伦勃朗的《夜巡》的高分辨率图像现在已上网。容量为 7170 亿像素，分辨率为 0.0005 毫米。阿姆斯特丹国立博物馆发布了一张由人工智能构建的、伦勃朗《夜巡》的超高分辨率图像。原作长近 15 英尺，高超过 12 英尺，自 1900 年代初以来一直在密集地进行修复。新数字图像实际上已根据历史记录重建了多年来被破坏的部分。

科学家可能偶然发现了一种全新的宇宙学研究方法。宇宙学家通常通过尽可能多地观察宇宙确定其组成。但研究人员发现，机器学习算法可检查单个模拟星系预测其所在数字宇宙的整体构成——这一壮举类似于在显微镜下随机分析沙粒并计算出欧亚大陆的质量。这些机器似乎找到了一种模式，可能会让天文学家有朝一日能仅研究真实宇宙的基本组成部分就得出全面的结论。

纽约 Flatiron 研究所的理论天体物理学家、论文主要作者 Francisco Villaescusa-Navarro 表示：“这是个完全不同的想法。不用测量数百万个星系，你可以只选一个。这就可以了，真的很神奇。”事情不应该是这样的。这个不可思议的发现源于 Villaescusa-Navarro 让普林斯顿大学本科生 Jupiter Ding 做的一个练习：建立一个了解星系属性并估计出部分宇宙学属性的神经网络。这项任务只是为了让 Ding 熟悉机器学习。然后他们注意到计算机在确定物质的整体密度。

Villaescusa-Navarro 表示：“我当时认为学生犯了个错误。说实话，这对我来说有点难以置信。”随后进行的调查结果出现在 1 月 6 日的预印本论文中，论文已提交出版。研究人员们析了CAMELS（机器学习模拟宇宙学和天体物理学）项目生成的 2000 个数字宇宙。这些宇宙包含了多种成分，有 10% 到 50% 的物质，其余的是暗能量，推动着宇宙越来越快地膨胀。（我们真实的宇宙是由大约三分之一的暗物质和可见物质以及三分之二的暗能量组成。）随着模拟的进行，暗物质和可见物质一起旋转形成星系。模拟还包括对从超大质量黑洞喷发的超新星和喷流等复杂事件的粗略处理。

Ding 的神经网络研究了这些不同的数字宇宙中的近 100 万个模拟星系。它从神一般的角度，知晓了每个星系的大小、组成、质量以及其他十几个特征。它试图将这个数字列表同母宇宙的物质密度联系起来。它成功了。在用其之前未检查过的数十个宇宙中的数千个新星系进行测试时，该神经网络能够测宇宙物质密度，误差在 10% 以内。

悉尼新南威尔士大学领导的一项研究为用于实际制造和应用的大型硅基量子处理器铺平了道路。澳大利亚的研究人员证明，几乎无错误的量子计算是可能的，为构建与当前半导体制造技术兼容的硅基量子设备铺平了道路。这篇论文是《自然》杂志今天发表的三篇论文之一（其它两篇分别来自荷兰代尔夫特理工和东京理化学研究所），这些论文独立地证明了强大可靠的硅量子计算现已成为现实。这一突破刊登在期刊的封面上。

领导这项工作的新南威尔士大学教授 Andrea Morello 等人使用离子注入技术，在硅中引入了一个由一个电子和两个磷原子组成的三量子比特系统，实现了高达 99.95% 的 1 量子比特操作保真度和 99.37% 的 2 量子比特操作保真度。由 Lieven Vandersypen 领导的荷兰代尔夫特团队使用由硅和硅锗合金(Si/SiGe)堆叠形成的量子点中的电子自旋，实现了 99.87% 的 1 量子比特保真度和 99.65% 的2量子比特保真度。由 Seigo Tarucha 领导的日本理化学研究所团队在使用 Si/SiGe 量子点的双电子系统中同样实现了 99.84% 的 1 量子比特保真度和 99.51% 的 2 量子比特保真度。新南威尔士大学和代尔夫特团队使用了一种被称为门集断层扫描的复杂方法对其量子处理器的性能进行了认证，这种方法是由美国桑迪亚国家实验室开发并向研究界公开的。Morello 之前曾证明，由于核自旋与环境的极端隔离，量子信息可以在硅中保存 35 秒。但这种做法的代价是隔离让量子比特无法彼此交互，而这是执行实际计算所必需的。今天的论文描述了他的团队如何通过使用围绕着两个磷原子核的电子克服这个问题。

英国皇家学会周三发布了一份关于“在线信息环境”的报告，挑战阴谋论者在气候变化、5G 和冠状病毒等主题上散布虚假信息的去平台化运动背后的一些关键假设。根据文献综述、学术专家和事实核查小组的研讨会和圆桌会议，以及在英国进行的两次调查，皇家学会得出了几个结论。首先，尽管在线错误信息猖獗，但影响可能被夸大了，至少在英国是如此：“绝大多数的受访者相信 COVID-19 疫苗是安全的，人类活动对气候变化负有责任，而且 5G 技术是无害的。”第二个结论是所谓的“回音室”效应可能同样被夸大了，几乎没有证据支持“过滤气泡”假设（基本上是指算法助长了极端主义的“兔子洞”）。研究人员还强调，许多关于什么是错误信息的争论都源于科学界内部的争论，而反疫苗运动远非一种信念或动机造成的。

主要的收获之一：政府和社交媒体公司不应该依赖“不断删除”误导性内容，因为这不是“在线科学虚假信息的解决方案”。它警告称，如果阴谋论者被赶出 Facebook 之类的地方，可能会缩到他们无法触及的网络部分。报告区分了删除科学虚假信息和仇恨言论或者非法媒体等其他内容，删除这些内容可能更为有效：“……虽然这种方法对非法内容（例如仇恨言论、恐怖主义内容、儿童性虐材料）可能是有效而且必不可少的，但几乎没有证据表明这种方法对科学虚假信息的有效性，解决错误信息放大的方法可能更有效。此外很难证明在线错误信息和离线伤害之间存在因果关系，删除此类内容可能会将错误信息内容（和可能据此行动的人）推向互联网更难应付的角落，这种做法可能弊大于利。”

皇家学会的研究人员提倡发展他们所谓的“集体抵抗力”，而不是将其一删了之。通过其他策略抵制科学虚假信息可能会更有效，例如去货币化、防止此类内容放大的系统以及事实核查标签。报告鼓励英国政府继续反击科学虚假信息，但强调气候变化等问题可能带来的是全社会的危害，而不是个人上当受骗的潜在风险。皇家学会还建议继续发展独立的、资金充足的事实核查组织；“超越高风险、高影响力的社交媒体平台”打击虚假信息；提升平台和科学家之间的透明度和合作。最后，该报告表示规范推荐算法可能是有效的。

抗生素耐药性对人类构成了重大威胁，一项研究表明，它已经成为全球死亡的一个主要原因，每天导致 3500人 死亡。根据迄今对抗生素耐药性（AMR）全球影响最全面的估计，2019 年有超过 120 万人（也许还有数百万人）死于耐抗生素细菌的感染。研究分析发表在《柳叶刀》上，涵盖了 200 多个国家和地区的严峻情况。它表明 AMR 杀死的人比艾滋病或疟疾更多。研究称，数十万人死于常见的、以前可以治疗的感染，因为导致这些感染的细菌对治疗产生了抗药性。这项新的全球抗生素耐药性研究（Gram）报告估算了 2019 年在 204 个国家和地区与 23 种病原体和 88 种病原体-药物组合相关的死亡人数。研究人员从系统文献综述、医院系统、检测系统和其他数据源获得的超过 4.7 亿条个人记录，他们使用统计模型评估 AMR 在所有地区的影响——包括那些没有数据的地区。分析显示，在 2019 年，AMR 同全球大约 127 万人的死亡直接相关，并与大约 495 万人的死亡相关。据估计，艾滋病和疟疾在 2019 年分别导致了 86 万人和 64 万人死亡。研究发现 AMR 对所有年龄段的人都构成威胁，而幼儿的风险特别高，在五岁以下儿童的死亡中，有五分之一可以归因于 AMR。

马斯克（Elon Musk）的大脑植入公司 Neuralink 正在招聘一名临床试验主管，表明该公司在人类大脑中植入芯片的长期目标渐行渐近。招聘信息显示，试验主管的职位将监督这家初创公司的人体试验。马斯克曾表示，Neuralink 的大脑植入技术能让猴子用意念玩游戏，该技术旨在帮助治疗各种神经系统疾病，例如瘫痪。职位描述显示该职位位于加州的弗里蒙特，并承诺求职者将“与一些最具创新精神的医生和顶尖的工程师”以及“Neuralink 的首批临床试验参与者密切合作”。职位描述还表明这项工作将意味着领导和建立“负责支持Neuralink 临床研究活动的团队”并遵守法规。上个月马斯克对《华尔街日报》表示，Neuralink 希望在 2022 年的某个时刻将设备植入人类的大脑。

希望为阿富汗提供紧急援助的非政府组织（NGO）正转向加密货币。去年 8 月塔利班接管阿富汗时，Fereshteh Forough 担心该组织会关闭她在第三大城市赫拉特的学校。Forough 创立的非政府组织 Code to Inspire 向年轻的阿富汗女性教授计算机编程，而塔利班反对女性接受中学教育。几个月后，情况与 Forough的想象大相径庭——甚至比她的想象更糟糕。这所学校幸存下来，主要是以虚拟的形式，却已经从一个编码训练营变成了一个救济组织。Forough 的学生面临的最大风险不是缺乏教育，而是饥饿。Forough 想方设法为这些女性提供应急支票，但遭到了银行的阻挠——它们不想冒险违反美国的严厉制裁。她说摩根大通（JPMorgan Chase）一再阻止她转移资金的尝试，学生无法在阿富汗当地的银行取出现金——当地很多银行已经关闭或者实施了严格的提款限制，这让她越来越担心。为了应对这种状况，她转而使用加密货币进行每月的紧急付款，帮助学生获得足够生存的食物。使用加密货币有几个好处：逃离塔利班的阿富汗人可以毫无风险地随身携带自己的资产。希望绕开银行并小心翼翼避开塔利班的人道主义机构可以直接为有需要的人提供现金。如果通过数字交易直接提供援助，就可以避开可能会窃取或者试图转售援助包的走私者和中间人。

优秀的扑克玩家都知道，他们需要在虚张声势和低调之间保持平衡。现在他们可以做到完美了。

扑克导师 Jason Koon 是最早也是最忠实采用“博弈优化”的扑克玩家。在为期三天的 Super High Roller 锦标赛第二天，我在 Koon 价值数百万美元的房子里拜访了他，他的家位于一个更大的封闭社区内的封闭社区里，毗邻 Jack Nicklaus 设计的高尔夫球场。锦标赛第一天，Koon 支付了 25 万美元参赛，然后在四个小时被淘汰后又花了 25 万美元，他再次输掉了所有筹码。后来他给我发短信：“欢迎来到流鼻血锦标赛的世界，发挥你的最好水平——它很公平。”对于 Koon 来说，公平的形式是赢得超过 3000 万美元现场锦标赛奖金（他说，这至少和拉斯维加斯以及亚洲赌博圣地澳门的高额现金赌博的金额一样多。）Koon 从 2006 年开始认真打扑克，他当时是西弗吉尼亚卫斯理学院田径队短跑运动员，正处于一次受伤后的康复阶段。

他靠着打牌过上了不错的生活，但很难在赌注最高的比赛中稳定获胜。他表示：“我算是个很平庸的欲求解玩家，但是有了求解器，我就埋头其中，然后开始快速、快速、快速、快速地提高。”在一个装饰着他赢得的扑克锦标赛奖杯的家庭办公室里，Koon 求助于电脑，开始尝试 PioSOLVER。在指定了玩家筹码的大小以及按照他们在牌桌上的位置可能拿到的牌的范围之后，他看到了随机的头三张公用牌，两位玩家都可以看见这些牌。一个 13×13 的网格显示了玩家所有可能持有的牌。Koon 将鼠标悬停在方格上，寻找不同花色的 A 和 Q。 软件表明 Koon 应该在 39% 的情况下选择不下注，静观其变；在 51% 的情况下，选择下注底池的 30%；其余时间下注底池的70%。这种冯诺依曼式的混合策略将同时最大化他的利润并掩饰他的牌力。多亏了 PioSOLVER 等工具，Koon 重新制定了游戏打法，明白在不同情况下哪种下注尺度最有效。有时小规模下注（底池的五分之一或者甚至是十分之一）是理想的；另一些时候，以底池两倍或三倍的巨额下注是正确的。虽然优秀的扑克玩家一直都知道他们需要在虚张声势和低调之间保持平衡，但软件定义了 Koon 应该采用一种或另一种策略的精确频率，根据打出的牌确定吓唬用的最好和最差的牌，给出的建议有时候令人惊讶。