纳粹对脑电波的研究论文

一定有，不知道怎么解释～就像有的地方指南针失灵一样～没法解释～没有磁场！说不清楚

一个好答案都没有....

人身上都有磁场，但人思考的时候，磁场会发生改变，形成一种生物电流通过磁场，而形成的东西，我就把它定位为“脑电波”，通过能量守恒，我们思考的约用力，形成的电波也就越强，于是也就能解释为什么大量的脑力劳动会导致比体力劳动更大的饥饿感。生物电现象是生命活动的基本特征之一，各种生物均有电活动的表现，大如鲸鱼，小到细菌，都有或强或弱的生物电。其实，英文细胞（cell）一词也有电池的含义,无数的细胞就相当于一节节微型的小电池，是生物电的源泉。人体也同样广泛地存在着生物电现象，因为人体的各个组织器官都是由细胞组成的。对脑来说，脑细胞就是脑内一个个“微小的发电站”。我们的脑无时无刻不在产生脑电波。早在1857年，英国的一位青年生理科学工作者卡通（）在兔脑和猴脑上记录到了脑电活动，并发表了“脑灰质电现象的研究”论文，但当时并没有引起重视。十五年后，贝克（）再一次发表脑电波的论文，才掀起研究脑电现象的热潮，直至1924年德国的精神病学家贝格尔（）才真正地记录到了人脑的脑电波，从此诞生了人的脑电图。这是一些自发的有节律的神经电活动，其频率变动范围在每秒1－30次之间，可划分为四个波段，即δ（1－3Hz）、θ（4－7Hz）、α（8－13Hz）、β（14－30Hz）。 δ波，频率为每秒1－3次，当人在婴儿期或智力发育不成熟、成年人在极度疲劳和昏睡状态下，可出现这种波段。 θ波，频率为每秒4－7次，成年人在意愿受到挫折和抑郁时以及精神病患者这种波极为显著。但此波为少年（10－17岁）的脑电图中的主要成分。 α波，频率为每秒8－13次，平均数为10次左右，它是正常人脑电波的基本节律，如果没有外加的刺激，其频率是相当恒定的。人在清醒、安静并闭眼时该节律最为明显，睁开眼睛或接受其它刺激时，α波即刻消失。 β波，频率为每秒14－30次，当精神紧张和情绪激动或亢奋时出现此波，当人从睡梦中惊醒时，原来的慢波节律可立即被该节律所替代。在人心情愉悦或静思冥想时，一直兴奋的β波、δ波或θ波此刻弱了下来，α波相对来说得到了强化，因为这种波形最接近右脑的脑电生物节律，于是人的灵感状态就出现了。脑电波的节律来源于丘脑，科学家曾将动物大脑皮层与丘脑的联系切断，脑电波的节律消失，而丘脑的电节律活动仍然保持着。如果用8－13Hz的电脉冲刺激丘脑，在大脑皮层可出现类似α节律的脑电波。因此，正常脑电波的维持需要大脑与丘脑都要完好无损。另外，大家都知道“电生磁，磁生电”的道理，也就是说，电场与磁场总是相伴而生的。既然人脑有生物电或电场的变化，那么肯定有磁场的存在。果然，科学家Cohen于1968年首次测到了脑磁场。由于人脑磁场比较微弱，加上地球磁场及其它磁场的干扰，必须有良好的磁屏蔽室和高灵敏度的测定仪才能测到。1971年，国外有人在磁屏蔽室内首次记录到了脑磁图。脑磁测量是一种无损伤的探测方法，可以确定不同的生理活动或心理状态下脑内产生兴奋性部位，无疑是检测脑疾病的有效方法之一。脑电波或脑电图是一种比较敏感的客观指标，不仅可以用于脑科学的基础理论研究，而且更重要的意义在于它的临床实践的应用，与人类的生命健康息息相关。见

张灵甫概述张灵甫（1903年8月20日－1947年5月16日），汉族，陕西长安人。中国国民党陆军中将、抗日名将、爱国将领、民族英雄，原名张钟麟，字灵甫，后来为了表示开始新的生活，改名张灵甫，字钟麟。1903年8月20日生于陕西省长安县（今西安市长安区）东大乡东大西村。曾任中国国民革命军整编第七十四师（号称“王牌”、“模范师”、“抗日铁军”）师长。国共内战时期1947年5月16日阵亡于孟良崮战役，终年45岁，蒋介石称其为“国民党第一烈士”。机智多才从气质上来看，张灵甫是一位骁勇善战的抗日英雄，又是一位肄业于北大、多才多艺的才子。受到过良好的教育，书法更是一绝。曾从一本“武陵藏珍”的书中，见到过张灵甫将军1943年常德会战期间题赠部下的“蔡松坡先生遗集”，字体“雄豪婉丽，冲淡清奇”。他是一位不可多得的儒将。从外形上看：身材挺拔，气宇轩昂，目光犀利，透着军人的果敢、英气、冷峻...... 孤芳自赏有人如下评价国民党方面将领的性格特点：“蒋介石是独裁自负，白崇禧是强硬主战，李宗仁是优柔平衡，陈诚是眼高手低，张灵甫是高傲悲凉。”“菜根谭”有云：“立身不高一步立，如尘里振衣，泥中耀足，如何超达？出事不退一步处，如飞蛾投火，羝羊触藩，如何安乐？”“欹器以满覆，扑满以空全。故君子宁居无不居有，宁处缺不处完。”然而，性格特点是很难改变的，性格决定人生。纯粹军人张灵甫可谓是国军中少有之悍将，抗日功臣！参加过南京会战，兰封会战，长沙会战，衢州会战，常德会战等历次会战，歼敌无算。在万家岭战役中与日寇血战五天五夜，配合主力部队全歼日本一个师团。虽然在抗日战争胜利后国内三年解放战争之中站错了队，但是他在抗日战争中的伟大贡献是不可磨灭的。有二个人的“纯粹性”是另人感叹和惋惜的，除了张灵甫，还有个沈从文。张灵甫将军是一个纯粹意义上的中国职业军人。在抗日战争中带领部队打过无数硬仗、恶仗和胜仗，多次负伤，身经百战，九死一生。作为许多中国当代后人，可能只知道张灵甫及其74师（抗日战争期间称74军）在孟良崮战役中被陈毅、粟裕将军指挥的华东野战军全歼这一国共内战历史上的经典战例，而对于张灵甫将军在此之前的其他生平事迹，尤其是张将军在二战期间参与的许多和日寇军队之间正面进行的恶仗和硬仗却知之甚少。张灵甫所在的74军是一支抗日英雄部队，在军长王耀武将军的率领下几乎参加了抗战8年内所有国民革命军针对日军的重大战役，毙伤日寇无数，屡挫日军精锐，创造了全国闻名的德安大捷，被誉为抗日铁军。如果这段历史不为后人所知，那么对于壮烈牺牲殉国和流洒过鲜血的抗日英烈们显然是不公平的，这也是最令国人痛心疾首的事情。作为有良知的中国人，我们有责任把这段真实的历史昭告中国的后人们，使他们对于发生在60多年前那段中华民族的苦难历程有一个比较全面的了解和认识。作为历史唯物主义者，我们不应只以意识形态和个人成败论英雄，我们应该破除中国传统文化中的"胜者为王、败者为寇"的历史糟粕，能够从历史的高度上客观、全面地评价张灵甫将军作为一名职业军人的一生所为，方不失为偏颇。 1925年入黄埔军校第四期步科； 1926年10月，国民革命第一军第21师步兵排长见习官，后升任排长； 1926年秋冬，国民革命第一军第21师连长； 1928年12月29日，国民革命第一军第1师第2旅6团1营2连连长； 1929年5月，国民革命第一军第1师独立旅第2团3营9连连长；（蒋桂之战结束后，第四集团军第17师被缩编成中央军独立12旅，独立旅不久后被编入第1师）； 1930年5月，国民革命第一军第1师独立旅第2团3营营长少校； 1932年冬，国民革命第一军第1师独立旅第1团团副中校； 1933年，国民革命第一军第1师独立旅第1团团长； 1935年，杀妻吴海兰，被关入“模范监狱”； 1937年，第51师师部高参上校；（同年51师58师编成第74军，次年57师拨入第74军序列） 1937年10月，第74军第51师第153旅第305团团长； 1938年9月，第74军第51师第153旅旅长； 1940年冬，第74军第58师副师长； 1941年10月24日，第74军第58师代师长； 1941年冬，第74军第58师师长； 1944年5月，第74军副军长； 1945年2月20日，授予少将军衔；（同月保送入陆军大学甲级将官班第二期深造） 1946年4月20日，第74军中将军长兼首都警备司令； 1946年5月至6月，陆军整编第74师中将师长；（第74军整编番号更为陆军整编74师） 1947年5月16日，在孟良崮战役之中阵亡，享年45岁。

对大脑研究论文

深度神经网络（DNNs）是 AI 领域的重要成果，但它的 “存在感” 已经不仅仅限于该领域。一些前沿生物医学研究，也正被这一特别的概念所吸引。特别是计算神经科学家。在以前所未有的任务性能彻底改变计算机视觉之后，相应的 DNNs 网络很快就被用以试着解释大脑信息处理的能力，并日益被用作灵长类动物大脑神经计算的建模框架。经过任务优化的深度神经网络，已经成为预测灵长类动物视觉皮层多个区域活动的最佳模型类型之一。用神经网络模拟大脑或者试图让神经网络更像大脑正成为主流方向的当下，有研究小组却选择用神经生物学的方法重新审视计算机学界发明的DNNs。而他们发现，诸如改变初始权重等情况就能改变网络的最终训练结果。这对使用单个网络来窥得生物神经信息处理机制的普遍做法提出了新的要求：如果没有将具有相同功能的深度神经网络具有的差异性纳入考虑的话，借助这类网络进行生物大脑运行机制建模将有可能出现一些随机的影响。要想尽量避免这种现象，从事 DNNs 研究的计算神经科学家，可能需要将他们的推论建立在多个网络实例组的基础上，即尝试去研究多个相同功能的神经网络的质心，以此克服随机影响。而对于 AI 领域的研究者，团队也希望这种表征一致性的概念能帮助机器学习研究人员了解在不同任务性能水平下运行的深度神经网络之间的差异。人工神经网络由被称为 “感知器”、相互连接的单元所建立，感知器则是生物神经元的简化数字模型。人工神经网络至少有两层感知器，一层用于输入层，另一层用于输出层。在输入和输出之间夹上一个或多个 “隐藏” 层，就得到了一个 “深层” 神经网络，这些层越多，网络越深。深度神经网络可以通过训练来识别数据中的特征，就比如代表猫或狗图像的特征。训练包括使用一种算法来迭代地调整感知器之间的连接强度（权重系数），以便网络学会将给定的输入（图像的像素）与正确的标签（猫或狗）相关联。理想状况是，一旦经过训练，深度神经网络应该能够对它以前没有见过的同类型输入进行分类。但在总体结构和功能上，深度神经网络还不能说是严格地模仿人类大脑，其中对神经元之间连接强度的调整反映了学习过程中的关联。一些神经科学家常常指出深度神经网络与人脑相比存在的局限性：单个神经元处理信息的范围可能比 “失效” 的感知器更广，例如，深度神经网络经常依赖感知器之间被称为反向传播的通信方式，而这种通信方式似乎并不存在于人脑神经系统。然而，计算神经科学家会持不同想法。有的时候，深度神经网络似乎是建模大脑的最佳选择。例如，现有的计算机视觉系统已经受到我们所知的灵长类视觉系统的影响，尤其是在负责识别人、位置和事物的路径上，借鉴了一种被称为腹侧视觉流的机制。对人类来说，腹侧神经通路从眼睛开始，然后进入丘脑的外侧膝状体，这是一种感觉信息的中继站。外侧膝状体连接到初级视觉皮层中称为 V1 的区域，在 V1 和 V4 的下游是区域 V2 和 V4，它们最终通向下颞叶皮层。非人类灵长类动物的大脑也有类似的结构（与之相应的背部视觉流是一条很大程度上独立的通道，用于处理看到运动和物体位置的信息）。这里所体现的神经科学见解是，视觉信息处理的分层、分阶段推进的：早期阶段先处理视野中的低级特征（如边缘、轮廓、颜色和形状），而复杂的表征，如整个对象和面孔，将在之后由颞叶皮层接管。如同人的大脑，每个 DNN 都有独特的连通性和表征特征，既然人的大脑会因为内部构造上的差异而导致有的人可能记忆力或者数学能力更强，那训练前初始设定不同的神经网络是否也会在训练过程中展现出性能上的不同呢？换句话说，功能相同，但起始条件不同的神经网络间究竟有没有差异呢？这个问题之所以关键，是因为它决定着科学家们应该在研究中怎样使用深度神经网络。在之前 Nature 通讯发布的一篇论文中，由英国剑桥大学 MRC 认知及脑科学研究组、美国哥伦比亚大学 Zuckerman Institute 和荷兰拉德堡大学的 Donders 脑科学及认知与行为学研究中心的科学家组成的一支科研团队，正试图回答这个问题。论文题目为《Individual differences among deep neural network models》。根据这篇论文，初始条件不同的深度神经网络，确实会随着训练进行而在表征上表现出越来越大的个体差异。此前的研究主要是采用线性典范相关性分析（CCA，linear canonical correlation analysis）和 centered-kernel alignment（CKA）来比较神经网络间的内部网络表征差异。这一次，该团队的研究采用的也是领域内常见的分析手法 —— 表征相似性分析（RSA，representational similarity analysis）。该分析法源于神经科学的多变量分析方法，常被用于将计算模型生产的数据与真实的大脑数据进行比较，在原理上基于通过用 “双（或‘对’）” 反馈差异表示系统的内部刺激表征（Inner stimulus representation）的表征差异矩阵（RDMs，representational dissimilarity matrices），而所有双反馈组所组成的几何则能被用于表示高维刺激空间的几何排布。两个系统如果在刺激表征上的特点相同（即表征差异矩阵的相似度高达一定数值），就被认为是拥有相似的系统表征。表征差异矩阵的相似度计算在有不同维度和来源的源空间（source spaces）中进行，以避开定义 “系统间的映射网络”。本研究的在这方面上的一个特色就是，使用神经科学研究中常用的网络实例比较分析方法对网络间的表征相似度进行比较，这使得研究结果可被直接用于神经科学研究常用的模型。最终，对比的结果显示，仅在起始随机种子上存在不同的神经网络间存在明显个体差异。该结果在采用不同网络架构，不同训练集和距离测量的情况下都成立。团队分析认为，这种差异的程度与 “用不同输入训练神经网络” 所产生的差异相当。如上图所示，研究团队通过计算对应 RDM 之间的所有成对距离，比较 all-CNN-C 在所有网络实例和层、上的表示几何。再通过 MDS 将 a 中的数据点（每个点对应一个层和实例）投影到二维。各个网络实例的层通过灰色线连接。虽然早期的代表性几何图形高度相似，但随着网络深度的增加，个体差异逐渐显现。在证明了深度神经网络存在的显著个体差异之后，团队继续探索了这些差异存在的解释。随后，研究者再通过在训练和测试阶段使用 Bernoulli dropout 方法调查了网络正则化（network regularization）对结果能造成的影响，但发现正则化虽然能在一定程度上提升 “采用不同起始随机种子的网络之表征” 的一致性，但并不能修正这些网络间的个体差异。最后，通过分析网络的训练轨迹与个体差异出现的过程并将这一过程可视化，团队在论文中表示，神经网络的性能与表征一致性间存在强负相关性，即网络间的个体差异会在训练过程中被加剧。总而言之，这项研究主要调查了多个神经网络在最少的实验干预条件下是否存在个体差异，即在训练开始前为网络设置不同权重的随机种子，但保持其他条件一致，并以此拓展了此前与 “神经网络间相关性” 有关的研究。除了这篇这篇研究以外，“深度学习三巨头” 之一、著名 AI 学者 Hinton 也有过与之相关的研究，论文名为《Similarity of Neural Network Representations Revisited》，文章探讨了测量深度神经网络表示相似性的问题，感兴趣的读者可以一并进行阅读。 Refrence： [1] [2]

说起爱因斯坦，大家对他的评价都是天才、优秀科学家。然而正是因为异于常人的表现，让这位天才，在死后还不能安息，被人以科学的名义“窃取”大脑，拿来做研究。1955年4月18号，爱因斯坦死于大动脉爆裂，负责尸检的是一位病理学家Harvey哈维，在没有经过家属同意的情况下，他把爱因斯坦的大脑和眼球偷偷取出来了，理由是像爱因斯坦这样聪明的人不拿来做研究的话，就太可惜了。

这一消息很快被纽约时报报道，爱因斯坦的家人和粉丝知道后非常生气。引起了众怒的哈维不仅丢了工作，还跟妻子离了婚。最后，他带着大脑独自离去，离去前信誓旦旦的表示会公布研究结果。结果，40多年过去了，杳无音讯。

后来被记者找到时发现，他生活窘迫，对大脑的研究也一直没有进展。而爱因斯坦的大脑被切成了240小片，被包埋在火棉胶里，又浸泡在福尔马林中保存起来。截至到今天，关于爱因斯坦大脑研究的论文报道都是寥寥无几，有发现说，虽然爱因斯坦的大脑IQ高于常人，但他大脑的尺寸比其他成年男性的大脑的要小一点。

另一项发现是，他的大脑上负责数学和空间推理的顶叶比常人要大15%。但这些发现都不能解释，爱因斯坦为何是一位天才。随着时间的流逝，哈维取脑事件渐渐淡出了人们的视线。哈维也将剩余的大脑切片捐给了普林斯顿医院。至于爱因斯坦的眼球，曾经有传言说一位明星愿意出5百万美元（约合人民币3200万元）收购，哈维却否认有这件事。事实的真相到底是怎样的，估计只有当事人知道了。

对大脑的其他研究探索有不少科学家又在关注，能否通过人工手段激活人脑中的那些被压迫、被忽略的“天才按钮”。也就是说，通过人工途径把一个普通人变成天才。对此，米勒博士也曾表示，他有能力借助手术刀和一两件神经外科器械，彻底改变一个人的思维方式，甚至改变他的个性和信仰。澳大利亚弗林德斯大学的科学家认为，借助磁场切断人大脑内一些区段，就完全可以激活那些超级数学和艺术天分。澳大利亚科学家在17名志愿者身上进行了试验，结果证明了这一点。研究人员对志愿者的整个大脑进行磁刺激，把他们大脑皮质的有关部分断开几秒钟，获得了惊人的结果。有5个人能很快算出某个日子是星期几，还有6个人能凭记忆把马头画得一点儿也不差，其余的人轻易就能记住好几个通信地址。这些试验动摇了人们从前的“天才源于勤奋”的信念。在一定程度上，一个人的非凡才能是与生俱来的，关键在于如何找到并启动这些“天才按钮”。只要人类了解了大脑神经元运转的更多细节，掌握了更尖端、更先进的医疗技术，就有能力将常人变成天才。科学家借助最新实时成像技术观察大脑工作过程2014年5月，美国迈阿密大学（UM）科学家开发出一种新的实时成像技术，第一次让人们能直接看到活动物脑中蛋白质之间的相互作用。蛋白质的“社交网络”蛋白质虽小，它们之间的相互作用形成了网络，就像人类的社交网络那样。虽然网络的级别不一样，但在一个既定网络的基本单位之间，发生的行为都大致相同。新技术能让科学家以可视化方式看到动物脑中蛋白质之间的相互作用，在不同的时间、不同的位置看到它的发展变化。这种互相作用就像有机生物之间的联系交往。研究人员选择了果蝇胚胎作为实验的理想模型，因为果蝇的脑结构比较简单，而且透明，用一台荧光寿命成像显微镜（FLIM）就可能看到细胞的内部过程。观察结果对其它动物的脑，包括人脑也是适用的。在实验中，研究人员给果蝇胚胎中的两种蛋白质做了荧光标记：一种是RhoGTPaseCdc42，也叫细胞分裂控制蛋白42，它是一种发育必需的、被广泛表达的蛋白质，由绿色荧光蛋白标记；另一种是Cdc42的信号搭档——调节蛋白WASp，也叫威斯科特—奥德里奇综合征蛋白，由红色荧光蛋白标记。目前科学家认为，这两种蛋白结合在一起，能在脑发育期间帮助神经元生长。而且人脑中也有这两种蛋白。 “交往”中的能量转移以前人们在观察细胞内部时，需要对细胞进行化学或物理处理，这样很可能扰乱或杀死细胞，也就无法研究蛋白质在细胞天然环境中是怎样相互作用的。研究小组利用一种叫做福斯特共振能量转移（FRET）的原理克服了这一难题。福斯特共振能量转移也叫荧光共振能量转移，是指在两个不同的荧光分子（基团）中，如果供体分子的发射光谱与受体分子的吸收光谱有一定的重叠，当这两个分子距离足够近时，就能观察到荧光能量由供体向受体转移的现象。当两个小蛋白质靠得足够近时（通常是小于8纳米），就会发生这种能量转移，使供体分子的荧光寿命缩短，从3纳秒缩短到纳秒。这种现象可作为两个蛋白质之间发生了物理作用的证据，也是一种分子信号，显示出活动物体内特殊蛋白之间在何时何地发生了相互作用。研究人员发现，在果蝇胚胎的脑中形成新突触的同时同地，神经元内互相作用的蛋白质间也发生了能量共振转移现象。 “以往研究显示了Cdc42和WASp在试管中能直接结合在一起，而这是首次直接显示了两种蛋白质在脑中的相互作用。”奇巴说，“我们的最终目标是创造一种方法，能对脑中蛋白质间的相互作用进行系统地检查。现在基因组计划已经完成了，下一步就是要掌握那些基因编码蛋白在我们体内都干些什么。” 化学基因疗法给大脑装上药物开关英国伦敦大学学院科学家最近找到一种“入侵”大脑的新方法：通过基因工程改造脑细胞，使神经元在遇到某种药物时会放电，以此治疗癫痫发作。这种化学基因疗法已在有类癫痫症状的小鼠身上进行实验，也将很快用于人类。相关论文在线发表于最近的《自然-通讯》（Nature Communications）杂志上。化学基因学以光基因学为基础。在光基因学中，打开光开关，转基因脑细胞受到光照会放电，因此可用一种“光开关”选择性地激活特定神经元。但这需要在脑中植入光纤，所以用这种方法治疗脑紊乱不太实际。而化学基因学不需要光纤，但要用特定化学物质而不是光才能引发神经元放电。这样更有潜力，让人服药比把光引入大脑更容易。

爱因斯坦大脑出身是便是畸形的，导致管理数学与空间的一块比普通人大

脑电波方面论文专业文献

一定有，不知道怎么解释～就像有的地方指南针失灵一样～没法解释～没有磁场！说不清楚

早在1857年，英国的一位青年生理科学工作者卡通（）在兔脑和猴脑上记录到了脑电活动，并发表了“脑灰质电现象的研究”论文，但当时并没有引起重视。十五年后，贝克（）再一次发表脑电波的论文，才掀起研究脑电现象的热潮，直至1924年德国的精神病学家贝格尔（）看到电鳗发出电气，认为人类身上必然有相同的现象，才真正地记录到了人脑的脑电波，从此诞生了人的脑电图。

可以，但是接收者必须处于被催眠状态附：参考文献： 1.姜堪政、袁心洲著《场导发现-生物电磁波揭秘》，2008中国医药科技出版社出版，

电磁波的研究期末论文

生活中电磁辐射污染论文类的供研究者使用生活中的电磁辐射污染及防范【摘要】如今我们工作、生活在 E 时代,在你每天尽情享受科技带来的便捷和舒适时,有没有想过,在不知不觉中频率不同的电磁波,在我们周围悄无声息地构成了一种被称作“ 电子雾”的浓重污染源,它看不到、听不到、嗅不到、摸不到,神不知鬼不觉地任意穿透、 “切割”人的身体,如同“幽灵”一样,令人防不胜防。生活中的电子产品种类十分众多,与我们的生活、工作关系非常密切,我们与它们接触的时间又比较长,因此,这些电子产品所产生的电磁辐射对人体健康的影响问题已经越来越受到人们的重视。那么,什么是电磁辐射污染?它对人体作用的机理有哪些?如何防范电磁辐射污染?【关键词】电磁辐射污染电磁辐射污染机理电磁辐射污染防范1831 年英国科学家法拉第应用电磁感应的方法,使磁场中的导体在一定条件下产生了感应电流。这是 19 世纪最伟大的发现之一,随即世界上第一座发电站的建成标志着人类迈进了电磁辐射的应用时代。一百多年前,电磁辐射已经深入到了人类生活的方方面面,当今更是进入了一个电磁辐射的高利用时代。不过,科学历来都是一把双刃剑,时代的进步常常是要付出一定代价的,这种二律背反的现象已经得到了历史的多次验证。人们在充分享受电磁辐射带来的方便舒适的同时,也日渐感受到了它的负面效应。如各类各类办公自动化设备、移动通讯设备、家用电器迅速进入我们的生活,提高了我们的工作效率,丰富了我们的精神和物质生活。就在我们的生活前所未有的便捷的同时,我们所使用的高科技产品所产生的电磁辐射,又成为继室内空气污染、放射性污染和噪音污染之后的又一室内环境污染。特别是近些年来,国内外媒体上屡屡报道的有关电磁辐射对人体有害,更是让人们感觉到了来自电磁辐射的威胁,以致于很多人一提起它,就有一种莫名的痛恨和恐惧。1 电磁辐射污染: 所谓电磁辐射污染是指高压电、变电站、电台、电视台、雷达站、电磁波发射塔和电子仪器、医疗设备、自动化设备及微波炉、收音机、电视机、电脑、手机等工作时产生的各种不同波长频率的电磁波。人体如果长期暴露在超过安全的电磁辐射剂量的电磁辐射下,细胞就会被杀伤或杀死。随着信息技术产品的不断丰富,电磁辐射污染已经成为危害人们工作和生活的辐射污染的重要类型之一。另一个方面,信息技术要依靠电磁波,而电磁波极容易被干扰和破坏,由此会带来一些垃圾信息、有害信息的侵害,这也是电磁辐射污染的一个方面。电磁辐射会造成所谓的“电磁污染”,人们也叫它电子“烟雾”或电子垃圾,即电磁辐射的强度超过人体或环境所能承受的限度所产生的危害现象。它无色、无味、无形、无踪,无任何感觉,可穿透包括人体在内的多种物质,无处不在,被科学家称为 “电子垃圾”或“电子辐射污染”,有专家称这是继大气污染,水污染和噪音污染的第四污染。2 电磁辐射对人体作用机理人体是导体,可以吸收电磁场的能量。在电磁场的作用下,人体的分子会发生取向排列,在分子排列过程中相互碰撞消耗磁场能而转化为内能,引起热效应。电磁场强度越大,则热效应越明显;电磁振荡频率越高,热效应越明显,即电磁辐射对人体的作用:微波>超短波>短波>中波>长波。而且干扰人体生物电信息的传递。科学实验已表明,电磁辐射污染对人体的危害主要为两个方面——致热作用和非致热作用。致热作用致热作用是指电磁波穿透生物体表层,直接对肌体内部组织 “加热” (如同微波炉加热食品一样),即在高频电磁波作用下,物质的温度会发生改变。高频电磁波的致热作用会对生物体产生影响,从而对人体造成严重的伤害,导致乳腺癌、阳痿、流产、胎儿畸形等疾病。非致热作用非致热作用主要是指电磁波对人体植物神经系统的危害,造成心悸、脱发、心动过缓、血压降低和妇女月经失调等疾病。有一个典型的实验是这样做的:从鸡雏、猫的体内摘取出大脑皮质,用调制后的特高频、甚高频电磁波对其进行照射,发现有钙离子析出。钙离子是生物体内信息传递、免疫系统工作和细胞繁殖不可缺少的物质,它的浓度变化必然会对生物体产生影响。3 生活中电磁辐射污染的防范现代生活,处处离不开与电子设备打交道。能制造电磁辐射污染的污染源无处不在,电脑、打印机、复印机、手提电话、无线电仪器等无不产生对身体不利的电磁辐射波;与日常生活有关的如电视机、音响、洗衣机、电冰箱、空调、微波炉等均能产生各种数量不等的电磁干扰,我们如何防护呢? 生活中怎样才能防止和减少室内电磁辐射污染呢? 中国室内装饰协会室内环境监测中心的专家提醒大家注意以下几点: 在购买电子产品是应注意证实该产品是否已经通过了 CCC 认证(国家对电子电磁兼容性的安全认证);尽量减少对高辐射产品的使用;尽量使用低辐射的产品, 如低辐的电视机、微波炉、电脑等;尽量使用坐机拨打电话,少用手机拨打电话。手机接通瞬间释放的电磁辐射最大,最好在铃声响过一两秒或两次铃声之间接听, 使用时头部和手机天线的距离尽量远一些。有人说了,不买家电或是有也束之高阁不再用,污染不就没有或减少了嘛。好倒是好,可是要没了它们,咱们的生活就该倒退回从前的艰苦时代了。恐怕没人愿意放弃好生活而去过苦日子吧,多学几招防范措施才是现实可行之策。例如: 不要把家电摆放得过于集中,以免使自己暴露在超限量辐射的危险之中。特别是一些易产生电磁波的家电,如电视、电脑、冰箱、收音机等,最好不要集中摆放在卧室里。要避免长时间使用家用电器、手机等,还要尽量避免同时启用多种家电。与家电保持安全距离很有必要。距离越远,受电磁波侵害就越小。彩电的安全距离是荧光屏宽度的 5 倍左右,日光灯为 2～3 米,微波炉开启之后要离开至少 1 米远,孕妇和小孩应尽量远离微波炉。电器暂停使用时,最好不让它们处于待机状态,因为此时可产生较微弱的电磁场,长时间也会产生辐射积累。还有一招就是吃东西。多食用胡萝卜、豆芽、西红柿、油菜、海带、卷心菜、瘦肉、动物肝脏等富含维生素 A、C 和蛋白质的食物,加强机体抵抗电磁辐射的能力。居住、工作在高压线、雷达站、电视台、电磁波发射塔附近的人,佩带心脏起搏器有条件的应配备阻挡电磁辐射的屏蔽防护服。电视、电脑等有显示屏的电器设备可安装电磁辐射保护屏,使用者还可配戴防辐射眼镜。显示屏产生的辐射可能导致皮肤干燥,加速皮肤老化甚至导致皮癌, 因此在使用后应及时洗脸。注间电磁辐射污染的环境指数。有关专家提醒,5 种人特别要注意这一条,第一是生活和工作在高压线、变电站、电台、电视台、雷达站、电磁发射塔附近的人员;第二是经常使用电子仪器、医疗设备、办公自动化设备的人员;第三是生活在现代电器自动化环境中的工作人员;第四是佩戴心脏起搏器的患者;第五是生活在以上环境里的孕妇、儿童、老人及病患者等,都应该了解室内电磁辐射污染的程度,如果环境中电磁辐射污染比较高,就必须采取相应的措施。对于 E 时代下的又一现代污染———电磁辐射已经被联合国人类环境大会列入必须控制的造成公害的主要污染物之一。记得吗?我们的儿歌里曾把站着几只小麻雀的高压线比作五线谱,那曾是城市里最美的图画。可时过境迁,如今,因为怀疑围绕在居民区周围的高压线释放出的电磁辐射会损害人体健康,高压线的建设者们屡次亮相听证会甚至法庭,争端大有愈演愈烈之势。一些专家说,人类认识世界是一个渐进的过程,许多问题还有待科学研究的进一步深入和时间的考验。目前,不管学术界的争论如何激烈,现存的、引起很大争执的问题应该及时得到解决。首先,应该及时推出直接关系到公众健康的产品标准。第二、对于已有标准的产品,应该加强监管力度,特别是列入 3C 认证目录的产品。第三,应该制定相关的法律、法规以及时解决目前引起争端的事件。当然,对于我们普通人也要适当改变一下生活方式。如尽量用更多的时间到户外活动,到乡村去,到田野去, 接近大自然 ,享受大自然。参考文献 [1]《宇宙、地球和大气》[美].I.阿西摩夫著科学出版社. [2]《电磁波工程》朱建清,著.国防科技大学出版社.

自己上百度找，不过最好自己写，这里有一参考：摘要：介绍了电磁学计算方法的研究进展和状态，对几种富有代表性的算法做了介绍，并比较了各自的优势和不足，包括矩量法、有限元法、时域有限差分方法以及复射线方法等。关键词：矩量法；有限元法；时域有限差分方法；复射线方法 1 引言 1864年Maxwell在前人的理论（高斯定律、安培定律、法拉第定律和自由磁极不存在）和实验的基础上建立了统一的电磁场理论，并用数学模型揭示了自然界一切宏观电磁现象所遵循的普遍规律，这就是著名的Maxwell方程。在11种可分离变量坐标系求解Maxwell方程组或者其退化形式，最后得到解析解。这种方法可以得到问题的准确解，而且效率也比较高，但是适用范围太窄，只能求解具有规则边界的简单问题。对于不规则形状或者任意形状边界则需要比较高的数学技巧，甚至无法求得解析解。20世纪60年代以来，随着电子计算机技术的发展，一些电磁场的数值计算方法发展起来，并得到广泛地应用，相对于经典电磁理论而言，数值方法受边界形状的约束大为减少，可以解决各种类型的复杂问题。但各种数值计算方法都有优缺点，一个复杂的问题往往难以依靠一种单一方法解决，常需要将多种方法结合起来，互相取长补短，因此混和方法日益受到人们的重视。本文综述了国内外计算电磁学的发展状况，对常用的电磁计算方法做了分类。 2 电磁场数值方法的分类电磁学问题的数值求解方法可分为时域和频域2大类。频域技术主要有矩量法、有限差分方法等，频域技术发展得比较早，也比较成熟。时域法主要有时域差分技术。时域法的引入是基于计算效率的考虑，某些问题在时域中讨论起来计算量要小。例如求解目标对冲激脉冲的早期响应时，频域法必须在很大的带宽内进行多次采样计算，然后做傅里叶反变换才能求得解答，计算精度受到采样点的影响。若有非线性部分随时间变化，采用时域法更加直接。另外还有一些高频方法，如GTD，UTD和射线理论。从求解方程的形式看，可以分为积分方程法（IE）和微分方程法（DE）。IE和DE相比，有如下特点：IE法的求解区域维数比DE法少一维，误差限于求解区域的边界，故精度高；IE法适合求无限域问题，DE法此时会遇到网格截断问题；IE法产生的矩阵是满的，阶数小，DE法所产生的是稀疏矩阵，但阶数大；IE法难以处理非均匀、非线性和时变媒质问题，DE法可直接用于这类问题〔1〕。 3 几种典型方法的介绍有限元方法是在20世纪40年代被提出，在50年代用于飞机设计。后来这种方法得到发展并被非常广泛地应用于结构分析问题中。目前，作为广泛应用于工程和数学问题的一种通用方法，有限元法已非常著名。有限元法是以变分原理为基础的一种数值计算方法。其定解问题为：应用变分原理，把所要求解的边值问题转化为相应的变分问题，利用对区域D的剖分、插值，离散化变分问题为普通多元函数的极值问题，进而得到一组多元的代数方程组，求解代数方程组就可以得到所求边值问题的数值解。一般要经过如下步骤： ①给出与待求边值问题相应的泛函及其变分问题。 ②剖分场域D，并选出相应的插值函数。 ③将变分问题离散化为一种多元函数的极值问题，得到如下一组代数方程组：其中：Kij为系数（刚度）矩阵；Xi为离散点的插值。 ④选择合适的代数解法解式（2），即可得到待求边值问题的数值解Xi（i＝1，2，…，N）（2）矩量法很多电磁场问题的分析都归结为这样一个算子方程〔2〕： L（f）＝g（3）其中：L是线性算子，f是未知的场或其他响应，g是已知的源或激励。在通常的情况下，这个方程是矢量方程（二维或三维的）。如果f能有方程解出，则是一个精确的解析解，大多数情况下，不能得到f的解析形式，只能通过数值方法进行预估。令f在L的定义域内被展开为某基函数系f1，f2，f3，…，fn的线性组合：其中：an是展开系数，fn为展开函数或基函数。对于精确解式（2）通畅是无限项之和，且形成一个基函数的完备集，对近似解，将式（2）带入式（1），再应用算子L的线性，便可以得到： m＝1，2，3，… 此方程组可写成矩阵形式f，以解出f。矩量法就是这样一种将算子方程转化为矩阵方程的一种离散方法。在电磁散射问题中，散射体的特征尺度与波长之比是一个很重要的参数。他决定了具体应用矩量法的途径。如果目标特征尺度可以与波长比较，则可以采用一般的矩量法；如果目标很大而特征尺度又包括了一个很大的范围，那么就需要选择一个合适的离散方式和离散基函数。受计算机内存和计算速度影响，有些二维和三维问题用矩量法求解是非常困难的，因为计算的存储量通常与N2或者N3成正比（N为离散点数），而且离散后出现病态矩阵也是一个难以解决的问题。这时需要较高的数学技巧，如采用小波展开，选取合适的小波基函数来降维等〔3〕。（3）时域有限差分方法时域有限差分（FDTD）是电磁场的一种时域计算方法。传统上电磁场的计算主要是在频域上进行的，这些年以来，时域计算方法也越来越受到重视。他已在很多方面显示出独特的优越性，尤其是在解决有关非均匀介质、任意形状和复杂结构的散射体以及辐射系统的电磁问题中更加突出。FDTD法直接求解依赖时间变量的麦克斯韦旋度方程，利用二阶精度的中心差分近似把旋度方程中的微分算符直接转换为差分形式，这样达到在一定体积内和一段时间上对连续电磁场的数据取样压缩。电场和磁场分量在空间被交叉放置，这样保证在介质边界处切向场分量的连续条件自然得到满足。在笛卡儿坐标系电场和磁场分量在网格单元中的位置是每一磁场分量由4个电场分量包围着，反之亦然。这种电磁场的空间放置方法符合法拉第定律和安培定律的自然几何结构。因此FDTD算法是计算机在数据存储空间中对连续的实际电磁波的传播过程在时间进程上进行数字模拟。而在每一个网格点上各场分量的新值均仅依赖于该点在同一时间步的值及在该点周围邻近点其他场前半个时间步的值。这正是电磁场的感应原理。这些关系构成FDTD法的基本算式，通过逐个时间步对模拟区域各网格点的计算，在执行到适当的时间步数后，即可获得所需要的结果。在上述算法中，时间增量Δt和空间增量Δx，Δy和Δz不是相互独立的，他们的取值必须满足一定的关系，以避免数值不稳定。这种不稳定表现为在解显式差分方程时随着时间步的继续计算结果也将无限制的67增加。为了保证数值稳定性必须满足数值稳定条件：其中：（对非均匀区域，应选c的最大值）〔4〕。用差分方法对麦克斯韦方程的数值计算还会在网格中引起所模拟波模的色散，即在FDTD网格中数字波模的传播速度将随波长、在网格中的传播方向以及离散化的情况而改变。这种色散将导致非物理原因引起的脉冲波形的畸变、人为的各向异性及虚拟的绕射等，因此必须考虑数值色散问题。如果在模拟空间中采用大小不同的网格或包含不同的介质区域，这时网格尺寸与波长之比将是位置的函数，在不同网格或介质的交界面处将出现非物理的绕射和反射现象，对此也应该进行定量的研究，以保证正确估计FDTD算法的精度。在开放问题中电磁场将占据无限大空间，而由于计算机内存总是有限的，只能模拟有限空间，因此差分网格在某处必将截断，这就要求在网格截断处不引起波的明显反射，使对外传播的波就像在无限大空间中传播一样。这就是在截断处设置吸收边界条件，使传播到截断处的波被边界吸收而不产生反射，当然不可能达到完全没有反射，目前已创立的一些吸收边界条件可达到精度上的要求，如Mur所导出的吸收边界条件。（4）复射线方法复射线是用于求解波场传播和散射问题的一种高频近似方法。他根据几何光学理论和几何绕射理论的分析方法和计算公式，在解析延拓的复空间中求解复射线轨迹和场的振幅和相位，从而直接得出局部不均匀波（凋落波）的传播和散射规律〔5〕。复射线方法是包括复射线追踪、复射线近轴近似、复射线展开以及复绕射线等处理技术在内的一系列处理方法的统称。其共同特点在于：通过将射线参考点坐标延拓到复空间而建立了一个简单而统一的实空间中波束／射线束（Bundle ofrays）分析模型；通过费马原理及其延拓，由基于复射线追踪或复射线近轴近似的处理技术，构造了射线光学架构下有效的鞍点场描述方法等。例如，复射线追踪法将射线光学中使用的射线追踪方法和场强计算公式直接地解析延拓到复空间，利用延拓后的复费马原理进行复射线搜索，从而求出复射线轨迹和复射线场。这一方法的特点在于可以基于射线光学方法有效地描述空间中波束的传播，因此，提供了一类分析波束传播的简便方法。其不足之处是对每一个给定的观察点必须进行一次二维或四维的复射线轨迹搜索，这是一个十分花费时间的计算机迭代过程。 4 几种方法的比较和进展将有限元法移植到电磁工程领域还是二十世纪六七十年代的事情，他比较新颖。有限元法的优点是适用于具有复杂边界形状或边界条件、含有复杂媒质的定解问题。这种方法的各个环节可以实现标准化，得到通用的计算程序，而且有较高的计算精度。但是这种方法的计算程序复杂冗长，由于他是区域性解法，分割的元素数和节点数较多，导致需要的初始数据复杂繁多，最终得到的方程组的元数很大，这使得计算时间长，而且对计算机本身的存储也提出了要求。对电磁学中的许多问题，有限元产生的是带状（如果适当地给节点编号的话）、稀疏阵（许多矩阵元素是0）。但是单独采用有限元法只能解决开域问题。用有限元法进行数值分析的第一步是对目标的离散，多年来人们一直在研究这个问题，试图找到一种有效、方便的离散方法，但由于电磁场领域的特殊性，这个问题一直没有得到很好的解决。问题的关键在于一方面对复杂的结构，一般的剖分方法难于适用；另一方面，由于剖分的疏密与最终所形成的系数矩阵的存贮量密切相关，因而人们采用了许多方法来减少存储量，如多重网格法，但这些方法的实现较为困难〔6〕。网格剖分与加密是有限元方法发展的瓶颈之一，采用自适应网格剖分和加密技术相对来说可以较好地解决这一问题。自适应网格剖分根据对场量分布求解后的结果对网格进行增加剖分密度的调整，在网格密集区采用高阶插值函数，以进一步提高精度，在场域分布变化剧烈区域，进行多次加密。这些年有限元方法的发展日益加快，与其他理论相结合方面也有了新的进展，并取得了相当应用范围的成果，如自适应网格剖分、三维场建模求解、耦合问题、开域问题、高磁性材料及具有磁滞饱和非线性特性介质的处理等，还包括一些尚处于探索阶段的工作，如拟问题、人工智能和专家系统在电磁装置优化设计中的应用、边基有限元法等，这些都使得有限元方法的发展有了质的飞跃。矩量法将连续方程离散化为代数方程组，既适用于求解微分方程，又适用于求解积分方程。他的求解过程简单，求解步骤统一，应用起来比较方便。然而 77他需要一定的数学技巧，如离散化的程度、基函数与权函数的选取，矩阵求解过程等。另外必须指出的是，矩量法可以达到所需要的精确度，解析部分简单，可计算量很大，即使用高速大容量计算机，计算任务也很繁重。矩量法在天线分析和电磁场散射问题中有比较广泛地应用，已成功用于天线和天线阵的辐射、散射问题、微带和有耗结构分析、非均匀地球上的传播及人体中电磁吸收等。 FDTD用有限差分式替代时域麦克斯韦旋度方程中的微分式，得到关于场分量的有限差分式，针对不同的研究对象，可在不同的坐标系中建模，因而具有这几个优点，容易对复杂媒体建模，通过一次时域分析计算，借助傅里叶变换可以得到整个同带范围内的频率响应；能够实时在现场的空间分布，精确模拟各种辐射体和散射体的辐射特性和散射特性；计算时间短。但是FDTD分析方法由于受到计算机存储容量的限制，其网格空间不能无限制的增加，造成FDTD方法不能适用于较大尺寸，也不能适用于细薄结构的媒质。因为这种细薄结构的最小尺寸比FDTD网格尺寸小很多，若用网格拟和这类细薄结构只能减小网格尺寸，而这必然导致计算机存储容量的加大。因此需要将FDTD与其他技术相结合，目前这种技术正蓬勃发展，如时域积分方程／FDTD方法，FDTD／MOM等。FDTD的应用范围也很广阔，诸如手持机辐射、天线、不同建筑物结构室内的电磁干扰特性研究、微带线等〔7〕。复射线技术具有物理模型简单、数学处理方便、计算效率高等特点，在复杂目标散射特性分析等应用领域中有重要的研究价值。典型的处理方式是首先将入射平面波离散化为一组波束指向平行的复源点场，通过特定目标情形下的射线追踪、场强计算和叠加各射线场的贡献，可以得到特定观察位置处散射场的高频渐进解。目前已运用复射线分析方法对飞行器天线和天线罩（雷达舱）、（加吸波涂层）翼身结合部和进气道以及涂层的金属平板、角形反射器等典型目标散射特性进行了成功的分析。尽管复射线技术的计算误差可以通过参数调整得到控制，但其本身是一种高频近似计算方法，由于入射波场的离散和只引入鞍点贡献，带来了不可避免的计算误差。总的来说复射线方法在目标电磁散射领域还是具有独特的优势，尤其是对复杂目标的处理。 5 结语电磁学的数值计算方法远远不止以上所举，还有边界元素法、格林函数法等，在具体问题中，应该采用不同的方法，而不应拘泥于这些方法，还可以把这些方法加以综合应用，以达到最佳效果。电磁学的数值计算是一门计算的艺术，他横跨了多个学科，是数学理论、电磁理论和计算机的有机结合。原则上讲，从直流到光的宽频带范围都属于他的研究范围。为了跟上世界科技发展的需要，应大力进行电磁场的并行计算方法的研究，不断拓广他的应用领域，如生物电磁学、复杂媒质中的电磁正问题和逆问题、医学应用、微波遥感应用、非线性电磁学中的混沌与分叉、微电子学和纳米电子学等。参考文献〔1〕文舸一．计算电磁学的进展与展望〔J〕．电子学报，1995，23（10）：62-69. 〔2〕刘圣民．电磁场的数值方法〔M〕．武汉：华中理工大学出版社，1991．〔3〕张成，郑宏兴．小波矩量法求解电磁场积分方程〔J〕．宁夏大学学报（自然科学版），2000，21（1）：76-79. 〔4〕王长清．时域有限差分(FD-TD)法〔J〕．微波学报,1989,(4):8-18. 〔5〕阮颖诤．复射线理论及其应用〔M〕．成都：电子工业出版社，1991．〔6〕方静，汪文秉．有限元法和矩量法结合分析背腔天线的辐射特性〔J〕．微波学报，2000，16(2):139-143. 〔7〕杨永侠，王翠玲．电磁场的FDTD分析方法〔J〕．现代电子技术,2001,(11):73-74. 〔8〕洪伟．计算电磁学研究进展〔J〕．东南大学学RB （自然科学版），2002，32（3）：335-339. 〔9〕王长清，祝西里．电磁场计算中的时域有限差分法〔M〕．北京：北京大学出版社，1994．〔10〕楼仁海，符果行，袁敬闳．电磁理论〔M〕．成都：电子科技大学出版社，1996．现代电子技术

电磁学是物理学的一个分支。电学与磁学领域有著紧密关系，广义的电磁学可以说是包含电学和磁学，但狭义来说是一门探讨电性与磁性交互关系的学科。主要研究电磁波，电磁场以及有关电荷，带电物体的动力学等等。电磁学或称电动力学或经典电动力学。之所以称为经典，是因为它不包括现代的量子电动力学的内容。电动力学这样一个术语使用并不是非常严格，有时它也用来指电磁学中去除了静电学、静磁学后剩下的部分，是指电磁学与力学结合的部分。这个部分处理电磁场对带电粒子的力学影响。电磁学的基本理论由19世纪的许多物理学家发展起来，麦克斯韦方程组通过一组方程统一了所有的这些工作，并且揭示出了光作为电磁波的本质。电磁学的基本方程式为麦克斯韦方程组，此方程组在经典力学的相对运动转换（伽利略变换）下形式会变，在伽里略变换下，光速在不同惯性座标下会不同。保持麦克斯韦方程组形式不变的变换为洛伦兹变换，在此变换下，不同惯性座标下光速恒定。二十世纪初迈克耳孙-莫雷实验支持光速不变，光速不变亦成为爱因斯坦的狭义相对论的基石。取而代之，洛伦兹变换亦成为较伽利略变换更精密的惯性座标转换方式。静磁现象和静电现象很早就受到人类注意。中国远古黄帝时候就已经发现了磁石吸铁、磁石指南以及摩擦生电等现象。系统地对这些现象进行研究则始於16世纪。1600年英国医生威廉·吉尔伯特(William Gilbert，1544～1603)发表了<论磁、磁饱和地球作为一个巨大的磁体>(Demagnete，magneticisque corporibus et de magnomagnete tellure)。他总结了前人对磁的研究，周密地讨论了地磁的性质，记载了大量实验，使磁学从经验转变为科学。书中他也记载了电学方面的研究。

中国对大脑研究论文

人类大脑与电脑英国科学家艾伦·图灵1937年发表著名的《论应用于解决问题的可计算数字》一文。文中提出思考原理计算机——图灵机的概念，推进了计算机理论的发展。1945年图灵到英国国家物理研究所工作，并开始设计自动计算机。1950年，图灵发表题为《计算机能思考吗？》的论文，设计了著名的图灵测验，通过问答来测试计算机是否具有同人类相等的智力。图灵提出了一种抽象计算模型，用来精确定义可计算函数。图灵机由一个控制器、一条可无限伸延的带子和一个在带子上左右移动的读写头组成。这个在概念上如此简单的机器，理论上却可以计算任何直观可计算的函数。图灵机作为计算机的理论模型，在有关计算机和计算复杂性的研究方面得到广泛应用。计算机是人类制造出来的信息加工工具。如果说人类制造的其他工具是人类双手的延伸，那么计算机作为代替人脑进行信息加工的工具，则可以说是人类大脑的延伸。最初真正制造出来的计算机是用来解决数值计算问题的。二次大战后期，当时为军事目的进行的一系列破译密码和弹道计算工作，越来越复杂。大量的数据、复杂的计算公式，即使使用电动机械计算器也要耗费相当的人力和时间。在这种背景下，人们开始研制电子计算机。世界上第一台计算机“科洛萨斯”诞生于英国，“科洛萨斯”计算机是1943年3月开始研制的，当时研制“科洛萨斯”计算机的主要目的是破译经德国“洛伦茨”加密机加密过的密码。使用其他手段破译这种密码需要6至8个星期，而使用‘科洛萨斯’计算机则仅需6至8小时。1944年1月10日，“科洛萨斯”计算机开始运行。自它投入使用后，德军大量高级军事机密很快被破译，盟军如虎添翼。“科洛萨斯”比美国的ENIAC计算机问世早两年多，在二战期间破译了大量德军机密，战争结束后，它被秘密销毁了，故不为人所了解。尽管第一台电子计算机诞生于英国，但英国没有抓住由计算机引发的技术和产业革命的机遇。相比之下，美国抓住了这一历史机遇，鼓励发展计算机技术和产业，从而崛起了一大批计算机产业巨头，大大促进了美国综合国力的发展。1944年美国国防部门组织了有莫奇利和埃克脱领导的ENIAC计算机的研究小组，当时在普林斯顿大学工作的现代计算机的奠基者美籍匈牙利数学家冯·诺依曼也参加了者像研究工作。1946年研究工作获得成功，制成了世界上第一台电子数字计算机ENIAC。这台用18000只电子管组成的计算机，尽管体积庞大，耗电量惊人，功能有限，但是确实起了节约人力节省时间的作用，而且开辟了一个计算机科学技术的新纪元。这也许连制造它的科学家们也是始料不及的。最早的计算机尽管功能有限，和现代计算机有很大的差别，但是它已具备了现代计算机的基本部分，那就是运算器、控制器和存储器。运算器就象算盘，用来进行数值运算和逻辑运算，并获得计算结果。而控制器就象机算机的司令部，指挥着计算机各个部分的工作，它的指挥是靠发出一系列控制信号完成的。计算机的程序、数据、以及在运算中产生的中间结果以及最后结果都要有个存储的地方，这就是计算机的第三个部件——存储器。计算机是自动进行计算的，自动计算的根据就是存储于计算机中的程序。现代的计算机都是存储程序计算机，又叫冯·诺依曼机，这是因为存储程序的概念是冯·诺依曼提出的。人们按照要解决的问题的数学描述，用计算机能接受的“语言”编制成程序，输入并存储于计算机，计算机就能按人的意图，自动地高速地完成运算并输出结果。程序要为计算机提供要运算的数据、运算的顺序、进行何种运算等等。微电子技术的产生使计算机的发展又有了新的机遇，它使计算机小型化成为可能。微电子技术的发展可以追溯到晶体管的出现。1947年美国电报电话公司的贝尔实验室的三位学家巴丁、不赖顿和肖克莱制成第一支晶体管，开始了以晶体管代替电子管的时代。晶体管的出现可以说是集成电路出台的序幕。晶体管出现后，一些科学家发现，把电路元器件和连线像制造晶体管那样做在一块硅片上可实现电路的小型化。于是，晶体管制造工业经过10年的发展后，1958年出现了第一块集成电路。微电子技术的发展，集成电路的出现，首先引起了计算机技术的巨大变革。现代计算机多把运算器和控制器做在一起，叫微处理器，由于计算机的心脏——微处理器（计算机芯片）的集成化，使微型计算机应运尔生，并在70－80年代间得到迅速发展，特别是IBM PC个人计算机出现以后，打开了计算机普及的大门，促进了计算机在各行各业的应用，五六十年代，价格昂贵、体积庞大、耗电量惊人的计算机，只能在少数大型军事或科研设施中应用，今天由于采用了大规模集成电路，计算机已经进入普通的办公室和家庭。标志集成电路水平的指标之一是集成度，即在一定尺寸的芯片上能做出多少个晶体管，从集成电路出现到今天，仅40余年，发展的速度却是惊人的，芯片越做越小，这对生产、生活的影响也是深远的。ENIAC计算机占地150平方米，重达30吨，耗电量几百瓦，其所完成的计算，今天高级一点的袖珍计算器皆可完成。这就是微电子技术和集成电路所创造的奇迹。现状与前景美国科学家最近指出，经过30多年的发展，计算机芯片的微型化已接近极限。计算机技术的进一步发展只能寄希望于全新的技术，如新材料、新的晶体管设计方法和分子层次的计算技术。过去30多年来，半导体工业的发展基本上遵循穆尔法则，即安装在硅芯片上的晶体管数目每隔18个月就翻一番。芯片体积越来越小，包含的晶体管数目越来越多，蚀刻线宽越来越小；计算机的性能也因而越来越高，同时价格越来越低。但有人提出，这种发展趋势最多只能再持续10到15年的时间。美国最大的芯片生产厂商英特尔公司的科学家保罗·A·帕坎最近在美国《科学》杂志上撰文说，穆尔法则（1965年提出的预测半导体能力将以几何速度增长的法则）也许在未来10年里就会遇到不可逾越的障碍：芯片的微型化已接近极限。人们尚未找到超越该极限的方法，一些科学家将其称之为“半导体产业面临的最大挑战”。目前最先进的超大规模集成电路芯片制造技术所能达到的最小线宽约为微米，即一根头发的5％那样宽。晶体管里的绝缘层只有4到5个原子那样厚。日本将于2000年初开始批量生产线宽只有0. 13微米的芯片。预计这种芯片将在未来两年得到广泛应用。下一步是推出线宽0. 1微米的的芯片。帕坎说，在这样小的尺寸上，晶体管只能由不到100个原子构成。芯片线宽小到一定程度后，线路与线路之间就会因靠得太近而容易互相干扰。而如果通过线路的电流微弱到只有几十个甚至几个电子，信号的背景噪声将大到不可忍受。尺寸进一步缩小，量子效应就会起作用，使传统的计算机理论完全失效。在这种情况下，科学家必须使用全新的材料、设计方法乃至运算理论，使半导体业和计算机业突破传统理论的极限，另辟蹊径寻求出路。当前计算机发展的主流是什么呢？国内外比较一致的看法是RISC RISC是精简指令系统计算机（Reduced Instruction Set Computer）的英文缩写。所谓指令系统计算机所能执行的操作命令的集合。程序最终要变成指令的序列，计算机能执行。计算机都有自己的指令系统，对于本机指令系统的指令，计算机能识别并执行，识别就是进行译码——把代表操作的二进制码变成操作所对应的控制信号，从而进行指令要求的操作。一般讲，计算机的指令系统约丰富，它的功能也约强。RISC系统将指令系统精简，使系统简单，目的在于减少指令的执行时间，提高计算机的处理速度。传统的计算机一般都是每次取一条指令，而RISC系统采用多发射结构，在同一时间发射多条指令，当然这必须增加芯片上的执行部件。并行处理技术并行处理技术也是提高计算机处理速度的重要方向，传统的计算机，一般只有一个中央处理器，中央处理器中执行的也只是一个程序，程序的执行是一条接一条地顺序进行，通过处理器反映程序的数据也是一个接一个的一串，所以叫串行执行指令。并行处理技术可在同一时间内多个处理器中执行多个相关的或独立的程序。目前并行处理系统分两种：一种具有4个、8个甚至32个处理器集合在一起的并行处理系统，或称多处理机系统；另一种是将100个以上的处理器集合在一起，组成大规模处理系统。这两种系统不仅是处理器数量多少之分，其内部互连方式、存储器连接方式、操作系统支持以及应用领域都有很大的不同。曾经有一段时间，超级计算机是利用与普通计算机不同的材料制造的。最早的克雷1号计算机是利用安装在镀铜的液冷式电路板上的奇形怪状的芯片、通过手工方式制造的。而克雷2号计算机看起来更加奇怪，它在一个盛有液态碳氟化合物的浴器中翻腾着气泡———采用的是“人造血液”冷却。并行计算技术改变了所有这一切。现在，世界上速度最快的计算机是美国的“Asci Red”，这台计算机的运算速度为每秒钟2·1万亿次，它就是利用与个人计算机和工作站相同的元件制造的，只不过超级计算机采用的元件较多而已，内部配置了9000块标准奔腾芯片。鉴于目前的技术潮流，有一点是千真万确的，那就是超级计算机与其它计算机的差别正在开始模糊。至少在近期，这一趋势很明显将会继续下去。那么，哪些即将到来的技术有可能会扰乱计算技术的格局，从而引发下一次超级计算技术革命呢？这样的技术至少有三种：光子计算机、生物计算机和量子计算机。它们能够成为现实的可能性都很小，但是由于它们具有引发革命的潜力，因此是值得进行研究的。光子计算机光子计算机可能是这三种新技术中最接近传统的一种。几十年来，这种技术已经得到了有限的应用，尤其是在军用信号处理方面。在光子计算技术中，光能够像电一样传送信息，甚至传送效果更好，，光束在把信息从一地传送至另一地的效果要优于电，这也就是电话公司利用光缆进行远距离通信的缘故。光对通信十分有用的原因，在于它不会与周围环境发生相互影响，这是它与电不同的一点。两束光线可以神不知鬼不觉地互相穿透。光在长距离内传输要比电子信号快约100倍，光器件的能耗非常低。预计，光子计算机的运算速度可能比今天的超级计算机快1000到10000倍。令人遗憾的是，正是这种极端的独立性使得人们难以制造出一种全光子计算机，因为计算处理需要利用相互之间的影响。要想制造真正的光子计算机，就必须开发出光学晶体管，这样就可以用一条光束来开关另一条光束了。这样的装置已经存在，但是要制造具有适合的性能特征的光学晶体管，还需要仰仗材料科学领域的重大突破。生物计算机与光子计算技术相比，大规模生物计算技术实现起来更为困难，不过其潜力也更大。不妨设想一种大小像柚子，能够进行实时图像处理、语音识别及逻辑推理的超级计算机。这样的计算机已经存在：它们就是人脑。自本世纪70年代以来，人们开始研究生物计算机（也叫分子计算机），随着生物技术的稳步发展，我们将开始了解并操纵制造大脑的基因学机制。生物计算机将具有比电子计算机和光学计算机更优异的性能。如果技术进步继续保持目前的速度，可以想像在一二十年之后，超级计算机将大量涌现。这听起来也许像科幻小说，但是实际上已经出现了这方面的实验。例如，硅片上长出排列特殊的神经元的“生物芯片”已被生产出来。在另外一些实验室里，研究人员已经利用有关的数据对DNA的单链进行了编码，从而使这些单链能够在烧瓶中实施运算。这些生物计算实验离实用还很遥远，然而1958年时我们对集成电路的看法也不过如此。量子计算机量子力学是第三种有潜力创造超级计算革命的技术。这一概念比光子计算或生物计算的概念出现得晚，但是却具有更大的革命潜力。由于量子计算机利用了量子力学违反直觉的法则，它们的潜在运算速度将大大快于电子计算机。事实上，它们速度的提高差不多是没有止境的。一台具有5000个左右量子位的量子计算机可以在大约3 0秒内解决传统超级计算机需要100亿年才能解决的素数问题。眼下恰好有一项重要的用途适合这种貌似深奥的作业。通过对代表数据的代码进行加密，计算机数据得到保护。而解密的数学“钥匙”是以十分巨大的数字——一般长达250位——及其素数因子的形式出现的。这样的加密被认为是无法破译的，因为没有一台传统计算机能够在适当的时间里计算出如此巨大数字的素数因子。但是，至少在理论上，量子计算机可以轻易地处理这些素数加密方案。因此，量子计算机黑客将不仅能够轻而易举地获得常常出没于各种计算机网络（包括因特网）中的信用卡号码及其他个人信息，而且能够轻易获取政府及军方机密。这也正是某些奉行“宁为人先、莫落人后”这一原则的政府机构一直在投入巨资进行量子计算机研究的原因。量子超级网络引擎量子计算机将不大可能破坏因特网的完整性，不仅如此，它们到头来还可能给因特网带来巨大的好处。两年前，贝尔实验室的研究人员洛夫·格罗弗发现了用量子计算机处理我们许多人的一种日常事务的方法———搜寻隐藏在浩如烟海的庞大数据库内的某项信息。寻找数据库中的信息就像是在公文包里找东西一样。如果各不相同的量子位状态组合分别检索数据库不同的部分，那么其中的一种状态组合将会遭遇到所需查找的信息。由于某些技术的限制，量子搜索所能带来的速度提高并没有预计的那么大，例如，如果要在1亿个地址中搜索某个地址，传统计算机需要进行大约5000万次尝试才能找到该地址；而量子计算机则需大约1万次尝试，不过这已经是很大的改善了，如果数据库增大的话，改善将会更大。此外，数据库搜索是一种十分基础的计算机任务，任何的改善都很可能对大批的应用产生影响。迄今为止，很少有研究人员愿意预言量子计算机是否将会得到更为广泛的应用。尽管如此，总的趋势一直是喜人的。尽管许多物理学家————如果不是全部的话———一开始曾认为量子力学扑朔迷离的本性必定会消除实用量子计算技术面临的难以捉摸而又根深蒂固的障碍，但已经进行的深刻而广泛的理论研究却尚未能造就一台实实在在的机器。那么，量子计算机的研究热潮到底意味着什么？计算技术的历史表明，总是先有硬件和软件的突破，然后才出现需要由它们解决的问题。或许，到我们需要检索那些用普通计算机耗时数月才能查完的庞大数据库时，量子计算机才将会真正开始投入运行。研究将能取代电子计算机的技术并非易事。毕竟，采用标准微处理器技术的并行计算机每隔几年都会有长足的进步。因此，任何要想取代它的技术必须极其出色。不过，计算技术领域的进步始终是十分迅速的，并且充满了意想不到的事情。对未来的预测从来都是靠不住的，事后看来，那些断言“此事不可行”的说法，才是最最愚蠢的。除了超级计算机外，未来计算机还会在哪些方面进行发展呢？多媒体技术多媒体技术是进一步拓宽计算机应用领域的新兴技术。它是把文字、数据、图形、图像和声音等信息媒体作为一个集成体有计算机来处理，把计算机带入了一个声、文、图集成的应用领域。多媒体必须要有显示器、键盘、鼠标、操纵杆、视频录象带／盘、摄象机、输入／输出、电讯传送等多种外部设备。多媒体系统把计算机、家用电器、通信设备组成一个整体由计算机统一控制和管理。多媒体系统将对人类社会产生巨大的影响。网络当前的计算机系统多是连成网络的计算机系统。所谓网络，是指在地理上分散布置的多台独立计算机通过通信线路互连构成的系统。根据联网区域的大小，计算机网络可分成居域网和远程网。小至一个工厂的各个车间和办公室，大到跨洲隔洋都可构成计算机网。因特网将发展成为人类社会中一股看不见的强大力量－－它悄无声息地向人们传递各种信息，以最快、最先进的手段方便人类的工作和生活。现在的因特网发展有将世界变成“地球村”的趋势。专家认为PC机不会马上消失，而同时单功能或有限功能的终端设备（如手执电脑、智能电话）将挑战PC机作为计算机革新动力的地位。把因特网的接入和电子邮件的功能与有限的计算功能结合起来的“置顶式”计算机如网络电视将会很快流行开来。单功能的终端最终会变得更易应用智能化计算机我们对大脑的认识还很肤浅，但是使计算机智能化的工作绝不能等到人们对大脑有足够认识以后才开始。使计算机更聪明，从开始就是人们不断追求的目标。目前用计算机进行的辅助设计、翻译、检索、绘图、写作、下棋、机械作业等方面的发展，已经向计算机的智能化迈进了一步。随着计算机性能的不断提高，人工智能技术在徘徊了50年之后终于找到了露脸的机会，世界头号国际象棋大师卡斯帕罗夫向“深蓝”的俯首称臣，让人脑第一次尝到了在电脑面前失败的滋味。人类从来没有像今天这样深感忧惧，也从来没有像今天这样强烈地感受到认识自身的需要。目前的计算机，多数是冯·诺依曼型计算机，它在认字、识图、听话及形象思维方面的功能特别差。为了使计算机更加人工智能化，科学家开始使计算机模拟人类大脑的功能，近年来，各先进国家注意开展人工神经网络的研究，向计算机的智能化迈出了重要的一步。人工神经网络的特点和优越性，主要表现在三个方面：具有自学功能。六如实现图象识别时，只要线把许多不同的图象样板和对应的应识别的结果输入人工神经网络，网络就会通过自学功能，漫漫学会识别类似的图像。自学功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供同经济预测、市场预测、效益预测、其前途是很远大的。具有联想储存功能。人的大脑是具有两厢功能的。如果有人和你提起你幼年的同学张某某。，你就会联想起张某某的许多事情。用人工神经网络的反馈网络就可以实现这种联想。具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。人工神经网络是未来为电子技术应用的新流域。智能计算机的构成，可能就是作为主机的冯·诺依曼机与作为智能外围的人工神经网络的结合。人们普遍认为智能计算机将像穆尔定律（1965年提出的预测半导体能力将以几何速度增长的定律）的应验那样必然出现。提出这一定律的英特尔公司名誉董事长戈登·穆尔本人也同意这一看法，他认为：“硅智能将发展到很难将计算机和人区分开来的程度。”但是计算机智能不会到此为止。许多科学家断言，机器的智慧会迅速超过阿尔伯特·爱因斯坦和霍金的智慧之和。霍金认为，就像人类可以凭借其高超的捣弄数字的能力来设计计算机一样，智能机器将创造出性能更好的计算机。最迟到下个世纪中叶（而且很可能还要快得多），计算机的智能也许就会超出人类的理解能力。什么是计算机语言计算机语言的种类非常的多，总的来说可以分成机器语言，汇编语言，高级语言三大类。电脑每做的一次动作，一个步骤，都是按照以经用计算机语言编好的程序来执行的，程序是计算机要执行的指令的集合，而程序全部都是用我们所掌握的语言来编写的。所以人们要控制计算机一定要通过计算机语言向计算机发出命令。计算机所能识别的语言只有机器语言，即由0和1构成的代码。但通常人们编程时，不采用机器语言，因为它非常难于记忆和识别。目前通用的编程语言有两种形式：汇编语言和高级语言。汇编语言的实质和机器语言是相同的，都是直接对硬件操作，只不过指令采用了英文缩写的标识符，更容易识别和记忆。它同样需要编程者将每一步具体的操作用命令的形式写出来。汇编程序通常由三部分组成：指令、伪指令和宏指令。汇编程序的每一句指令只能对应实际操作过程中的一个很细微的动作，例如移动、自增，因此汇编源程序一般比较冗长、复杂、容易出错，而且使用汇编语言编程需要有更多的计算机专业知识，但汇编语言的优点也是显而易见的，用汇编语言所能完成的操作不是一般高级语言所能实现的，而且源程序经汇编生成的可执行文件不仅比较小，而且执行速度很快。高级语言是目前绝大多数编程者的选择。和汇编语言相比，它不但将许多相关的机器指令合成为单条指令，并且去掉了与具体操作有关但与完成工作无关的细节，例如使用堆栈、寄存器等，这样就大大简化了程序中的指令。同时，由于省略了很多细节，编程者也就不需要有太多的专业知识。高级语言主要是相对于汇编语言而言，它并不是特指某一种具体的语言，而是包括了很多编程语言，如目前流行的VB、VC、FoxPro、Delphi等，这些语言的语法、命令格式都各不相同。高级语言所编制的程序不能直接被计算机识别，必须经过转换才能被执行，按转换方式可将它们分为两类: 解释类：执行方式类似于我们日常生活中的“同声翻译”，应用程序源代码一边由相应语言的解释器“翻译”成目标代码(机器语言)，一边执行，因此效率比较低，而且不能生成可独立执行的可执行文件，应用程序不能脱离其解释器，但这种方式比较灵活，可以动态地调整、修改应用程序。编译类：编译是指在应用源程序执行之前，就将程序源代码“翻译”成目标代码(机器语言)，因此其目标程序可以脱离其语言环境独立执行，使用比较方便、效率较高。但应用程序一旦需要修改，必须先修改源代码，再重新编译生成新的目标文件(＊ .OBJ)才能执行，只有目标文件而没有源代码，修改很不方便。现在大多数的编程语言都是编译型的，例如Visual C＋＋、Visual Foxpro、Delphi等。

记忆是人脑对过去发生过的事情的反应。我们在日常生活中经历过的事情，思考过的问题，都会给大脑留下痕迹。这些痕迹在日后也许会被激活，我们重现当时的体验。作为一个数据储存系统，大脑接收了无数的映像，将它们分解成不同的部分，并将这些部分分别储存在专门的脑细胞中。日常生活中所发生的事情被转化成记忆临时保存到人脑的海马体中，再由海马体将记忆转移到新大脑皮层储存为长期记忆。

我认为现如今这款技术发展的还是比较成熟的，现如今大脑数据也是可以上传到云端的，而且也有利于人们的思考，将会加强这方面的防控与管理，而且这一技术的成熟对于后续技术的发展以及其他方面的发展都会带来积极的影响。

用科学家们的表述，即大脑在秒级尺度内存储和操纵信息的一种基本认知功能。比如，在脑中进行数学运算、阅读、思考、语言的学习等。这些我们日常生活中经常使用到的能力就是工作记忆。“工作记忆”的特点可以概括为：第一，时间短，存在的时间以秒级计；像电脑的缓存，如果信息不被使用，就会随着时间自然衰减。第二，容量有限，科学家们认为一般人的“工作记忆”长度是5至9个记忆单元。第三，抗干扰，存在并行信息或者无关干扰时，依然可以维持原记忆信息。但大脑是如何在工作记忆中存储信息的呢？日前，《神经元》期刊在线发表的一篇研究论文给出了答案：中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）李澄宇研究组发现，瞬时性神经元，而非持续性神经元，是负责在工作记忆的过程中存储信息的关键组分。换句话说，在当前实验条件下，大脑更倾向于通过瞬时性编码的神经机制在工作记忆中存储信息。“此前，经过大约半个世纪的研究，科学家认为，大脑在工作记忆中存储信息存在两种可能的神经机制：一、持续性编码；二、瞬时性编码。”中国科学院脑科学与智能技术卓越创新中心研究员李澄宇介绍，前者认为，大脑只需要通过少量的神经元持续性放电就可以存储信息；而后者认为，大脑更倾向于调用大量的神经元通过瞬时性放电来存储信息。虽然，前人基于电生理记录的相关性研究表明，这两种信息编码的方式均可能发挥作用，但仍没有研究直接比较这两种信息编码方式与工作记忆行为调控的对应关系。向着未知的方向挺进，李澄宇带领团队综合应用行为学、光遗传、电生理等手段，对这一问题展开了深入研究。初步的实验结果提示，瞬时性神经元，而非持续性神经元，与小鼠执行工作记忆的行为表现水平有更紧密的关联，即瞬时性编码的神经机制更有可能负责在工作记忆中存储信息。事实果真如此吗？为进一步验证这一结论，研究人员又设计了一组实验。这组实验的基本逻辑在于，通过在工作记忆过程中人为加入不同的干扰性刺激，并监测瞬时性和持续性神经元与小鼠抵抗外部干扰刺激能力的关联性，进而推测是哪种神经元类群负责在工作记忆中存储信息。结果显示，当小鼠成功抵抗较弱干扰时，瞬时性神经元的比例显著增加。相反，如果没能有效抵抗复杂的干扰性刺激时，瞬时性神经元的比例也没有出现相应上升。而在两组实验中，持续性神经元的比例都没有发生任何显著变化。