gluon,GluonCV

有哪些背单词的好方法？

背单词的方法有哪些推荐？根据单词的发音拼出单词这是最好的方法，但有时有的个别字母在单词中是不发音的，这得注意下，还有的人可能读不好单词的发音，这也会有影响的根据词根词缀背单词每个单词其它都是由不同的词根 词缀组成的，所以只要知道这单词有哪些词根和词缀，那就知道这个的结构了，也就很好记忆单词了发散思维背单词利用思维导图的方式，把一个单词发散出更多的单词，发散的方式有：同义词 反义词 引申词 相似词等中式拼音背单词这个方法是中国人独创的，只适合中国人，但有风险，因为会破坏单词的结构 发音等不好之处，所以谨慎使用，我把这个方法称为最后的 没有办法的方法了，适合对英语单词彻底绝望的同学。

。、把单词拆分一个个汉字的发音，也有时会拆分小单词不是好方法不喜请喷复习方法复习可以按照艾宾浩斯遗忘曲线这条曲线告诉人们在学习中的遗忘是有规律的，遗忘的进程很快，并且先快后慢。观察曲线，你会发现,学得的知识在一天后，如不抓紧复习,就只剩下原来的25%。随着时间的推移,遗忘的速度减慢，遗忘的数量也就减少。

2018年有哪些新型科技？

非常感谢悟空邀请！在这里能为你解答这个问题，让我带领你们一起走进这个问题，现在让我们一起探讨一下。科技已经为我们现代生活的各个方面带来翻天覆地的变化，2018年我们看到的众多新兴技术在生活中的应用。虽然这些技术并不一定会直接改变你的生活，但这些技术的突破却在潜移默化的改变着人们的生活，下面就让我们来列举下2018年科技行业的十大新技术突破盘点吧！一：金属3D打印3D打印（3DP）即快速成型技术的一种，它是一种以数字模型文件为基础，运用粉末状金属或塑料等可粘合材料，通过逐层打印的方式来构造物体的技术。

3D打印通常是采用数字技术材料打印机来实现的。常在模具制造、工业设计等领域被用于制造模型，后逐渐用于一些产品的直接制造，已经有使用这种技术打印而成的零部件。3D打印技术在珠宝、鞋类、工业设计、建筑、工程和施工（AEC）、汽车，航空航天、牙科和医疗产业、教育、地理信息系统、土木工程、枪支以及其他领域都有所应用。

相对于塑料模具金属模具成本尤为高昂，并且目前主流的金属3D打印机体积非常庞大，而且成本很高，只有政府和大企业能够承担使用。不过好在2018年1月份，总部位于波士顿的NVBots宣布桌面机多材料高速金属打印机NVLabs研发成功。桌面、多材料、金属打印、高速，这些以往看起来技术上冲突的词汇，这款打印机似乎已经成功集于一身。

NVBots称NVLabs多金属3D打印技术可将不锈钢、钛、镍、铜、镍、铝、锆、银和钯混合打印，其速度是目前SLS金属3D打印机速度的10倍。二：传感城市Alphabet旗下的Sidewalk Labs(人行道实验室)公司旨在推出改善城市生活的各种项目，开发和孵化城市中使用的技术。Sidewalk Labs目前已与相关领域的100多名专家共同合作，希望能建立一个能容纳“数十万人”的社区。

这对Sidewalk Labs来说是一个雄心勃勃的目标。此前，SideWalkLabs收购ControlGroup和Titan两家公司后,将其合并成了负责LinkNYC网络部署的Intersection公司。早些时候该公司也已开始聘请专家组成“梦之队”。2018年Sidewalk Labs已经正式与加拿大政府展开合作，智慧城市项目落地在多伦多 Waterfront 工业区。

在该规划中，一切车辆都是自动驾驶的共享车辆，地下也将跑着负责送快递这种低级体力劳动的机器人。目前，北美已有多个城市正在争取成为 Sidewalk Labs 的下一个标的。三：共享AI人工智能很长时间以来都是科技巨头能争抢的新市场，同时也是很多创新公司看重的机遇。如今，亚马逊旗下的 AWS 子公司几乎统治了云 AI 市场。

谷歌则试图通过 TensorFlow 这款可以开发机器学习系统的开源人工智能框架来挑战它的地位。谷歌近公开的 Cloud AutoML 也是一套经过预先训练，可以让人工智能变得更容易使用的系统。以 Azure 平台加入云服务大战的微软则选择与亚马逊合作，推出了一款开源深度学习框架 Gluon。在理论上，Gluon 可以让创建神经网络——一款试图复制人脑学习方式的重要人工智能技术——变得和开发手机 APP 一样简单。

目前的人工智能云服务市场可谓群雄逐鹿，众巨头都在争抢人工智能未来的巨大商机。可惜，绝大多数的公司依然缺乏了解如何使用云端人工智能的人才。所以，亚马逊与谷歌也创办了咨询服务。行业人士认为，当人工智能技术通过云端来到每个人的面前的时候，真正的人工智能革命才会开始。四：对抗性神经网络人工智能在识别事物方面越来越强：向它展示一百万张照片，它可以用惊人的精确度告诉你哪些照片中有行人正在通过马路。

但是，AI自身并不能生成行人的图片。如何让AI自己学习并创造一个全新的东西，这是一直在困扰行业发展的。解决方案首先出现在蒙特利尔大学博士生Ian Goodfellow的学术论证中。该方法被称为生成对抗性网络(generative adversarial network，GAN)，它采用两个神经网络(支持大多数现代机器学习的人脑的简化数学模型)，并在“猫捉老鼠”的数字游戏中让它们彼此对抗。

两个网络都使用相同的数据集进行训练。其中一个被称为生成网络，负责为它已经看到的图像创建变化；第二个被称为判别网络，被要求判断它所看到的例图是像它被训练过的图像还是生成网络产生的虚假图片。对抗性神经网络在过去十年中已成为人工智能领域最具潜力的技术突破，能够帮助机器产生“欺骗”人类的结果。两个人工智能系统相互对抗，创造超逼真的原创图片或声音，这是机器以前从未做过的。

它赋予了机器类似想象力的能力，这可能会帮助他们减少对人的依赖，同时也将它们变成数字造假的超强大工具。五：DuerOS人工智能系统DuerOS是百度度秘事业部研发的对话式AI操作系统,拥有10大类目的250多项技能。DuerOS包括了从语音识别到语音播报再到屏幕显示的一个完整交互流程，以及背后支撑交互的自然语言理解、对话状态控制、自然语言生成、搜索等等核心技术，这些技术支撑着应用层和能力层的实现。

2018年7月4日，最新的DuerOS 3.0正式发布，使赋能的产品能够实现语音多轮纠错，进行复杂的递进意图识别与带逻辑的条件意图识别，从而更加准确判断用户意图，最终实现功能升维——利用扩展特征理解用户行为。基于此，DuerOS3.0提供了包括有屏设备解决方案、蓝牙设备解决方案和行业解决方案等在内超过20个跨场景、跨设备的解决方案。

DuerOS3.0能够为用户带来了划时代的自然对话交互，包括情感语音播报、声纹识别等能力在内的自然语言交互技术的全面升级。更为重要的是，DuerOS率先开启AI时代商业化，将为生态合作伙伴从产品、内容与推广三大方面提供完整的应用方案支持，加速AI设备落地。六：移动AR技术未来移动AR技术将向创意性AR应用、基于位置的AR体验、多人AR体验发展。

并且AR与AI的结合也必将成为趋势，业内人士将AR比喻成AI的眼睛。AR技术不仅展现了真实世界的信息，而且将虚拟的信息同时显示出来，两种信息相互补充、叠加。在视觉化的增强现实中，用户利用头戴显示器，把真实世界与电脑图形多重合成在一起，便可以看到真实的世界围绕着它。增强现实技术包含了多媒体、三维建模、实时视频显示及控制、多传感器融合、实时跟踪及注册、场景融合等新技术与新手段，为人类感知信息提供了新的方式。

随着苹果 ARKit、谷歌 ARCore 的发布，移动AR在两大移动平台上均意义重大。虽然有不少人对现阶段的AR仍表示失望，但两大移动平台的涉足意味着，全球 5 亿台支持 AR 功能的移动设备正在吸引所有的公司入局，这些公司正在将数据与 API 相结合，创造出新的消费者 AR 体验。七：机器人流程自动化机器人流程自动化（RPA）是通过使用高性能认知技术实现业务的自动化和工作的效率。

人类只需在操作界面上编写需要人工完成的工作流程，即可处理各种业务，如浏览器，云，以及各种软件。根据Gartner数据显示，在2018年，全球范围中大型商业巨头里有300家陆陆续续开展了RPA工程，将原先手工化的流程进行自动化改革。随着科技的进步RPA将融入更多人工智能技术，即智能流程自动化（Intelligent Process Automation）。

相当于在基于规则的自动化基础（RPA）之上增加基于深度学习和认知技术的推理、判断、决策能力。机器人流程自动化能够帮助甚至代替人类负担大量简单且单一、重复而繁重的工作，并且效率更高、零失误。机器人流程自动化能够大幅提升企业的工作效率，减少人员投入，帮助企业降低成本。机器人流程自动化可以让很多行业释放出大量的生产力，但同时也会带来巨大的失业潮。

虽然目前业界对机器人流程自动化带来的失业问题各持己见，但不得不说这确实是科技的一大进步。八：深度学习芯片2018年以来涉足AI芯片领域的巨头是越来越多的，百度、华为、英伟达、美图等等，甚至是部分语音识别厂商也都在往人工智能芯片上发展。对于现阶段的AI芯片很多业内人士认为，“所谓的AI芯片并不是独立的一块芯片，而是针对一些AI功能进行加速优化。

”不过似乎大家都在在研发相关功能的优化，致使目前深度学习技术陷入瓶颈，不过IBM的深度学习芯片的突破许能够扭转这一局势。IBM正在研发的芯片能够获得上述表现的原因来自于两项创新，而这两项创新的目标都是实现相同的结果——保持所有处理器组件能够得到数据和工作。在深度学习方面，传统芯片架构面临的挑战之一是利用率一般非常低。

也就是说，即使芯片可能具有非常高的峰值性能，通常只有20％到30％的资源能够被用于解决问题。IBM始终将所有任务的目标定为90％。利用率低通常是因为存在于芯片周围的数据流瓶颈。为了突破这些信息障碍，团队开发了一个“定制”的数据流系统。该数据流系统是一种网络方案，可以加速数据从一个处理引擎到下一个处理引擎的传输过程。

它还针对要处理的是学习任务还是推理任务以及不同的精度进行了优化。第二项创新是使用专门设计的“便笺本”形式的片上存储器，而不是CPU或GPU上的传统高速缓冲存储器。构建高速缓存是为了遵守某些对一般计算有意义的规则，但会导致深度学习的延迟。例如，在某些情况下，缓存会将一大块数据推送到计算机的主存储器（强制推送），但如果神经网络的推理或学习过程需要用到该数据，则系统将不得不保持等待状态，直到可以从主存储器中检索到该数据。

便笺本遵循不同的规则。构建它的目标是为了保持数据流经芯片的处理引擎，并确保数据在恰当的时间处于正确的位置。为了获得90％的利用率，IBM必须使设计出的便笺本具有巨大的读/写带宽（每秒192千兆字节）。由此产生的芯片可以执行当前所有的三种主要深度学习AI：卷积神经网络（CNN）、多层感知器（MLP）和长-短期记忆（LSTM）。

Gopalakrishnan解释说，这些技术共同主导了语言、视觉和自然语言处理。在16位精度（尤其是针对训练）情况下，IBM的新芯片能够在每秒钟内执行1.5万亿次浮点运算；在2位精度下（推理的最佳设置）则跃升到每秒12万亿次运算。九：智能应用过去，只有电脑可以连接到互联网。但2018年，你可以买到智能灯泡，智能冰箱，智能汽车，智能手表，智能电水壶等等及许多其他“智能”商品。

在工业中，机器越来越多地被网络连接起来，而不需要人工操作，以便更有效地执行任务。总的来说，这一趋势被称为“物联网”，因为它不再仅仅是电脑和手机的互联网！英特尔预测，到2020年将有2000亿台设备连接到互联网。来自这些智能设备的数据可以帮助我们做出更好的关于我们生活的决策（比如通过Fitbit监测我们的锻炼习惯）以及工作。

那些能够根据这些数据开发产品和服务的人有很多机会，这里的潜力也许会受到我们想象的限制。十：区块链区块链——虚拟货币比特币背后的分布式、加密和公开的分类账——让早期的用户在虚拟货币中赚到了钱。专家表示，这代表着信息存储和安全的飞跃。区块链实际上只是一个数字文件，其中的信息块被链接在一起，并使用私钥密码保护，确保只有具有权限的用户才能编辑他们有权访问的数据部分。

由于该文件的副本存储在多个计算机系统（分布式）中，并通过网络的共识保持同步，因此它们可能为数字世界中涉及跟踪和分类交易的问题提供创新解决方案。事实上，区块链有可能改变我们经济体系的基础，尽管这可能会有些偏离。与此同时，任何能够将区块链技术与当前业务问题结合起来的人，都有可能发现他们的需求技能。区块链技术也被称之为分布式帐本技术，其天然特性包括：公开透明，每个人均可参与数据记录，且链上信息无法被篡改，具有很强的可溯源性。

这也就是说，一方面，基于区块链技术可以实现建立食品溯源体系的目标。一旦有食品安全事故发生，任何人均可回溯到每个交易节点，从而发现问题所在。另一方面，区块链技术提供了一种标准化的记账方式，统一食品从产至销的所有记账环节，进而切实实现食品溯源。在以上的分享关于这个问题的解答都是个人的意见与建议，我希望我分享的这个问题的解答能够帮助到大家。

在电路中，耦合是什么意思？

在电路中，耦合是什么意思？答；耦合是指两个或者两个以上的电路或电网络的IN与OUT之间存在紧密级间配合与互相影响，并通过一定的相互作用从一侧向另一侧传输能量的现象。常用的耦合的形式有；静电耦合、电磁耦合(变压器耦合)、光电耦合、阻容耦合等。这里为大家比较通俗易懂，本人给大家分享用晶体管组成的阻容耦合来分析。

在电路中利用一只晶体管来放大信号通常称为单级放大，放大量一般只有数十倍，实际应用中需要把微弱信号足够大，这就不是单级放大电路能够完成的，必须把若干级放大器串联起来进行接力放大；但是它们之间又有电位联系，直接耦合会互相干扰，于是利用电阻、电容(隔直通交特性)进行互补。即阻容耦合放大器下图1-1是一个二级共发射极放大电路，第一级的输出是从BG1的C极与地之间引出的。

第二级的输入信号是从BG2的b极与地之间加入的。如果用最简单的方法，即用一根导线把前级集电极C和后级基极B直接连接起来行不行呢?从上图可知，BG1管集电极上的直流负电位是比较高的，一般可有几伏到几十伏，而BG2管基极上的偏置电压般只要零点几伏到1伏左右。象图1-1这样把C、B极简单地用一根导线连结起来，信号固然是畅通无阻地由C送到了B，但是前级集电板上的较高的直流负电压也加到了后级的基极上， 使后级基极上的偏置电压大大改变，这就严重地破坏了BG2管的工作状态，可能把BGa管烧毁。

这个电路不符合对耦合电路的第一个要求。它的加入影响了前、后级原有的工作状态。所以简单地用一根导线来作为级间的耦合是不行的。那么用什么方法才能把交流信号顺利地从前级集电极送到后级基极，而又要把前级集电极上的负的直流高电压隔断，使后级基极上的偏置电压不变呢?电容器就可以同时具有通过交流信号和隔断直流的特性。

在前级集电极和基极之间加一个电容，就能够解决上述问题。图1-2就是一个典型的二级阻容耦合放大器。交变信号电压Ux通过电容C1，加到第一级的基极，经放大以后，由集电极负载电阻Rc1上取出，再通过电容Cg耦合到第二级的基极，经放大后再通过电容C2耦合到负载。可以看出二级之间的连接，依赖电阻和电容，所以叫做阻容耦合，电容Cg就叫做耦合电容。

阻容耦合电路因为比较简单，成本低，频率特性好， 所以应用很广泛。对于PNP型号的低频管来说，Cg约为3~10μF。集电极负载电阻Rc1、 Rc2一般取几千欧。Re 取几百欧到一取几千欧。Re 取几百欧到一千欧左右，旁路电容Ce的容量很大，约在几十微法到一百微法左右。分压电阻R12、R22约为几千欧。而R11、R21则为几十千欧到一百千欧左右。

B格最高的数学或物理学公式是什么？

谈到最X的数学公式（X处一般可以随意填），人们一般都会谈到欧拉关于复数指数的一个恒等式：因为这个公式联系了世界上五个最重要的数字：表示什么都没有的0，表示一个的1，圆周率的π，自然对数的底e和虚数单位i，这个公式如此的简洁，但是在数学中又如此的重要，凡是学习了欧拉公式的人无不惊叹于欧拉深邃的思想。为了了解它，首先我们要从“数系”的拓展开始。

自然数在人们的生产和生活过程中，逐渐对数字产生了需求。人们为了给牛羊等牲畜计数，产生了自然数的概念。自然数就是全体正整数，也就是一个集合{1,2,3,4…} （有些教材把0也归类为自然数）。自然数集合对加法是封闭的。所谓封闭，就是说如果A和B都是自然数，那么A B也是自然数。例如2 3=5，4 6=10。

但是，自然数对减法不是封闭的，也就是说，如果A和B都是自然数，A-B不一定是自然数。例如3-2=1还是自然数，但是5-8=-3就不是自然数了。整数也许曾经有一段时间，人们认为5-8是没有意义的。就好像“我一共有5只羊，但是却要杀8只羊招待客人，还剩下几只羊？”这种问题根本不会发生。但实际上，只要我们去别人家借三只羊就可以满足要求，此时我们拥有的羊就变成了负债3只。

也就是-3的含义。所以，人们又发明了0 和负整数。正整数，零和负整数合成了整数集合{……-4,-3,-2,-1,0,1,2,3,4……}整数对加减法都是封闭的，对乘法也是封闭的，但是对除法就不封闭了。也就是说，如果A和B都是整数，A÷B就不一定是整数。例如4÷2=2是整数，但是3÷2=1.5就不是整数。

有理数为了解决除法封闭性的问题，人们发明了分数。在4000年前，古埃及人和古希腊人就在使用分数了。公元前5世纪，古希腊数学家毕达哥拉斯将整数和分数合在一起，提出了有理数的概念。所谓有理数，就是可以写成两个整数的比的数。写作集合就是 这样一来，有理数的加、减、乘、除（分母不能为零）就都封闭了。毕达哥拉斯等人沉醉于自己的成就，他们认为所有的数字都是有理数。

但是很快，学派内部的学者希帕索斯就发现了问题：如果一个直角三角形的两个直角边都是1，那么斜边无法用两个整数的比来表示。并由此引发了第一次数学危机。这个问题在于，有理数对于开方运算是不封闭的，例如：√4=2是有理数，但是√2就不是有理数。实数人们经过长期的研究，终于发现不仅有可以表示成两个整数的比的有理数，还有不能表示成整数比的无限不循环小数：无理数。

人们把有理数和无理数合在一起，称为实数。实数与数轴上的点一一对应。在数轴上，我们不仅能找到整数1、2、3…，还能找到分数2/3，也能找到e、π、√2等无理数。但是，数系并没有到此结束。因为人们发现√-1还是无法在实数范围内找到答案。也许有人会说：这个数本身就不存在啊！任何一个数的平方都一定是非负的，所以怎么会有一个数字的平方等于-1呢？复数数学家们并不这样认为。

他们觉得这个数字就好像5-8一样，在某个时刻就会找到它的用处。的确，现在的物理学和数学中，这个数字的作用非常大。这就是虚数。人们定义虚数单位i的含义是i=√-1，也就是说：i每4次幂循环一次。我们按照这个规律可以计算出i的2018次幂等于-1。实数和虚数可以合在一起，就构成了复数：形如a bi的数字，其中a和b都是实数，而i是虚数单位。

复数可以用复平面上的一个点（或者一个有向线段）表示。复平面是由实轴（OX轴）和虚轴（OY轴）构成的平面。实轴就是实数轴，上面的每一个点表示一个实数，例如A点就表示1。虚轴是一个少了原点的数轴，每一个点表示一个虚数，例如B点就表示i。那么平面上的C点在实轴上投影为2，在虚轴上投影为3，所以C点表示的复数就是2 3i.复数的加减乘除规则与实数非常类似。

例如：A=1 i， B=2 3i， 则A B=3 4i； A-B=-1-2i，A×B=（2-3） （2 3）i=-1 5i等。显然，复数内的加减乘除（分母不为零）都是封闭的，而且复数的实数次幂也是复数。不过，问题也接踵而至：一个数的复数次幂是什么？欧拉公式一个整数的有理数幂很简单对于无理数幂，例如2的π次幂，我们总可以用两个有理数去逼近，也就是说我们知道只要我们愿意，总可以把精度无限提高，这样无理数幂次的含义也被我们弄清楚了。

可是，2的i次幂到底是什么？人们仿佛毫无头绪。直到欧拉出现了。欧拉提出了著名的欧拉公式： 其中θ是一个实数，e是自然对数的底2.71828…利用这个公式，我们就可以计算一个数的复数次幂了。例如：其中ln2表示以e为底2的对数，它是一个实数。有了这个公式，复数在乘方上也封闭起来了。而且，如果我们令θ=π代入公式，就会得到这就是被誉为世界最美公式的欧拉恒等式。

欧拉公式的证明和应用欧拉公式有许多证明方法，比如可以使用泰勒展开。泰勒展开公式是说：一个光滑的函数可以展开成一系列函数的形式。例如e^x、cosx和sinx可以分别展开成下列形式：我们把x=iθ代入上述公式，就可以发现欧拉公式的左右两边相等。此外还有求导、积分等方法。使用欧拉公式可以解决非常多的问题，尤其在实变函数和物理中电学问题里，经常会把一个三角函数写作复数形式进行求解。

人工智能软件都涉及到哪些专业知识呢？

人工智能机器人应该与各种计算机软、硬件系统、人脸或语音识别、互联网、物联网和车联网(移动机器人)技术，各种传感器和数据采集系统、无线发射和接收系统、机械传动和伺服系统等密切相关。其人工智能应涵盖各学科各领域的人类思维判断及处置操作的方方面面。故人工智软件就可能会涉及各种自然科学和社会科学的各个分支和各种领域。

PyTorch和Gluon有什么区别？

pytorch是一个和tensorflow一样的深度学习框架，没有高度封装，适用于科研和工业部署的框架，由facebook出品，随着pytorch新版本的更新，c 的扩展，也许能够与tensorflow争一下地位，对于工业界也逐渐友好，工业部署算法也有些可能。tensorflow是静态图，而pytorch是动态图。

Gluon是亚马逊大神LI MU带领下做的一个前端工具，是一个高度封装的接口。 很多最新论文的算法，都有复现，你只需要去调用相应的function就可以使用相应算法，可以很简单，快捷的使用算法，看算法的展示效果。另外GluonCV是衍生出来的另一来源项目，主要针对于视觉方面，比如人脸识别，车辆检测，物体分类等等。

原子内绝结构是怎样的？有绝对实心的物质吗？

“原子内绝大部分空间都是空的？那么有绝对实心的物质吗？”，关于这个问题，我们可以一个个来回答。原子内绝大部分空间都是空的？其实科学最重要的一个特点，就是在搞任何研究之前，都要先把研究对象定义清楚。我们虽然不搞研究，但是在谈论科学问题时，其实也要把谈论的对象定义清楚。也就是，所谓的“空”，到底是什么?或者说，存不存在空？其实在量子世界里，“空”也很热闹，虽然才有那句名言：真空不空。

不过，相信对大多数人而言，“空”其实是指什么都看不到。那原子内部是这样的么？如果我们把时间静止，某一时刻电子静止了（虽然这是不可能事情，我们就假设可以。）我们这个时候再来看原子核和电子，就会发现一个问题，原子其实很大很大，原子核和电子很小很小。如果用比喻的话，应该是这样的，原子如果有足球场那么大，而原子核只有蚂蚁那么大，至于电子，那就更小了。

通过这个比喻，我们也大概知道原子有多空了。但是你想过它为啥不会塌么？原因其实就在于核外电子，它并不是轨道式地绕圈圈，而是呈现概率云式的，我们只知道下一刻它出现在某个位置的概率。 有绝对实心的物质吗？那到底有没有绝对实心的东西，就要从古希腊的一位哲学家说起了，他就是德谟克利特，和亚里士多德差不多时期。

他就曾提出原子论，认为构成万物的是一种无限切分到无法再切分的原子。当然，他所说的原子和我们现在的原子并不是一种。之所以一样的名字，是后来的科学家盗用了人家的德谟克利特的发明。但是德谟克利特也给我们指出了一条路，那就是存不存在可以一种没办法继续再发的粒子。整个20世纪的粒子物理学家和实验物理学家都在忙会这事，他们找到了100多种粒子。

最后建立了一个粒子物理标准模型。我们可以来简单讲一讲，就比如：质子还能再分么？实际上可以。质子是由三个夸克构成的。那电子可以再分么？实际上不可以。科学家找到了一对基本粒子，它们都不可再分，这当中就有电子，夸克，中微子，它们把这些粒子叫做费米子。除了此之外，科学家还在到了粘合剂，就是把费米子们串联起来的粒子，这当中就有传递强相互作用的胶子，传递电磁相互作用的光子，传递弱相互作用的Z玻色子和W玻色子，还有赋予粒子能量的希格斯玻色子，这些起到粘合剂作用的粒子就叫做玻色子。

通过这个模型，你就会发现，科学家在找到粒子的同时，还把四大作用中的三种作用统一了起来，不过引力一直都无法纳入到这个体系当中。也就是说，在粒子物理标准模型中，费米子和玻色子是德谟克利特所说的，无法切分的那种粒子。那他们是不是实心的呢？说实话，我们不知道，因为我们切不开它们。超弦理论认为他们还是可再分的，不过我们要知道的是超弦理论目前来说只是数学上推导，实际上还没有任何验证。

所以，按照目前来看，可能是实心的应该就是这些个粒子，因为他们无法再切下去。那他们有多致密么？其实我们还没办法知道。但我们知道中子星，也就是一些大质量的天体，自身的电子简并力没抗住引力，然后电子坠入到原子核中， 电子和质子发生反应变成中子，于是，整个天体就是一团中子的集合。这种天体的密度相当惊人，一汤勺大概就有10亿吨左右。

这其实就是因为原子内部空间被挤压的结果导致的。这种天体也就比一部分黑洞密度稍微小一点。（这里强调一下，我们不用密度来描述黑洞，而且根据计算，有些大黑洞的平均密度其实很小。）所以，我来总结一下，要说最实心的应该是那些不可再切分的基本粒子，不过这是基于目前的理论而言的。而要在宇宙中找到相对实心的，可能是一部分黑洞和绝大部分中子星。

只从科学角度，杨振宁、李政道和丁肇中，三位物理学诺奖得主谁的成就更高？

当然是杨振宁先生，杨先生不仅仅是中国人的优秀代表，而且是人类的优秀代表。当然李政道先生和丁肇中先生也是非常伟大的，如果非要在他们之间排名的话，只能是杨先生排在前面，而且杨先生是当世最伟大的物理学家，没有之一，你说爵爷和爱神，还有麦克斯韦，他们不是已经仙逝了吗。我曾经写过一个关于杨先生的回答，比较全面的总结了杨先生各方面的成功，科学上，教育上，对祖国的贡献上。

可是不知道为什么没有通过审查，所以这里只能简单说一下啊。杨先生号称有十三项诺奖级成果，这个可以秒杀一片了吧，杨先生完成了一多半统一场论，这可是爱神后半辈子没有完成的。杨先生是可以和牛爵爷，爱神，麦克斯韦并称的伟大物理学家。最后说一下翁女士，我真不知道为什么很多人一直抓住杨先生和翁女士的爱情不放，嫉妒吗？人家两个，一个丧偶，一个未嫁，走到一起，合情合理合法，和任何人有关系啊。

美国的男子亚当自称来自2045年，并预测未来的地球会被人工智能占领，你怎么看？

只能感叹：不但在我国很多人想成为网红，美国很多人也想成为网红，其他国家的人同样也是如此。有些人为了成为网红不惜用一切手段来博取大众眼球，看看很多新闻报道中有多少人经常用我们意想不到的手段来获取大众关注和点击率的！还是回到问题中来，美国的男子亚当自称来自2045年是如何一回事呢？简单说，亚当声称自己生于2019年12月份（还有三个月就出生了，大家如果还有兴趣可以留下下3个月后的事情），在2045年穿越时空回到现在的，然后发表了一些著名的言论。

比如，2028年将会有外星文明造访地球，人类实现与外星人的亲密接触，两年之后地球上将不会有多个国家，外星文明的到来将使得整个地球融为一体。马丁路德金的孙女将在2030年成为美国历史上第二位黑人总统。未来的世界将被人工智能统治，通过基因改变将出现“超级人类”实现“长生不老”！虽然以后的事情谁也不能确定，甚至下一秒发生什么我们都无法知道（纯理论上分析），但凡事都需要有一定的理论基础，起码符合最基础的认知。

如今距离2045年自由26年的时间，再自信的人恐怕也不会相信26年之后人类能掌握时空穿梭的科技吧？即使相信也不是自信，而是自负！目前理论上能穿越时空的基本只有利用虫洞这种结构了，而虫洞目前也只是停留在科幻层面。最重要的一点，亚当已经穿越到了现实世界，如果他继续在这个世界待上三个月，等到2019年12月亚当出生以后，不就有两个亚当了吗？谁是真的谁是假的？如果时空穿越回来的亚当杀死了刚出生的亚当，会发生什么？这意味着亚当已经死了，也就不可能时空穿越到现在了（祖父悖论），这如何解释？或许真的有未来人会穿越到现在，但起码拿出一些具有说服力的证据来，不要信口开河地说出一些预言就万事大吉了。