體，而奈瑪特韋是一種針對(duì)M^pro蛋白酶的小分子抑制劑，能夠通過(guò)競(jìng)爭(zhēng)結(jié)合M^pro來(lái)抑制SARS-CoV-2的復(fù)制。一方面，奈瑪特韋對(duì)重組M^pro的抑制常數(shù)（Ki）以及對(duì)SARS-CoV-2抗病毒指標(biāo)半最大效應(yīng)濃度（Concentration for 50% of Maximal Effect，EC₅₀）均達(dá)到了納摩爾每升的水平，同時(shí)其在小鼠適應(yīng)的SARS-CoV-2模型中證明了口服活性，并在臨床I期試驗(yàn)中達(dá)到了超過(guò)體外抗病毒細(xì)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(jìn)過(guò)的大規(guī)模合成潛力、與簡(jiǎn)單制劑載體的兼容性等特點(diǎn)，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(duì)SARS-CoV-2無(wú)明顯活性，但它能抑制負(fù)責(zé)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(lái)，SARS-CoV-2已發(fā)展出數(shù)種比原始株具有更強(qiáng)傳播力的突變株。因此，開(kāi)發(fā)抗新冠藥物時(shí)，其對(duì)突變株和潛在新突變株的效力留存水平是必須考慮的問(wèn)題。奈瑪特韋的靶點(diǎn)M^pro是SARS-CoV-2復(fù)制過(guò)程必需的重要蛋白酶，這種酶依賴(lài)一些高度保守的位點(diǎn)組成的口袋行使催化功能^[13]。理論上發(fā)生在M^pro上的突變有可能對(duì)SARS-CoV-2的復(fù)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(shì)。但目前尚無(wú)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(dòng)物實(shí)驗(yàn)結(jié)果提示，奈瑪特韋對(duì)奧密克戎突變株仍具有抗病毒活性^[14,15]，Paxlovid對(duì)奧密克戎及將來(lái)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(jìn)一步驗(yàn)證。同時(shí)，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(duì)奈瑪特韋的藥代動(dòng)力學(xué)助推效應(yīng)可能會(huì)引入有害的藥物藥物相互作用，因此對(duì)具有特定用藥史的輕度~中度新冠患者開(kāi)具Paxlovid處方可能需要高度謹(jǐn)慎^[16]。

總的來(lái)說(shuō)，如其他重要的新冠藥物一般，新冠口服藥Paxlovid的開(kāi)發(fā)和上市也為新冠防治事業(yè)打入了一針強(qiáng)心劑。然而，隨著新冠口服藥的深入研發(fā)，是否能有進(jìn)一步新的突破？讓我們拭目以待。

圖7｜易于服用的治療嚴(yán)重的 COVID-19 的藥片也可能對(duì)下一次大流行病起作用（圖片來(lái)源：MIT Technology Review 官網(wǎng)）

人工智能合成數(shù)據(jù)

Synthetic data for AI

訓(xùn)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(xué)公司的研究人員注意到，旨在訓(xùn)練計(jì)算機(jī)視覺(jué)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(méi)有非洲服裝的數(shù)據(jù)集。于是，該團(tuán)隊(duì)通過(guò)人工智能算法人為生成由非洲時(shí)尚服裝的圖像組成的數(shù)據(jù)來(lái)解決這一不平衡問(wèn)題。這種通過(guò)算法人為合成出的符合真實(shí)世界情況的數(shù)據(jù)，具有與真實(shí)數(shù)據(jù)相似的統(tǒng)計(jì)學(xué)特征，且在數(shù)據(jù)饑渴的機(jī)器學(xué)習(xí)領(lǐng)域的應(yīng)用越來(lái)越普遍。在真實(shí)數(shù)據(jù)稀缺或過(guò)于敏感的領(lǐng)域，如醫(yī)療記錄或個(gè)人財(cái)務(wù)數(shù)據(jù)，這些“合成數(shù)據(jù)”可用于訓(xùn)練人工智能模型。實(shí)際上，合成數(shù)據(jù)的想法并不新鮮，例如，無(wú)人駕駛汽車(chē)已經(jīng)在虛擬街道上進(jìn)行了許多訓(xùn)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(xué)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(xiǎn)業(yè)提供合成數(shù)據(jù)。

特別地，2021年麻省理工學(xué)院發(fā)布了名為“Synthetic Data Vault”的開(kāi)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(dòng)態(tài)，并鑒于數(shù)據(jù)對(duì)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(zhuān)家點(diǎn)評(píng)

程學(xué)旗

中國(guó)科學(xué)院計(jì)算技術(shù)研究所研究員、博士生導(dǎo)師，國(guó)家杰出青年科學(xué)基金獲得者。主要研究方向?yàn)閿?shù)據(jù)科學(xué)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(huì)治理大數(shù)據(jù)應(yīng)用等。在國(guó)內(nèi)外學(xué)術(shù)期刊與會(huì)議上發(fā)表論文200余篇，授權(quán)發(fā)明專(zhuān)利80余項(xiàng)，谷歌學(xué)術(shù)引用20 000余次。在數(shù)據(jù)表征學(xué)習(xí)、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(guó)際學(xué)術(shù)會(huì)議最佳論文獎(jiǎng)。獲國(guó)家科技進(jìn)步獎(jiǎng)二等獎(jiǎng)3次、國(guó)家技術(shù)發(fā)明獎(jiǎng)二等獎(jiǎng)1次。

陳 薇

中國(guó)科學(xué)院計(jì)算技術(shù)研究所研究員，博士生導(dǎo)師。主要研究領(lǐng)域?yàn)闄C(jī)器學(xué)習(xí)理論與算法，可信機(jī)器學(xué)習(xí)技術(shù)及其在智能算法安全中的應(yīng)用。在International Conference on Machine Learning、Conference on Neural Information Processing Systems、International Conference on Learning Representations 等機(jī)器學(xué)習(xí)和人工智能?chē)?guó)際會(huì)議/期刊發(fā)表學(xué)術(shù)論文50余篇。2021年入選福布斯“中國(guó)科技女性榜”。

人工智能技術(shù)已經(jīng)在百姓生活和社會(huì)管理中廣泛應(yīng)用，例如日常購(gòu)物娛樂(lè)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(yùn)轉(zhuǎn)的城市大腦。人工智能技術(shù)浸潤(rùn)著現(xiàn)代社會(huì)的每一個(gè)角落，已然成為世界科技與社會(huì)發(fā)展的一大支柱。

2022年MIT Technology Review 評(píng)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(shuō)以深度學(xué)習(xí)為代表的智能算法是人工智能技術(shù)應(yīng)用和發(fā)展的“引擎”，那么數(shù)據(jù)就是用于驅(qū)動(dòng)“引擎”的“燃料”。雖然人工智能與機(jī)器學(xué)習(xí)領(lǐng)域的專(zhuān)家吳恩達(dá)認(rèn)為，未來(lái)技術(shù)落地的重點(diǎn)將會(huì)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(guò)去幾年研究人員還是主要聚焦在模型、訓(xùn)練算法、或者是算力的改進(jìn)上，對(duì)數(shù)據(jù)本身的關(guān)注相對(duì)較少。

有觀點(diǎn)認(rèn)為，在大數(shù)據(jù)時(shí)代，數(shù)據(jù)本身是廉價(jià)的，富有價(jià)值的是從數(shù)據(jù)中挖掘到的知識(shí)。這個(gè)觀點(diǎn)并不完全正確。知識(shí)是寶貴的，但數(shù)據(jù)卻并非廉價(jià)。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(wú)效輸入（Garbage In）”往往會(huì)導(dǎo)致“無(wú)效輸出（Garbage Out）”^[18,19]。為了得到高質(zhì)量的數(shù)據(jù)，需要對(duì)數(shù)據(jù)進(jìn)行預(yù)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(xùn)練的效果，還需要邀請(qǐng)領(lǐng)域?qū)＜胰斯槊恳环輸?shù)據(jù)附上標(biāo)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(hù)隱私，極難采集。以醫(yī)學(xué)影像領(lǐng)域?yàn)槔?，患者的醫(yī)學(xué)影像（如X光片）被醫(yī)院保管，醫(yī)院無(wú)權(quán)泄露。這很好地保障了患者的隱私，但同時(shí)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(jià)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(wèn)題之一。為了實(shí)現(xiàn)這一目標(biāo)，研究人員提出了“合成數(shù)據(jù)（Synthetic Data）”的方法，即通過(guò)算法人為生成出符合真實(shí)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(xùn)練，且具有獲取成本低、質(zhì)量高、避免侵犯隱私等優(yōu)點(diǎn)，有望解決目前模型訓(xùn)練中數(shù)據(jù)缺乏這一瓶頸問(wèn)題。綜上，筆者認(rèn)為，MIT Technology Review 關(guān)注到了數(shù)據(jù)生成方向的技術(shù)動(dòng)態(tài)，并鑒于數(shù)據(jù)對(duì)智能算法的源頭作用，將其列入“全球十大突破性技術(shù)”。

國(guó)際上，“合成數(shù)據(jù)”技術(shù)研究的價(jià)值已經(jīng)正在得到廣泛認(rèn)可，許多知名研究機(jī)構(gòu)及科研院校都正在開(kāi)展關(guān)于合成數(shù)據(jù)的項(xiàng)目。特別地，2021年麻省理工學(xué)院發(fā)布了名為“Synthetic Data Vault”的開(kāi)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(guó)際資本市場(chǎng)也提早預(yù)期到了“合成數(shù)據(jù)”技術(shù)的潛在價(jià)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(gòu)，用于支持元宇宙的開(kāi)發(fā)；Datagen在2022年3月獲得5 000萬(wàn)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(xiàng)技術(shù)并非只能用于實(shí)驗(yàn)室場(chǎng)景，在實(shí)際場(chǎng)景中也能夠發(fā)揮重要作用。高納德咨詢(xún)公司在2021年6月的報(bào)告中甚至預(yù)測(cè)，到2030年，絕大部分用于訓(xùn)練人工智能模型的數(shù)據(jù)將是合成數(shù)據(jù)^[24]。

我國(guó)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(jìn)行研究探索，并取得了優(yōu)秀的成果。例如，中國(guó)科學(xué)院的研究人員提出了對(duì)偶生成模型（Dual Variational Generation, DVG），該模型能夠高效地生成大量現(xiàn)實(shí)中不存在的人臉虛擬圖像，從而有效緩解異質(zhì)人臉識(shí)別任務(wù)中缺乏數(shù)據(jù)及數(shù)據(jù)采集成本過(guò)高的問(wèn)題^[25]。商業(yè)公司也正在該領(lǐng)域進(jìn)行有效探索，例如，支付寶公司基于實(shí)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(xùn)練中的數(shù)據(jù)成本，并且避免了人工標(biāo)注數(shù)據(jù)帶來(lái)的不可靠性^[26]。相對(duì)而言，我國(guó)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(duì)“合成數(shù)據(jù)”技術(shù)本身的研究仍有待開(kāi)拓。

“合成數(shù)據(jù)”領(lǐng)域的技術(shù)發(fā)展趨勢(shì)迅猛，正在被期待對(duì)人工智能產(chǎn)生“再次點(diǎn)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(huì)各界的更多關(guān)注。然而，筆者認(rèn)為我們?nèi)匀恍枰攸c(diǎn)關(guān)注以下幾個(gè)問(wèn)題：

（1） “合成數(shù)據(jù)”的評(píng)估問(wèn)題。研究者們逐漸意識(shí)到，高質(zhì)量的合成數(shù)據(jù)集不僅僅可以作為真實(shí)數(shù)據(jù)集的補(bǔ)充，更可以作為訓(xùn)練人工智能模型的主要數(shù)據(jù)來(lái)源。但在全面應(yīng)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(shí)數(shù)據(jù)集的差異，從而避免應(yīng)用合成數(shù)據(jù)集帶來(lái)的偏差。如何評(píng)估合成數(shù)據(jù)集與真實(shí)數(shù)據(jù)集的差異仍是一個(gè)亟待解決的問(wèn)題。

（2） “合成數(shù)據(jù)”仍存在“非自然數(shù)據(jù)”的問(wèn)題。目前大多合成數(shù)據(jù)技術(shù)是基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法的，由于經(jīng)典統(tǒng)計(jì)學(xué)只關(guān)注了數(shù)據(jù)中蘊(yùn)含的相關(guān)性，而忽視了因果性，因此有可能會(huì)生成不合邏輯的數(shù)據(jù)。例如，合成圖像中可能會(huì)出現(xiàn)具有異常背景的圖像，這類(lèi)數(shù)據(jù)被稱(chēng)為“非自然數(shù)據(jù)”^[27]?！胺亲匀粩?shù)據(jù)”對(duì)智能算法的影響目前仍然未知，尤其對(duì)算法的魯棒性和可靠性。刻畫(huà)影響的邊界并提早思考應(yīng)對(duì)辦法將會(huì)是“合成數(shù)據(jù)”能否進(jìn)入風(fēng)險(xiǎn)敏感領(lǐng)域的關(guān)鍵。

（3） “合成數(shù)據(jù)”的“隱式隱私”泄露問(wèn)題。雖然“合成數(shù)據(jù)”并不由某個(gè)用戶(hù)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(lái)訓(xùn)練用于合成數(shù)據(jù)的模型，比如生成對(duì)抗網(wǎng)絡(luò)。由于生成對(duì)抗網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜度較高，因此在模型訓(xùn)練的過(guò)程中，存在記憶原始訓(xùn)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(guò)合成的數(shù)據(jù)反向推斷出原始訓(xùn)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(wèn)題，如何更嚴(yán)密地保護(hù)隱私仍是有待探究的問(wèn)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(bǔ)領(lǐng)域空白。（圖片來(lái)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(guó)稱(chēng)，這還不夠。為了避免未來(lái)發(fā)生災(zāi)難性的氣候變暖，我們還應(yīng)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(kāi)啟了迄今為止最大的二氧化碳捕獲工廠Orca的開(kāi)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(fēng)扇將空氣吸過(guò)一個(gè)過(guò)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(jìn)而與玄武巖反應(yīng)，最終變成石頭。該設(shè)施完全依靠無(wú)碳電力運(yùn)行，電力主要來(lái)自于附近的地?zé)岚l(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(chē)的年排放量還要少。實(shí)際上，更大的“除碳”設(shè)施也在計(jì)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(jì)劃今年在美國(guó)西南部開(kāi)始建設(shè)一個(gè)二氧化碳年處理量可達(dá)100萬(wàn)噸的工廠。此外，該公司與合作伙伴一起，也啟動(dòng)了蘇格蘭和挪威除碳工廠的工程設(shè)計(jì)工作，這些工廠將每年捕獲50萬(wàn)~100萬(wàn)噸二氧化碳?！俺肌逼髽I(yè)也希望通過(guò)更多更大的“除碳工廠”建設(shè)、運(yùn)行調(diào)試和操作優(yōu)化，進(jìn)一步降低運(yùn)行成本，并實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)效益。Climeworks公司估計(jì)，到21世紀(jì) 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(lái)越多的個(gè)人及公司，包括微軟、Stripe和Square，已經(jīng)在支付高額費(fèi)用來(lái)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(zhuān)家點(diǎn)評(píng)

單文坡

中國(guó)科學(xué)院城市環(huán)境研究所研究員，博士生導(dǎo)師。主要從事環(huán)境催化與大氣污染控制研究，在國(guó)內(nèi)外學(xué)術(shù)期刊發(fā)表論文100余篇。國(guó)家自然科學(xué)基金優(yōu)秀青年科學(xué)基金和浙江省“萬(wàn)人計(jì)劃”青年拔尖人才項(xiàng)目獲得者。2019年，以第三完成人身份獲國(guó)家自然科學(xué)獎(jiǎng)二等獎(jiǎng)。

工業(yè)革命以來(lái)，人類(lèi)活動(dòng)大量排放二氧化碳（Carbon Dioxide，CO₂）等溫室氣體，使得溫室效應(yīng)持續(xù)加強(qiáng)，導(dǎo)致全球平均氣溫不斷升高。2022年4月4日，聯(lián)合國(guó)政府間氣候變化專(zhuān)門(mén)委員會(huì)（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(bào)告，指出2010—2019年全球溫室氣體年均排放量處于人類(lèi)歷史最高水平，排放量增速雖然放緩，但上升趨勢(shì)并未改變；全球碳排放量必須在2025年達(dá)到頂峰，并在2030年之前削減43%，才有機(jī)會(huì)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(shí)際上，即使全世界達(dá)到了碳中和，由于工業(yè)革命以來(lái)人類(lèi)已經(jīng)排放了超過(guò)萬(wàn)億噸的CO₂，如果僅僅依靠自然過(guò)程，大氣CO₂濃度降低至工業(yè)革命前的水平也將是一個(gè)非常緩慢的過(guò)程。

作為一項(xiàng)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(yīng)用對(duì)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(fēng)機(jī)將空氣抽入，通過(guò)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(jìn)行封存或利用，整個(gè)過(guò)程可以理解為一種工業(yè)“光合作用”。不同于針對(duì)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(yīng)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(lái)，DAC技術(shù)經(jīng)過(guò)20余年的發(fā)展，已經(jīng)初具實(shí)際應(yīng)用的可能性。2021年9月，瑞士Climeworks公司在冰島啟動(dòng)了名為Orca的除碳工廠，以地?zé)岚l(fā)電為主要能量來(lái)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(shuō)明DAC技術(shù)工業(yè)化實(shí)踐的重要意義。

DAC在除碳方面具有明顯的技術(shù)優(yōu)勢(shì)，對(duì)Climeworks公司DAC工藝的全生命周期分析也證實(shí)了其負(fù)碳排放效果^[29]，但目前高昂的運(yùn)行成本仍是限制DAC大規(guī)模應(yīng)用的關(guān)鍵因素。近期，加州大學(xué)伯克利分校的研究人員對(duì)DAC技術(shù)的發(fā)展前景進(jìn)行了展望，并提出了適于該技術(shù)發(fā)展的政策路線(xiàn)圖，他們認(rèn)為DAC的全球推廣不能依賴(lài)市場(chǎng)杠桿效應(yīng)，而應(yīng)通過(guò)持續(xù)的“財(cái)政激勵(lì) 強(qiáng)制部署”政策推進(jìn)其大規(guī)模部署^[30]。另一方面，從技術(shù)角度來(lái)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(yīng)用仍然需要依靠技術(shù)進(jìn)步來(lái)大幅降低運(yùn)行成本。

近年來(lái)，歐美發(fā)達(dá)國(guó)家已陸續(xù)開(kāi)展DAC技術(shù)的研發(fā)與應(yīng)用，通過(guò)材料與技術(shù)的進(jìn)步不斷降低運(yùn)行成本，2021年8月美國(guó)能源部宣布撥款2 400萬(wàn)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(dá)國(guó)家更早掌握DAC前沿技術(shù)和核心知識(shí)產(chǎn)權(quán)，并為未來(lái)獲取經(jīng)濟(jì)效益搶得先機(jī)。2020年9月，在第75屆聯(lián)合國(guó)大會(huì)上，我國(guó)提出CO₂排放力爭(zhēng)在2030年前達(dá)峰，努力爭(zhēng)取2060年實(shí)現(xiàn)碳中和的“雙碳”目標(biāo)，這也將我國(guó)綠色發(fā)展之路提升到了新的高度，為低碳、零碳、負(fù)碳技術(shù)的發(fā)展提供了重大機(jī)遇。當(dāng)前，從實(shí)際國(guó)情出發(fā)，我國(guó)主要以產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)低碳轉(zhuǎn)型來(lái)推動(dòng)綠色發(fā)展，對(duì)DAC等負(fù)碳排放技術(shù)的創(chuàng)新和儲(chǔ)備還相對(duì)不足。目前我國(guó)在碳捕集材料研發(fā)方面有著較為豐富的研究成果，但嚴(yán)重缺乏類(lèi)似除碳工廠的工業(yè)化實(shí)踐，以及以DAC為核心技術(shù)的商業(yè)化公司。為確保“雙碳”目標(biāo)的有序推進(jìn)，我國(guó)應(yīng)進(jìn)一步鼓勵(lì)和推動(dòng)DAC等負(fù)碳排放技術(shù)的科技創(chuàng)新與應(yīng)用實(shí)踐，加強(qiáng)技術(shù)儲(chǔ)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(gè)從空氣中捕獲CO2的大型工廠將有助于創(chuàng)建一個(gè)世界需要的產(chǎn)業(yè)，以規(guī)避本世紀(jì)氣候變暖的風(fēng)險(xiǎn)（圖片來(lái)源：MIT Technology Review 官網(wǎng)）

【本文來(lái)源：《中國(guó)科學(xué)基金》2022年第3期】

參 考 文 獻(xiàn)

[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(wèn)題研究. 北京: 北京大學(xué), 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(kāi)發(fā)者社區(qū)阿里技術(shù). AI 訓(xùn)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.