正文
文章及图片来自：https://www.sciencedaily.com/releases/2017/06/170605110059.htm
No. 5 如何识别虚假网络身份？
近日，英国爱丁堡大学的研究人员开发出一个新工具，该工具可识别出在网上使用虚假身份信息的用户。研究人员利用一个网站上约5000个经过验证的、公开的个人资料，建立了一个计算机模型，这一模型利用用户在社交网络中的评论风格和网络活动习惯，来估计用户的性别和年龄，并且精确度很高。借助这一模型，研究人员发现在该网站中有接近四成的用户声称的年龄与模型估算结果相差四分之一甚至更多，这些账户成功地欺骗了更多的女性用户。分析结果表明，新技术可有效过滤潜在的利用虚假身份进行欺诈操作的用户，从而提升社交网络的安全度。
文章及图片来自：https://phys.org/news/2017-06-fake-online-profiles-easier-fish.html
No. 6 废气变能源，或将不是梦
如果一种技术可处理掉二氧化碳等废气，同时又可以产生能源，这岂不两全其美？事实上，研究者们已在这条路上迈进了一大步。本周发表在
Nature Energy
杂志上的一篇研究报告称，洛桑联邦理工大学等机构的科研人员成功将二氧化碳废气转化为了一氧化碳与氧气，并可作为能源使用。这一转换过程的驱动能源为太阳能与水，催化剂则选用原子沉积技术处理过的氧化锡与氧化铜等物质。据称，其转换效率很高，可以达到13.4%。
文章及图片来自：https://www.nature.com/articles/nenergy201787
No. 7 新算法可让深度学习减少95%的计算量
近日，美国莱斯大学的研究人员提出一项新的技术，这一技术可大幅减少深度神经网络的训练和使用时所需的计算量。为了在越来越复杂的数据集上进行学习，当前的深度学习架构需要越来越多的矩阵运算操作以进行训练。利用大数据中的稀疏性，研究人员提出了一种基于哈希法（hashing）的新算法，这一新方法结合了 adaptive dropout 和用于最大内积搜索的随机化哈希，可有效选择有最高激活率的节点进行操作，以减少总的计算量。新算法可完美地应用于异步和并行训练。在几个真实数据集上的测试显示，新方法可仅使用5%的总乘法量完成训练，且其准确度与原模型的差别在1%以内。
文章
链接：https://phys.org/news/2017-06-scientists-slash-deep.html；
图片来自：https://arxiv.org/pdf/1602.08194.pdf
No. 8 科学家发现2D磁体
随着科技的发展，磁性材料成为众多关键性技术的基础，它们在我们生活中，也扮演着越来越重要的角色，包括了传感设备、存储硬盘等。本着轻便快捷的目标，人们也在追寻越来越小的设备。为此，科学家正在寻找更高效的新型磁性材料，并使用精确可靠的方法进行控制。近日，来自华盛顿大学和麻省理工学院的研究团队发现单层二维结构的三碘化铬（chromium triiodide, CrI
3
）具有磁性，这也是首次在由单一原子层形成的材料中发现磁性。该研究结果表明磁性能够在2D空间中存在，从而打开了一个全新的领域，具有广阔的潜在应用价值，相关研究成果发表在
Nature
杂志上。未来，研究人员希望进一步研究包含三碘化铬单层或双层的2D磁体以及异质结构特有的磁性。
文章及图片链接：
