Optera是一家专注于光学存储归档技术的初创公司,该公司通过光致发光的存在或缺失来存储二进制数据。其核心技术采用光谱烧孔技术和低成本激光器,与Cerabyte和ewigbyte等公司使用的昂贵飞秒激光技术不同。
我们首次报道Optera是在今年2月。
该技术的关键在于混合卤化物氟溴化物/氟氯化物磷光体记录介质,即二价钐材料。这项技术背后的光学研究专家是南澳大利亚大学阿德莱德分校的兼职研究员Nicolas Riesen博士,他制作了一份背景文档,详细描述了光化学反应和光相互作用的原理。
该技术利用纳米晶体系统Ba?.?Sr?.?FX:Sm??晶格中的缺陷,通过烧制光谱凹陷或空洞来改变其光致发光特性。当激光扫描这些区域时,会激发或不激发光致发光,光的存在或缺失可以被检测到并表示二进制的1和0。
检测到的光量,也就是空洞的深度,同样可以用来编码位数,提供类似于NAND闪存的多位容量,如SLC(1位)、MLC(2位)、TLC(3位)等,通过不同的电压水平来表示不同的位数量。
Riesen正在开发该技术第一代的概念验证产品,计划明年推出500GB容量版本。他预计第二代将在2027年达到1TB容量,第三代将在2030年左右达到3到5TB容量,到2035年可能实现数十到数百TB的容量。这些应被视为一系列研究概念验证,产品化需要制造合作伙伴的参与。该技术的吸引力在于,如果技术可行且能以合适的成本制造,使用Optera玻璃片的存储归档系统将比使用飞秒激光的系统成本更低、能耗更少。
相关的三页总结文档可以在此处下载。
补充说明
据了解,Ba?.?Sr?.?FX:Sm??(有时写作Ba?.?Sr?.?F???X?:Sm??或Ba?.?Sr?.?FX:Sm??)是一种掺杂二价钐离子(Sm??)的混合卤化物氟溴化物/氟氯化物磷光体。这是自1980年代以来在计算机放射成像(CR)成像板中使用的经典存储磷光体。当用红色激光扫描时,它会发出红光——光刺激发光。
Q&A
Q1:Optera的光学存储技术有什么特别之处?
A:Optera采用光谱烧孔技术和低成本激光器来存储数据,通过光致发光的存在或缺失表示二进制数据。与其他公司使用昂贵飞秒激光不同,Optera的技术成本更低、能耗更少,使用混合卤化物磷光体材料作为记录介质。
Q2:Optera光学存储技术的发展路线图是怎样的?
A:Optera计划明年推出500GB容量的第一代产品,2027年发布1TB容量的第二代产品,2030年左右推出3-5TB容量的第三代产品,到2035年可能实现数十到数百TB的存储容量。
Q3:Ba?.?Sr?.?FX:Sm??材料在Optera技术中起什么作用?
A:Ba?.?Sr?.?FX:Sm??是一种掺杂二价钐离子的混合卤化物磷光体,作为Optera的核心记录介质。该技术利用其晶格缺陷,通过烧制光谱空洞改变光致发光特性,实现数据的存储和读取。
好文章,需要你的鼓励
ChatGPT发布三年后,物理AI成为行业最新热词。物理AI是指在硬件中实现的AI系统,能够感知周围世界并进行推理以执行操作。与传统机器人不同,物理AI具备推理、行动和与环境交互的能力。智能眼镜是物理AI的典型代表,能够看到和听到用户所体验的内容。高通专家指出,AI可穿戴设备可以为机器人提供基于真实人类体验的高质量数据集,形成良性生态系统。
德国弗劳恩霍夫研究院提出ViTNT-FIQA人脸质量评估新方法,无需训练即可评估图像质量。该方法基于Vision Transformer层间特征稳定性原理,通过测量图像块在相邻层级间的变化幅度判断质量。在八个国际数据集上的实验显示其性能可媲美现有最先进方法,且计算效率更高,为人脸识别系统提供了即插即用的质量控制解决方案,有望广泛应用于安防监控和身份认证等领域。
来自加州大学伯克利分校和康奈尔大学的研究团队,通过分析130万篇学术论文发现,使用ChatGPT等AI工具的科学家论文产出平均提升40-60%,且英语非母语研究者受益最大。
布朗大学联合图宾根大学的研究团队通过系统实验发现,AI医疗助手的角色设定会产生显著的情境依赖效应:医疗专业角色在急诊场景下表现卓越,准确率提升20%,但在普通医疗咨询中反而表现更差。研究揭示了AI角色扮演的"双刃剑"特性,强调需要根据具体应用场景精心设计AI身份,而非简单假设"更专业等于更安全",为AI医疗系统的安全部署提供了重要指导。