Niki Bayat，32 歲，AesculaTech
她發明出了通過創口封閉來治療眼睛的材料。
Niki Bayat從小在伊朗長大，她的父親曾患有青光眼卻由於其他健康問題無法進行手術。於是，Niki Bayat一直就期望能夠運用自己的工程天賦來說明飽受病痛折磨的人們。在伊朗的全國高考中，她取得了第8名，於是進入國內的頂級大學進修化學工程專業。讀研究生時，她把目光瞄準了南加利福尼亞大學，加入了著名化學家 Mark Thompson 和 Mark Humayun（首個人工視網膜的發明者）的聯合課題組。「我努力說服他們，我可以在高分子化學和生物醫學工程之間架起一座橋梁。」她這樣說道。
她也確實做到了，運用她的化學工程專長發明出一種材料，能夠幫助修復眼部創傷、治療眼部。Bayat所創造的這種濕軟的、具有生物相容性的高分子名為水凝膠，在體溫條件下會變得非常具有黏性，附著力就像超強力膠水一樣。在眼部受傷時，將這種膠注射到受傷處便能快速封閉創口，防止失明；而回到醫院後，醫生便能用冷的生理鹽水沖去凝膠，縫合傷口。Bayat還設計了特別種類的該材料，能以可控的模式釋放青光眼治療藥物或者生物抗體。
2016 年，尚在攻讀博士學位的Bayat創立了AesculaTech，將這些攜帶藥物的材料商業化。這些材料可以植入淚小管，在幾個月內持續地釋放藥物，有希望解決患者一天多次滴眼藥水的需求。在推出藥物釋放材料之前，AesculaTech計畫先讓治療幹眼的高分子產品獲得批准。據Bayat說，她的最終目的是發展出更好的青光眼治療手段。
Prineha Narang，28 歲，哈佛大學
她從最微觀的尺度進行材料研究。
作為哈佛計算材料學的助理教授，Narang專門從奈米尺度研究材料的光學、熱學和電子學行為。她所研究的「材料如何與光及其他形式電磁波作用」這一問題可以促進電子、能量和空間方面的技術革新。
Narang的工作基於幾十年來的奈米科學進展，這些進展逐漸將這一領域引向一個長期目標：擁有以單個原子級別對材料進行工程設計的能力。
自從20世紀80年代奈米科學問世以來，這一學科主要在研究平衡態或近似平衡態下（材料的能量最低態）的納米結構。然而自然情況下，大多數材料都與平衡態有較大差距，也就是處在所謂的激發態，而目前我們對這一狀態的量子水準還知之甚少。「在激發態問題上仍有許多未嘗試的工作，我們還有很多要做。」Narang說道。
通過研究這些激發態，Narang在努力鑽研可能會帶來材料大革命的新方法，並可能應用於望遠鏡中反射鏡和透鏡的性能提升、擁有更好攝像頭卻更輕便的手機、或者從原子水準設計出的合成燃料等。
Brenden Lake，31歲，紐約大學
讓機器像人一樣快速而靈活地學習。
Brenden Lake創造了一個人工智慧程式，它能像人類一樣，基於單個例子識別新的手寫字母。儘管相比操縱汽車、打敗全球最強圍棋選手的人工智慧，這一方向看起來有點平凡。但是需要指出的是，如今領先的深度學習演算法都需要基於成百上千的案例進行訓練，並且難以基於已經學到的知識解決新問題。人類在識別物體時與目前大部分演算法不同，一旦看過一個新物體，就能再次識別、畫出來並且理解一個物體的各個部分。
Lake的程式基於認知心理學，他沒有給程式輸入上千個字母，而是教程式學習字母書寫的過程。他的模型捕捉了30個字母手寫時的運動捕獲記錄，使得程式能夠學習筆每一畫的運動、每一個字母通常需要幾筆、以及這些筆劃是如何連接的。這樣，當程式看到一個新的字母時，這一模型可以像人一樣識別並重複書寫字母。
同樣的方法還被用於識別語音詞彙，以及讓系統解決問題時提出創造性問題。
讓機器以人類的方法學習在人工智慧領域非常關鍵，尤其適用於無法基於大資料進行訓練的情況。「如果我們想提供面向家庭場景的智慧型機器人，我們無法對它進行預先訓練或程式設計，讓機器人瞭解家庭中所有的未知事物」Lake說，「兒童每天都在學習新概念，一個真正智慧的機器也應該能做到這一點。」
Marzyeh Ghassemi，33歲，多倫多大學
她運用人工智慧幫醫生處理雜亂的醫療資料。
Marzyeh Ghassemi在麻省理工學院攻讀博士期間，在美國的貝斯以色列女執事醫療中心與重症監護室醫生合作，她發現醫生們面臨的最大問題之一是資訊超載。因此，Ghassemi設計了一套機器學習方法，基於雜亂無章的臨床資料，預測住院病人的情況。
這並不容易。通常機器學習勝出的領域往往擁有海量的、精心標記過的資料集；但是醫療資料有各種各樣繁雜的形式、頻率也不一致，比如有醫生每日手寫的診斷條、每小時的血液檢測、以及持續不斷的心臟監控資料。
儘管視覺和語言任務對人類來說天生容易完成，但是即便那些經過訓練的資深醫療專家也會在診斷和治療決策上產生分歧。為解決這些挑戰，Ghassemi發明出了一種機器學習的演算法，學習各種臨床資料，以精准預測病人的情況，比如病人會在醫院待多久、有多大概率發生院內死、是否需要輸血或上呼吸機等。
Ghassemi將於今年秋季加入多倫多大學和加拿大人工智慧研究院Vector Institute，希望能在當地醫院檢驗她的演算法。
Menno Veldhorst，33歲，台夫特理工大學
他解決了在矽晶片上製造可工作的量子電路的問題，這個問題在此之前被認為是不可能解決的。
Menno Veldhorst讓量子電路能夠印刻在矽板上——即數十年來電腦晶片的做法，從而加快了創造真正量子電路的進程。
量子電腦能夠實現傳統電腦無法進行的強大運算，然而在 Veldhorst 之前，基於矽半導體的量子電路雖然對實用計算而言足夠穩定，但這一技術一直被認為是不可能的。目前，理應基於特殊的亞原子級粒子構建的量子電腦，不得不使用更複雜的材料，其中包括在脆弱的量子態下更容易被控制的超導體，然而其付出的代價是成本更高，而且要製造這樣的電路需要一個全新的工業生產工序。
來自代爾夫特理工大學的研究者Veldhorst則找到了讓量子計算邁向重複性最強的人造結構「電晶體」的方法，從而得以在半導體矽上以量子比特（量子資訊基本單位，qubits）的級別進行計算。
感謝Veldhorst的突破，如今英特爾能夠將成千上萬個這樣的簡單系統刻印在同類型的300mm晶片上，這些晶片以前只能製造出傳統晶片。這就意味著英特爾公司的員工們能夠將更多時間花在完善量子電腦必需的微電子和演算法，而不是把精力浪費在基礎物理學問題上。
而正如電晶體和電腦本身一樣，最讓Veldhorst激動的事情在於，如今已經有大量量子電腦亟建立以探究更多未知的領域，而他的研究使這一切成為可能。
Adam Marblestone，31歲，Kernel
他寫了一本關於全腦神經元記錄的書。
Adam Marblestone希望腦能夠被機器讀取，於是他找出了腦活動記錄中可能存在的物理限制，並正在努力將此理論運用到Kernel的技術策略中。Kernel是一家融資過億的初創公司，旨在建立人類的神經介面。
Marblestone博士的一篇論文被研究者們認為是腦活動讀取技術建立的重要文獻。他將小鼠腦作為模型，並發現要同時測量全腦神經元的活動存在一定的工程學問題。
「這些問題關係到，我們如何用現有的腦研究工具來匹配腦本身的複雜性。」他這樣說道。
作為Kernel的首席策略官，他正在募集整合一群頂尖研究者，來探究建立神經介面最有前途的手段，從而幫助我們更好地理解神經疾病。未來某天他們甚至有可能將我們的腦與機器融合。
Shehar Bano，31歲，倫敦大學學院
她首次完成了對網路審查機制的系統性研究，使對抗國家網路審查成為可能。
這一切從2012年開始，當時Bano的祖國巴基斯坦封鎖了 YouTube。「以前，人們有一種錯覺，認為這種封鎖是魔法」但是她想瞭解內在機制，並擊敗這些封鎖。
因此，Bano調查了巴基斯坦三年的ISP資料。她發現了一些相對基本的網路訪問限制技術，比如對於訪問某一網站的請求，審查員向網站伺服器以及訪客的流覽器發送信號，以結束訪問請求。針對這一點，Bano 在不使用加密的情況下設計出繞過訪問限制的方法，發送一個初始的、假的請求給審查員看到，但是他們會因為拼寫錯誤等而忽略了這個請求，同時真正的請求悄悄通過。
除了網路審查，Bano還調查了像Tor這樣的匿名通信工具、以及廣告攔截器的用戶與其他用戶的遭遇如何不同，以及這代表著糟糕的用戶體驗還是被徹底禁止。
Bano是倫敦大學學院的博士後，加入了保衛線上交流自由的電腦科學家行列。她正越來越多地使用基於區塊鏈的系統，比如智慧合同平臺ChainSpace，該平臺的交易難以被外部力量控制，提升了線上網路的安全性和透明度。
Archana Kamal，34歲，麻塞諸塞大學洛厄爾分校
通過縮小關鍵部件的體積，她解決了量子計算領域的大問題。
隨著量子計算逐漸由實驗室走向企業，谷歌、英特爾等公司都在努力解決一個棘手的問題：如何準確地將量子系統輸出的量子數據轉移到傳統電腦上呢？這一工作至關重要，因為量子系統可能會對密碼系統及其他領域產生深遠影響，但只有當常規電腦能讀取其量子計算時，資訊才能發揮作用。
作為麻州大學洛厄爾分校助理教授的Archana Kamal解決了這一問題。Kamal證明了，量子資訊在離開量子處理器之前是可以轉移並且為傳輸放大的。此前，這一傳輸需要大型的磁鐵以及複雜的設備，其體積之大遠遠不能集成到一塊簡單的晶片中，這就導致了資料的延遲和丟失，成為目前量子比特系統擴展的一大阻礙。
Kamal的創新之處在於稍微改變了資訊攜帶光信號傳輸的通路，將部件從一個25美分硬幣大小降至幾微米。「這是一個巨大的改變」她說道，「我們的目標是在晶片上完成大量量子資訊處理同時又保持信號的高保真性。」
本文係由DeepTech深科技授權刊登。原文連結：《麻省理工科技评论》年度全球青年英雄榜权威发布， 6位华人上榜
