河套 IT TALK 56：（原创）万物自动化——美国国防部的“天使基金”在投什么项目？(七)
【太长不看】(TLDR) ：本文介绍了10个DARPA目前正在投资的项目，分别为：AMBIIENT（地球原生地形生物成像的原子磁力计项目）、A-PhI (原子光子集成) 、ARCOS (软件自动化快速认证)、AISS (安全硅的自动实施)、ASKE (自动化科学知识提取)、ASKEM(自动化科学知识提取和建模) 、ADEPT (实现预防和治疗的自主诊断)、Battlefield Medicine（战地医学）、 BRACE (老化混凝土建筑的仿生修复) 、BETR (组织再生生物电子学) 。其中的自动化，会让你印象深刻。不仅仅有软件认证的自动化，还有芯片的自动化安全设计，病毒诊断的自动化，老化混凝土的自动修复，人体组织的自动再生修复……自动化已经渗透到每一种可能性的领域。
在本系列的第一篇我们对美国国防高级研究计划局（DARPA）做了一个简短的介绍。
DARPA的项目相当多都是公开的，由于机构运作节奏很快，所以项目也不停地启动和终结。但有一点是毫无疑问的：了解DARPA正在资助什么项目，会有助于我们了解美国科技的前沿。这个系列，我们将分大约分几期来阐述当下DARPA网络公开的正在资助的科研工程项目，让大家一窥端倪，或许能对在科技前沿的方向选择上的朋友有一定程度的启迪。
本文，我们将继续和大家介绍另外10个DARPA正在投资对项目。其中的自动化，会让你印象深刻。不仅仅有软件认证的自动化，还有芯片的自动化安全设计，病毒诊断的自动化，老化混凝土的自动修复，人体组织的自动再生修复……自动化已经渗透到每一种可能性的领域。
注意我们对每个项目的解读也有自身知识结构的局限，如果想进一步了解更多信息，可以去公开渠道自行查询。
AMBIIENT
AMBIIENT是Atomic Magnetometer for Biological Imaging In Earth’s Native Terrain（地球原生地形生物成像的原子磁力计项目）的缩写。
地球磁场是由地核中铁水的运动产生的，它以复杂的三维模式围绕着地球。磁力计是用于测量地球磁场的设备。它们广泛用于各种应用，包括：
- 地球物理学：磁力计通常用于地球物理学研究地球磁场和定位埋藏物体，例如管道、电缆、考古文物、检测未爆炸弹药。
- 导航：磁力计用于导航系统，例如指南针，以确定磁北的方向。它们还用于惯性导航系统以测量位置和方向的变化。
- 矿物勘探：磁力计用于矿物勘探以定位铁、镍和其他磁性矿物的矿床。
- 环境监测：磁强计用于环境监测，检测闪电、地震、火山爆发等自然现象引起的地球磁场变化，特别是水下和地下异常。
- 医学成像：磁力计也用于医学成像，特别是磁共振成像 (MRI)，它使用强磁场来创建人体内部结构的详细图像。
市售的磁力计范围从廉价的霍尔探头到高度灵敏的磁通门和原子磁力计，再到高精度超导量子干涉装置 (SQUID) 和自旋交换弛豫自由 (SERF) 磁力计。这些设备通常具有有限的动态范围：性能较低的设备可以在广泛地运行，而性能最高的传感器只能在高度屏蔽的专用实验室设施中运行。
AMBIIENT 计划将研究一种磁力计传感器提供独特的生物过程动态成像能力，并广泛应用于生物医学研究和临床诊断，包括脑磁图和心磁图。最近的研究证明了在脊柱信号检测、轻度创伤性脑损伤诊断和脑机接口方面的新兴应用。
原子磁力计基于一种称为光泵磁力计的技术。该技术涉及使用激光激发气体中的原子，然后当暴露在磁场中时会发光。通过测量这种光的强度，研究人员可以准确地测量磁场的强度和方向。
原子磁力计的主要优点之一是它们高度灵敏并且可以检测极弱的磁场。这使它们成为检测人体自然生化过程产生的磁场的理想选择，这些磁场通常比 MRI 等医学成像技术产生的磁场弱得多。除了灵敏度之外，原子磁力测量法与传统医学成像技术相比还有其他几个优势。例如，它不使用大剂量对身体有害的电离辐射。它也是非侵入性的，可用于实时创建身体图像，无需造影剂或电离辐射其他侵入性程序。
AMBIIENT 项目仍处于研发阶段，但该技术具有彻底改变医学影像领域的潜力。随着进一步的研究和开发，它最终可以用于诊断和治疗从癌症到神经系统疾病的各种疾病。
关键词：原子磁力计、磁力计传感器、医学成像技术
A-PhI
A-PhI 是Atomic-Photonic Integration (原子光子集成) 的缩写。
在原子、光子、量子领域，我们已经看到了很多的DARPA项目。可见，这个领域是美国国防部投资的重点基础物理领域。展开来看，无非是以下几个应用场景：
量子计算：这是一个研究领域，专注于开发使用量子力学处理信息的计算机。量子计算机具有解决经典计算机难以解决的问题的潜力，它们可以在密码学、化学和材料科学等领域有广泛的应用。
原子钟：原子钟是利用原子的振动以非常精确的方式测量时间的设备。它们用于广泛的应用，包括 GPS 系统、电信网络和科学实验。
量子通信：量子通信是一种利用量子力学来保证信息安全的通信方式。这是通过在粒子（例如光子或原子）的量子态中编码信息来实现的，如果不改变信息就无法拦截这些粒子。
量子传感：量子传感是一个研究领域，专注于利用量子力学原理来制造高度敏感的传感器。这包括用于测量磁场、电场、温度和压力的传感器。
今天介绍的A-PhI项目，相当于是一个基础项目，旨在结合原子和光子的特性来创造具有独特功能的新技术。目标是创建可以使用近红外激光束捕获和操纵原子的设备，并使用这些设备创建新型传感器、通信系统和量子计算机。
这里面的原子可能包括铯、铷和钾等碱金属原子，以及铕和镱等稀土离子。
这里面的光学系统包括数百个单独排列的光学元件，形成光子电路，进而形成光子集成电路 (PIC)。光子集成电路将执行激光冷却、捕获、探测和检测的功能。
原子光子集成 (A-PhI)在与量子技术相关的多个不同领域中应用：
在量子计算中，A-PhI 技术可用于高精度控制单个原子的量子态，这对于执行量子计算至关重要。
在量子传感中，A-PhI 可用于创建高度敏感的传感器，通过将原子捕获在一个小区域并使用激光监测它们与周围环境的相互作用，可以检测温度、压力或磁场的变化。
在量子通信中，A-PhI 可用于创建可以控制光子量子态的设备，这些设备可用于安全地编码和传输信息。
A-PhI 旨在为两种设备类别（原子钟和陀螺仪）开发 PIC。在原子钟的情况下，PIC 将需要频率微梳以实现超低相位噪声微波输出的光学分频。在考虑相位噪声和音量的组合时，这将产生世界上最好的微波振荡器组合。就原子陀螺仪而言，挑战在于匹配或超过捕获原子系统中未捕获原子设备的性能，这些系统适合与 PIC 接口。
关键词：量子计算、量子通信、量子传感、光子集成电路
ARCOS
ARCOS 是Automated Rapid Certification Of Software (软件自动化快速认证)的缩写。
当前，软件认证过程主要是手动的，并依赖于人工评估人员通过大量文档或保证证据来确定软件是否符合某些认证标准。该过程耗时长、成本高，并且可能因为评估人员将自己的专业知识、经验和偏见带入过程，从而导致评估表面化或不完整。由于缺乏分解评估的原则性手段，因此很难创建一个平等且值得信赖的流程，该流程同样适用于所有软件。此外，软件的每个子系统和组件必须独立评估并重新评估，然后才能在新系统中使用。因此软件自动化快速认证是解决这个问题的必经之路。
软件自动化快速认证并不是一个新鲜概念。很多复杂的大系统都会采用某种程度的软件自动化快速认证或者测试系统。但是当前自动化认证有几个缺点：
- 缺乏灵活性：当前的自动化认证系统通常设计用于特定的编程语言或开发环境，这会限制它们的适用性和灵活性。
- 范围有限：许多当前的自动化认证系统专注于特定类型的错误或漏洞，例如缓冲区溢出或 SQL 注入攻击。这可能会使其他类型的错误和漏洞未被发现。
- 误报率高：自动认证系统会产生大量误报，调查和解决这些问题既费时又费钱。
无法处理复杂的软件系统：当前的自动化认证系统可能难以处理具有许多交互组件的大型复杂软件系统，这使得识别和解决错误和漏洞变得困难。
适应不断变化的威胁的能力有限：随着新型错误和漏洞的出现，当前的自动化认证系统可能难以跟上，这可能会使软件系统容易受到攻击。
ARCOS 计划旨在通过开发可以更有效和高效地分析和验证软件系统的新工具和技术来解决当前自动认证系统的这些和其他限制。该计划旨在创建一个更灵活、可扩展和适应性更强的软件验证框架，以跟上现代软件系统面临的快速发展的威胁。ARCOS利用基于模型的设计技术、“大代码”分析、数学上严格的分析和验证以及保证案例语言的最新进展，使认证者能够快速确定系统风险是否可接受。
首先，对其软件开发流程进行现代化改造。该策略的目标是从基于文档的工程流程转向设计模型，这些设计模型将成为系统的权威事实来源。这样的未来不适合当前的认证实践，但它将促进保证的自动化评估。
第二，多项技术的进步为相信自动评估保证证据以支持认证成为可能提供了信心基础。基于模型的设计技术，包括概率模型检查，可以以量化不确定性的方式对设计进行推理。所谓的“大代码”分析率先将基于语义的分析应用于软件及其相关工件。数学上严格的分析和验证提供了开发明显正确和合理的软件实现的能力。保证案例语言为我们提供了一种以机器可读的方式表达关于软件如何实现其认证目标的论点的方法。包括概率模型检查，可以以量化不确定性的方式对设计进行推理。所谓的“大代码”分析率先将基于语义的分析应用于软件及其相关工件。数学上严格的分析和验证提供了开发明显正确和合理的软件实现的能力。
第三，保证案例语言为我们提供了一种以机器可读的方式表达关于软件如何实现其认证目标的论点的方法。包括概率模型检查，可以以量化不确定性的方式对设计进行推理。所谓的“大代码”分析率先将基于语义的分析应用于软件及其相关工件。数学上严格的分析和验证提供了开发明显正确和合理的软件实现的能力。保证案例语言为我们提供了一种以机器可读的方式表达关于软件如何实现其认证目标的论点的方法。数学上严格的分析和验证提供了开发明显正确和合理的软件实现的能力。保证案例语言为我们提供了一种以机器可读的方式表达关于软件如何实现其认证目标的论点的方法。数学上严格的分析和验证提供了开发明显正确和合理的软件实现的能力。保证案例语言为我们提供了一种以机器可读的方式表达关于软件如何实现其认证目标的论点的方法。
第四，ARCOS不关心这些软件是用何种编程语言编写的。实现与语言无关的软件认证的一种方法是使用形式化方法。形式化方法是用于验证软件系统正确性的数学技术，可以应用于以任何编程语言编写的软件。形式化方法涉及以精确和明确的方式指定软件系统的行为，然后使用数学技术来验证软件是否符合其规范。另一种方法是使用机器学习技术，可以学习软件代码中的模式，而不管它是用什么语言编写的。例如，自然语言处理技术可用于分析软件注释和与代码相关的其他文本信息，而深度学习技术可用于分析代码本身的结构。
综上所述，ARCOS 将探索新旧软件证据生成过程自动化的技术；创建一种在保持证据来源的同时整理证据的方法；开发用于自动构建保证案例的技术，以及可以验证和评估保证案例论证的可信度的技术。证据生成、管理和评估技术将构成 ARCOS 工具和流程，共同努力提供一种可扩展的方式来加速认证途径。
关键词：软件自动化、大代码
AISS
AISS 是Automatic Implementation of Secure Silicon (安全硅的自动实施)的缩写。
在过去的十年中，网络安全威胁已经从软件堆栈的高层逐渐转移到计算层次结构的较低层次，并逐渐向底层硬件发展。
Spectre 和 Meltdown 是 2018 年在英特尔、AMD 和 ARM 制造的计算机处理器中发现的两个相关安全漏洞。这些漏洞允许攻击者利用处理器推测执行功能中的缺陷，该功能用于加速指令处理。通过利用这些漏洞，攻击者可能会访问存储在计算机内存中的敏感信息，包括密码、加密密钥和其他数据。这些漏洞尤其令人担忧，因为它们影响了台式机、笔记本电脑和移动设备中使用的各种处理器。
2010年，在伊朗发现一种高度复杂的针对伊朗的核设施的恶意软件网络攻击Stuxnet，旨在破坏该国的核计划。该恶意软件能够感染用于操作用于铀浓缩的离心机的工业控制系统。它是已知的首批专门针对工业控制系统的网络攻击示例之一，工业控制系统用于控制发电厂、水处理设施和运输系统等关键基础设施。该攻击还因其复杂性而引人注目，其中涉及多个零日漏洞和用于逃避检测的复杂技术。
硬件安全在军事和国防应用中尤为重要，在这些应用中，硬件系统用于控制关键基础设施、武器系统和通信网络。受损的硬件系统可能导致敏感信息丢失或关键操作中断，并可能带来毁灭性后果。
尽管人们越来越认识到这个问题，但目前还没有广泛使用的芯片级安全通用工具、方法或解决方案。这在很大程度上是由通常与安全芯片设计相关的经济障碍和技术权衡所驱动的。此外，现代芯片设计方法是无情的——一旦设计出芯片，事后增加安全性或进行更改以应对新发现的威胁几乎是不可能的。
AISS 旨在通过开发用于设计和实施安全硬件系统的新技术来应对这些挑战，这些技术有助于确保敏感数据和通信的完整性和机密性。通过自动化硬件设计和实施过程的各个方面，AISS 可以帮助降低人为错误的风险并提高硬件系统的整体安全性。
AISS 寻求创建一种新颖的自动化芯片设计流程，使安全机制能够与芯片设计的目标一致地扩展。目标设计流程将提供一种快速评估架构替代方案的方法，以最好地解决所需的设计和安全指标，以及各种成本模型以优化经济与安全权衡。目标片上系统 (SoC) 将自动生成、集成和优化，并将由两个分区组成——一个专用处理器分区和一个实现片上安全功能的安全分区。为芯片设计过程带来更大的自动化。
AISS 试图解决与数字 ASIC 和 SoC 最相关的四个特定攻击面。其中包括：旁道攻击、逆向工程攻击、供应链攻击和恶意硬件攻击。
侧信道攻击：侧信道攻击是一种针对密码系统实施而不是系统中使用的数学算法的攻击。侧信道攻击利用系统物理实现中的弱点来提取秘密信息，例如加密密钥或密码。例如，攻击者可以使用功耗、电磁辐射甚至声音来获取有关系统运行的信息。
逆向工程攻击：逆向工程是分析系统或设备以了解其工作原理的过程。逆向工程攻击涉及分析系统以识别漏洞或获取秘密信息。攻击者可以使用多种技术，例如反汇编代码、检查内存转储或分析网络流量来对系统进行逆向工程。
供应链攻击：供应链攻击是一种针对硬件或软件组件的第三方供应商以获得对目标系统的访问权限的攻击。攻击者可以破坏供应商的软件或硬件、注入恶意软件或修改固件，以便在目标系统中创建后门。供应链攻击特别具有挑战性，因为它们会影响大量系统，并且在攻击已经发生之前可能无法检测到。
恶意硬件攻击：恶意硬件攻击涉及将恶意组件插入系统，例如隐藏的微芯片或修改的电路板。这些类型的攻击可能难以检测并且可能特别具有破坏性，因为它们会危及整个系统的安全性。从制造商到最终用户，供应链中的任何一点都可能受到恶意硬件攻击。
由于抵御威胁的策略在成本、复杂性和侵入性方面差异很大，AISS 将帮助设计人员根据潜在的攻击面和妥协的可能性评估最合适的防御机制。
除了整合可扩展的防御机制外，AISS 还寻求确保构成芯片的 IP 块在整个设计过程中保持安全，并且在它们通过生态系统时不会受到损害。因此，该计划旨在通过推进当前方法或发明新颖的技术方法，推进现有设计组件的来源和完整性验证技术。
关键词：硬件安全、自动化芯片设计、旁道攻击、逆向工程攻击、供应链攻击、恶意硬件攻击
ASKE
ASKE是Automating Scientific Knowledge Extraction (自动化科学知识提取)的缩写。
自动化科学知识提取 (ASKE) 是 DARPA 人工智能探索 (AIE) 计划的一个子程序。ASKE 的目标是开发新的人工智能技术，可以自动从科学出版物、数据库和其他科学信息来源中提取和组织知识。最终目标是创建人工智能系统，帮助科学家和研究人员更有效地发现新知识、产生假设，并加快科学发现的步伐。
AIE 计划是 DARPA 于 2018 年发起的一项研究计划，旨在资助人工智能 (AI) 领域的创新和高风险、高回报研究。该计划旨在支持有可能在 AI 技术和应用方面取得变革性突破的研究项目。因为AIE包含很多的子项目，以后有机会专门展开来讲。
ASKE 寻求开发方法，通过解释和公开现有模型代码中的科学知识和假设，使科学家更容易构建、维护和推理复杂系统的丰富模型——这些模型可能包括物理、生物、社会、工程或混合系统和文档，自动识别新的数据和信息资源，从这些来源中提取有用的信息，将这些有用的信息集成到机器管理的专家模型中，并以稳健的方式执行这些模型。
ASKE 的一些具体目标包括：
开发用于从科学文本中自动提取关键概念、关系和见解的算法和技术。
创建可以集成来自多个来源的数据的 AI 系统，包括科学出版物、实验数据以及其他结构化和非结构化数据。
开发用于评估自动化知识提取系统的准确性和实用性的工具和框架。
调查使用人工智能提取科学知识的伦理和社会影响，包括与偏见、隐私和负责任地使用科学数据有关的问题。
ASKE可能涉及到的技术包括但不局限于：
自然语言处理 (NLP)：NLP 技术用于从科学文本中自动提取关键概念、关系和见解。这包括命名实体识别、实体链接和语义角色标记等任务。
机器学习 (ML)：ML 算法用于自动分类和组织科学出版物和其他科学信息来源。这包括文档分类、主题建模和聚类等任务。
深度学习 (DL)：DL 算法用于从科学文本和数据中自动提取特征，从而实现更准确的分类和分析。这包括深度神经网络和卷积神经网络等技术。
知识表示和推理 (KRR)：KRR 技术用于以结构化和机器可读的格式表示科学知识，使其更易于分析并与其他数据源集成。这包括本体开发和知识图谱构建等技术。
综上所述，ASKE 是一个高度跨学科的项目，涉及广泛领域的研究人员，包括计算机科学、人工智能、自然语言处理以及生物学、物理学和化学等各个科学领域。通过自动化科学知识提取过程，ASKE 有可能改变科学研究的方式，并加快一系列领域的科学发现步伐。
关键词：自动提取、机器学习、深度学习、知识表示和推理
ASKEM
ASKEM是Automating Scientific Knowledge Extraction and Modeling (自动化科学知识提取和建模) 的缩写。
ASKEM是ASKE的后续。在自动化科学知识提取（ASKE）人工智能（AI）探索工作的基础上，DARPA 的自动化科学知识提取和建模（ASKEM）计划将使用人工智能方法和工具来创建、维持和增强复杂的模型和模拟器。这些工具将使专家能够维护、重用和调整大量异构数据、知识和模型的集合——具有跨知识源、模型假设和模型适用性的可追溯性。项目执行者将把模型和模拟器应用于各种用例，重点是对 COVID-19 等病毒流行病进行建模，以及太空天气的成因和影响。
为了支持复杂的现代系统的需求，计算模型和模拟器已成为编码、传播和应用专家知识解决现实世界科学和工程问题的主要工具。例如，如果不首先使用设计的计算模型进行详尽的模拟，就不太可能制造新的飞机、火箭或汽车发动机。来自许多领域（包括社会科学和生物物理科学）的计算模型的输出甚至直接写入各级行政部门的政策和法规，这使得建模和仿真对于美国国防部的运营和战略规划及分析至关重要。
尽管如此重要，但发现、创建、维护、验证和使用专家知识和模型的过程仍然是手动的、耗时的，并且容易出现技术和概念错误。例如，当前的建模管道无法维护开发期间做出的相关输入、假设和建模选择。快速变化的知识、语义不透明的模型和黑盒模拟器使得几乎不可能保持一致的科学建模和模拟方法，从而导致专家决策支持不力。
有许多技术可以帮助使用数学或统计技术创建复杂系统或现象的预测模型。其中一些技术包括：
- 机器学习算法，例如回归、聚类、决策树和神经网络，它们可以学习数据中的模式和关系，并根据这些模式进行预测。
- 统计建模技术，例如回归分析、时间序列分析和贝叶斯推理，可以帮助识别数据中的趋势和关系，并估计未来事件发生的概率。
- 优化算法，例如线性规划和遗传算法，可以帮助找到复杂问题的最佳解决方案。
- 模拟工具，例如基于代理的模型和系统动力学模型，它们可以模拟复杂系统的行为并帮助理解它们在不同场景中的行为方式。
- 大数据技术，如 Hadoop 和 Spark，可以处理大量数据并支持海量数据集的处理和分析。
- 数据可视化工具，例如 Tableau 和 Power BI，可以帮助用户理解和交流来自数据的见解。
这些技术可以相互结合使用，创建复杂的预测模型，帮助我们更好地理解和管理复杂的系统和现象。
如果成功，ASKEM 将显着加速科学和工程进步，改善科学合作，并提供更及时、更可靠的专家指导，以支持威胁检测、干预和决策制定，尤其是在快速发展的环境和关键任务领域。
关键词：统计建模、预测模型
ADEPT
ADEPT是Autonomous Diagnostics to Enable Prevention and Therapeutics (实现预防和治疗的自主诊断)的缩写。
为了应对新冠病毒等传染病的威胁，需要由系统的方式应对这种挑战。药物和疫苗开发的传统方法可能缓慢、昂贵，并且通常依赖于对疾病潜在生物学的不完全理解。此外，广谱抗生素的使用导致耐药菌株的出现，使治疗感染变得越来越困难。
美国国防部的ASEPT计划旨在通过开发用于快速诊断、预防和治疗传染病的新技术来应对这些挑战。通过利用基因组学、合成生物学和机器学习的进步，该计划旨在创造新一代医疗工具，能够快速应对新出现的威胁，并提供更有针对性和更有效的治疗。
ADEPT 计划建立在三个主要技术领域之上：检测、预测和响应。检测部分侧重于开发能够快速准确识别传染原的传感器和其他诊断工具。预测部分涉及使用机器学习和其他人工智能技术来分析来自多个来源的数据并预测爆发的可能性。响应部分涉及开发可以快速部署以控制和治疗传染病的疗法和其他干预措施。
ADEPT 计划的主要目标之一是开发一个自主系统，该系统可以快速识别爆发的原因并向公共卫生官员提供实时数据，使他们能够迅速采取行动遏制和控制疾病的传播.该系统将使用先进的传感器（例如纳米级生物传感器）来检测环境中是否存在传染性病原体，并使用先进的数据分析和机器学习技术来分析来自多个来源（例如社交媒体和医疗记录）的数据，以识别模式并在爆发发生之前进行预测。
ADEPT 计划的四个重点包括用于医疗决策制定和准确威胁跟踪的简单易用、按需诊断；快速制造效力增强的新型疫苗的新方法；为靶向药物输送和体内诊断设计哺乳动物细胞的新工具；以及使用抗体赋予个体近乎即时免疫力的新方法。
简单易用的按需诊断：这一重点侧重于开发可在护理点或现场使用的新诊断技术，无需专业知识或设备。这些诊断可用于快速准确地识别传染病、生物威胁或其他医疗状况。比如核酸扩增检测 (NAAT)。
快速制造新疫苗的新方法：这一重点旨在开发可用于快速应对新出现威胁的疫苗制造新方法。这可能涉及开发用于疫苗生产的新平台，例如使用合成生物学或其他先进技术，或开发用于快速测试和验证候选疫苗的新方法。
用于药物输送和体内诊断的哺乳动物细胞工程工具：该重点领域侧重于开发哺乳动物细胞工程新技术，以便它们可用于将药物或诊断剂直接输送到体内的目标组织。这可能涉及使用基因编辑、合成生物学或其他先进方法等技术来修饰细胞，以便它们能够响应特定线索产生和释放治疗或诊断分子。
赋予近乎即时免疫力的方法：该重点领域旨在开发新方法，为个人提供即时免疫力以应对新出现的威胁。这可能涉及开发用于快速生产和递送单克隆抗体的新技术，这种抗体可以提供针对传染源的即时保护，或者开发用于诱导先天免疫以应对广泛威胁的新方法。
除了关注传染病外，ADEPT 计划还对精准医疗领域具有更广泛的影响，该领域旨在根据每位患者的个体特征量身定制医疗方案。该计划强调个性化诊断和靶向治疗，有可能彻底改变我们处理从癌症到神经系统疾病的许多不同类型疾病的方式。
关键词：米级生物传感器、核酸扩增检测、机器学习
Battlefield Medicine
Battlefield Medicine说的就是战地医学。
众所周知，战争状态，战场后勤和医疗环境会面临巨大的挑战。特别是医疗物资运送方面。包括但不局限于：
资源有限：在战场场景中，医务人员往往面临有限的资源，包括人员、设备和医疗物资，这可能难以为所有伤员提供足够的医疗服务。
偏远地点：许多战场情况发生在偏远或敌对地点，这使得医务人员难以快速到达受伤士兵并为他们提供必要的医疗护理。
时间压力：在战场情况下，医务人员提供护理的时间往往有限，尤其是对于重伤，需要迅速果断地采取行动。
交通阻断：因为战场的各种风险，导致医疗物资资源运输路途中可能会遭遇伏击和其他武装冲突，导致物流受阻。
综上所述，战场上，医疗供应物流方法在远距离紧急情况设置、对紧急战区威胁的响应以及生物准备储备的实用性方面受到限制。制造有机药物和蛋白质疗法并将其空运到战场前线通常需要数周到数月的时间，这意味着关键的医疗用品通常无法及时到达最需要的地方。此外，根据预期的特定威胁提前准备医疗用品的需要可能会导致在未意识到该威胁时浪费材料、劳动力和金钱。
Battlefield Medicine 寻求通过两个综合研究重点来解决这一能力差距：按需药房 (PoD) 和生物衍生药物按需 (Bio-MOD) 计划。
Pharmacy on Demand (PoD) 旨在开发一种快速、按需生产小分子药物的系统。目前的药物开发和生产过程可能需要数年时间，而且往往成本高昂，限制了某些药物的供应并导致药物短缺。PoD 旨在通过开发一个紧凑的自动化系统来解决这个问题，开发微型化设备平台和技术，以生产多种小分子活性药物成分 (API) 和治疗性蛋白质，该系统可以按需生产药物，从而可以更敏捷地应对特定的战场威胁和出现的医疗需求。
生物衍生药物按需 (Bio-MOD) 倡议侧重于开发类似的系统，但用于快速生产抗体和疫苗等生物药物。生物药物常用于治疗小分子药物不能治疗的疾病，但其生产过程比小分子药物更复杂、更耗时。Bio-MOD 旨在开发一种系统，该系统可以结合使用合成生物学和微流体技术按需生产生物药物，从而有可能对新出现的健康威胁做出快速反应。重点是开发用于基因工程和微生物菌株、哺乳动物细胞系改造的新颖、灵活的方法，和无细胞系统来合成多种基于蛋白质的疗法。
在开发灵活、小型化的合成和制造平台时，Battlefield Medicine 将利用连续流方法，如果成功，将为在战场和其他严峻环境中实现分布式、按需药物制造能力铺平道路。此外，该平台将具有内置的灵活性，可以通过其模块化反应设计产生多种类型的治疗药物。Battlefield Medicine 的最终愿景是实现有效的小批量药品生产，从而消除对单独药品储存、冷藏和复杂物流的需求。显着降低药物生产成本，使需要药物的人更容易获得救命药物。
关键词：战地医学、小分子药物、合成生物学、微流体技术、按需药物制造
BRACE
BRACE是Bio-inspired Restoration of Aged Concrete Edifices (老化混凝土建筑的仿生修复) 的缩写。
很多国防建筑都依赖钢筋混凝土结构，例如导弹发射井和海军码头，这些结构已有数十年历史，不易更换，并且容易开裂和腐蚀。国防还依赖于远征环境中的混凝土机场路面，这些路面很容易因过度使用或攻击而受损，需要在具有挑战性的环境下快速修复。不幸的是，维护混凝土的最先进方法是一次性干预，仅限于修复表面或附近的缺陷，并且通常需要关键资产的停机时间。目前没有任何技术可以对现有老化混凝土内部的缺陷进行持续的裂缝修复和预防，也没有对损坏的机场路面进行长期修复。
BRACE 计划借鉴了已经进化到自我修复和再生的生物系统的见解，例如骨骼、牙齿和植物的愈合过程。该计划旨在开发新材料、技术和方法，以复制这些自然过程，以修复和加固老化的混凝土结构。
受支持修复多细胞生物和生态系统的血管系统的启发，BRACE 计划将开发仿生方法，1) 深入老化混凝土中形成愈合“血管系统”，用于持续的损伤修复；2) 与新混凝土结合以增加跑道补丁修复的耐久性。
第一个目标是在老化混凝土深处整合一个自我修复的“脉管系统”，以允许持续的损伤修复。这涉及在混凝土中创建通道或“静脉”， 指集成在混凝土材料中的通道或孔隙内部网络，其中可以填充修复剂或“血液”（例如，富含矿物质的液体、细菌或其他愈合试剂）。当出现裂缝或其他损坏时，修复剂会从静脉中释放出来，以填补空隙并恢复混凝土的结构完整性。当结构中的混凝土开始开裂或劣化时，微血管网络会释放一种愈合试剂，如聚合物或水泥，进入受损区域以填充和修复裂缝。该系统被设计为自我维持，微血管网络能够在较长时间内根据需要输送治疗剂。通过不断修复发生的损坏，BRACE 系统可以帮助延长老化混凝土结构的使用寿命，并减少昂贵的维修和维护需求。
第二个目标是将自我修复技术与新混凝土相结合，以提高跑道补丁修复的耐久性。这涉及使用相同的自我修复技术来制造更坚固的混凝土修补材料，可以承受跑道使用的磨损。通过将愈合的“脉管系统”整合到新混凝土中，可以更快更有效地进行修补修复，从而减少频繁维护和修理的需要。
BRACE 计划有可能通过开发新的、更高效、更可持续的解决方案来延长这些关键基础设施的使用寿命，从而彻底改变我们维修和维护老化混凝土结构（例如桥梁、水坝和建筑物）的方式资产。
关键词：脉管系统、仿生修复
BETR
BETR 是Bioelectronics for Tissue Regeneration (组织再生生物电子学) 的缩写。
在战场环境，战士受伤会经常发生。考虑到后勤医疗环境的局限性，如果存在直接干预伤口愈合来加速战士体能恢复的技术会显得异常重要。
组织再生生物电子学 (BETR) 计划旨在开发可帮助再生和修复体内受损组织的创新型植入式医疗设备。该计划的重点是开发先进的生物电子学，以刺激人体的自然再生能力、促进组织生长和加速愈合。
该系统使用执行器对组织进行生化或生物物理刺激，使用传感器跟踪身体对刺激的复杂反应，并使用自适应学习算法整合传感器数据并指示对执行器的干预。在对生理过程建立这种闭环控制后，BETR 研究人员将把这些设备集成到一个平台中，实时引导组织沿着最佳生长途径生长。
电刺激可用于通过应用低水平电流或场刺激细胞活动来促进组织的生长和再生。这可以通过多种技术来完成，包括对组织的直接电刺激、使用植入电极或通过使用外部设备施加电场。
电刺激可以帮助促进血管的生长，这对于向组织输送氧气和营养物质很重要。它还可以帮助刺激新组织细胞的生长和新组织结构的形成，例如骨骼、软骨和肌肉。此外，电刺激可以帮助减少炎症并促进受损组织的愈合。
用于组织再生的特定电参数可能会根据所治疗组织的类型、损伤的严重程度和其他因素而有所不同。研究人员继续研究组织再生的最佳电参数，并正在探索向组织提供电刺激的新技术。
最终，通过 BETR 计划，DARPA 旨在提供具有必要复杂性的医疗干预措施，以便在受伤后更快地恢复复杂的人体组织。这项工作特别关注与作战人员相关的伤害，例如对皮肤、肌肉和神经的爆炸和烧伤。如果该计划成功，战士们可以更快、更完全地恢复作战能力。
关键词：组织再生、自动愈合、电刺激
未完待续…
附：DARPA简介
DARPA，全称Defense Advanced Research Projects Agency，也就是美国国防高级研究计划局。从历史起源来看，DARPA是典型美苏冷战的产物。苏联在1957年率先发射了人类第一颗人造卫星Sputnik 1，正式开启了太空时代。为了和苏联撸起袖子展开竞争，当时的总统艾森豪威尔在1958年2月7日，联合学术界、工业界和军方创建了DARPA。承诺从那时起，美国将成为战略技术意外的发起者，而不是受害者角色。DARPA 一直不辱使命，坚持一项独特而持久的使命：对美国国家安全的突破性技术进行关键投资。DARPA属于典型的军民融合机构，所以在DARPA成立的50多年来，投资的项目无数，而且相当多的项目都超出了军方的需求。比如我们现在熟知的ARPANET（互联网等等前身）、GPS、自动语音识别和我们前几期提到的波士顿动力的多足机器人都是DARPA投资的杰作。其实远不限于此，现代科技的任何一个角落，几乎都有DARPA的影子。《经济学人》称 DARPA 是“塑造了现代世界”的机构。
更详细介绍请参见：聊聊美国国防高级研究计划局正在投资的项目(一)