來源：DeepTech深科技

2021 年 4 月 10 日，Science 攜手上海交通大學發佈了 “新 125 個科學問題”，問題涵蓋諸多領域。

圖 | 上海交通大學聯合 Science 發佈 “新 125 個科學問題”（來源：sjtu.edu）

DeepTech 聯繫十幾位專家和一線青年學者，針對部分受到廣泛關注的新科學問題做了專訪，以下是對一些 “新 125 個科學問題” 的解讀：

天文學：現有技術阻礙人類探測地外文明

圖 | 宇宙探索（來源：Pixabay）

關於人類能不能在另一個星球上長期居住，中國科學院國家天文臺研究員 、中國科學技術大學兼職教授、中國科普作家協會副理事長鄭永春表示，這取決於兩方面的約束條件：

第一，地球環境的惡化程度和速度。

第二，是地球面臨小行星和地外天體的撞擊。

“在這個兩個約束條件的前提下，我們才能夠討論是否需要到另外一個星球上生存。而到另外一個星球上生存也要解決在那個星球上尋找資源、開拓生存空間、改造環境的長期過程。所以，人類能不能移居到另外一個星球，還取決於人類是否有能力改造另外一個星球的環境。”鄭永春說道。

肯定有一部分人作爲人類的先鋒去開拓其他星球。“我相信人類最終也會像從非洲走出大陸一樣，來到歐亞大陸，然後進入太空，登陸月球甚至去往更遙遠的星球，按照這樣的一個過程來開展。” 他補充道。

圖 | 銀河系（來源：Pixabay）

談及我們是不是宇宙中唯一的生命體？鄭永春表示，“迄今爲止還沒有在任何其他的星球上找到生命，也沒有找到另外一個像地球一樣的星球。”

雖然宇宙中有很多星球像地球，但是隻是大小相似，無法確定是否有氧氣、磁場、液態水等。

“在這些生命形成條件還不完全清楚是否具備的前提下，我們很難預測那個星球上是否有生命，所以尋找地外生命的第一個前提就是尋找到像地球一樣的行星，但是問題是我們離那些星球太遠了，沒有辦法直接抵達那裏去探測。” 鄭永春指出。

　圖 | 火星表面（來源：Pixabay）

被問及是什麼阻止了人類進行深空探測？鄭永春說：“其實人類的深空探測並沒有被阻止，但是載人深空探測跟無人深空探測，這兩者之間的爭議始終存在。”

載人深空探測，其一是技術能力的受限，這比無人深空探測要難得多；其二是成本也要高得多，所以關於要不要開展載人深空探測始終會存在爭議。

談及如何讓人類走向更遙遠的深空，鄭永春說：“我覺得要找到發展載人深空探測的獨特價值，比如，對經濟發展，對其他技術的提升等等。與此同時，各國也在逐步開展載人深空探測的前期研究，比如，研製重型運載火箭、重複利用飛船等，中國也正在建設空間站，航天員進行長期太空生活，爲載人深空探測積累經驗。”

“再比如，一些國家也正在進行載人登月的論證，實際上也是在解決載人深空探測的一些技術瓶頸，如果這些技術能夠得到解決，人類走向深空的道路就會更加通順。”鄭永春補充道。

人工智能：人機互融、可感知機器人是未來

圖 | 人工智能（來源：Pixabay）

談及羣體智能是如何出現的，同濟大學電子與信息工程學院副教授齊鵬表示，當我們研究單個智能體達到一定階段後，我們會考慮多個智能體之間的配合與互動，相當於給研究增加了一個維度，這是 “從少到多” 的思考。事實上，在生物界中，羣體的概念是無處不在的，比如魚羣、鳥羣，也包括人羣。羣體之間存在的行爲交互，從而形成了體現宏觀羣體的行爲邏輯。

而從另一個 “從小到大” 的角度去思考，像文學作品中的美猴王，他的每一根毫毛都能化身爲一個獨立個體，而組合成一個整體後，其實又體現了一種功能的轉變。羣體智能在一些領域已經能看見其應用，包括軍事上無人機編隊、醫療機器人中納米機器人等。

圖丨腦機接口（來源：Pixabay）

我們可以和計算機結合以形成人機混合物種嗎？齊鵬認爲，與其叫人機 “混合” 不如叫 “相互融合” 更爲恰當。人與計算機在生理或在機器上如果實現相互融合，將會是非常令人興奮的方向。其實現在我們已經看到 “人機融合” 的成爲現實的可能，比如各種可穿戴式電子設備、假肢、外骨骼、腦機接口等的應用。隨着技術的發展，也許未來，某種智能化機器人能夠跟人共生。所以，“人機融合” 在未來是有可能的。

是否有可能創建有感知力的機器人？齊鵬告訴 DeepTech，計算機在推算、記憶力、思考邏輯速度等很多方面已經超越人類。未來，機器人的情感是可以 “被操控的”，也就是一種與人類的情感互動，即共情。

然而，人類的情感有其複雜性，比如開心會分泌多巴胺，是一種 “化學反應”。機器人會做到和人類情感一樣嗎？齊鵬表示，機器人不會做到和人類情感一樣的 “複製粘貼”，所以，這或許是一個 “黑盒子”。具體來說，在機器人識別某些信號後，通過邏輯器件或他的計算邏輯，進而可以表現出來與人類情感同樣的表現，進而與人類進行高層次的情感交互。

總結來說，可創建有感知的機器人，但這種感知是一種基於邏輯上的推算、設置等表現出的 “假象”。所以說，機器人會有感知，但將與人類的有本質性的不同。

能源科學：人類必將迎來 “去化石燃料” 的世界

　圖 | 核電廠（來源：Pixabay）

我們可以生活在一個去化石燃料的世界中嗎？ 

可再生能源利用專家、中國農業大學教授董仁杰表示，這是肯定是，也是必然的，原因如下：

首先，礦物燃料是有限的，去化石燃料不以人的意志爲轉移。當然，太陽能爲我們提供充足的能量來源。隨着科學技術的進步，還會有其他能源來源。

第二，月球上擁有核聚變能源原料。而且這一前景已經可以觸及。

第三，發射到近太空的太陽能發電，可以爲地球供電。電力的超遠距離傳輸，是一個制約因素。

第四，地球表面上的太陽能發電和風力發電，可以提供大部分電能。問題在於這些電力的不穩定性。通過全球能源互聯網，使全球能源互聯網成爲太陽能和風力發電的蓄電池。所有太陽能和風力發電都不會成爲垃圾電。例如當美國黑夜時，中國在發電。

第五，當電力超遠距離傳輸存在挑戰時，通過當地的 power to gas 可以將 CO2 和 H2 轉化爲天然氣，進入天然氣管網。太陽能發電轉化爲太陽能生產甲烷。大氣中的超量 CO2 可以稱爲太陽能甲烷的 C 源。海洋碳匯、森林碳匯可以不斷蓄積和固定 CO2 而不需要擔心人類的開採。

曹祥坤則表示，在短時間內有難度，但這是美好的願景。在過渡階段，既需要探索如何讓傳統化石燃料的使用更清潔，還需要大力扶持以太陽能、風能等爲代表的清潔能源技術的研發。

圖|核能（來源：Pixabay）

氫能的未來是怎樣的？ 

董仁杰告訴 DeepTech：“在可以預見的未來，是否有必要爲氫能再建設一套輸氣管道或者罐車？一方面投資巨大，承受不起；更關鍵的是 H2 的爆炸危險。

在眼下可預見的時期，氫能有兩種可行的利用途徑。第一，在需要超高溫的用能行業，例如冶金方面，氫能是非常優質的能源。第二，剩餘的氫能，應該分散生產，就地轉化爲甲烷進入天然氣管道。”

曹祥坤則表示，氫能的未來應該是綠色的，用綠色的方法制氫（比如太陽能光催化制氫）勢在必行，也是實現碳中和目標的重要途徑，如何實現系統的效率的提升，以及成本的降低，是綠色制氫取代傳統制氫方式的關鍵，也需要更多的年輕的科研工作者投入到這一事業上去。

冷聚變有可能實現嗎？曹祥坤說：“科學家對於室溫下的聚變一直充滿興趣，但是這個領域的進展一直舉步維艱。2019 年 Nature 上的一篇文章說到‘尚未產生任何確鑿證據證明冷聚變效應’。雖然當前還沒有發現冷聚變的明確證據，在短時間內有難度，但長遠看來是可能實現的。”

信息科學：DNA 可以作爲信息儲存介質

　圖 | 信息科學（來源：Pixabay）

針對 “計算機的處理速度是否有上限？” 這一問題，上海交通大學計算機系副教授、博士生導師蔣力解釋道，計算機從誕生之初至今，處理速度上已經發生了翻天覆地的變化，這得益於硅基的晶體管隨着摩爾定律不斷提高密度與性能，以及在其之上構建的計算機體系結構與軟件生態。

蔣力表示，在未來十餘年內，集成電路產業依然會按照摩爾定律持續推進計算機處理速度的提升。即使摩爾定律趨緩，一大批新工藝器件也將逐漸登上舞臺，比如憶阻器，光子計算，甚至是量子計算。計算機的處理速度只要能帶來龐大的經濟效益，一定會推動人類科技，從而源源不斷地繼續推高計算機的處理速度。因此在當前討論處理速度的上限還爲時過早。

那麼，“DNA 可以用作信息存儲介質嗎？”

圍繞這一問題，蔣力回答道，“準確的說，DNA 已經作爲生物遺傳信息的存儲介質已經很久了。作爲信息存儲介質，有幾種關鍵要素，首先要能以某種高效的持續性的方式存儲信息的編碼。曾經也有人提出用一張多光譜顏色的紙來存儲遠大於硬盤容量的信息。單純從存儲上來說，的確是這樣。”

他補充道，然而，信息存儲介質更關鍵的是如何能高效地讀出和寫入數據。如果把生物病毒比作計算機病毒，不斷侵入細胞，改寫細胞 DNA/RNA 信息，從而複製自己進一步傳播。那麼，你會發現 DNA 作爲介質所存儲的信息具備快速 “讀出” 和 “寫入” 能力。

醫學與健康 ：個體化醫療是努力方向

圖 | 醫學與健康（來源：來源：Pixabay ）

藥物定製、個體化醫療是過去二十年以來醫學界一直努力的方向。我們可以設計和製造出爲個人定製的藥物嗎？

原中國醫學科學院研究員、北京協和醫學院教授王晨光認爲，不能籠統地用 “能” 或者 “不能” 來回答這個問題。而是否可以設計和定製個體化藥物取決於疾病是否有個體化特點。

具體來說，針對心血管病、2 型糖尿病這類影響範圍廣、患者基數大、但病因相對單一的疾病，通常不需要個人定製藥物。此外，感染性疾病也不需要個人定製藥物，像新冠疫情等感染性疾病，疫苗或者治療性的抗病毒的藥物是具有普適性的，不太因爲個體之間的差異而表現出藥效方面的差異。需要指出的是，不同羣體（如老年人）在治療策略上的差異不屬於個體化治療的範疇。

那麼，具體哪類疾病個體化醫療可行呢？王晨光告訴 DeepTech，在腫瘤的免疫治療領域已經開展了個體化醫療。像 CAR-T 療法基基於患者自身的免疫系統和腫瘤之間相互識別的機制，用患者自身的、經過體外改造的免疫細胞作爲治療藥物。還有一類適合個人定製藥物的是一些單基因遺傳性疾病。

比如，基因突變導致的遺傳疾病有幾千種之多，目前有針對性治療手段的卻非常少。個體化醫療爲一些患者帶來希望，但也存在一個問題，這類疾病往往患者數量太少，個人和社會難以承受高昂的治療費用，存在社會效益方面的問題。

如何維持和調節免疫穩態？

王晨光表示，免疫系統作爲人體的防禦機制，存在着嚴密的調控網絡，這使它能夠在正常的生理條件下維持免疫平衡。正常情況下，當身體受到病毒感染或者細菌感染等外來抗原的挑戰，就會啓動特定的身體反應。但是，在特殊的情況下，這種免疫的穩態沒辦法維持。它會出現兩種情況：一種是免疫功能不足，另一種是免疫過激。 

那麼，免疫穩態是如何維持以及被打破呢？王晨光告訴 DeepTech，因爲在機制上認識不夠深入，所以無論是免疫功能不足，還是免疫過度反應，針對具體的情況，調整身體特定的免疫細胞和免疫功能來應對這種疾病狀態。

“例如，在癌症發生發展過程中，就認爲是腫瘤細胞在這個過程中逃避免疫的監視，那麼讓身體的免疫系統重新識別腫瘤，達到殺傷和排斥腫瘤的目的，這是當前免疫治療的一個重要的方向。”

王晨光表示，現在對於免疫過激類疾病通常是以控制症狀爲主。包括一些慢性的炎症性反應，還有過敏性的反應主要是以藥物來緩解症狀。“從這個角度來說，正是因爲在機制尚不清楚，所以很難從根本上來解決免疫失衡的情況。到目前爲止，還基本上沒有太多辦法。”

生命科學：基因編輯系統可幫助治療特定疾病

圖 | 基因編輯（來源：Pixabay）

關於 “基因組編輯將如何用於治療疾病？” 這一問題，浙江大學藥學院教授、博士生導師平淵回答道：“人類的疾病成因很複雜，對於一些遺傳性疾病，例如囊性纖維化、苯丙酮尿症、杜氏肌不良症等等都是由於基因突變引起的，我們可以通過在目的細胞的基因突變位點，使用基因組編輯系統修復致病基因來治療這些疾病。”

“然而，考慮到基因組編輯系統的安全性和修復效率，我們需要在目標器官、組織或亞細胞羣中，實施基因組中突變鹼基的精準修復。此外，由於目前的基因編輯系統會對基因組中突變鹼基以外的正常鹼基進行編輯（即 ‘脫靶編輯’效應），因此在治療過程中可能存在潛在的毒副作用。” 平淵補充道。

平淵表示：“可特異靶向疾病部位、脫靶效率低的基因編輯系統，將在未來有可能成爲治療疾病的藥物。例如運用可以靶向特定器官、組織或亞細胞羣的遞送載體，定向地實現在肝部、肺部等疾病部位對基因組進行編輯，來治療相關遺傳性疾病。相信在不久的將來，高效靶向病竈部位的遞送載體及低脫靶效率的基因編輯系統，將會被開發出應用於人類的疾病治療。”

神經科學：人工智能將幫助診斷和治療精神類疾病

　圖 | 神經科學（來源：Pixabay）

我們可以治癒神經退行性疾病嗎？

清華大學助理教授眭亞楠認爲，目前部分神經系統疾病可以被有效地控制，從而顯著改善患者的生活質量。但是，這離完全治癒神經系統疾病，還有一定的差距。

對於能否治癒神經退行性疾病的答案，取決於如何理解 “治癒” 的含義。

眭亞楠告訴 DeepTech，“如果治癒是指患者完全回到生病以前的狀態，那麼可能需要依靠新的神經再生技術才能實現，這是一個非常難的問題。而如果治癒是指患者能有比較好的生活狀態，減少受疾病的影響，這方面預期會有較快的研究和臨牀進展。”

此外，精神障礙能否有效得到診斷和治療？

“對抑鬱症、自閉症等精神類疾病，現在很難對每位患者實現客觀、精細的量化評價。臨牀上通常是由精神科醫生在與患者談話的過程中完成相應的精神量表評估，根據量表打分進行診斷。這個評估本身的客觀性和有效性一直是學界前沿的熱點問題。精神障礙的亞型診斷複雜，對症治療也是很難的問題。” 眭亞楠說。

　圖 | 智能機器人（來源：Pixabay）

那麼，是否能結合人工智能和機器學習來進行治療的輔助支撐，實現個性化、定製化的精神障礙診斷及治療呢？

眭亞楠認爲，以人工智能爲代表的先進計算技術可以幫助部分精神障礙獲得更加精準的診斷。人工智能等先進計算方法結合化學、生物相關理論，有望實現藥物和療法的低成本快速篩選，使精神類疾病的精準治療成爲可能。精神障礙的有效診斷和治療是一個有希望取得重大突破的領域，但實現安全、有效、精準、自動的診斷和治療，還有很大的挑戰。

數學：黎曼猜想真假未知

圖 | 數學（來源：：Pixabay）

談到素數爲什麼如此特別，科普作家盧昌海博士說，“素數的特別之處，首先體現在它的乘法分解性質上，很多正整數可以分解爲其他（不同於它自己的）正整數的乘積，比如 15=3×5，1001=7×11×13 等。但也有一些正整數不能這麼分解，比如出現在上述分解的結果裏的 3、5、7、11、13 等。這後一類正整數，即不能分解爲其他正整數乘積的正整數，就是素數。” 

“素數的另一個性質，是所有大於 1 的正整數都可分解爲素數的乘積，這個性質與剛纔提到的定義性質合在一起，顯示了素數一方面可用來（在乘法意義上）構造其他正整數；另一方面，則恰好是這種構造中的‘最小單元’，因爲它自身不能進一步被構造。這種性質使得素數對正整數而言，就像是物質世界裏可用來構造所有分子的‘最小單元’ —— 原子。” 他補充道。

“正是由於這些特別之處，素數對於數論乃至某些其他數學及自然科學領域都有着類似原子對於物質世界那樣的重要性。” 盧昌海指出。

圖 | 算法（來源：Pixabay）

問及數學界最大難題 —— 黎曼猜想是真的嗎？盧昌海表示，“這個目前尚無人知曉。” 黎曼猜想從提出至今已有 160 多年的歷史，其間雖然經過衆多一流數學家的努力，卻依然是數學中的 “未解之謎”，既沒有人能證明其成立，也沒有人能找到反例或以其他方式證明其不成立。

黎曼猜想所宣稱的是一個被稱爲黎曼 ζ 函數的復變量函數的所謂 “非平凡零點” 全都位於一條被稱爲 “臨界線” 的直線上。

盧昌海介紹了目前關於黎曼猜想已經證明的一些結果：

首先，“非平凡零點” 全都位於以 “臨界線” 爲中線的一個所謂 “臨界帶” 上。這個結果針對了所有 “非平凡零點”，卻必須將 “臨界線” 放寬爲 “臨界帶”；

其次，至少有 41.28% 的 “非平凡零點” 位於 “臨界線” 上。這個結果扣緊了 “臨界線”，卻只涵蓋了不到一半的 “非平凡零點”；

再者，前 12363153437138（約 12 萬億）個 “非平凡零點” 全部位於 “臨界線” 上。這個結果既扣緊了 “臨界線” 也提到了 “全部”，卻只是針對最靠前（所謂 “最靠前”，是指虛部的絕對值最小）的有限多個 “非平凡零點”，而黎曼 ζ 函數的 “非平凡零點” 有無窮多個。

盧昌海指出，“上述結果雖各有千秋，卻都沒能解決黎曼猜想。除上述結果外，還有一些其他類型或沿其他思路的研究，也都尚不能解決黎曼猜想。因此，我們目前還不知道黎曼猜想‘是真的嗎？’。” 

物理學：量子計算機的硬件需滿足的三個條件

圖 | 量子計算機（來源：Pixabay）

關於 “什麼是量子不確定性”，對此，北京理工大學物理學院量子技術研究中心尹璋琦教授表示，“量子不確定性與非定域性問題，是量子物理的基本問題之一。量子不確定性告訴我們，對物理系統的測量是存在極限的。”

所謂 “魚與熊掌不可兼得”，要想實現對系統位置的精確測量，就必須捨棄對動量信息的瞭解。

那爲什麼量子不確定性這麼重要呢？尹璋琦指出，“正是基於這個認識，人們在設計和進一步提升引力波探測器時，使用了壓縮光技術，使我們能夠獲得更加靈敏的引力波探測器。類似的技術也可以應用於超靈敏的質量、位移、加速度等物理量的測量，幫助人們進入量子精密測量的時代。”

提到量子計算機硬件問題，尹璋琦介紹，量子計算機硬件需要滿足以下三個條件：

其一，量子信息能夠方便的編碼到其中的二能級系統中，這個二能級系統被稱爲量子比特，其存儲量子信息的時間要足夠長，遠長於完成單個量子邏輯門的時間。 

其二，量子比特需要能迅速地被初始化到 0 態，且其狀態能高效讀出。

其三，也是最關鍵的，量子比特數目能夠很高效擴展到幾百、幾千乃至更多。

關於未來量子計算機硬件的發展趨勢，尹璋琦表達了自己的看法，他說：“經過二十多年的發展，目前看來，超導電路和離子阱系統最被人們看好，硅基量子點和單光子系統也是很有希望的技術路線。”

尹璋琦表示，經典電子計算機技術之所以能以指數發展幾十年，最關鍵的是高效迭代。電子計算機的計算能力與硬件設計和製造能力相互促進。量子計算機的最優硬件也得實現高效迭代纔行。

工程與材料科學：人類或可突破當前能量效率轉換極限

　圖 | 太陽能電池（來源：Pixabay）

關於 “我們如何突破當前的能量轉換效率極限？” 這一問題，加州大學洛杉磯分校化學與生物化學系助理教授劉翀談道，“我假設這個問題問的是關於光伏電池的效率極限。理論上，現在的光伏太陽能電池的效率極限是被 Shockley–Queisser limit 所限制的。”

劉翀表示，這個極限的一個主要假設是一個光子產生一個電子空穴載流子對，並且所產生的載流子對在能夠被利用之前和周圍的環境處於熱平衡。

“針對以上假設，一種人們所嘗試的方向就是設計體系讓一個光子產生超過一個電子空穴對（Multi-exciton Generation）。另一個方向就是讓載流子對在熱平衡喪失多餘的能量之前被利用，即利用熱電子或熱載流子（hot electrons or hot carriers），這兩個方向都是現在研究的前沿。” 劉翀補充道。

生態學：目前人類無法有效阻止氣候變暖

　圖 | 生態學（來源：Pixabay）

關於生態學領域的問題，DeepTech 採訪了以下專家：北京大學環境風洞實驗室主任林官明、中國農業大學教授董仁杰、中國地震臺網中心研究員孫士鋐、北京化工大學材料科學與工程學院教授苑會林。下面是問題和回答：

我們能把過量的 CO2 存到何處？林官明表示，可通過光合作用轉爲有機碳，前提是需要降低人類利用生態系統的強度，允許生態系統自然恢復。還可設法將 CO2 儲存在低緯度海洋深處，但其成本要遠高於種樹。

董仁杰則認爲，回答這個問題的前提是捕獲了 CO2。CO2 是重要的 C 原料，不應該貯存而應該利用。目前可以預見的利用途徑，除光和轉化之外，還有兩個。一個是催化轉化，一個是生物轉化，將 CO2 和 H2 合成爲碳氫化合物，例如甲烷、甲醇等。總之可以說，將過量的 CO2貯存到碳氫化合物中，作爲能源和化工原料。

那麼，我們可以阻止全球氣候變化嗎？林官明認爲，從目前的生產生活方式還看不到阻止氣候變化的可能，森林依然在大規模消失，碳循環中排入大氣的碳 （以 CO2 爲代表） 超過綠色植物能吸收的碳，大氣中的單質氮也在降低，它以如離子形式的銨而存在。

如果地球上所有的冰融化會怎樣？林官明的觀點如下：所有的冰都融化，必然會出現大洪水，只有海拔高處的物種纔有機會倖存，它們還得能夠適應比較極端的氣候，因爲那時地球的氣溫會很高。若這部分能量來自地球外部，那就意味着其它天體跟地球的撞擊，若這部分能量來自地球內部，那就意味着地球自身內部發生了劇烈變動，這兩種情況均會造成大規模的物種滅絕。想象中，能導致全球性冰融化的事件大概率是地球外部天體的撞擊。所以，這個問題其實更應該問是什麼導致了全球性的冰融化。

我們是否能夠更準確地預測災害性地震？孫士鋐說，對於某些類型的災害性地震我們能夠更準確地預測，但要做到對所有災害性地震，尤其是巨大災害性地震的準確預測，目前看是不可能實現。

這是因爲：

第一，地球內部對人們來說是一個黑箱。人們利用地震波探視到地球內部物質的信息有限，而地震發生在地表以下幾十至幾百公里的深處，無法得知那裏的狀態。

第二，巨大災害性地震是小概率事件，科學研究很難持續性進行。可能其後再無發生類似事件，所以科學的探索必然是短暫的。

第三，預測巨大災害性地震的風險太大。 

此外，我們可以創造一種環保的塑料替代品嗎？苑會林說：“再沒有一種材料能比塑料更環保。一般塑料可以再生，生物降解塑料可以在自然界分解不會給世界帶來污染。相比木材料纖維素材料，需要消耗自然資源，造紙要污染水，並不是塑料的替代品。”

化學：塑料不是廢物，回收有利於人類

圖 | 化學（來源：Pixabay）

針對 “我們如何更好地管理世界上的塑料廢物？” 這一問題，北京化工大學材料科學與工程學院教授苑會林說：

“塑料的最大特點是可以再生再利用，不存在廢物一說。現在廢塑料的污染，特別是海洋污染從屬於人的行爲不檢點造成，與塑料本身沒有太大的聯繫。規範人們的生活習慣、培養良好的素質，可以避免塑料廢棄物品對自然界的污染。從多方面下手多考慮塑料回收，利於全人類。”

科學問題不會永遠是沒有答案的問題，但永遠會有新的科學問題。這些科學問題與人類的發展息息相關，它們提出和解決是人類社會發展的重要動力。DeepTech 將會繼續關注科學領域的前沿問題，聚焦新科技和科學家，助力人類在科學賽道上的長跑。