为什么AR图书会火起来？

“改变世界”这个词已经被用滥了，但对晶体管、万维网和手机这类发明，要形容其撼动世界历史的影响力，还有别的合适词语吗？的确有一些创新改变了历史的方向。

本文介绍的碳呼吸电池、手术机器人、量子卫星和另外7种创新能否产生相似的效果呢？现在下结论还为时尚早。大多数创新方案最终都失败了，最伟大的创意往往也伴随着最高的风险。但一个创意从引人发笑到变成大势所趋，往往用不了多长时间。

电化学电池能够吸收大气中的碳，将其转化为电能。

单单削减温室气体排量已经不足以阻止全球变暖。现在，我们必须将大气中已经存在的二氧化碳清除一部分。好消息是，做这件事的方法有很多；坏消息是，这些方法基本上都需要消耗大量能源。

理想的碳封存技术可以产生电能，而不是消耗能量。在2016年7月发表于《科学进展》上的一篇论文中，美国康奈尔大学的研究人员瓦迪·阿尔·萨达特和林登·阿彻描述了一种能捕捉二氧化碳的电化学电池的设计方案。

电池的阴极材料采用的是铝，这种金属成本低、储量大、易于加工。阳极由多孔碳构成，研究人员向其中注入氧气和二氧化碳的混合物。铝、氧气和二氧化碳在电池内部发生反应，产生电能并生成草酸铝。萨达特和阿彻表示，在一个1.4伏电池的生命周期中，电池所吸收的碳是制造电池时所释放的碳的2.5倍。

阿彻表示，要想把这个设计转化为实用的技术，他和同事还有很长的路要走。首先，他们需要证明该技术的成本效益足够高，并且规模可以扩展。阿彻预计，如果他们能成功实现这样的转化，将来这种电池会配备在发电站和汽车排气管上。

设计新型化合物的方法可用来对抗耐药菌。

很难想象一个没有抗生素的世界是什么样的，不过因为大规模滥用抗生素，我们正走近这样的世界。美国国家疾病预防与控制中心表示，仅在美国，每年就有超过23000人因感染抗生素无法对付的病菌而死亡。英国政府资助的一项研究估计，到2050年，全世界每年会有1000万人死于耐药菌。科学家正苦苦寻找能杀死超级病菌的新药，例如大环内酯类抗生素。

迈尔斯和他的团队找到了合成大环内酯的方法。为了合成这种化合物，研究人员把大环内酯的结构分解成8个基本模块，然后以新的形式把它们组合起来，利用不同的组合方式调节其化学性质。迈尔斯团队在2016年5月发表于《自然》杂志（Nature）的论文中表示，他们已经合成了超过300种新型化合物。研究人员使用了14种致病细菌进行实验，发现大多数化合物可以抑制细菌，而且有很多可以杀死耐药菌株。

量子密钥的天基传输可能会让“不可攻破”的互联网变为现实。

要建立绝对安全的加密方法，并不需要比铅笔和纸更高级的技术：只要选择一串随机的字符和数字，用作加密信息的密钥。把这个密钥写在纸上，用一次之后把纸烧掉就行。关键是要确保没有人能拦截或篡改密钥。而在互联网上，窃取或篡改密钥的事情一直没断过。量子密钥分发可以解决这个问题，该方法会从纠缠光子中生成一个一次性密钥。量子密钥分发的问题是，没人知道如何长距离传输纠缠光子。然而今年8月，中国科学院成功将世界第一颗量子卫星送入轨道，为解决这个问题迈进了一大步。

中国科学院的项目名为量子科学实验卫星，是与奥地利科学院合作的项目。该项目利用卫星向中国境内相距1200千米的两个观测站传输量子密钥，这一距离是目前最远传输纪录的8倍。如果中国研究人员创造了量子密钥传输距离的新纪录，那么未来的卫星就能提供一个轨道平台，建立起不可攻破的“量子互联网”，物理定律可以确保加密数据包的绝对安全。

远程控制的微型机器人可以在体内完成治疗。

医学干预手段越先进，侵入性就越低。现在，麻省理工学院的研究人员发明了一种机器人，可以在胃里完成简单的手术，且完全不需要切口或连接外部的缆线——病人只需把机器人吞下去就行。

这种微型机器人包裹在用冰做成的口服含片里，被人服下后会进到胃里。冰胶囊融化后，机器人会像折纸一样打开。展开后的机器人看起来像一张有皱褶的纸，材料上的皱褶、缝隙和补丁的位置都是精心设计好的，它们遇热或受磁场作用时会膨胀或收缩，进而借此移动。这种移动方式类似关节和肌肉的运动方式。外科医生通过外部电磁场影响机器人上的磁铁，就可控制机器人的运动。

机器人的主体由生物相容性材料制成——部分材料来自猪的小肠，也是香肠肠衣的材料。这些材料可以向体内伤口给药或是像创可贴那样固定在伤口上。机器人还能用自带的磁铁“捕捉”并移除异物，比如误吞的纽扣电池。

机器学习软件可以分析卫星图片，找到需要帮助的偏远贫困地区。

2015年，联合国定下一个目标，希望在2030年前在世界范围内消除极端贫困。这个目标很大胆。要实现目标，第一步就是找到最穷的人都在哪里，而这一步的难度就非常大。在贫困和易发战乱的国家进行经济调查既昂贵又危险。研究人员尝试通过一种间接的办法来解决这一难题：他们在夜间的人造卫星照片中寻找特别暗的区域。“一般来说，晚上亮起来的地方经济状况更好，”斯坦福大学地球科学系统助理教授马绍尔·博克解释说。但这种方法有缺陷，尤其是在区分贫困程度方面。在晚上，从太空中看，轻度贫困和极端贫困的地方是一样的，都是漆黑一片。

博克和他在斯坦福的团队认为，可以用机器学习的方法来改进人造卫星成像研究。研究人员利用非洲五国的日间和夜间卫星图像来训练图片分析软件。在综合了日间和夜间的图片数据后，计算机“学会”把日间图片的特征（道路、城市区域和农业用地）与不同水平的夜间亮度关联起来。“利用夜间的灯光，可以找出日间照片中有何重要特征，”博克说。

当训练结束后，博克的软件可以仅仅根据白天的卫星图片发现贫困区域的位置。