2023年，科学的地平线上燃起了新的曙光。从活体中的电极，到引力波的“歌声”；从单原子水平的探索，到广袤太空里中国人自己的实验室；从人类对自身细胞级的了解，到人工智能真正走入我们的生活……2024年即将开启，前行不辍的科学家们，向着科技新纪元一步步迈进。

　　活体组织中“长出”电极
　　瑞典研究人员通过注入以酶作为“组装分子”的凝胶，再利用人体分子作为触发器，首次成功地在活体组织中培育出电极。
　　瑞典林雪平大学、隆德大学和哥德堡大学研究团队将神经组织与电子设备连接了起来。通常来说，刚性电子设备和软组织之间的不匹配，可能会损害脆弱的生命系统。该团队使用可注射凝胶直接在体内制造出软电极。注射到活体组织后，凝胶中的酶分解体内的内源代谢物，从而引发凝胶中有机单体的酶聚合，将其转化为稳定、柔软的导电电极。

　 雄性小鼠产生功能性卵细胞
　　2023年3月，在发表的论文中报告了一项干细胞研究重磅成果：将雄性小鼠干细胞转化为雌性细胞并产生功能性卵细胞。这些卵细胞在受精后得到的胚胎中，约有1%能产生健康的后代。
　　日本九州大学林克彦团队报告了利用多能干细胞有可能产生更健全的卵细胞。团队使用了成熟雄性小鼠尾巴的皮肤细胞（携带XY染色体），并把这些细胞转化成诱导多能干细胞。他们将这些干细胞进行体外培养，这个过程会产生一部分罕见缺失Y染色体的细胞（约占6%的培养细胞），即XO细胞。

　　双缝实验在时间维度重建
　　英国科学家托马斯·杨在19世纪对光波干涉的观察是物理学史上最具标志性的实验之一，对量子物理学产生了深远影响。
　　2023年4月，英国科学家借助一种能在飞秒内改变特性的“超材料”，在时间而非空间维度重现了著名的双缝实验。
　　伦敦帝国理工学院研究团队在实验中用到了氧化铟锡薄膜，在飞秒这样超快的时间尺度上，这种材料的反射率会被激光改变，为光创造出“狭缝”。研究人员通过快速连续两次打开和关闭半导体镜的反射率并沿着从镜反射的光的频谱记录干涉条纹，实现了这一目标。他们的实验发现，干扰发生在不同频率的波之间，而不是不同的空间。

　 国际团队公布引力波背景辐射划时代发现
　　经过15年的数据收集，2023年6月，科学家们第一次“聆听”到了在宇宙中荡漾着的引力波永恒合唱，声音比预期要大得多。
　　2023年6月，科学家报告了此次探测到的引力波背景最可能的来源是陷入“死亡螺旋”的一对超大质量黑洞。这些黑洞庞大到能达到数十亿个太阳质量。由于几乎所有星系，包括银河系中心都盘踞着这样一个黑洞怪物。因此当两个星系合并时，它们的超大质量黑洞会相遇并开始相互绕转。一旦两个黑洞足够接近，就有可能被脉冲星计时阵列观测到。

　　单原子X射线信号首次探到
　　2023年6月，来自美国俄亥俄大学、阿贡国家实验室、伊利诺伊大学芝加哥分校等的科学家，首次拍摄到了单原子X射线信号，这一突破性的成就有望彻底改变人们检测材料的方法。
　　因为单个原子产生的X射线信号极其微弱，传统探测器的灵敏度不足以检测到它。为解决这个问题，该团队在传统的X射线探测器上添加了一个锋利的金属尖端，该探测器放置在待研究样品上方仅1纳米处。当锐利的尖端在样品表面移动时，电子穿过尖端和样
　　品之间的空间产生电流，这本质上检测到每个元素独特的“指纹”，从而使该研究人员将扫描隧道显微镜的超高空间分辨率与强X射线照明提供的化学灵敏度结合了起来。

　　人类Y染色体组装与分析完成
　　2023年8月，发表的两篇论文公布了人类Y染色体的组装和分析。这项全球100多名科学家参与的研究，填补了当前Y染色体参考的诸多空白，带来了对不同人群演化和变异的见解。
　　人类Y染色体由于结构复杂一直很难测序和组装。超过一半的Y染色体在当前的人类参考基因组组装中缺失，导致人们对Y染色体的认识很不全面，限制了对其组成、复杂性以及在不同人群间差异的理解。作为“端粒到端粒”联盟的一部分，由美国国家人类基因组研究所领导、包括约翰斯·霍普金斯大学、加州大学圣克鲁斯分校等多家机构的科学家，此次报道了完整的人类Y染色体的62460029个碱基对序列。这次的组装纠正了当前人类参考基因组组装中关于Y染色体的多个错误，同时还向参考基因组中添加了逾3000万个碱基对，揭示了多个基因家族的完整结构，并确认了41个新的蛋白质编码基因。

　 迄今最全人脑细胞图谱发布
　　2023年10月，21篇论文公布并阐释了迄今最全的人类大脑细胞图谱。多国科学家参与的这一系列研究，揭示了3000多种脑细胞类型的特征，将有助于深入理解人类大脑的独特之处并推进脑部疾病和认知能力等研究。
　　荷兰乌得勒支大学医学中心神经科学家金伯莉·西莱蒂团队对覆盖人类大脑106个位置的300多万个细胞进行了RNA（核糖核酸）测序，分析记录了461个脑细胞大类，包含3000多个亚型。研究显示，神经元作为大脑和神经系统发送和接收信号的细胞，在大脑不同部位具有很大差异，尤其连接大脑和脊髓的脑干区域含有特别多神经元类型，这种差异揭示了不同的功能和发育历史。

　　神经网络设计出全新蛋白质
　　蛋白质一直难以建模，尤其是人们想要“反向操作”——将所需的功能转化为蛋白质结构，更是一个高难度挑战。
　　美国麻省理工学院团队2023年8月宣布将注意力神经网络与图神经网络相结合，以更好地理解和设计蛋白质。该方法将几何深度学习与语言模型的两种优势结合起来，不仅可预测现有蛋白质特性，还可设想自然界尚未设计出的新蛋白质。此次新模型通过对基本原理建模，将大自然发明的一切作为基础，重新组合了这些自然构建块。团队在训练模型时，根据不同蛋白质的功能来预测它们的序列、溶解度和氨基酸组成部分。然后，在收到新蛋白质功能的初始参数后，模型发挥出创造力并生成了全新的结构。

　　大型语言模型不断迭代升级
　　在聊天机器人ChatGPT发布约4个月后，ChatGPT背后的OpenAI宣布正式发布为ChatG-PT提供支持的更强大的下一代技术GPT-4，其拥有图像识别功能、高级推理技能，以及处理25000个单词的能力，在某些测试中的表现不输于人类。
　　12月6日，谷歌公司则宣布推出一种名为Gemini的新人工智能模型，并声称该模型在一系列智力测试中的表现优于GPT-4模型和“专家级”人类。谷歌声称，Gemini的中档Pro版本击败了其他一些模型。
　　在同一测试中，GPT-4的得分为87%，LLA-MA-2的得分为68%，Claude2的得分为78.5%。Gemini在其他9项常见基准测试中的8项中击败了所有这些模型。

（据科技日报）