Phantom Neuro获得1900万美元A轮融资,由Ottobock领投

投资将加速Phantom X的临床试验和商业化,Ottobock将加入Phantom Neuro董事会

Phantom Neuro,这家推动人机接口发展的神经科技公司,今天宣布完成了由Ottobock领投的超额认购1900万美元A轮融资。图片{ width=60% }


Ottobock是全球假肢、矫形器和外骨骼技术领域的领导者。此次融资包括现有投资者的参与,如Breakout Ventures、Draper Associates、LionBird Ventures、Time BioVentures和Risk and Return,以及新投资者Actual VC、METIS Innovative、e1 Ventures、Jumpspace、MainSheet Ventures和Brown Advisory。

此次投资使Phantom Neuro的总融资额达到了2800万美元,这是该公司实现其Phantom X机器人控制平台向患者推广使命的一个里程碑。资金将支持前临床测试、首个人体试验的完成、监管提交以及更广泛控制应用的研究与开发,超越假肢领域。

Phantom Neuro创始人兼首席执行官Connor Glass博士表示:“Ottobock的支持凸显了神经科技、假肢和机器人技术日益融合的趋势。几十年来,Ottobock一直处于为数百万人的恢复行动力的最前沿。通过与他们的合作,我们正在加速Phantom X的市场路径,并为我们所有人渴望的未来奠定基础,让助行设备真正成为人体的自然延伸。”

作为投资的一部分,Ottobock将加入Phantom Neuro的董事会,带来在全球假肢和外骨骼市场的专业知识,支持Phantom的商业化努力。

Ottobock首席执行官Oliver Jakobi表示:“Phantom Neuro正在改变人们与助行设备的互动方式,他们的微创神经接口技术代表了该领域的一大进步。我们的投资反映了我们作为MedTech冠军在引领假肢市场中的雄心,确保患者能够获得尽可能有效的解决方案。我们期待与Phantom Neuro合作,扩大这种突破性技术的可及性。”

此次融资是在Phantom Neuro最近获得美国食品药品监督管理局(FDA)对Phantom X的突破性设备设计认证和目标加速途径(TAP)认证之后进行的。这些认证验证了该平台改善患者结果的潜力,通过提供类人的假肢和助行设备控制,并帮助加快监管审批。

此外,Phantom Neuro的ASCENT研究表明,Phantom X在解码11种基本手部和腕部动作的实时手势中实现了94%的准确度,进一步支持其恢复功能和独立性帮助行动受限个体的潜力。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Algolia推出首份关于运营搜索的报告

Algolia的数据揭示了搜索团队如何演变,以构建引人入胜的搜索与发现体验。图片{ width=60% }


Algolia,全球唯一的端到端AI搜索和发现平台,今天推出了首个《搜索团队如何工作:构建卓越搜索体验》报告。
报告的数据揭示了各个角色在组织中如何协作,以购买、构建或优化搜索的优先事项和工作实践。该报告考察了当前的实践,并展望搜索构建者和决策者未来的趋势和重要领域。
Algolia产品营销副总裁Nate Barad表示:“搜索不再只是技术功能——它是核心业务驱动力。由AI驱动的搜索和自动化正在改变我们如何提供无缝的用户体验,但成功取决于背后的团队。正确的AI、低代码工具和跨职能团队的组合,将使行业领导者脱颖而出。”
报告的主要发现包括:
持续和日益增长的AI采用

AI使用已如此广泛,以至于它成为搜索开发的标准部分,82%的团队定期使用AI。
受访者使用AI进行四项主要任务:编写代码(33%),执行行政任务(25%),管理技术(24%),和构建AI体验(17%)。
值得注意的是,用户(18%)引用的主要原因是公司安全,这也是其不使用AI的原因。在不使用AI的人中,有40%表示公司的安全团队已禁止在他们的开发和工作流程中使用AI。

对低代码和无代码工具的日益依赖

低代码和无代码工具的兴起导致57%的非开发人员团队成员在开发人员转向其他项目后,使用代码来分析数据和维护搜索实例。
这些非技术“编码者”是当今搜索构建团队的一部分。在商业角色中,65%的高管使用了代码,63%的营销人员,53%的商品专员,以及33%的产品经理。
三分之二的开发人员受访者更倾向于使用低代码和中代码的方法进行分析(64%)和行政任务(65%)。全代码和中代码的方法则更适合于高层工作,包括应用程序创建(85%)和数据集成(78%)。

搜索是一项团队努力

高管、开发人员、产品经理、营销人员和商品专员是搜索构建团队的主要角色。
尽管构建和交付搜索与发现体验的角色展现了不同的开发优先事项、搜索性能目标、技术专业知识和软技能,但没有单一角色可以独自形成卓越的搜索体验。
大多数搜索团队成员(70-80%)表示,他们与其他职能同事频繁协作。然而,仅有58%的非开发人员表示与开发人员频繁合作。

要了解Algolia的AI搜索技术如何支持搜索团队高效协作,您可以在此免费尝试Algolia AI搜索,或在此请求演示。想要了解推动搜索团队开发网站的趋势,可以下载 2025 年 B2B 电子商务网站搜索趋势报告的免费副本。
报告方法论
该报告基于来自美洲、欧洲、Middle East 和亚太地区1245名参与者的意见,这些参与者来自各个行业和规模的公司。该研究特别关注电子商务和零售行业的搜索构建者,这93%的参与者来自于该领域。
Business Wire是新闻机构、记者、投资专业人士和监管机构的可信来源,通过其多项专利NX网络,将新闻直接传输到编辑系统和领先的在线新闻源。Business Wire在全球拥有18个新闻中心,以满足通信专业人士和新闻媒体的需求。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

埃隆·马斯克接管后,X在英国的利润暴跌

X在埃隆·马斯克接管后的第一年里,英国的收入和利润大幅下滑,该公司已承认。


根据本周提交给英国公司注册处的账目,广告支出下降,以及对“品牌安全和/或内容审核”的担忧被认为是收入下滑的原因。Twitter UK Ltd 上个月还险些因为未能按时提交账目而被列入摘牌名单,最近提交给公司注册处的其他文件显示。该公司在星期一才提交了2023年的完整账目,这一年它在马斯克收购后改名为X。“为了建立品牌安全工具,投资于平台安全和内容审核,并教育广告主了解这些举措,业务仍在采取纠正措施,”该公司表示。其整体收入总计为6910万英镑,较2022年的2.053亿英镑下降了66.3%。2023年的利润从前一年的560万英镑降至120万英镑。税前利润则下降了74%,为225万英镑。该公司表示,这意味着“公司的业绩有了显著下降”。马斯克的接管还导致了一波裁员,这位亿万富翁在2023年告诉BBC,约有8000名Twitter员工中只有1500名仍在公司工作。在英国,公司账目显示,其员工人数从去年的399人减少至114人。其中“研究与开发”岗位裁减了173个。尽管面临困境,X的价值在今年早些时候回升至马斯克支付的440亿美元,而上个月他的X.AI人工智能公司以330亿美元收购了该业务。数字广告专家、AccuraCast首席执行官及Unyte.AI创始人Farhad Divecha表示,他对这些数据的揭示并不感到意外。“迹象一直存在,”他说。“如果说有什么的话,我认为我们已经经历了最糟糕的情况,X可能最终有机会恢复广告收入,但这只会发生在英国和欧洲,前提是马斯克和他的团队摆正态度,为广告商提供支持,并建立一些品牌安全的防护措施。”X已被联系以发表评论,作为签字账户的董事,Kin Fai Cheung 的名字也被提及。Cheung和Adeeb Sahar被列为该公司的董事,尽管马斯克在公司注册处被记录为“具有重大控制权”的人。去年底,马斯克在英国成立了一家公司,关于他计划向Nigel Farage的改革英国党做出大额捐赠的猜测随之而来。该公司名为X.AI London,成立于12月12日,注册为从事“商业和国内软件开发”,与X位于同一伦敦办公室。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Qmulos推出Q-行为分析与审计解决方案(Q-BA2)

基于情报界的内部威胁检测金标准,Q-BA2提供实时、数据驱动的洞察,以主动识别、调查和缓解安全威胁。图片{ width=60% }


Qmulos作为下一代合规、安全和风险管理自动化提供商,今天宣布推出一款先进的用户行为分析(UBA)和审计解决方案——Q-行为分析与审计(Q-BA2),旨在满足政府机构和商业企业的关键任务需求。Q-BA2基于情报界的内部威胁检测金标准ICS 500-27,提供实时的数据驱动洞察,以主动识别、调查和缓解组织网络中的安全威胁。

Q-BA2是一个一站式解决方案,提供先进的内部威胁检测和预防、强大的安全审计和严格的合规能力。通过利用AI/ML驱动的异常检测和Splunk强大的数据和分析平台,Q-BA2提供用户和实体行为的全方位可视性,具备持续监控、异常检测和动态实时警报功能。Q-BA2可以开箱即用地满足ICS 500-27、NIST、FedRAMP、CMMC、SOC 2和其他框架的合规要求。

“最大的网络安全威胁并不总是来自外部——它们往往起源于内部。先进的用户行为分析和内部威胁检测使组织能够检测异常、降低风险并保护敏感数据,防止损害的发生,”Qmulos首席执行官Matt Coose表示。

Q-BA2的关键能力与好处包括:

企业级用户行为分析

  • 早期威胁检测——通过AI/ML驱动的分析实时检测异常用户行为。
  • 基于风险的警报——根据风险行为触发警报,快速识别内部威胁和潜在安全漏洞。
  • 全面可视性——通过全面可操作的仪表板为安全团队提供丰富的洞察。

审计与合规准备

  • 规范的审计政策作为完整且优质数据的基础。
  • 开箱即用满足ICS 500-27、NIST和FedRAMP审计标准
  • 通过自动审计日志减少手动工作与合规成本
  • 满足审计人员对可防御的实时安全事件跟踪的要求

高级威胁狩猎与事件响应

  • 持续监控——监控所有用户和主机活动,以检测权限滥用、未授权访问和数据外泄。
  • 对风险用户和主机评分——根据行为模式和安全上下文优先处理威胁。
  • 快速调查与响应——安全团队可以快速处理警报并在损害发生之前响应威胁。

“没有一个全面的内部威胁解决方案,企业实际上是对可能已存在于其内部的危险视而不见。这类保障措施是至关重要的,”Coose补充道。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Infor Velocity Suite 加速流程创新与生成式人工智能

Infor Velocity Suite 使客户能够诊断、自动化和优化流程,从而实现更大的商业价值
Infor,这家行业云全面解决方案公司,宣布正式推出 Infor Velocity Suite,这是一整套解决方案和服务,旨在简化流程创新,帮助客户保持敏捷、适应性强和创新能力。图片{ width=60% }


Infor Velocity Suite 基于 Infor 行业云平台构建,旨在通过一揽子 Infor 最先进的技术和服务来消除流程创新的障碍,帮助客户实现价值。根据调查,75% 的 C 级高管和 3600 家组织的软件用户表示,价值来源于采用先进技术,Infor Velocity Suite 的设计旨在去除这些障碍,以推动灵活创新。

Infor Velocity Suite 使客户能够实现更大的商业价值,具体体现在以下几个方面:

诊断 - 通过 Infor 过程挖掘,客户可以在 Infor CloudSuite 内部诊断流程洞察,深入了解操作流程,识别与标准流程模型偏离的非符合变体,并找出关键瓶颈,从而提供改进领域的洞察。

自动化 - 借助 Infor Value+ 解决方案,客户可以利用生成式人工智能 (Gen AI) 和机器人过程自动化 (RPA) 来自动化在诊断阶段发现的改进,消除手动任务,提供见解并提供关键见解和行动以更加高效地自动化任务。

优化 - 客户可以利用 Infor Value+ 目录中预构建的行业用例,结合 Infor 生成式人工智能和流程自动化,在短短几天或几周内实现价值。

“Infor Velocity Suite 为我们在财务、运营、库存管理、质量控制等多个领域的客户带来了快速的价值转换,”Infor CEO Kevin Samuelson 表示,“Velocity Suite 为客户提供了一种简单而无缝的方式来诊断、自动化和优化流程,同时利用最先进的创新,针对其业务的关键价值驱动因素。”

Infor Velocity Suite 包括对 Infor Value+ 的访问,这是一个利用生成式人工智能和 RPA 等技术提供行业特定解决方案的目录,在数周内交付效率和价值。这些产品已经为许多 Infor 客户带来了引人注目的成果,例如节省成千上万小时的手动和重复任务、客户支持问题的解决时间提高超过 90% 以及数百万美元的额外利润率。Infor Value+ 包含数十种精心策划的解决方案,涵盖财务、客户服务、供应商管理和客户管理等流程。Infor Value+ 解决方案包括:

企业自动化,消除现有的手动任务以提高操作效率。

洞察力,生成分析和报告以促进决策。

高级工作空间,整合与用户角色密切相关的必要信息和操作,提升日常任务的高效完成。

“数字世界节奏迅速,要求企业迅速作出准确决策以保持竞争力,”IDC 企业软件副总裁 Mickey North Rizza 表示,“像 Infor Velocity Suite 这样包含嵌入式人工智能企业应用和先进技术的产品,正在帮助组织改善其业务流程及相关任务,消除步骤和点击,提高生产力和增强指标。”

“我们越快交付我们的船只,家庭和朋友就能越快享受在水上的时光,”Xpress Boats 的信息系统经理 Jennifer Terry 表示,“Infor 过程挖掘为我们提供了优化业务流程所需的速度和精确性,使我们能够稳定地满足这一目标。通过自动识别流程问题,我们可以更迅速地采取纠正措施,提高按时交付率,并将加急运输成本减少 50%,我们对 Infor Velocity Suite 中包含的其他先进技术所带来的未来收益感到兴奋。”

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

与SINBON共同应对机器人部署挑战

随着在机器人解决方案神经系统设计与制造方面的专业知识,SINBON专注于通过定制化来解决实施挑战。图片{ width=60% }


尽管机器人技术具有提升生产力的潜力,但几个实施挑战依然阻碍了其更广泛的应用。为了帮助企业应对这些挑战,领先的电子元件制造商及全面解决方案提供商SINBON电子股份有限公司(TWSE#:3023)强调了根据行业、企业、设施和流程的独特特征定制解决方案的重要性。

根据领先的机器人评测平台QVIRO,项目工程师在实施自动化时面临几大挑战:

  • 与现有系统的集成:将机器人解决方案无缝融入遗留基础设施需要灵活性,往往还需外部专业技能。
  • 熟练劳动力短缺:除了安装,维护自动化设备还需特殊技能。
  • 成本与收益分析:评估初期投资对长远的影响至关重要,而不仅关注短期回报。
  • 安全与合规:机器人使用的监管标准要求在确保遵守与工作场所安全方面的细致关注。
  • 技术挑战与维护:必须平衡运营连续性与技术的维护。

面对这些挑战,释放自动化的长期收益需要仔细了解每家公司的独特挑战及其设施的特点。SINBON凭借在机器人技术、制造设计和系统集成方面的深厚专业知识,采取这种量身定制的方法,引导公司部署机器人技术。

在机器人领域的十年创新
SINBON专注于设计和制造机器人解决方案的神经系统,特别是电线束、控制系统和印刷电路板。SINBON在制造高性能、轻便且适用于各种环境的机器人设备电线束方面表现尤为出色,确保在各类应用中的稳定性和可靠性。自2014年进入机器人行业以来,SINBON已扩展其能力,涵盖服务于多个行业的各种机器人和自动化技术,包括:

  • 工业机器人:主要用于汽车、电子和金属加工应用
  • SCARA机器人(选择性顺应组装机器人臂):用于电子组装、包装和半导体制造
  • 人形机器人:用于客户服务、教育和医疗保健
  • 特种机器人:设计用于极端环境,如军事应用、灾难救援、核处理和深海探测
  • 笛卡尔机器人:用于高精度半导体包装、精密仪器组装和实验室自动化
  • 服务机器人:如送餐机器人、伴侣机器人和医疗护理机器人
  • 协作机器人(Cobots):设计与人类协同工作,以增强工作流程
  • 并行机器人(Delta机器人):广泛用于食品包装、医药和自动化检测应用
  • 仓库机器人:用于智能物流和仓库管理,包括AGV(自动引导车)和AMR(自主移动机器人)

SINBON的竞争优势
作为一家以可持续发展为首的制造商和在欧洲、美国及亚洲受到信赖的合作伙伴,SINBON通过量身定制的机器人解决方案引导客户的自动化旅程,推动效率和创新。通过咨询式的方法和长期的客户支持,公司确保自动化赋能企业持续成长。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

RLWRLD融资1500万美元打造“机器人版GPT”

随着硅谷为互联网搭建人工智能,RLWRLD则在训练能够在现实世界中行动的AI,获得了来自LG、SK、KDDI、ANA等多个工业领军者的支持。图片{ width=60% }


RLWRLD是一家物理AI初创公司,正在构建机器人基础模型,今天宣布完成了一轮1500万美元的种子融资,得到来自韩国和日本工业领袖的强大联盟的支持。
此轮融资的投资方包括LG电子、SK电信、KDDI、ANA控股、三井化学和岛津株式会社,以及来自日本和韩国的领先AI专注风险投资,如Hashed、未来资产和Global Brain——这标志着对现实世界AI未来的重要跨国投资。
RLWRLD由金河围领导,他之前的公司Olaworks被英特尔收购,成为其首次收购韩国初创公司的案例。创始团队包括KAIST的杰出教授申仁浩、Kurly的前CTO、一名Kakao的工程负责人与一名前BCG合伙人,组成了一个世界级的团队,挑战AI中的下一个万亿美元机遇:能够在物理世界中移动、思考和适应的机器。
“硅谷正在为互联网构建大脑。我们则在为机器构建大脑。”
— RLWRLD创始人兼首席执行官金河围
从文本到触觉:物理AI的崛起
尽管生成式AI领导者们竞相掌握文本、代码和图像,RLWRLD正在开发从现实世界传感器、机器人系统和工业工作流程中学习的基础模型。这些模型使机器人能够在动态的物理环境中——如工厂、仓库、物流中心等——进行自主推理和行动。
RLWRLD的平台基于三个战略支柱:

  • 针对现实世界智能优化的具身模型架构
  • 来自东亚制造生态系统的工业规模数据管道
  • 与现有机器人系统无缝集成的即插即用基础设施

“我们不仅仅是在写论文——我们正在训练可以解决真实生产现场问题的模型。”
— 申仁浩,RLWRLD首席科学家及KAIST杰出教授
构建真实世界AI生态系统
这1500万美元的资金将加速RLWRLD的下一个阶段:

  • 在工业合作伙伴现场扩展专有数据管道
  • 提升其机器人基础模型堆栈
  • 深化与亚洲和北美的机器人和传感器公司的集成

该公司还通过与KAIST、首尔国立大学和POSTECH的合作以及与WIRobotics、Rainbow Robotics、Wonik Robotics、Robotis等机器人制造商的合作,构建一种多利益相关者的创新生态系统。
“RLWRLD将深度AI研究与规模化的工业执行结合在一起。这使得这是一个稀有且高信心的投资。”
— Simon Seojoon Kim,Hashed首席执行官
PR NewswirePR Newswire使沟通者能够识别和接触关键影响者,构建和分发有意义的故事,并衡量其努力的财政影响。Cision是全球领先的提供公关和市场传播专业人士所需的媒体软件和服务的提供商。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Obsidian Security任命新首席产品官

Obsidian Security宣布任命Khanh Tran为其新任首席产品官(CPO)。图片{ width=60% }


作为前JumpCloud的首席产品官和CrowdStrike的产品管理副总裁,Tran在安全产品管理和建立成功公司方面积累了超过20年的经验。除了这些企业成就,Tran还担任过多家初创公司的投资者和顾问,拥有驱动增长的良好记录。与Khanh一起加入Obsidian的还有两位来自CrowdStrike的前产品负责人Rekha Das和Alex Graul。Das将领导Obsidian在面对代理AI的新SaaS挑战时的平台、合作伙伴和代理AI的投资。Graul将负责用户体验设计和用户界面工程,专注于为参与共享责任模型的所有用户简化SaaS安全问题。

随着企业越来越依赖SaaS,它们面临着寻找和保护联合、未联合和未授权应用程序的日益严峻的挑战。共享责任模型将数据保护的责任转移给客户,而复杂的SaaS到SaaS集成需求现代的安全解决方案。随着代理AI的出现,这一问题变得更加紧迫——这一身份的新分类将要求严格的身份验证和权限。如今,应用程序所有者为获取SaaS的价值而优化,但往往缺乏管理对敏感数据的访问所需的工具和专业知识。尽管对零信任的投资不断增加,当前的方法在解决特定于SaaS的风险方面仍显不足。威胁行为者和监管者都开始关注配置、监控、影子IT和帐户治理中的关键漏洞。

Obsidian首席执行官Hasan Imam表示:“我们有机会建立一个标志性的、持久的公司。SaaS的商业灵活性带来了新的安全边界。”他说:“在我和Khanh的最早对话中,很明显,他创新的视野和保护客户的决心将实现我们的使命,为任何人类、非人类和代理身份打造数字韧性。”

Obsidian Security的专有知识图谱建立在对SaaS身份及其整合的深入理解之上,以规范非结构化日志。Obsidian的身份威胁检测与响应(ITDR)解决方案专门用于监控异常的SaaS活动,通过在数百次事件响应中的直接经验进一步丰富。Obsidian Security的基础是全球最大企业的网络,提供有效的近实时检测,防止复杂的SaaS攻击,包括内部风险。同时,Obsidian的以上下文为驱动的SaaS安全态势管理(SSPM)解决方案保护已知和未知的应用程序,满足不断变化的合规要求。Obsidian Security是唯一一个专门建立来解决整个SaaS安全领域问题的综合平台:预防、发现、态势、集成风险、检测和响应。

Tran表示:“我对网络安全领域并不陌生。它从来不是静态的,也不可预测。”他说:“凭借其以身份为中心的视角和比任何其他解决方案更为丰富的现实世界漏洞洞察,Obsidian Security已经在SaaS安全领域领先。我致力于保护我们的客户,并不断改进我们的解决方案,以应对未来的威胁。”



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

30年悬案告破,平均曲率流的奇点真相曝光,揭晓「冰块融化」的数学秘密

一块冰块漂浮在水中,随着时间推移,它会逐渐融化成一个微小的冰粒,最终完全消失。在这个过程中,冰块表面变得越来越光滑,所有不规则形状和锐利边缘都会逐渐消失。


图片

对于你我来说,这是一个很常见的现象,而数学家们同样致力于理解这一现象,不过是更深奥的角度 —— 他们希望能够精确描述冰块表面或一座被侵蚀的沙堡的形状如何随时间演变。

为了分析这种现象,此前的研究人员研究了抽象数学曲面和形状按照特定规则集的演化过程。这组规则定义了平均曲率流(Mean Curvature Flow)过程,它能同时平滑曲面(即使是高度不规则的曲面)并使其收缩。

然而,随着曲面演化,可能会形成奇点(singularities)—— 即数学描述失效的点。在这些位置,曲面可能会急剧突出,或变得极度薄弱以至于曲率「爆炸」至无穷大。对于任何闭合的紧致曲面(如封闭球面)在平均曲率流过程中必然会出现奇点。

当这些奇点过于复杂时,流动将无法继续进行。

数学家们希望确保即使在奇点形成后,仍能分析表面的持续演化。1995 年,现任职于苏黎世联邦理工学院(ETH)的数学家 Tom Ilmanen 提出了 Multiplicity-one 猜想 。该猜想指出,在平均曲率流过程中形成的任何奇点都必须相对简单。「不良」行为应仅限于个别点:例如,不应出现多个区域(无论来自同一表面还是不同表面)相互堆叠的情况。

如果 Multiplicity-one 猜想成立,将证实奇点并非平均曲率流的障碍。即使出现奇点,流动仍可继续,使数学家能够评估表面的演化。

近几十年来,数学家们在描述曲面通过平均曲率流移动时的行为特性方面取得了诸多进展。「但到目前为止取得的很多结果都依赖于 Multiplicity-one 猜想的正确性,」加州大学伯克利分校(UC Berkeley)的数学家 Richard Bamler 说到,「在某种程度上,主要的障碍一直都是 Multiplicity-one 猜想。」

现在,他和纽约大学(NYU)的 Bruce Kleiner 终于证明了这个猜想确实正确。

图片

左为 Richard Bamler,右为 Bruce Kleiner。

「这是一个重大突破,」斯坦福大学(Stanford)的 Brian White 表示。这项工作不仅使数学家们能够更好地理解平均曲率流,而且可能在整个几何学和拓扑学领域有重要应用。

全速流动

平均曲率流概念在 20 世纪 50 年代被引入,用于解释金属冷却过程中出现的各种现象。1978 年,宾夕法尼亚州萨斯奎汉纳大学(Susquehanna University)的名誉教授 Kenneth Brakke 从数学角度形式化了这一概念。他的模型最终提供了一个更为通用的数学描述,可应用于任何维度的抽象曲面和形状。

Multiplicity-one 猜想涉及三维空间中的闭合二维曲面,如球体或环面(甜甜圈形状)。在这类曲面上的任意一点,可以计算给定方向上的曲率 —— 这是衡量曲面在该方向弯曲程度的指标。理论上可以考虑无限多的方向,但数学家们通常只关注那些给出最大和最小曲率值的方向。这两个数值的平均值被称为平均曲率(Mean Curvature),它能提供关于曲面在该点的许多重要信息。

图片

平均曲率流利用曲面信息以最快速和高效的方式减小曲面面积。在这一过程中,曲面上的每个点都以等于其平均曲率的速度移动 —— 且方向垂直于其「切平面」(切平面是在该点最佳近似曲面的二维平面)。这种垂直方向有两个选择,一个指向内部,另一个指向外部。如果曲面在该点向外凸出,则流动方向向内;如果曲面向内弯曲,则流动方向向外。

以球体为例,平均曲率流会使球体以越来越快的速率向其中心收缩。这是因为随着球体收缩,每个点的平均曲率会增大 —— 较小的球体比较大的球体弯曲程度更大。最终,球体会收缩为一个点,即球体中心原来所在的位置。

假设曲面是一个部分凹陷的球体,类似于某些地方被撞凹的足球。在平均曲率流的作用下,凹陷部分会被推出,而曲面其余部分则向内移动,使其逐渐接近完美球体,最终收缩为一点。

图片

这一过程同样能将圆柱体简化为一条线,将环面(torus)简化为一个圆。然而,对于更复杂的形状,如中心处变窄的哑铃形状,会发生不同情况。在平均曲率流作用下,手柄最细部分会首先收缩为一点,形成奇点(singularity)。这种奇点类似于肥皂泡从塑料棒上分离或水滴从水龙头分离时的「收缩点」。在该点,哑铃表面失去光滑性,曲率变为无限大。

这时问题出现了:无法将无穷大代入平均曲率流方程中。方程失效,无法再预测曲面的未来演化。但若移除该奇点,我们将得到两个独立的泪滴状部分,从而可以继续研究平均曲率流对这些部分的影响。这些部分会逐渐变得更加光滑圆润,几乎成为完美球体,最终收缩为两个分离的点。

对于任何闭合的紧致曲面 —— 即直径有限且有明确内外之分的曲面 —— 平均曲率流必然导致奇点形成。(对于简单球体,这个奇点就是曲面最终收缩至的那一点。)Bamler 表示:「这个本应使曲面变得更简单的流,随着过程进行到极限,我们知道它总会变得奇异,所以如果我们想理解这个流的作用,就需要理解它的奇点形成过程。」

这正是 Multiplicity-one 猜想的用武之地。

分离是成功的关键

简单的奇点(如夹点)可以直接去除,使平均曲率流畅通无阻。但如果奇点比较复杂,比如表面中的两块薄片聚集在一起,在整个区域内重叠,而不是只影响一个点,那么就不可能做到这一点。Bamler 表示,在这种情况下,「我们不知道流动是如何表现的」。

Ilmanen 提出了他的猜想,以排除这些麻烦的情况。几十年后,Bamler 和 Kleiner 开始证明他是正确的。

为此,他们想象了一种不寻常的形状,Kleiner 称之为「邪恶的双胞球」。它由两个球体组成,一个在另一个里面,由一个小圆柱体或颈部连接,形成一个单一的表面。Kleiner 指出,如果颈部快速收缩,将两个球形区域拉到一起,那将是「噩梦般的情景」。为了排除这种情况,他和 Bamler 希望了解这两个区域将如何相互作用,以及它们之间的距离将如何随时间变化。

于是,两位数学家将形状分解成不同的构件 —— 放大后看起来像平行薄片的区域,以及被称为最小曲面(平均曲率为零,因此在平均曲率流中不会移动)的特殊区域。然后,他们定义了一个函数,用于测量曲面上任意给定点到邻近区域最近点的距离。

他们找到了分析这个「分离函数」如何随时间变化的方法,证明它永远不会归零。这意味着噩梦般的情景永远不会发生。

数学家们可以轻而易举地将这种方法应用到包含相同类型构件的封闭表面上。但是,「一般的 [封闭] 曲面在某些区域可能看起来非常复杂,」Bamler 说,复杂到「可能使我们无法控制流动」。

他和 Kleiner 随后证明,这些有问题的区域必须非常小。Bamler 表示,「它对整个流动的影响微乎其微。因此,我们基本上可以忽略它。」

无论曲面多么复杂或奇特,分离函数都不会随着时间的推移而归零。换句话说,相邻区域永远不会趋同,也不会出现复杂的奇点。Ilmanen 的猜想是正确的。

事实上,Bamler 和 Kleiner 证明,平均曲率流几乎总是导致两种类型之一的特别简单的奇点:收缩为一点的球体,或坍缩为一条直线的圆柱体。Bamler 说:「任何其他类型的奇点都只出现在极少数非常特殊的情况下。在这些情况下,奇点非常不稳定,即使是最轻微的扰动也会消除它们。」

随着 Multiplicity One 猜想的解决,斯坦福大学的 Otis Chodosh 说:「我们现在基本上对三维空间中表面的平均曲率流有了一个完整的认识。」

他还补充说,这些知识可能会在几何学和拓扑学中得到重要应用,特别是如果数学家能够证明生活在四维空间中的三维表面的猜想。Bamler 和 Kleiner 正开始研究下一种情况,不过他们表示需要找到一种与二维表面不同的方法。

Chodosh 补充说,这个证明已经可以让数学家利用平均曲率流重新证明一个关于球体对称性的重要问题,即「斯梅尔猜想」。Bamler 说,以前对该猜想的证明相当复杂,使用平均曲率流的证明可能更容易理解。

一个被称为里奇流(Ricci flow)的相关过程已经被用来证明一些重要猜想,包括著名的庞加莱猜想(另一个关于球体的声明)。数学家们希望,Bamler 和 Kleiner 在均值曲率流方面的工作将帮助它成为一种类似的强大方法。White 说:「Bamler 和 Kleiner 让我们对均值曲率流核心奇点的理解有了巨大的进步。这无疑为我们提供了将其作为一种工具…… 来做各种奇妙事情的可能性。」

原文链接:https://www.quantamagazine.org/a-new-proof-smooths-out-the-math-of-melting-20250331/



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

与SINBON一同应对机器人部署挑战

随着对机器人解决方案神经系统设计和制造的专业知识的提升,SINBON专注于通过定制化来解决实施挑战。图片{ width=60% }


尽管机器人技术具有提升生产力的潜力,但仍有多个实施挑战阻碍了更广泛的采用。为了帮助公司应对这些挑战,SINBON电子股份有限公司(TWSE#:3023),一家领先的电子组件制造商和整体解决方案提供商,强调了根据行业、企业、设施和流程的独特特征来定制解决方案的重要性。

根据领先的机器人评估平台QVIRO的调查,项目工程师在实施自动化时面临以下几个关键挑战:

  • 与现有系统的集成:将机器人解决方案与传统基础设施无缝整合需要灵活性,并且常常需要外部专业知识。
  • 技能劳动力短缺:除了安装之外,还需要专业技能来维护自动化设备。
  • 成本与收益分析:评估初始投资的长期影响至关重要,而不仅仅关注短期效果。
  • 安全与合规:机器人使用的监管标准需要严密关注以确保遵循和工作场所安全。
  • 技术挑战和维护:运营连续性必须与技术的维护相平衡。

面对这些挑战,释放自动化的长期效益需要仔细了解每个公司的独特挑战及其设施的特征。凭借在机器人、制造设计和系统集成方面的深入专业知识,SINBON采取了这种量身定制的方法,指导企业部署机器人技术。

在机器人领域的十年创新
SINBON专注于机器人解决方案神经系统的设计和制造,特别是电缆束、控制系统和印刷电路板。SINBON在为机器人设备制造性能高、轻量化和坚固耐用的电缆束方面表现尤其出色,确保在各种应用中稳定可靠。

自2014年进入机器人领域以来,SINBON扩大了其能力,涵盖多个服务各种行业的机器人和自动化技术,包括:

  • 工业机器人:主要用于汽车、电子和金属加工应用
  • SCARA机器人(选择性合规装配机器人臂):用于电子装配、包装和半导体制造
  • 人形机器人:用于客户服务、教育和医疗保健
  • 特殊用途机器人:设计用于极端环境,如军事应用、灾难救援、核处理和深海探索
  • 笛卡尔机器人:用于高精度半导体包装、精密仪器装配和实验室自动化
  • 服务机器人:如送餐机器人、伴侣机器人和医疗护理机器人
  • 协作机器人(Cobots):旨在与人类并肩工作,提升工作流程
  • 并联机器人(Delta机器人):广泛用于食品包装、制药和自动化检测应用
  • 仓库机器人:用于智能物流和仓库管理,包括AGV(自动导引车辆)和AMR(自主移动机器人)

SINBON的竞争优势
作为一家以可持续性为首要目标的制造商和在欧洲、美洲和亚洲的可信赖合作伙伴,SINBON通过量身定制的机器人解决方案引导客户完成他们的自动化之旅,以推动效率和创新。凭借咨询式的方式和长期的客户支持,该公司确保自动化使企业能够持续增长。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB