我国科学家获得干细胞领域重大突破；量子直接通信最远记录在我国诞生；可降解多种塑料的海洋真菌
跟踪科研成果，掌握最新动态！
1
我国科学家获得干细胞领域重大突破
多潜能干细胞具有无限增殖的特性和分化成生物体所有功能细胞类型的能力，这些神奇的特质使其在细胞治疗、药物筛选和疾病模型等领域具有广泛的应用价值，是再生医学领域最为关键的“种子细胞”。在哺乳动物自然发育过程中，多潜能干细胞只短暂存在于胚胎发育的早期阶段，随后便会分化为构成生物体的各种类型的成体细胞，丧失其“种子细胞”的特性。如何逆转这一自然发育过程，使高度分化的成体细胞重新获得类似胚胎发育早期的多潜能状态，一直是干细胞与再生医学领域最重要的科学问题之一。
人CiPS技术在生物医学领域具有广阔的潜在应用前景
目前细胞治疗的技术体系都是国外发展起来的，中国能否拥有原创的底层技术？北京大学生命科学学院、北大-清华生命联合中心邓宏魁研究团队经过长期地坚持和不懈努力，最终实现了人CiPS细胞的成功诱导。与传统的技术体系相比，CiPS细胞诱导技术具有更加安全和简单、易于标准化、易于调控等不可替代的优势，突破了iPS技术面临的限制，有望成为高效制备各种功能细胞类型的通用技术，为治疗糖尿病、重症肝病、恶性肿瘤等重大疾病开辟了新的途径。
新一代诱导多潜能干细胞技术
内容来源：
https://news.pku.edu.cn/jxky/2efd13c640f74fa1a8979d1be5ece4de.htm
2
量子直接通信最远记录在我国诞生
量子直接通信以量子态作载体来编码和传输信息，是量子保密通信的新范式。量子直接通信将噪声信道下的可靠通信发展为噪声和窃听信道下的可靠和安全通信。
清华大学物理系龙桂鲁教授团队与电子系陆建华教授团队合作，设计和实现了一种相位量子态与时间戳量子态混合编码的量子直接通信新系统，通信距离达到百公里，实现了当前世界最长的量子直接通信距离。这样的指标可以在无中继条件下实现城市之间的点对点量子直接通信，同时可以支撑基于安全经典中继建立的广域量子网络的一些应用。新系统在激光脉冲频率上还有大的提升空间，相应的通信距离、速率有望进一步提升，满足部分场景的应用需求。
内容来源：
https://www.tsinghua.edu.cn/info/1175/92860.htm
3
可降解多种塑料的海洋真菌
塑料是一类高分子聚合物的统称。据统计，聚乙烯（PE）、聚丙烯（PP）、聚苯乙烯（PS）、聚氯乙烯（PVC）、聚氨酯（PUR）及聚对苯二甲酸乙二醇酯（PET）六种塑料制品是目前塑料垃圾的主要来源。全球每年有超过800万吨的塑料垃圾流进海洋变成微塑料进入食物链，并逐渐演变成全球性生态难题。实现塑料垃圾解聚再利用的大规模工业应用，必须发展温和高效、低成本解聚及再利用的技术体系，如微生物/酶介导的塑料解聚。迄今为止，只有PET塑料的微生物降解取得了不错的进展，但距离产业化应用仍有距离。对于其它几种塑料尤其是用量最大、污染最重、最难降解的PE塑料，鲜有能有效降解的微生物菌株和酶种被发现。
海洋真菌Alternaria alternata FB1处理聚乙烯塑料4个月后的形态
中国科学院海洋研究所研究员孙超岷课题组首次发现能有效降解PE塑料的海洋真菌和酶。该真菌能有效降解PE，并对PP、PS、PVC、PUR、PA和生物可降解塑料有明显降解效果，是一株塑料降解谱广泛的真菌，为发展混合塑料降解生物制品提供了良好候选材料，并有望突破多种难降解塑料（如PE、PS、PUR等）的降解瓶颈。
内容来源：
https://news.sjtu.edu.cn/jdzh/20220330/169449.html
4
杠杆式摩擦纳米发电机
摩擦纳米发电机通过接触起电和静电感应可以广泛地收集机械能，经过多年发展，摩擦纳米发电机在机械能收集和自供电传感方面展现出广泛应用。接触分离模式是摩擦纳米发电机常见的工作模式。为了提高接触分离式摩擦纳米发电机的输出信号，此前研究者做了很多工作，但相关策略都是以提高表面电荷量为目的。然而信号的大小不仅与电荷转移量有关，还和电荷转移速度有关。
杠杆式摩擦纳米发电机的模型及原理图
中国科学院力学研究所研究团队和中科院北京纳米能源与系统研究所研究团队合作，提出了以提高电荷转移速度为目的的新策略，并开发了接触分离式的力学杠杆式摩擦纳米发电机。这项工作展示了一种提高接触分离式摩擦纳米发电机信号的新思路，在提高接触分离式摩擦纳米发电机的能量收集设备和自供电传感器的信号方面拥有较大潜力。
内容来源：
https://www.cas.cn/syky/202204/t20220411_4831065.shtml
5
新型储备池计算硬件架构
随着摩尔定律的放缓，基于硅晶体管和冯诺依曼架构的传统计算硬件系统在人工智能时代面临严峻的性能瓶颈。受大脑启发，基于新原理器件的类脑计算致力于充分挖掘电子器件自身的物理属性作为计算资源，从而在硬件层面高效实现各种人工神经网络。其中，储备池计算是一种适用于高效处理时序信号的人工神经网络，以其特有的记忆特性和易于硬件实现等优点成为近年来类脑计算领域的前沿热点。
清华大学集成电路学院钱鹤教授、吴华强教授团队提出了一种基于旋转神经元的新型储备池计算硬件架构。该架构在原理上与储备池算法等效，具有较强的可解释性，同时在非线性系统拟合任务上表现优于现有储备池计算系统。研究团队进一步搭建了集成忆阻器阵列输出层的储备池计算系统，硬件演示了实时混沌序列预测和手写字母识别，成功实现了端到端的全模拟计算和极低的系统功耗。
内容来源：
https://www.cas.cn/syky/202203/t20220331_4830149.shtml
