这年头，医生都开始用上谷歌眼镜干活啦！近期，波士顿科学公司联合多位国内学科大牛“试水”，将谷歌眼镜运用于手术、会诊、教学等多个领域，反响不俗。下图将告诉你“神器”google眼镜是如何在医疗领域“跨界”大展拳脚的！

作为一家旨在通过有效创新改善人类生命的公司，波士顿科学积极推进创新技术在医疗领域的应用。目前，谷歌眼镜已在其心脏介入、心脏节律管理、内镜介入、外周介入等领域多次成功应用。多位国内专家对谷歌眼镜“跨界”运用的成果表示肯定。

葛均波（中科院院士，复旦大学附属中山医院教授，通过谷歌眼镜远程指导冠脉旋磨手术）：

“谷歌眼镜的应用可促进处于不同地点的医师充分进行医学交流。帮助更多青年医师提高技能水平，提升整体诊疗效率。”

冀明（首都医科大学附属北京友谊医院教授，使用谷歌眼镜向第七届全国ERCP学术研讨会直播其主刀的胆道中段碎石和取石手术）：

“应用谷歌眼镜将能够有效辅助疑难和急性疾病的远程会诊，使更多患者获得优质医疗服务。”

郭学刚（西安京西医院教授，使用谷歌眼镜成功完成疑难病例的远程查房和会诊）：

“除了手术，谷歌眼镜也能在门诊和院内康复等其它诊疗环节帮助医师获得充分的远程支持，有利于正确诊断和病情及时控制。”

喂喂，下次要是看到医生戴着谷歌眼镜给你看病，可别觉得意外啦！

近期，谷歌学术发布了2020版学术计量指标(Scholar Metrics)。IEEE/CAA Journal of Automatica Sinica首次入榜工程和计算机科学领域的自动化与控制理论学科TOP20出版物，h5指数为39，排名第18，是该学科全球TOP出版物中唯一的中国主办期刊。

谷歌学术计量基于学术出版物过去五年的h指数计算，综合考虑发文量和被引量，具有不易操控、范围广泛等特点，是出版物重要学术评价指标之一，自2012年起每年发布一次。

谷歌学术表示，该计量指标为快速评估学术出版物近年发表文章的显示度和影响力提供了一种便捷方式。在2020版学术计量中可看到根据2015-2019年发表文章的h5指数排名的各学科前20名的学术出版物。

谷歌学术计量指标含义：

h指数(h-index)：出版物所发表的h篇文章每篇至少都被引用h次。h指数越高，表明期刊影响力越大。

h5指数(h5-index)：出版物过去五年所发表文章的h指数。

h5中位数(h5-median)：出版物h5指数所涵盖文章的引次中位值。

自动化与控制理论学科TOP20出版物（按h5指数排序）

数据来源：Google Scholar Metrics 2020

近日，Nature指数公布了2020年5月1日至2021年4月1日大学/机构排名，引发了广泛关注和讨论。榜单具体排名如何，我们一起看看。

全球大学/机构综合排名

在本次全球排名中，中国科学院连续多年位居榜首，北京大学则蝉联高校第一，中国科学院大学第12名、南京大学第14名、清华大学第15名、浙江大学再次进步（20名），取得史上排名最优。

本次中国有21个大学/机构顺利挺进全球前100名。他们分别是：

中国科学院（第1名）

北京大学（第10名）

中国科学院大学（第12名）

南京大学（第14名）

清华大学（第15名）

浙江大学（第20名）

复旦大学（第25名）

上海交通大学（第28名）

中国科学技术大学（第30名）

中山大学（第33名）

南开大学（第39名）

南方科技大学（第43名）

四川大学（第45名）

苏州大学（第57名）

厦门大学（第60名）

武汉大学（第66名）

天津大学（第68名）

吉林大学（第70名）

华中科技大学（第77名）

山东大学（第84名）

湖南大学（第96名）

另外，兰州大学排名101名，进步明显。

全球大学/机构综合排名 TOP100（滑动查看）

经过近20年的发展，中国院校的科研实力不断的上升。不过这份排名公布后，中国大学的表现还是引发了不少网友的热议。在榜单中，南京大学不仅超过清华大学，也超过了美国的耶鲁大学；浙江大学则超越了哥大、康纳尔、宾夕法尼亚和普林斯顿等常青藤院校。其实，本次排名主要是Nature发文指数，与学校的综合实力排名无关。

如果作为选校参考，同学们还需再结合其他指标以及自身兴趣来综合考量，做出合适的选择。

全球大学/机构生命科学领域排名

在全球生命科学领域排名中，美国在前10名独占了7名，这也说明美国在生命科学领域的实力非常的强健。

中国共有9个机构/大学进入前100名，分别是中国科学院、北京大学、浙江大学、清华大学、中国科学院大学、中山大学、复旦大学、上海交通大学、中国人民解放军系统。

经过细分可以知道，中国在化学及物理学领域比较出色，但是生命科学及地球/环境领域相对薄弱，后期还需要进一步发展。

全球大学/机构生命科学领域排名（滑动查看）

什么是Nature排名

自然指数（Nature Index）主要追踪高质量自然科学期刊所发表的科研论文的作者信息。基于全球82种核心期刊，统计各高校、科研院所在这些学术期刊上发表的论文数量，根据各机构的论文发表数量及类别进行排名。

自然指数已成为国际公认的、能够衡量机构、国家和地区在自然科学领域的高质量研究产出与合作情况的重要指标。

在谷歌学术最新公布的2021年学术期刊和会议影响力排名中，Nature再夺第1。

排名标准

自然指数采用两种计算论文产出的方法：

· 论文计数 (article count/AC)

不论一篇文章有一个还是多个作者，每位作者所在的国家或机构都获得1个AC分值。

· 分数式计量（fractional count/FC）

FC考虑了每位论文作者的相对贡献。一篇文章的FC总分值最多为1，在认为每位作者都有相同贡献的情况下，所有作者共享分值。例如，一篇论文有十个作者，则每位作者的FC得分为0.1。

注：本文信息来源于【iNature】，仅做信息分享之用。

基于我国新一代神威超级计算机，

实现了超算领域全世界目前已知的

最高混合精度浮点计算性能，

并打破了谷歌2019年所宣称的“量子霸权”。

近日，超级计算应用领域

国际最高奖项——“戈登贝尔奖”，

2021年度颁给了来自中国超算“梦之队”

以及他们所带来的经典超算项目。

有意思的是，

这支专注超级计算应用的科学团队中，

出现了上海量子科学研究中心的身影。

跨界之美 也是一种缘分

11月18日下午，在美国密苏里州圣路易斯举行的全球超级计算大会（SC21）上，国际计算机协会（ACM）将2021年度“戈登贝尔奖”授予中国超算应用团队。

这14人分别是来自之江实验室及国家超级计算无锡中心的刘勇、刘鑫、李芳、杨雨灵、宋佳伟、赵朋朋、王臻、彭达佳、陈华蓉，清华大学及国家超级计算无锡中心的付昊桓、陈德训，国家超级计算无锡中心的吴汶钊，上海量子科学研究中心的黄合良、郭楚。

中国超算“梦之队”带来的项目，用严谨的语言描述，叫做“使用新一代神威超级计算机，实现随机量子电路的实时模拟。”

2019年10月，谷歌在国际学术期刊《自然》上发表一篇文章，宣称其率先实现了“量子霸权”：谷歌公司研发的“悬铃木”量子计算原型机，可以在200秒内完成百万量子采样，而美国最快的“顶点”超级计算机需要一万年才能模拟完成。

此次，中国超算应用团队证明，谷歌公司2019年演示的随机量子电路采样任务，基于新一代神威超算可以在304秒内完成，打破了谷歌宣称量子计算和超算在时间上高达10亿倍的差异，突破了谷歌所实现的“量子优越性”。

“量子优越性”指的是：如果一个特定的计算任务可以被量子计算机解决，但是不能在一个可接受的时间内被任何现存的经典计算机运用任何已知算法来完成，那么就说实现了“量子优越性”。

“我们团队参与的部分是，提出了能够将张量网络复杂性降到最低的一种计算方法。”上海量子科学研究中心的黄合良今年七八月份参与到这一算法的设计中。

有趣的是，他也是“祖冲之二号”量子计算优越性实验的理论工作负责人。一次偶然的“跨界”让他在超算和量子计算这两个毫不相关的领域碰撞出了火花。

量子模拟器 提供验证新可能

年轻的量子计算研究者们发现，一直被量子计算“秒杀”的传统经典计算，很可能是一位助力量子计算机未来真正实现的“最佳拍档”。

今年以来，量子计算领域不断传出“令人激动的实验杰作”。

中国科学技术大学潘建伟、陆朝阳、刘乃乐等人与中国科学院上海微系统与信息技术研究所、国家并行计算机工程技术研究中心合作，成功构建113个光子144模式的量子计算原型机“九章二号”；

上海量子科学研究中心、中科大研究员朱晓波团队与中科院上海技术物理研究所合作，成功研制出“祖冲之二号”，则在超导量子路线上，实现了“量子优越性”。

在量子计算领域取得一系列突破时，如何验证量子计算机的准确率，愈发成为目前量子计算机研发的主要瓶颈之一。因为要制造一个量子计算机，首先要确保计算结果的准确率。然而，随着量子计算机规模的扩大，谁来验证其计算结果对不对呢？

“

这就是现在量子计算机研发的主要困难之一，如何找到一种算法，能够验证量子计算结果的准确性。我们的工作使得经典超算模拟大规模量子线路的能力大幅提升，给大规模量子计算提供了检查作业的可能。

”

黄合良说，验证“秒算”的量子计算机，通过经典计算机验证如果需要以“天”、甚至“年”为单位，实际上是没有意义的。然而，此次的获奖项目极大地提升了超级计算的能力，让经典计算“快到起飞”。

据介绍，研究人员引入了一个系统的设计过程，涵盖了模拟所需的基础算法、并行算法和系统级优化方法，基于新一代神威超级计算机，设计出的量子模拟器，提供了每秒4.4百亿亿次的持续计算性能，这意味着基于经典计算的超算实现了量子计算的模拟。

“量子模拟器作为经典计算和量子计算的桥梁，对下提供量子计算机的正确性验证，对上辅助用户开展量子算法设计，是当前带噪声的量子计算机研发过程中不可或缺的工具。”

量子·动态

1️⃣近期，中国科学技术大学彭新华教授研究组与德国科学家合作开发出一种新型超灵敏量子精密测量技术，并用于暗物质的实验直接搜寻，实验结果比先前国际最好水平提升至少5个数量级。该技术利用激光先极化铷原子蒸气，再利用铷与气态氙原子的自旋交换碰撞，从而将氙原子的核自旋极化。

2️⃣近期，中国科学技术大学郭光灿院士团队李传锋、柳必恒研究组与电子科技大学教授王子竹、奥地利科学院博士高小钦等中外科学家合作，在国际上首次实现了高维量子纠缠态的最优检测。所谓最优检测，是指在任意给定态和测量基的情况下，所采用的方法能给出最紧的纠缠态边界，区分目标态纠缠的能力是否最强。

3️⃣日前，中国科学技术大学的量子科学与技术博士学位授权交叉学科通过国家审批。这个量子科学与技术方向的博士学位授权点，标志着该校在量子科技领域的学科建设取得了阶段性成果，迈入系统布局、成熟发展的新阶段

END

日前,美媒《华尔街日报》报道称:美国羡慕中国的基础设施,并希望加强基建以夯实美国经济增长。事实上,对“基础设施”的建设,除了短期内可拉动增长刺激就业外,更重要的意义是“有力地支持全领域共同繁荣”。“十四五”规划中,“科技创新”成为焦点,加强科技的基础设施建设,从而更高效、高质量的实现全领域共同进步。中国科技新基建再次当先。

宜早不宜迟的“科技新基建”

人工智能是科技新基建的核心之一,而深度学习又是人工智能的先锋。自 2012年深度学习取得突破性进展,众多深度学习框架应运而生,成为研究者和业界工作者的新宠。不管深度学习研发进行的多么火热,都要转化为生产力和商业价值,最终落地到产业中,而且宜早不宜迟。

实践鉴差距。“做不做得出来”跟“用不用得起来”差的完全是“从0到1”的决定性距离。从早期的学术框架 Caffe、Theano,到如今有业界背景的大规模框架Pytorch,TensorFlow以及国内最早开源的飞桨PaddlePaddle来看,AI新基建绝非一朝一夕可成,需要长期持续的投入和产业实践打磨,方可有所沉淀。

2016年,百度PaddlePaddle就打响了国产深度学习框架开源的第一枪,成为我国首个自主研发的产业级深度学习平台。2019年4月,在 Wave Summit深度学习开发者峰会上,PaddlePaddle发布中文名“飞桨”,开始强调自己更适合中国开发者,以及更加专注于深度学习模型的产业实践。2020年5月,飞桨作为百度大脑“AI大生产平台”的基础底座,构建“飞桨开源深度学习平台”和“飞桨企业版”,更精准地服务各类AI模型开发训练与部署。

其中,飞桨开源深度学习平台已涵盖核心框架、基础模型库、端到端开发套件与工具组件,为产业、学术、科研创新提供基础底座。飞桨企业版包括零门槛AI开发平台EasyDL和全功能AI开发平台BML,满足企业快速智能化需求。飞桨全平台功能与开发流程成熟完善,完全站在使用者角度定义技术迭代。今年3月,飞桨核心框架已正式升级为2.0版本。飞桨生态凝聚了超过265万开发者,服务 10万多家企业,创建超过 34万个模型。

权威数据调研机构IDC公布了2020年下半年深度学习框架平台市场份额报告,数据显示,Google、百度、Facebook稳居前三,占据70%以上市场份额。其中,百度占比提升3.38%增速第一,综合市场份额位列第二。

高性能+高效率=万物皆智能、一切可编程

人类使用工具这事儿可以追溯到史前文明。工具的意义在于辅助劳动,省时省力,这也是飞桨作为工具存在的意义。能被广泛开发者用起来的工具也才是好工具。要知道,这个时代对于很多人来讲,抢时间就是抢市场、抢优势、抢夺竞争力。以飞桨最新发布的框架2.0正式版为例,更便利高效且通用的AI开发与训练部署,正方便着各个领域中的企业用AI技术建立自己的智能化领先优势。

具体来看,首先此次升级后,飞桨框架2.0可支持用户使用动态图完成深度学习相关领域全类别的模型算法开发,这标志着飞桨的动态图功能已经成熟完备。不仅方便开发者随时查看变量输入、输出的动态情况,更有助于调试程序便捷化,减少了凭手感与玄学的“盲调”。同时,飞桨框架2.0还做到了模型存储和加载的接口统一,保证“动转静”之后保存的模型文件能够被纯动态图加载和使用。就像静态图像与动态视频一样,可以一键“高画质”互相转换,实际上是方便了使用端的操作。此外,官方支持的动态图算法数量达到了270+,涵盖计算机视觉、自然语言处理、语音、推荐等多个领域,并且在动态图的训练效率和部署效率方面都有所提升。

人工智能的价值,是通过软件编程实现虚拟化、灵活、多样和定制化功能,并最终向各个行业和人群提供专用的智能化、定制化服务。软件与硬件在深度融合时的核心就是API。AI时代里,API之上一切皆可编程,而API之下,则要求“如无必要不增实体”,所以API绝对是技术对外输出、以怎样的方式实现可用的关键点。飞桨框架2.0也对自身 API体系进行了全新升级,包括体系化梳理和简洁化处理。简单来说,就是把AI技术对外的输出“路径”变得更加好用,更加兼容,方便技术的“一键输出”。

在训练层面上,飞桨框架2.0在支持万亿规模稀疏参数基础上,也已实现支持千亿规模稠密参数模型训练。作为“从实践中来,到实践中去”的技术,AI的可用性与高效性,必然都是从实践中获得的。分布式训练源自于百度自身的场景需求,可谓是飞桨与生俱来的特性。此外,在飞桨框架2.0版本中,还新增支持了混合并行模式,即数据并行、模型并行、流水线并行这三种并行模式可以相互组合使用,可更高效地将模型的各网络层甚至某一层的参数切分到多张 GPU卡上进行训练,从而真正支持不同场景下的千亿规模稠密参数模型训练。

“领先性”直接转化为“降本”

飞桨框架2.0推出业内首个“通用异构参数服务器”技术,可使训练任务对硬件型号不敏感,即可以同时使用不同的硬件混合异构训练。通过异构参数服务器模式,用户可以在异构硬件集群中部署分布式训练任务,目的是对不同算力的芯片高效利用,获得更高吞吐,更低资源消耗的训练能力。异构参数服务器拥有非常高的性价比,如下图所示,仅用两个CPU机器加两个GPU机器就可以达到与4个GPU机器相仿的训练速度,而成本至少可以节约35%。

飞桨还着力建起业界最为完备的硬件合作生态。作为一块“智能革命”的砖,AI必须哪里有需要就往哪里搬。所以如何“搬过去”就很关键了。飞桨全面深度适配各种人工智能硬件,除了英特尔、英伟达、ARM等诸多芯片厂商,还有飞腾、海光、鲲鹏、龙芯、申威等 CPU,并结合麒麟、统信、普华操作系统,以及百度昆仑、海光 DCU、寒武纪、比特大陆、瑞芯微、高通、英伟达等 AI芯片深度融合。此外,还和浪潮、中科曙光等服务器厂商合作形成软硬一体的全栈AI基础设施。当前飞桨已经适配和正在适配的芯片或 IP达到 29款。

现如今,AI的大规模落地已经步入快车道,深度学习技术不断发展,以飞桨为首的国产框架迎来时代机遇。2021年,基于飞桨的企业级开发工具库数量越来越多,内容越来越丰富,加入飞桨生态社区的用户越来越多,它正在成为加速这个时代走向智能化的重要驱动力。可以说,飞桨“技术赋能万物”的磅礴力量正在显现。（陈蕊）

来源： 中国网