切能用JavaScript实现的,终将用JavaScript实现。
一切能编译为WebAssembly的,终将编译为WebAssembly。
前端er们,WebAssembly用上了吗?在浏览器中快速运行非JavaScript语言,比如C、C++、Rust,是不是很香?今天,我们就来用15张小画图说WebAssembly。
有必要先介绍一下小画的创作者。她叫Lin Clark,曾是Mozilla公司的首席研究工程师,精通WebAssembly和Rust。值得一提的是,她的母亲曾为阿波罗登月任务编写汇编语言。如今,Lin是WebAssembly社区响当当的人物,是不是有传承那味儿了?
WebAssembly能做什么?
有了WebAssembly,JavaScript不再是浏览器端的唯一语言。WebAssembly让你能够在网页中快速运行C、C++、Rust等。
再见JavaScript?
WebAssembly并不是要取代JavaScript,二者绝非水火不容。实际上,许多应用程序同时使用WebAssembly和JavaScript。不过,如果硬要对比二者的速度,那么WebAssembly显然是增强型。
JavaScript的性能瓶颈在哪里?
JavaScript的一些根本特性使它速度受限,比如动态类型。直到2008年,JIT(即时编译器)出现,才让JavaScript的性能有了飞跃式提升。
性能提升使得JavaScript开始被用于服务器端。WebAssembly的出现有望使性能曲线再次实现飞跃。
时间都去哪儿了?
JIT出现之前,JavaScript花在各任务上的相对时长是这样的。
有了JIT,JavaScript花在各任务上的相对时长变成了这样。
相比之下,WebAssembly竟然是这样的!
如何让计算机听我发号施令?
想象有机星人来到地球,你被派去和机星人谈判。要怎么交流呢?
你或许需要一位口译官,抑或需要一位笔译官。
口译官可以当场逐字逐句地翻译,这其实就是解释器所做的事情。
笔译官则会将内容写下来,让双方自己理解。这其实就是编译器所做的事情。
解释器刚运行起来时速度较快,但是效率不高,因为同样的代码可能需要重复解释。编译器则恰恰相反。正因为两者各有千秋,所以JIT结合了二者各自的优势。
那么,WebAssembly是如何做到与机星人交流的呢?我们来分析一下机星人的大脑构成。
如果给机星人发送二进制指令,它就会这样解读。
问题是,机星人的大脑构造可能不一样,比如既有可能是x86结构,又有可能是ARM结构。而我们也会使用不同的语言,比如C、C++或者Rust。要两两匹配地进行翻译,工作量实在太大!
为此,人们增加了IR,即中间表示。编译器的前端先将高级语言变成IR,编译器的后端则负责将IR变成汇编码。
那么,WebAssembly的位置在哪里呢?
每一类计算机处理器都有自己的机器码类型。在取得IR代码后,通过一个专门的编译器来运行,这个编译器将IR代码转换为一种专用字节码并放入后缀为.wasm的文件中。
.wasm文件中的字节码还不是机器码,它只是支持WebAssembly的浏览器能够理解的一组虚拟指令。当加载到支持WebAssembly的浏览器中时,浏览器会验证该文件的合法性,然后这些字节码会继续编译为机器码。
如今,各大主流浏览器都已支持WebAssembly。现在就尝试使用WebAssembly吧!
本文中的插图由Lin Clark创作,源网址如下:
https://hacks.mozilla.org/2017/02/a-cartoon-intro-to-webassembly/
本文对插图的使用经Lin Clark同意,且遵守CC BY-SA 3.0协议。
https://creativecommons.org/licenses/by-sa/3.0/
(文章由@喜欢机星人的@图灵教育编辑发布)
今 日 荐 书
C. 杰勒德?加伦特 著
单业 译
想在浏览器中使用非JavaScript语言?
WebAssembly帮你做到!
马的条纹、手指的排列、向日葵的螺纹……为何自然界中会出现这些图案,这是我们一直以来都试图回答的问题。现在,科学家通过数学模型和基因组科学试图揭示这些图案是如何在活体组织中形成的。然而,事实却证明,我们很难得到一个完整的答案。
对于寻求在实验室中研发生物组织的生物工程师来说,了解图案在生物系统中的形成机制极为重要。工程化组织在医学应用上具有无限的潜能,但为了合成生物组织,科学家需要了解生命系统中图案形成的起源。
最近的一项新研究,让我们朝着在分子水平上理解活体组织形态的形成迈进了一步。被研究人员工程化过的细菌在培养和生长过程中,表现出随机的图灵结构:在培养皿中的一片绿色背景下,合成细菌形成了不规则的点状图案,释放出红色的荧光。
○ 左:在正向工程化过的大肠杆菌细胞生物膜上,信号分子的随机图灵结构荧光图像,视场约横跨300微米。右:使用与实验环境相应的参数模拟出的随机图灵结构,模拟区域小于实验区域,但模拟结构的统计属性与实验结果相符。| 图片来源:D. Karig, K. M. Martini, T. Lu, N. DeLateur, N. Goldenfeld, R. Weiss.
经典图灵结构
图灵结构是在均匀状态下自然出现的图案,它们可以是条纹、斑点或螺旋。1952年,著名的英国计算机科学家图灵(Alan Turing)提出了一种图案的形成机制,并用数学推论出这些图案是由一种非常普遍的不稳定性所致。他认为,生物形态可能是源自于反应系统中的一种动态过程,即快速扩散的抑制剂和缓慢扩散的激活剂。那时,生物学还没有揭示出基因调控的复杂性,但现在我们很清楚,在图灵提出的模型里,众多在动物皮肤图案形成过程中起作用的参数都被过度简化。因此图灵结构虽然在某些化学反应中出现过,但这些结构在自然的生物有机体中却很难出现。
为了更好地说明生物学中经典图灵结构形成的局限性,我们可以借用生物学中的捕食者-猎物来作类比。
他解释道:“图灵模型的问题在于,它取决于一种大多数生物系统都无法满足的条件,也就是说抑制剂必须比激活剂移动得更加快速。我们可以举一个化学之外的例子,例如生态系统中的两种生物——狼和羊:若要得到经典的图灵结构,那么狼的移动速度就必须比羊快得多。这看起来会是什么样子呢?首先,羊的数量增加,狼由于得到饲养从而数量也随之增加。并且狼群会跑来跑去将羊群围住,这样就会在某些区域产生一片片被狼环绕的羊群。这就是以动物为例来解读图灵的发现。”
随机图灵模型
在新的研究中,研究人员从实验和理论方面都证明了图灵结构确实发生在活体组织中。在图灵模型中,产生图案的不稳定性被定义为激活剂和抑制剂这两种化学物质之间的高扩散比。而在新的项研究中,研究人员证明它实际上是一种由随机性(在大多数实验中会被认为是背景噪音)产生的图灵结构。
大约10年前,伊利诺伊大学香槟分校的物理学家Nigel Goldenfeld开始发展随机图灵结构的理论,在这种理论中的图灵结构不是源自于高的抑制剂-激活剂比,而是来自随机的基因表达噪音。Goldenfeld说:“随机图灵结构理论并不需要猎物与捕食者、激活剂与抑制剂之间存在很大的速度差异,它们可以大致相同,并仍让你得到一个图案。但它不会是的常规的图案,总会有某种程度的混乱。”
生物工程实验
大约在Goldenfeld对理论进行研究的同一时期,其他研究人员在进行细菌图案实验。麻省理工学院的物理学家Ron Weiss领导了这项研究的实验与模拟工作。开展体内研究的最初目的是为了检测细菌是否能被设计以产生图灵不稳定性。基于图灵的激活-抑制思想,研究人员用合成生物学来工程化细菌。他们将细菌注入了能使细菌发送并接收两种不同分子信号的基因,并在这些分子上附上了荧光标记,从而创建了一个可通过信号分子来查看基因电路是开还是关的系统,其中激活剂会发出红色荧光,抑制剂呈绿色荧光。研究人员观察到,一片均匀的生物膜在经过一段时间的培养后,工程化的细菌就形成了被一片绿色领域包围的红点——但细菌形成的图灵结构是不规则的,正如随机理论所预测的那样。
验证随机图灵理论
为了检测这些实验是否真的如新理论所描述,科学家花费了数年的时间进行测试。他们创建了一个非常详细的随机模型,以研究这些在合成的能形成图案的基因电路中到底发生了什么,并对其结果进行计算,然后再将理论预测与生物工程师在培养皿中观察到的结果进行比较。
证明随机图灵理论的有效性非常困难,理论所作出的预测有很多,它们都需逐一在实验中被验证。而由于描述这些图案的数学中参数众多,所以研究人员必须逐个探索这些参数的影响。这涉及对参数进行大量调整工作,以揭示图案形成的机制。
而这项新的研究能表明的是,即使在一些我们认为不能出现图灵结构的情况下,也可以出现图灵结构。但它们是种无序结构,即所谓的随机图灵结构。这里的随机性不是指羊或狼的出生与死亡,而是生与死、蛋白质的创造与吸收。这是一种有违常理的预测——产生这些随机图案的是随机基因表达的噪音。而通常我们认为噪音会干扰信号,例如在收听广播时,噪音会将广播信号淹没。但在随机图灵结构的情况下,有的是被噪音稳定的图案。
这些研究结果为一个古老的问题提供了新的线索,并开始为生物医学工程领域在未来的发展开拓了道路。
或许我们可以肯定的是,这是真正意义上首次证明了在体内研究中得到随机图灵结构的原理。所以现在我们知道这种机制确实可行,并且这些波动也可以驱动图案。最终,生物工程师会用这种技术,在经典图灵结构无法企及的领域,制造新的组织和新的功能性生物系统。
文:Siv Schwink
译:二宗主
参考来源:
https://phys.org/news/2018-06-bacteria-stochastic-turing-patterns.html
pip install -U wxpy
pip install -U wxpy -i "https://pypi.doubanio.com/simple/"
from wxpy import * import requests import json def tuling_robot(text): url="http://openapi.tuling123.com/openapi/api/v2" # 自己的key apiKey="" # 自己的id userID="" payload={ "reqType": 0, "perception": { "inputText": { "text": text } }, "userInfo": { "apiKey": apiKey, "userId": userID } } r=requests.post(url,data=json.dumps(payload)) ret=json.loads(r.text) return ret['results'][0]['values']['text'] bot=Bot(console_qr=2, cache_path="botoo.pkl") # 也可以针对某个群发送消息 @bot.register() def send_all(msg): print('收到数据' + str(msg)) if (msg.type !='Text'): ret='这个我回答不了你' else: ret=tuling_robot(msg.text) print('发送数据' + str(ret)) return ret embed()
参考:https://www.9xkd.com/user/plan-view.html?id=1072150704
*请认真填写需求信息,我们会在24小时内与您取得联系。