摘要：2024 年，MIT 的研究团队在科学与技术领域再次取得卓越成果。为纪念这一年的辉煌成就，MIT News 特别精选了今年最受关注的 10 大热点研究项目，下面进行简要介绍（部分研究项目可点击图片阅读原文）。

2024 年，MIT 的研究团队在科学与技术领域再次取得卓越成果。为纪念这一年的辉煌成就，MIT News 特别精选了今年最受关注的 10 大热点研究项目，下面进行简要介绍（部分研究项目可点击图片阅读原文）。

液态金属 3D 打印

随着工业和建筑领域对定制化和大型金属结构的需求不断增长，传统制造方式的效率和成本问题日益突出。现有的金属增材制造方法，如电弧增材制造，虽然能够生产大型部件，但速度慢且容易产生结构缺陷，限制了其广泛应用。为了满足快速制造与大规模生产的需求，研究人员正在探索新型技术，以解决传统方法中的效率与精度矛盾。

MIT 的研究团队开发了一种名为液态金属打印（LMP）的新型增材制造技术，能够在几分钟内打印出大型金属部件，如桌腿和椅框等。LMP 技术通过将熔融铝沿预设路径沉积到由玻璃珠组成的基床中，快速冷却形成结构，显著提高了制造速度。研究表明，该技术的打印速度比传统方法快 10 倍，同时能源消耗更低。

尽管 LMP 技术牺牲了一定的分辨率，但其在建筑、施工和工业设计等领域展现了巨大潜力。这些领域的大型结构通常对高分辨率要求较低，因此更适合采用这种高效的制造方式。此外，LMP 技术还能够利用回收金属进行生产，大幅降低成本并提高环境友好性。

实验中，研究团队打印了椅子和桌子的铝框架，这些部件坚固耐用，适合后续的机械加工。他们还展示了如何将 LMP 制造的低分辨率部件与其他材料结合，制作出功能性家具。通过在打印床中填充 100 微米大小的玻璃珠，研究人员解决了熔融金属冷却过程中的稳定性问题，同时利用数值模型预测沉积过程，提升了打印的精度和可靠性。

尽管如此，这项技术仍需进一步完善，例如提高喷嘴的加热均匀性和熔融金属流量的控制能力。研究团队计划优化设备设计，推动 LMP 成为一种可靠的工具，用于熔化回收铝并制造复杂部件。有专家指出，LMP 技术在快速生产和几何结构复杂性之间找到了平衡，有望推动金属制造领域的革命性变革。

防篡改标签

随着全球供应链的复杂化，假冒伪劣产品问题日益严重，如何确保物品的真实性成为了一项重要挑战。传统的身份验证技术，如射频标签，虽然提供了便利，但在安全性方面仍存在明显漏洞。例如，造假者可以轻松将标签从正品上剥离并贴到假货上，而验证系统难以察觉这一篡改行为。为了解决这一问题，研究人员正在探索新的解决方案。

MIT 的研究团队开发了一种基于太赫兹波的防篡改 ID 标签，不仅小巧且廉价，还能够有效检测篡改行为。这种标签在胶水中混入微型金属颗粒，通过太赫兹波检测这些颗粒形成的独特随机图案，从而验证物品的真实性。研究人员指出，这些图案类似于指纹，若标签被剥离或重新粘贴，图案将被破坏，无法通过验证。

实验中，研究人员设计了一种仅约 4 平方毫米的微型标签，并利用机器学习模型对太赫兹波扫描的数据进行分析，准确率超过 99%。这一技术尤其适合大规模供应链应用，不仅因为其成本低廉，还因其体积小巧，可以粘贴在传统 RFID 难以覆盖的物品上，如某些医疗设备。与传统方法相比，这种标签通过验证胶水界面的独特性，而非标签本身，显著提升了安全性。

研究的灵感部分来源于生活场景，如洗车店使用易碎标签验证会员身份的方式。尽管易碎标签在被剥离时会损坏，但仍存在被溶解或移除的可能性。MIT 的研究团队提出，通过太赫兹波直接检测标签与物品之间的胶水界面，篡改者即使将标签完整移除，也无法复制其随机图案。此外，这一技术利用太赫兹波的小波长优势，不需要外部天线，进一步提升了标签的易用性。

尽管如此，这项技术仍面临一些局限性，例如太赫兹波的高损耗使传感器与标签的距离需控制在 4 厘米以内。此外，扫描角度的变化也会影响信号强度。研究团队计划通过改进硬件设计和信号处理方法来解决这些问题，并希望未来能将太赫兹波的潜力应用于更多领域，例如宽带通信和高精度身份验证。研究负责人指出，这项技术为供应链安全提供了新的可能性，并展示了太赫兹波在安全验证中的广泛前景。

与未来的自己对话

在人类社会中，对未来的思考和规划一直是一个重要话题。无论是职业发展、个人目标，还是应对生活中的不确定性，设想未来的自我都有助于激发行动。然而，传统的自我展望方法，例如写信给未来的自己或使用虚拟现实设备，通常缺乏互动性，无法充分帮助人们建立与未来自我的深层连接。

为了弥补这一不足，麻省理工学院 MIT 及其他机构的研究人员开发了一种名为“未来的你”的生成式 AI 系统，允许用户与基于 AI 模型生成的未来自我进行互动。这一系统旨在增强“未来自我连续性”的感知，即帮助用户更紧密地连接当前的自己与未来的理想版本。研究表明，建立这种连接有助于改善长期决策，例如增加储蓄或更加专注于学业。

该系统利用大型语言模型，根据用户提供的生活信息创建他们 60 岁时的虚拟自我，并通过自然语言对话模拟未来的生活场景和决策。用户可以与未来自我探讨职业目标、个人挑战以及生活选择对未来的潜在影响。研究人员还引入了老化照片生成功能和生动的语言表达，如“我在你这个年纪时”，以增强模拟的真实感和互动性。初步研究显示，用户与系统互动后，不仅焦虑感有所缓解，还对未来自我的认同感显著增强。

然而，研究人员也意识到，这种真实感可能会带来负面影响，尤其是在模拟内容变得过于消极时。为此，系统明确提示用户，这仅是未来的一种可能性，而非预言。用户还可以通过修改输入信息生成完全不同的未来版本，以保持积极的互动体验。研究团队进一步强调，这一工具的目标是帮助用户探索不同的视角，而非为他们的未来下定论。

为了评估系统的效果，研究团队对 344 名参与者进行了测试。与“未来的你”互动的用户报告称，他们与理想中的未来自我建立了更紧密的联系，并且对话内容真诚可信，反映了用户的价值观和信念。一些专家指出，这项研究结合了心理学与尖端 AI 技术，为虚拟自我建模开辟了新方向。斯坦福大学教授 Jeremy Bailenson 评价道，“这项工作展示了生成式 AI 在促进自我发展的潜力。”

展望未来，研究团队计划将“未来的你”系统应用于更多具体场景，例如帮助用户探索职业选择，或展示日常决策对气候变化的长期影响。他们还在设计保护措施，以防止系统被滥用于商业目的，比如通过模拟未来场景暗示用户购买某种产品。研究人员希望，“未来的你”能成为一种深刻而有意义的体验，帮助人们从不同的视角看待生活，并激励他们作出更积极的选择。

将二氧化碳转化为有用产品

全球正致力于减少温室气体排放，但捕获和转化二氧化碳的经济可行性依然是一个巨大的挑战。尽管已有许多技术可以将捕获的二氧化碳转化为交通燃料、化学原料等有价值的产品，但高成本和低效率限制了这些技术的广泛应用。为实现经济实用的二氧化碳转化，研究人员正在寻求创新解决方案。

MIT 的工程师开发了一种新型电极，有望显著提高二氧化碳电化学转化为高价值商品的效率。具体而言，他们的设计利用一种分层导电电极，解决了传统气体扩散电极在导电性和疏水性之间的矛盾，成功提高了转化效率，同时降低了成本。

团队的研究重点是二氧化碳转化为乙烯的过程。乙烯是一种广泛用于制造塑料和燃料的化学品，目前主要由石油制成。通过电化学方法以二氧化碳为原料生产乙烯，不仅能减少碳排放，还能降低对石化资源的依赖。然而，现有技术难以兼顾导电性和疏水性，导致效率受限。为此，研究人员在具有疏水性的特氟龙薄膜中嵌入高导电性的铜线，创造出一种既能防止水渗透又能减少电流损耗的新型电极。

实验表明，这种设计在小规模样本中表现出色，但研究团队进一步验证了其可扩展性。他们制作了一块面积为常规实验电极十倍的大型电极，并通过优化铜线间距和分区设计，使其在更大规模下依然保持高效。实验还表明，这种电极可以连续运行 75 小时而性能几乎无损，成为首个超过 5 厘米规模且在效率上无明显损失的 PTFE 基电极。

这种创新设计还具有高度的灵活性。研究人员表示，该方法与催化剂种类无关，可以应用于各种气体扩散电极，甚至适用于甲烷、甲醇等其他化学产品的生产。此外，分层导电电极的制造工艺可轻松集成到现有的工业流程中，包括大规模卷对卷生产，展现了广泛的工业应用前景。

生成式 AI 数据库工具

在现代数据驱动的世界中，数据库已成为商业和研究的重要工具。然而，传统的数据库操作语言在处理复杂分析任务时显得局限，尤其是需要结合概率模型和不确定性计算的场景。为了简化这一过程并提高分析能力，研究人员正在探索更智能的解决方案。

MIT 的研究团队开发了一种名为 GenSQL 的生成式 AI 系统，用户无需掌握复杂的技术背景，仅通过简单的指令即可对表格数据进行深度分析。该系统不仅支持预测、异常检测、缺失值推测等功能，还能生成与真实数据相似的合成数据。这一技术为数据分析领域提供了一种全新的可能性。

GenSQL 的核心优势在于其能够将数据库与生成式概率模型整合。通过这种方法，用户可以在分析数据时捕捉数据中的复杂关系，而不局限于简单的列间相关性。例如，在医疗数据分析中，该系统可以识别患者异常的血压读数，即便这些读数在通常情况下被视为正常值。此外，GenSQL 的概率模型具有可解释性，允许用户审查模型的决策依据，确保结果透明可信。

实验表明，GenSQL 的运行速度是常规神经网络方法的 1.7 至 6.8 倍，大多数查询可在几毫秒内完成，同时结果更准确。研究人员还利用 GenSQL 成功应用于实际案例，包括识别临床试验数据中的错误标记，以及生成基因组研究所需的复杂合成数据。这些应用展示了 GenSQL 在处理敏感数据或稀缺数据场景中的强大潜力。

研究团队展望了 GenSQL 的未来应用前景。他们计划扩展系统的规模和功能，支持更大范围的人口建模和健康、薪资等社会问题的分析，同时确保模型在不确定性度量上的可靠性。最终目标是打造一个类似 ChatGPT 的交互式 AI 工具，使用户能够通过自然语言与数据库对话，快速获得准确答案。

逆转自身免疫性脱发

斑秃是一种自身免疫性疾病，人体自身的 T 细胞攻击毛囊并导致头发脱落，斑秃会影响各个年龄层的人群，包括儿童。但对于大多数患有这种类型脱发的人来说，目前尚无有效治疗方法。围绕这种疾病，麻省理工学院、布莱根妇女医院和哈佛医学院的研究人员试图研发一种新型疗法逆转由自身免疫性疾病导致的脱发问题。

他们开发的是一种微针贴片，可轻松应用于头皮上，释放药物帮助平衡局部免疫反应，从而停止自身免疫攻击。在小鼠实验中，研究人员发现这种治疗方法可以使毛发再生，并显著减少治疗部位的炎症，同时避免对全身免疫系统造成不良影响。此外，研究人员还指出，这种方法也可用于治疗其他自身免疫性皮肤疾病，例如白癜风、特应性皮炎和银屑病等。

这他们的研究表明微针贴片是一种很有前途的治疗方法，有助于缓解由自身免疫性疾病引起的脱发问题，然而，目前还需要进行更多研究，以确定其安全性和有效性，并确定最佳的药物组合和剂量。

该研究的主要作者、麻省理工学院医学工程与科学研究所首席研究科学家 Natalie Artzi 认为，这种创新方法标志着一种范式的转变。“我们不再仅仅抑制免疫系统，而是专注于精确调节抗原接触点的免疫反应，以产生免疫耐受。”她表示。现阶段，研究人员现在正致力于进一步发展这项技术，以更好地治疗斑秃和其他自身免疫性皮肤疾病。他们计划成立一家公司，以加速推动这项技术的发展。

探索大型语言模型内部机制

如今，大型语言模型已经用于许多领域，如客户服务、代码生成和语言翻译等，但科学家们仍不完全了解它们的工作原理。为了更好地理解这些模型如何工作，他们研究了当这些庞大的机器学习模型检索存储的知识时所使用的机制。

研究人员发现，大型语言模型经常使用非常简单的线性函数来恢复和解码存储，并且模型使用相同的解码函数来处理相似类型。线性函数是只包含两个变量而不含指数方程式的简单关系，可以捕捉到两个变量之间的直线关系。他们通过识别不同的线性函数，可以探测模型对新主题的了解程度以及在模型中存储的位置。

他们开发了一种技术来估计这些简单的函数，并发现在模型回答提示错误的情况下，它通常仍然存储正确的信息。未来科学家或许可以利用这种方法来查找并纠正模型中的错误信息，从而减少模型给出错误或荒谬答案的倾向。

此外，他们还发现了视觉化模型知识的方法。他们使用这些函数确定模型对于特定关系所持有的信念。例如，在一次实验中，他们使用“打篮球”和“就读大学”的解码函数来判断模型是否知道比尔·布拉德利是一位曾在普林斯顿大学就读过的篮球运动员。结果显示，即使模型选择关注不同的信息来产生文本，但它确实编码了所有这些信息。

这项研究表明大型语言模型在检索存储知识时使用了简单的线性函数，并且这些函数可用于探测模型对新主题的了解程度以及在模型中存储的位置。此外，这种技术还可以帮助科学家们查找并纠正模型中的错误信息，从而提高模型的质量。

降噪丝绸

城市化的发展导致了日益严重的噪音污染问题，包括交通噪声、邻居吵闹、办公室噪音等问题已经成为人类日常生活中的常态。麻省理工学院等的研究人员通过使用特殊材料和技术来抑制噪音，他们成功地研发出一种能够抑制噪音的丝绸面料，这可能会成为未来减少噪音污染的有效手段。

这种丝绸面料非常薄，厚度与人类头发丝相当，并且含有特殊的纤维，在施加电压时会振动。研究人员利用这些振动抑制声音的方式有多种。首先，他们利用丝绸面料的振动生成声波，从而干扰掉不需要的声音，类似于降噪耳机的工作原理，这种方式适用于小空间，如耳机等使用场景；其次，他们还发现，当丝绸面料保持静止时，可以防止振动传播，从而减少噪音的传输，这种方式适用于大空间，如房间或汽车内部等场景。

研究人员表示，他们使用普通的材料，如丝绸、帆布和棉布等制造出了这种降噪面料，这些材料在现实世界的应用非常广泛，因此这种技术具有很高的实用价值。例如，可以用这种面料制作分隔板，用于开放式的办公空间以阻止声音穿透。

此外，研究人员还指出，他们可以通过控制丝绸面料上特殊纤维的数量、方向以及电压等因素来进一步提高降噪效果。虽然这项技术还需要进一步完善，但它有望在未来帮助创造更加安静的空间并改善生活质量，具有潜在的商业应用价值。

锻炼对神经系统的影响

毋庸置疑，锻炼对身体有益。规律的运动不仅能强化肌肉，还能增强骨骼、血管和免疫系统的功能。如今，MIT 的工程师发现，锻炼还可以在单个神经元的层面上发挥作用。

研究人员观察到，当肌肉在运动中收缩时，会释放一种被称为肌因（myokines）的生化信号“混合物”。在这些由肌肉产生的信号作用下，神经元的生长速度是未接触肌因的神经元的四倍，这些细胞水平的实验证明了运动在促进神经生长方面具有显著的生化效应。

研究中，他们将肌因溶液转移到一个装有运动神经元的独立培养皿中，这些神经元来自控制自愿运动的脊髓神经，由小鼠干细胞培养而成，在接触到肌因混合物后神经元快速生长。为深入了解神经元如何对运动诱导的肌因作出反应，研究团队进行了基因分析，从神经元中提取 RNA 以检测肌因是否引起了某些神经元基因表达的变化。

此外，研究人员还发现，神经元不仅对运动的生化信号有反应，还会受到其物理作用的影响。他们观察到，当神经元反复受到拉伸和压缩，类似于肌肉在运动中收缩和舒展的过程，这些神经元的生长程度与暴露于肌因时的生长程度相当。尽管此前的研究已表明，肌肉活动与神经生长之间可能存在生化联系，而这是首个展示物理效应同样重要的研究。

这项研究为锻炼过程中肌肉和神经之间的关系提供了新的见解，并可能为修复受损或退化的神经提供相关的运动疗法建议。目前，他们正在研究如何利用针对性的肌肉刺激来促进受损神经的生长和修复，从而帮助患有 ALS 等神经退行性疾病的人恢复行动能力。

生成式 AI 的世界模型缺陷

尽管大型语言模型可以完成令人印象深刻的任务，比如写诗或生成可行的计算机程序，这些模型的训练目标却只是预测文本中下一步可能出现的单词，这种令人惊讶的能力让人感觉这些模型可能隐约学到了一些关于世界的通用真理。但一项新的研究表明，事实并非如此。

MIT 研究人员通过一系列实验揭示了大型语言模型在生成式 AI 领域的局限性，尤其是它们对于现实世界概念的理解能力。该研究重点关注 Transformer 架构的生成式 AI 模型，通过对该模型在纽约市街道导航和奥赛罗棋盘游戏等简单决定性有限自动机问题上的表现进行分析，研究人员发现，尽管这些模型在特定任务上展现出惊人的能力，例如几乎完美地预测导航路线或棋局步骤，但它们并未真正理解所涉及的规则或建立一个连贯的世界模型。

具体来说，研究团队开发了两个新指标——“序列区分度”和“序列压缩度”，用于测试模型是否能正确辨识不同状态之间的差异以及重复状态下的下一步可能性序列。结果显示，即使是从未见过实际道路布局的随机选择的模型也能比策略生成数据训练的模型更好地模拟真实导航路径，显示出在缺乏规则知识的情况下，模型仍然可以通过统计学习逼近正确的行为模式。然而，当研究人员通过修改城市地图或引入异常情况时，这些模型的表现迅速下降，显示出它们无法适应环境的变化或处理未见过的情况。

此外，研究也揭示了一个有趣的意外发现，即随机选择的模型反而可能生成更为一致和连贯的世界模型，因为它们在训练过程中接触到更多的可能性。这强调了当前评估框架的一个重要限制，即它未能充分区分模型是否真正理解规则或仅仅是基于概率做出了预测。

这项研究的结果对理解生成式 AI 的工作原理及其在现实世界应用中的潜力具有重要意义，提示了目前的模型在理解复杂世界概念方面的不足，并指出了未来研究的方向，即发展更加全面和深入的评估指标，以及探索如何使模型能够真正理解并适应多变的现实世界。

原文链接：

1.https://news.mit.edu/2024/researchers-demonstrate-rapid-3d-printing-liquid-metal-0125

2.https://news.mit.edu/2024/tiny-tamper-proof-id-tag-can-authenticate-almost-anything-0218

3.https://news.mit.edu/2024/ai-simulation-gives-people-glimpse-potential-future-self-1001

4.https://news.mit.edu/2024/mit-engineers-make-converting-co2-into-products-more-practical-1113

5.https://news.mit.edu/2024/mit-researchers-introduce-generative-ai-databases-0708

6.https://news.mit.edu/2024/new-treatment-could-reverse-hair-loss-caused-autoimmune-skin-disease-0509

7.https://news.mit.edu/2024/large-language-models-use-surprisingly-simple-mechanism-retrieve-stored-knowledge-0325

8.https://news.mit.edu/2024/sound-suppressing-silk-can-create-quiet-spaces-0507

9.https://news.mit.edu/2024/when-muscles-work-out-they-help-neurons-grow-1112

10.https://news.mit.edu/2024/generative-ai-lacks-coherent-world-understanding-1105

11.https://news.mit.edu/2024/mits-top-research-stories-1224

来源：DeepTech深科技一点号