鸟类会这样做，蜜蜂会这样做——甚至杀死蜜蜂的黄蜂也会这样做。一个聪明的科学家团队现在想出了一个办法，用亚洲大黄蜂的“茅”来对抗它们，以期阻止这种入侵物种对美国蜜蜂种群的破坏。他们确定了蜂后的性信息素，提议用信息素诱捕被吸引的大黄蜂雄蜂。亚洲大黄蜂 (Vespa mandarinia) 捕食蜜蜂，它的刺对人类来说非常痛苦（它们可以杀死对其毒液过敏的人）。这种大黄蜂原产于亚洲，但最近传播到美国； 2020 年 8 月在华盛顿州首次捕捉到这种大黄蜂，从那时起，它们遍布了美国的西北部。这种入侵令人担忧，因为大黄蜂可以在几个小时之内将一个蜂巢屠杀殆尽。最近一组昆虫学家在中国云南的黄蜂群落里抓到了一些“处女”大黄蜂蜂后和它们的雄蜂。他们擦拭蜂后的性腺，并用气相色谱-质谱分析法从六只蜂后身上识别出信息素化合物。研究成果发表在《当代生物学》上。“我们能够分离出雌性性信息素的主要成分，这种气味混合物对竞相与‘处女’蜂后交配的雄性极具吸引力。”

IEEE 发表了乌克兰会员的一系列文章，讲述了他们的战争故事，其中之一是 Volodymyr Pyliavskyi。
战前每一天的生活都与职业有关。工作日的早上通常是从在大学里给学生讲课开始，下午在学院授课。我参与了国家标准化工作，并与 IEEE、IEC、EBU、ITU、OSA 等国际组织合作。有时候我会被聘为乌克兰国家高等教育质量保证机构（NAQA）的专家。我的主要工作是研究。十多年来，我一直在研究广播和计算机视觉系统中的自适应技术。我是乌克兰教育和科学部委托的一个科学项目的负责人，旨在开发算法校正困难条件下获得的图像，例如耀斑、黑暗或由具有不同光谱响应的光源照射时获得的图像。在土耳其、保加利亚和乌克兰举行的 IEEE 会议上展示科学成果对我来说非常重要。不幸的是由于战争，乌克兰的所有会议都被取消了。

今天我家的生活彻底改变了。以前的生活所剩无几，有时我会甚至想，它是真实的吗？！如果说以前正常街道的声音是卡车的隆隆声，根本注意不到外面各种东西发出的声音，现在每一种声音都让我想到战争，每一种声音都提醒着我危险。现在的一天通常不是从早上开始，而是从晚上开始，警报响起，我们必须尽快前往防空洞。战争让我分析每一点响动，每一个沙沙声和敲门声。

白天我们通常安排去买杂货、药品或其他必需品。时间有限，因为早上货还没到店，等到到货时要排长队，或者有空袭警报。有时候没有面包，我们需要找人借面包，或者等到第二天。我们必须去水泵房打饮用水。热水供应不足。互联网消失了，速度也很糟糕——由于网速不行，几乎不可能进行视频交流。每天都很紧张，我们周围的人也在寻求安全，他们所有的谈话都只围绕着战争。这很艰难。例如，我们旁边有一个来自哈尔科夫郊区的家庭。他们的村庄只剩下一片平坦的田野，现在他们和我们在一起，他们全家住在我们的住处。我的妻子和我试图支持他们。

这对我们来说也很困难，因为我的妻子已经怀孕 9 个月了，将在妇产医院的地下室分娩。我想带我妻子去摩尔多瓦，但她拒绝了。我们的社会第一次处于这样的情况，人们对丧命的危险谈得很多，获取真实信息的渠道却很少。因此我们一起努力对抗虚假信息，即使还要对抗警报、路障、军事装备、爆炸声带来的恐惧……

霍金（Stephen Hawking）的黑洞信息悖论困扰了科学家半个世纪，让一些人质疑物理学的基本定律。现在科学家表示通过证明黑洞具有一种被称为“量子头发”的特性，他们可能解决了这个“臭名昭著”的问题。如果是正确的，将标志着理论物理学的重大进步。领导这项工作的苏塞克斯大学 Xavier Calmet 教授表示，围绕着这个问题运算了十年之后，他的团队去年取得了快速进展，相信他们终于攻克了这个难题。Calmet 表示：“科学界普遍认为，解决这个悖论需要物理学范式的巨大转变，或许会被迫重新制定量子力学或广义相对论。”“我们发现不必这样做。”霍金的悖论归结为以下几点：量子物理学的规则表明信息是守恒的。黑洞对这条定律提出了挑战，因为一旦一个物体进入黑洞，它基本上就永远消失了——连同其中编码的任何信息。霍金发现了这个悖论，几十年来它一直困扰着科学家。出现过无数的解决方案，包括假设信息在进入黑洞之前已经燃烧殆尽的“防火墙理论”，认为黑洞具有模糊边界的“模糊球理论”，以及弦理论的各种奇异分支。但是这些提法大多数都需要重写量子力学定律或者爱因斯坦的引力理论，现代物理学的两大支柱。

康奈尔大学研究人员使用计算美学系统教人工智能机器人“不仅在给定数据集中确定最令人愉悦的图片，还能自行捕捉新的、原创的——更重要的是，好的——镜头。”这个项目名为AutoPhoto，于去年秋天在智能机器人和系统国际会议上展示。机器人“摄影师”由三部分组成：图像评估算法，对呈现的图像进行评估并给出审美评分；一个装有摄像头的 Clearpath Jackal 轮式机器人； AutoPhoto 算法本身作为一种固件，将图像评级过程的结果转换为物理机器人的驱动命令，并有效地将优化图像捕获过程自动化。对于图像评估算法，这个由二年级硕士生 Hadi AlZayer 领导的康奈尔团队利用了现有的学习美学估计模型，模型使用超过一百万张经过人类排名的照片行了训练。 AutoPhoto 本身接受了数十张室内场景 3D 图像的训练，以在团队将其连接到 Jackal 上之前找到最佳拍摄角度。在被放到校园中的一个建筑物内之后，机器人开始时会拍出很多不好的镜头，但随着 AutoPhoto 算法“找到感觉”，它的镜头选择会稳步提高，直至拍摄出的图像可以与本地Zillow 列表中的图像相媲美。平均而言，优化一个镜头大约需要迭代十几次，整个过程只需几分钟即可完成。