斯坦福大学的研究人员成功利用基因组人工智能模型,从零开始设计了 16 种具有杀菌功能的噬菌体。这些由人工智能生成的噬菌体被证明能够感染已对天然噬菌体产生耐药性的大肠杆菌菌株——这一突破可能为针对耐药菌感染的定制化医疗开辟道路。 虽然这些人工智能设计的病毒与其天然模板约有 97% 的相似度,但它们表现出了传统工程方法无法产生的独特基因结构和行为。这表明人工智能可以有效探索进化尚未发现的新型基因组合。 然而,这一成就也引发了重大的生物安全担忧。专家警告称,同样的技术可能被滥用于制造危险的病原体。尽管目前制造功能性病毒需要大量资金、专业知识和复杂的实验室优化,但生成式生物学的迅速发展使得讨论监管问题迫在眉睫。如何在对抗致命感染的潜力与预防生物威胁之间取得平衡,仍是合成生物学未来面临的一项严峻挑战。
Dr. Drang 创建了一个自定义 Mac 小组件,用于实时追踪包括太阳、月球和土星在内的各大天体的位置。
该工具使用 **Astropy** 库,通过 Python 脚本根据用户的具体地理位置计算出每个天体的方位角、高度和所属星座。为了让方位角数据更易读,脚本中包含了一个自定义函数,能将数字度数转换为 16 方位指南针方向(例如“西南”)。
此脚本通过 `launchd` 实现自动化,每 30 分钟运行一次以确保小组件内容实时更新。其输出通过 **TerminalWidget** 显示,为用户提供了一个简洁且持续的视图,以查看这些天体相对于观察者的天球位置。通过将 Python 的天文数据处理与 macOS 的系统级调度相结合,Dr. Drang 成功打造了一个功能性仪表板,帮助他直接在桌面上追踪天体可见度及日食等天文事件。
T3X/0 是一种紧凑、便携且几乎无类型的过程式编程语言,其灵感源自 Pascal 语法和 BCPL 语义。它专为简洁和高效而设计,主要作为多本编译器和软件设计书籍中的教学工具。
T3X/0 生态系统具备显著的自托管和跨平台特性,支持从现代类 Unix 系统(包括 ARM 和 x86_64)到 DOS 和 CP/M 等复古计算平台的广泛环境。该语言软件包包含编译器源码、运行时库以及两个轻量级集成开发环境(VI 和兼容 WordStar 的编辑器),即使在旧式系统上也能实现无缝编译和错误导航。
T3X/0 在 0BSD/公有领域许可下发布,以紧凑的软件包形式分发,内含预编译二进制文件、文档及各种示例程序。通过使用 Tcode 虚拟机(TCVM),它能够为 16 位架构提供强大的交叉编译能力,使其成为现代开发和历史计算爱好者皆可使用的多功能工具。
本文探讨了 **xorshift 生成器**。这是一类高效且确定性的算法,在全球范围内被广泛用于模拟软件中的随机性,从《我的世界》(Minecraft)等过程生成类游戏,到驱动大多数浏览器的 V8 JavaScript 引擎,均有其应用。
xorshift 生成器由乔治·马萨利亚(George Marsaglia)于 2003 年开发,它依赖位运算中的异或(XOR)和移位操作,而非速度较慢的乘法或除法。其效能取决于对“极大值三元组”(maximal triplets)的选择,即通过特定的移位数值,使生成器在重复前能够遍历所有可能的非零值。
作者利用线性代数解析了这些算法背后的数学原理,将状态转换表示为矩阵,并使用伯勒坎普-梅西(Berlekamp-Massey)算法来识别本原多项式。尽管 xorshift 生成器性能极高,但它们是线性的,因此在加密安全性上存在缺陷;一旦获知内部状态,即可轻易预测后续数值。
为了消除线性伪影并提高统计质量,塞巴斯蒂安诺·维尼亚(Sebastiano Vigna)在后期的版本(如 **xorshift64*** 和 **xorshift128+**)中引入了非线性的“加扰”技术(例如乘法或加法)。尽管存在缺陷,这些算法依然无处不在,因为它们在速度与模拟、图形及游戏逻辑所需的随机性之间取得了完美平衡,证明了所谓的“随机性”往往只是高度结构化的数学。