今天我还想和你分享，得到上的青年科学家彭天放老师带来的《硬科技报告》，盘点2月份的硬科技新进展。
今天的这份报告，我觉得你可以重点感受一下科学家的“脑洞”。科学家的一大魅力就在于，他们总是有勇气“不走寻常路”。有很多解决方案，即便听起来天马行空，他们也是不试不罢休，就比如说，要想发射火箭，能不能用一个类似于洗衣机的设备，把火箭甩出去呢？
下面，我们就来听听彭天放老师的解读。
你好，我是彭天放。欢迎来到2月份的《硬科技报告》。在过去的一个月里，我为你梳理出两项值得关注的硬科技新进展：
第一项进展的脑洞特别大，它来自航天领域。2月11日，国外著名的科技媒体《连线》杂志报道了美国一家初创企业——旋转发射公司的最新进展。这家企业的目标可以说彻底颠覆了现在的航天发射的方式，因为企业的目标是，不再依赖火箭发射卫星。
你可能会想，不用火箭，难道还能把卫星直接扔到太空里吗？——还真是这个思路。这家旋转发射公司的方案，就是要在地面建设一座巨大的离心机，把卫星给“甩”到太空里。
离心机其实你很熟悉，因为原理跟咱们家里的洗衣机甩干衣服差不多，就是用高速旋转产生的离心力，把比较重的物质给“甩出去”。离心机通常的大小也和洗衣机差不多大，还常常用来给核反应堆提纯铀原料。
不过，旋转发射公司的这台“离心机”可就要大得多了。根据《连线》杂志的报道，这家公司最新的计划是建造一座比足球场还要大的离心机，利用机器内部几十米长的旋转机械臂，把末端的物体像“扔铅球”一样给“甩”向太空。我在文稿里放了张这家公司公布的发射装置示意图，你有兴趣可以看一下。
按照计算，这个大离心机可以把100公斤重的物体直接扔到距离地面60公里的高空，速度甚至能达到7200 公里／小时。要知道，飞机的飞行速度只有800-900公里/小时。
我特别要说明一下，60公里其实还没到卫星轨道的高度。不过在这个高度，空气已经很稀薄了，大气的阻力非常小。所以这家公司计划，把卫星装到一个微型火箭里，等甩到距离地面60公里高，再点火继续爬升进入太空轨道。
这不还是需要火箭吗？为什么要多此一举，先把它扔到半空中呢？
其实，最重要的原因就是便宜。传统火箭的升空过程里，最费劲的就是差不多从0飞到30公里这段高度。这一段爬升过程空气阻力大，火箭需要携带重量巨大的燃料，有时候燃料的重量甚至可以达到90%。
如果直接把卫星甩到高空，不仅能大大节省燃料，而且可以简化火箭的设计。现在的传统火箭都是200吨以上，但是据这家公司的初步估算，使用离心机发射低地球轨道卫星的话，只需要200公斤左右的火箭就可以。
可见，从火箭的成本来说，有非常大的成本优势，甚至比马斯克可重复使用的火箭成本还要低。
扔火箭的另一个优势就更酷了——就是快。一般的卫星发射中心，一天也就发射一次。而这个离心机，一天至少可以“扔五次铅球”，发起卫星来就跟往太空“下饺子”一样，大大提高了发射效率。
其实很多科学家一开始都觉得这个想法太疯狂了。不过，旋转发射公司从2014年创立以来，却一直朝着这个目标努力。
在2016年，他们在洛杉矶建造了一个直径12米的测试样机，取得了初步测试成功。2019年，他们又在美国新墨西哥州开始建造一台直径40米的测试机。
2019年中旬，美国的五角大楼也给了一定的资金支持。就在上个月中旬，他们还获得了空客、谷歌、投资基金凯鹏华盈、制药巨头拜耳集团等公司的3500万美元融资。很多世界一流公司都对这个疯狂的思路表示了认可。
当然，这个计划真正要成功实施，还面临很多问题。其中比较重要的一条，就是卫星的可靠性问题。
按照这家公司的计算，在离心机发射的瞬间，卫星承受的加速度可以达到10000倍重力加速度。这个速度，是一般火箭发射加速度的500倍。目前，可能还没有任何太空设备能够经受得起这么大的冲击。这对于将来卫星结构和载荷的设计，都是巨大的挑战。
不过，尽管问题重重，但这项进展依然值得关注。想象一下未来某一天，当我们从太空望向地球，发现地面有一座螺旋状的大炮，正在把一颗颗耀眼的流星，从地面发向太空，是不是很酷呢？
我要给你推荐的第二项进展，来自芯片领域。1月29日，《自然》杂志刊登了来自清华大学团队的一篇文章，这个团队第一次完全通过忆阻器芯片，实现了人工智能算法的运算。这也代表着这类芯片的实用化有了一次大突破。
忆阻器芯片，记忆的忆，阻力的阻。你可能对忆阻器芯片这个概念比较陌生。
其实，它算是芯片家族里的一个“异类”，跟现在绝大部分芯片都不是亲戚，是一种被寄予厚望的全新的芯片类别。
1971年，华裔科学家蔡少棠才提出它在理论上有可能存在。直到2008年，忆阻器才被惠普公司实际制作出来，比我们今天芯片里面晶体管的诞生，晚了半个多世纪。所以，它确实是一种非常新的电子基础元件。
它的具体物理原理比较复杂，这里我不做过多介绍了。你只需要记住，忆阻器最大的优势，就是它既可以用来做计算，也可以用来做存储。这一点意味着，它非常适合模仿人脑的计算方式。
为什么这么说呢？
人脑的计算结构，虽然我们还不是完全清楚，但很多科学家都推测：人脑很可能是所谓“存算一体化”的。也就是说，同一个人脑神经元细胞，既可以用来做逻辑运算，也可以用来做数据存储。
打个比方说，在篮球赛场上，一般来说一个完整的篮球队有前锋、有后卫等等角色，分工非常明确；但人脑就像是一支超级明星队，每个人都是全能型选手，能灵活切换。
目前，你听说过的绝大多数的计算机，都是普通的篮球队。比如手机、电脑、服务器等等，它有一个重要的特点，就是数据的存储和计算的角色是各自有明确分工的，也就是说在硬件层面上，计算和存储得分别用两种不同的器件，这种计算机的架构，就是鼎鼎大名的冯·诺依曼架构。
在这种计算机运行的时候，用于计算的CPU器件，和用于存储数据的内存器件，得频繁地进行数据的交换。这就好比说，前锋只能干前锋的活，后卫只能干后卫的活。不同的计算任务就像是不同的进攻战术，要想得分，彼此之间就需要有复杂的跑位和传球，费时费力。
因此这种计算设备就有一个缺陷——跟人脑相比，它的能耗非常高。比如，我们人脑进行日常的学习和思考，平均的能耗大概是20瓦，差不多相当于一个灯泡。但是我们如果用现有的芯片，模仿人脑的学习过程做AI计算，有科学家预计功耗要超过800万瓦，差不多是一个小发电站的水平。
所以，在能量使用效率上，人脑完胜目前的芯片。
于是，科学家们想要模仿人脑的效率，就需要突破持续了70多年的冯·诺依曼架构，找到一种能够灵活切换角色的全能型器件，实现“存算一体化”，这就是今天咱们讲到的“忆阻器芯片”。
回到咱们开头介绍的实验。清华大学的团队，就通过忆阻器芯片，实现了人工智能里面最基础的模型——卷积神经网络的运算。在目前最常用的手写数字数据中，实现了96%的准确率。这个准确率虽然不算太高，但这却是第一次不依赖其他的辅助器件，完全在忆阻器芯片上实现了卷积神经网络这个最基础的人工智能算法，向着忆阻器芯片的实用化迈出了重要的一步。
当前，人工智能技术非常热门，我们很希望自己的手机，或者身边的机器人能够进行复杂的人工智能功能，比如更智能的语音对话，或者更精细的图像识别等等。这些都会成倍地增加芯片的运算量，进而成倍地增加功耗。如果忆阻器芯片在未来可以成功地商业化，那么所有跟AI相关的计算能耗，很可能会降低一个量级。
不过，对于忆阻器芯片，我们也不能太乐观。因为这一领域到现在基本上还在解决“能不能”，而不是“好不好”的问题。直到2019年，实验室才出现了第一款可编程的忆阻器芯片。而这次的研究，也是第一次把神经网络算法完全放在忆阻器上完成计算，不借助其他的辅助设备。所以，距离忆阻器芯片的真正商业化，至少还会有几年的时间。
不管怎么说，忆阻器都是一个非常诱人的研究领域。这三个字非常值得你今后持续留意。
好，以上就是彭天放老师带来的《硬科技报告》。
如果你对这次介绍的科技进展非常好奇，想知道更多细节，欢迎你留言提问，我会邀请彭老师回答你的问题。如果你关注了其他值得分享的硬科技进展，也请你告诉我们，好东西一起分享。