一个隔音板条箱里装着世界上最糟糕的神经网络之一。在看到数字6的图片之后，它停顿了片刻，然后识别出里面的数字：0。领导开发这个网络的康奈尔大学物理学工程师 Peter McMahon 不好意思地笑着为它辩护，说手写的数字太潦草了。从 NTT Research 访问 McMahon 实验室的博士后 Logan Wright 保证，该设备通常会得到正确的答案，但是也承认错误很常见。他表示，“它就是这么糟糕。”尽管表现平平，但这个神经网络是开创性的。研究人员将板条箱翻了过来，露出的不是计算机芯片，而是一个麦克风，这个麦克风朝向用螺栓固定在扬声器上的钛板。其他神经网络在0和1的数字世界中运行，而这台设备靠声音运行。当 Wright 给出一个新的数字图片时，它的像素会被转换成音频，扬声器震动钛板，实验室会出现微弱的振动声。然后金属混响——而不是运行在硅片上的软件——进行“阅读”。该设备经常令人费解，甚至对它的设计者来说也是如此。

McMahon 表示：“无论震动金属的是什么，它都应该和手写数字的分类无关。”康奈尔大学团队在 1 月份的《自然》期刊上发表了一篇论文，介绍了该设备简陋的阅读能力，这让 McMahon 和其他一些人希望它的后代能彻底改变计算。计算机科学家发现，对于传统机器学习而言，越大越好。用更多的人工神经元（存储数值的节点）填充神经网络可以提高其区分腊肠犬和斑点狗的能力，或者在无数其他模式识别任务中取得成功。真正巨大的神经网络可以完成令人不安的人类工作，例如撰写论文和创作插画。有了更多的计算能力，更伟大的创举也许会成为可能。这种潜力激励了许多人努力开发更强大和更有效的计算方法。

McMahon 和一群志同道合的物理学家倡导一种非正统的方法：让宇宙为我们处理数字。McMahon 表示：“很多物理系统天然可以比计算机更有效或者更快地进行某些计算。”他举了风洞为例：当工程师设计飞机时，他们会将蓝图数字化，并且在超级计算机上花费数个小时模拟空气如何在机翼周围流动。或者他们可以将飞机放进风洞，看看它是否能飞起来。从计算的角度来看，风洞会立刻“计算出”机翼与空气的相互作用。

在澳大利亚最西端的鲨鱼湾，海草草地铺满海底，海草在洋流中随波摆动，被儒艮啃食。一项新研究在这些海草身上发现了意外：它们中的许多都是同一棵的植物，克隆了大约 4500 年。海草——不要和海藻混淆，海藻是一种藻类——是波塞冬的带状水草，或者被称为波喜荡（Posidonia australis）。论文作者、西澳大利亚大学博士 Jane Edgeloe 将它的外观比作葱。在对鲨鱼湾不同地区波喜荡草的基因研究中，Edgeloe 女士和同事获得了这一发现，她在该地区潜入浅水区，并从10 个不同的草地上拔下波喜荡草的嫩枝。研究人员在地面上分析并比较了水草的 DNA。他们在周三的《英国皇家学会学报》（Royal Society B）上发表了研究成果。结果证明，许多看似不同的植物的 DNA 几乎是完全一样的。研究作者之一、西澳大利亚大学的 Elizabeth Sinclair 回忆当她在实验室里意识到“这就是同一棵植物”时候的兴奋感觉。虽然鲨鱼湾北部的一些海草草地存在有性繁殖，但其余的波喜荡草会通过根系分出的新芽自我克隆。即使分开的草地在基因上也是完全一样的，这表明它们曾经通过现在已切断的根联系在一起。根据海湾的年龄和海草的生长速度，研究人员推断鲨鱼湾的这个克隆体大约有 4500 年的历史。

2020 年初距离地球 700 光年之遥的超巨星参宿四经历了一次奇怪的不均匀变暗，天文学界争先恐后地解释发生了什么。在最近发表在《自然》期刊上的一项新研究中，三位天文学家证实了部分早期解释，这要归功于日本气象卫星 Himawari-8——在它的图像背景中有参宿四。顾名思义，Himawari-8 是日本气象厅运营的第八代 Himawari 卫星。它在地球静止轨道上运行，距离赤道 22236 英里。比国际空间站要远 90 多倍。卫星每 10 分钟拍摄一次整个地球的光学和红外图像，帮助预测亚洲和西太平洋的天气。它拍摄了大量 1月 15 日发生的汤加火山喷发的图像。然而通过回顾追溯到 2017 年的图像，三名日本研究人员寻找可能是参宿四的光点。他们找到了。研究人员研究了该光点，得出了与前辈相同的结论：参宿四变暗是因为灰尘和光线的一些自然变化。这听起来完全不令人兴奋，但是它很好地证实了我们都在正确的轨道上，这正是此项科学研究的目的。有趣的是气象卫星能提供这些数据。对天文学家来说，可能是一件大事。建造和发射新的太空望远镜可不是一件便宜或者容易的事，你必须为自己预订一枚火箭。但已有卫星在绕地球运行，它们也许能完成类似的工作。